python cv2在驗證碼識別中的使用

使用函數cv2.imread(filepath,flags)讀入一副圖片

filepath：要讀入圖片的完整路徑
flags：讀入圖片的標志

• cv2.IMREAD_COLOR：默認參數，讀入一副彩色圖片，忽略alpha通道
• cv2.IMREAD_GRAYSCALE：讀入灰度圖片
• cv2.IMREAD_UNCHANGED：顧名思義，讀入完整圖片，包括alpha通道

cv2.cvtColor(p1,p2) 是顏色空間轉換函數，p1是需要轉換的圖片，p2是轉換成何種格式。

• cv2.COLOR_BGR2RGB 將BGR格式轉換成RGB格式
• cv2.COLOR_BGR2GRAY 將BGR格式轉換成灰度圖片

模版匹配

模板匹配的原理其實很簡單，就是不斷地在原圖中移動模板圖像去比較
有6種匹配方法

• 平方差匹配CV_TM_SQDIFF：用兩者的平方差來匹配，最好的匹配值為0
• 歸一化平方差匹配CV_TM_SQDIFF_NORMED
• 相關匹配CV_TM_CCORR：用兩者的乘積匹配，數值越大表明匹配程度越好
• 歸一化相關匹配CV_TM_CCORR_NORMED
• 相關系數匹配CV_TM_CCOEFF：用兩者的相關系數匹配，1表示完美的匹配，-1表示最差的匹配
• 歸一化相關系數匹配CV_TM_CCOEFF_NORMED

    import cv2
    def findpic(self, target='background.png', template='slider.png'):
        """
        :param target: 背景圖路徑
        :param template: 滑塊圖片路徑
        :return: 
        """
        target_rgb = cv2.imread(target)
        target_gray = cv2.cvtColor(target_rgb, cv2.COLOR_BGR2GRAY)
        template_rgb = cv2.imread(template, 0)
        res = cv2.matchTemplate(target_gray, template_rgb, cv2.TM_CCOEFF_NORMED) #模板匹配，在大圖中找小圖
        value = cv2.minMaxLoc(res)
        a, b, c, d = value
        if abs(a) >= abs(b):
            distance = c[0]
        else:
            distance = d[0]
        print(value)
        return distance