image.py

import numpy as np
import cv2
class OpenCVImageMatcher(object):   
    # 全图进行配对
    def match_sub_image(self, startx,starty,cv_img ,imgfile):
        #加载原始RGB图像
        img_rgb = cv2.imread(cv_img)
        #创建一个原始图像的灰度版本，所有操作在灰度版本中处理，然后在RGB图像中使用相同坐标还原
        img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)

        #加载将要搜索的图像模板
        template = cv2.imread(imgfile, 0)
        #记录图像模板的尺寸
        w, h = template.shape[::-1]

        #使用matchTemplate对原始灰度图像和图像模板进行匹配
        res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
        #设定阈值 
        threshold = 0.6
        #res大于70% 
        loc = np.where( res >= threshold)
        locs = zip(*loc[::-1])# 列表

        for pt in locs:
            if pt:
                return getpoint(( pt[0], pt[1], pt[0]+w, pt[1]+h),startx,starty,)
                break
        return None
        
def getpoint(rect,startx,starty,):
    return [(int)(rect[0]+(rect[2]-rect[0])/2+startx),(int)(rect[1]+(rect[3]-rect[1])/2)+starty]

"""
图像识别的两套方案
1.截取全图
通过截取全图传递过来，然后使用识别返回对应的坐标，然后在坐标上进行点击
优点：
不用单独计算要识别的区域，可以进行全图的识别，可能对一些突然显示的界面有比较好的识别
缺点:
全图识别可能速度没有这么快，对于比如确定等按钮可能会造成错误点击
2.截取部分
首先要通过截取全图获取到每张图片在游戏界面的比例位置
然后再通过截取对应部分的区域进行识别

openVC图片
http://bluewhale.cc/2017-09-22/use-python-opencv-for-image-template-matching-match-template.html
截图
https://www.cnblogs.com/weiyinfu/p/8051280.html
openVC裁剪图像
https://codeday.me/bug/20170921/73527.html
"""