一、实现功能
判断在指定坐标范围内，是否存在相似度大于n的图片，并返回坐标。
二、基本思路
A=你需要寻找的图片
B=截取当前页面中指定范围的图片
利用opencv 判断A在B中的位置，
在该位置截取与A图同大小的图片C
对比图片C与图片A的相似度
三、实现的代码段
1、安装所需要的库
pip install opencv-python
pip install pywin32
2、截取指定坐标的图片
参数说明
filename:保存的文件名
hwnd:窗口句柄 请想办法获取
pos:坐标位置 [x1,y1,x2,y2]。x1,y1 是左上角坐标、x2,y2 指右下角坐标。
该功能可以返回不在最顶层程序的截图。
def window_capture(filename,hwnd=0,pos=None):
hwnd= hwnd #窗口的编号，0号表示当前活跃窗口
#根据窗口句柄获取窗口的设备上下文DC(Divice Context)
hwndDC =(hwnd)#根据窗口的DC获取mfcDC
mfcDC =(hwndDC)#mfcDC创建可兼容的DC
saveDC =()#创建bigmap准备保存图片
saveBitMap =()#获取监控器信息
MoniterDev =(None, None)if pos==None:
x1=0
y1=0
w= MoniterDev[0][2][2]
h= MoniterDev[0][2][3]else:
x1=pos[0]
y1=pos[1]
w=pos[2]-pos[0]
h=pos[3]-pos[1]#print w,h #图片大小
#为bitmap开辟空间
(mfcDC, MoniterDev[0][2][2], MoniterDev[0][2][3])#高度saveDC，将截图保存到saveBitmap中
(saveBitMap)#截取从左上角(0，0)长宽为(w，h)的图片
((x1, y1), (w, h), mfcDC, (x1, y1), )
(saveDC, filename)
3、利用opencv 判断A在B中的位置
参数说明
target：(“图片B”)
template：(“图片A”)
deffind_picture(target,template):#获得模板图片的高宽尺寸
theight, twidth = [:2]#执行模板匹配，采用的匹配方式cv2.TM_SQDIFF_NORMED
result =(target,template,cv2.TM_SQDIFF_NORMED)#归一化处理
( result, result, 0, 1, cv2.NORM_MINMAX, -1)#寻找矩阵(一维数组当做向量，用Mat定义)中的最大值和最小值的匹配结果及其位置
min_val, max_val, min_loc, max_loc =(result)#匹配值转换为字符串
#对于cv2.TM_SQDIFF及cv2.TM_SQDIFF_NORMED方法min_val越趋近与0匹配度越好，匹配位置取min_loc
#对于其他方法max_val越趋近于1匹配度越好，匹配位置取max_loc
strmin_val =str(min_val)#绘制矩形边框，将匹配区域标注出来
#min_loc：矩形定点
#(min_loc[0]+twidth,min_loc[1]+theight)：矩形的宽高
#(0,0,225)：矩形的边框颜色；2：矩形边框宽度
cv2.rectangle(target,min_loc,(min_loc[0]+twidth,min_loc[1]+theight),(0,0,225),2)#显示结果,并将匹配值显示在标题栏上
#("MatchResult----MatchingValue="+strmin_val,target)
#()
#()
x=min_loc[0]
y=min_loc[1]return X,Y
4、返回指定图片的指定位置指定坐标
#target原始图片#x,y 起始坐标#w,h 返回的宽长
defget_pic_from_pic(x,y,w,h,target):
region= target[y:y+h,x:x+w]
retrun region
5、比较两个图片的相似度
defcompare_picture( imageA, imageB):#灰度图片比较
grayA =(imageA, cv2.COLOR_BGR2GRAY)
grayB=(imageB, cv2.COLOR_BGR2GRAY)
(score, diff)= compare_ssim(grayA, grayB, full=True)return float(score)