Python实现按键精灵(二)-找图找色

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 = win32gui.GetWindowDC(hwnd)
    # 根据窗口的DC获取mfcDC
    mfcDC = win32ui.CreateDCFromHandle(hwndDC)
    # mfcDC创建可兼容的DC
    saveDC = mfcDC.CreateCompatibleDC()
    # 创建bigmap准备保存图片
    saveBitMap = win32ui.CreateBitmap()
    # 获取监控器信息
    MoniterDev = win32api.EnumDisplayMonitors(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
    saveBitMap.CreateCompatibleBitmap(mfcDC, MoniterDev[0][2][2], MoniterDev[0][2][3])
    # 高度saveDC，将截图保存到saveBitmap中
    saveDC.SelectObject(saveBitMap)
    # 截取从左上角（0，0）长宽为（w，h）的图片
    saveDC.BitBlt((x1, y1), (w, h), mfcDC, (x1, y1), win32con.SRCCOPY)
    saveBitMap.SaveBitmapFile(saveDC, filename)
　　 #清楚图片数据，防止内存泄露
　　 win32gui.DeleteObject(saveBitMap.GetHandle())
　　 saveDC.DeleteDC()

　　3、利用opencv 判断A在B中的位置

　　　　参数说明

　　　　target：cv2.imread(“图片B”)

　　　　template：cv2.imread(“图片A”)

def find_picture(target,template):
    #获得模板图片的高宽尺寸
    theight, twidth = template.shape[:2]
    #执行模板匹配，采用的匹配方式cv2.TM_SQDIFF_NORMED
    result = cv2.matchTemplate(target,template,cv2.TM_SQDIFF_NORMED)
    #归一化处理
    cv2.normalize( 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 = cv2.minMaxLoc(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
    # cv2.imshow("MatchResult----MatchingValue="+strmin_val,target)
    # cv2.waitKey()
    # cv2.destroyAllWindows()
    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
def get_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

def compare_picture( imageA, imageB):
    #灰度图片比较
    grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
    grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY)

    (score, diff) = compare_ssim(grayA, grayB, full=True)return float(score)