aircv是网易维护的一个小项目，里面有几个图像处理工具函数，它的安装很简单：
pip install aircv
其中被使用最多的，就是这个find_template方法，基本用法如下：
import aircv as ac
match_result = ac.find_template(image_origin, image_template, threshold, bgremove)
几个参数分别表示
image_origin：被查找的源图（上面实例中的钉钉主页面截图），要注意源图的宽和高，都必须大于或等于模板图
image_template：要查找的模板小图（上面实例中的logo）
threshold：最小置信度，在0到1之间。因为图像匹配并不需要每个像素精确一致，可以模糊匹配，所以这个值设定得越高，找到的区域就越接近模板图，但设得太高就有可能找不到。
bgremove：是否去除背景。如果这个值设置为True，那么函数内部会用Canny算子先提取图像轮廓，再做查找
返回值match_result是个dict结构：
match_result:{
'result': (x,y), #tuple，表示识别结果的中心点
'rectangle':[ #二位数组，表示识别结果的矩形四个角
[left, top],
[left, bottom],
[right, top],
[right, bottom]
],
'confidence': percentage #识别结果的置信度,在0-1之间，越大越精准
}
这样我们就可以用返回值在图片上标出矩形框的位置：
import cv2
rect = match_result['rectangle']
cv2.rectangle(img_result, (rect[0][0], rect[0][1]), (rect[3][0], rect[3][1]), (0, 0, 220), 2)
dingding_found
这个find_template方法只返回一个最可信的结果，如果源图中有多个模板图，都想找回来
那么需要find_all_template函数，参数完全一样，只是返回值是个match_result数组。
但是这个库很久没有维护了，我给它提交了一个PR，也没人理，还是有一些坑的，以后再慢慢聊。
1.首先安装aircv
pip install aircv
2.代码实现
import aircv as ac
imgsrc = ac.imread('D:\\Setting.png') # 打开查找页，大图
imgobj = ac.imread('D:\\Connect1.png') # 打开待识别的图片，小图
match_result = ac.find_all_template(imgsrc, imgobj, 0.9) # 0.9是识别达标率，平匹配度大于0.9才会返回
print('match_result:%s' % match_result) #识别到的图片是一个数组
# match_result:[{'result': (115.5, 914.0),
# 'rectangle': ((42, 843), (42, 985), (189, 843), (189, 985)), #匹配图片的四个角的坐标
# 'confidence': 1.0}] #匹配度为 100%
if len(match_result) > 0:
print(len(match_result))
x1, y1 = match_result[0]['result']
print(x1) #115.5 X的中心点
print(y1) #914.0 y的中心点
pass
else:
print('识别不到要点击的目标')
# -*- encoding=utf-8 -*-
# __author__ = 'Jeff.xie'
import aircv as ac
from PIL import Image
# 需要当前目录准备两个图片，big.jpg 和 small.jpg
class CompareImage():
# 可以通过confidencevalue来调节相似程度的阈值，小于阈值不相似
def matchImg(self, imgsrc, imgobj, phone_x, phone_y, confidencevalue=0): # imgsrc=原始图像，imgobj=待查找的小图片
imsrc = ac.imread(imgsrc)
imobj = ac.imread(imgobj)
match_result = ac.find_template(imsrc, imobj, confidencevalue)
print(match_result,type(match_result),end="*****\n")
if match_result is not None:
# match_result:[{'result': (115.5, 914.0),
# 'rectangle': ((42, 843), (42, 985), (189, 843), (189, 985)), #匹配图片的四个角的坐标
# 'confidence': 1.0}] #匹配度为 100%
match_result['shape'] = (imsrc.shape[1], imsrc.shape[0]) # 0为高，1为宽
x, y = match_result['result'] # 标准图中小图中心位置x,y
print("x",x)
print("y",y)
shape_x, shape_y = tuple(map(int, match_result['shape'])) # 标准图中x,y
print("shape_x",shape_x) #大图片宽度
print("shape_y",shape_y) #大图片高度
position_x, position_y = int(phone_x * (x / shape_x)), int(phone_y * (y / shape_y))
print("position_x",position_x)
print("position_y",position_y)
else:
return None,None,None,None
# print(match_result)
# return match_result
return position_x, position_y, str(match_result['confidence'])[:4], match_result
def fixed_size(self, width, height, infile, outfile):
"""按照固定尺寸处理图片"""
im = Image.open(infile)
out = im.resize((width, height), Image.ANTIALIAS)
out.save(outfile)
def get_picture_size(self, imgsrc):
'''获取图片长，宽'''
imsrc = ac.imread(imgsrc)
y, x, z = imsrc.shape
return x, y
if __name__ == '__main__':
# result = CompareImage().matchImg("D:\\Setting.png","D:\\WIFI1.png",10,10)
result = CompareImage().matchImg("D:\\Setting.png","D:\\Battery.png",10,10) # 大图，小图
zuobiao = result[3]["rectangle"]
xmin = zuobiao[0][0]
ymin = zuobiao[0][1]
xmax = zuobiao[2][0]
ymax = zuobiao[3][1]
# 在原始图片上绘制相似的区域
import cv2
image = cv2.imread('D:\\Setting.png')
print("xmin",xmin)
print("ymin",ymin)
print("xmax",xmax)
print("ymax",ymax)
cv2.rectangle(image, (xmin, ymin), (xmax, ymax), (0, 0, 255), 2)
cv2.imwrite('D:/result.jpg', image)