""" 图像匹配模块 功能：识别图片2是否在图片1中，如果在则返回图片2在图片1中的坐标 """ import cv2 import numpy as np from pathlib import Path from typing import Tuple, Optional import os def read_image_with_unicode_path(image_path): """ 读取包含 Unicode 字符（如中文）的图片路径 OpenCV 的 imread 在 Windows 上可能无法直接处理中文路径 直接使用 imdecode 方法，避免 imread 的警告 """ # 将路径转换为绝对路径并规范化 abs_path = os.path.abspath(str(image_path)) # 直接使用文件读取 + imdecode，避免 imread 在中文路径上的问题 # 这样可以避免 cv2.imread 输出的警告信息 try: with open(abs_path, 'rb') as f: image_data = f.read() # 将字节流解码为图片 img_array = np.frombuffer(image_data, np.uint8) img = cv2.imdecode(img_array, cv2.IMREAD_COLOR) if img is None: raise ValueError(f"cv2.imdecode 无法解码图片: {abs_path}") return img except FileNotFoundError: raise FileNotFoundError(f"图片文件不存在: {abs_path}") except Exception as e: raise ValueError(f"无法读取图片: {abs_path}, 错误: {e}") def match_image( image1_path: str, image2_path: str, image1_size: Tuple[int, int] = None ) -> Optional[Tuple[int, int, int, int]]: """ 识别图片2是否在图片1中，如果在则返回坐标 Args: image1_path: 图片1的本地地址（大图/主图） image2_path: 图片2的本地地址（模板图/要查找的图） image1_size: 图片1的分辨率尺寸 (width, height)，如果提供则会将图片1缩放到该尺寸 Returns: 如果找到图片2，返回 (x, y, width, height) 表示图片2在图片1中的位置和尺寸 如果未找到，返回 None """ # 检查文件是否存在 img1_path = Path(image1_path) img2_path = Path(image2_path) if not img1_path.exists(): raise FileNotFoundError(f"图片1不存在: {image1_path}") if not img2_path.exists(): raise FileNotFoundError(f"图片2不存在: {image2_path}") # 读取图片（使用支持中文路径的方法） img1 = read_image_with_unicode_path(img1_path) img2 = read_image_with_unicode_path(img2_path) # 如果提供了图片1的尺寸，则缩放图片1 if image1_size is not None: target_width, target_height = image1_size img1 = cv2.resize(img1, (target_width, target_height)) # 转换为灰度图（模板匹配通常在灰度图上进行） img1_gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) img2_gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) # 获取模板尺寸 template_height, template_width = img2_gray.shape # 如果模板图比主图大，则无法匹配 if template_height > img1_gray.shape[0] or template_width > img1_gray.shape[1]: return None # 使用模板匹配方法 # cv2.TM_CCOEFF_NORMED 返回归一化的相关系数，值越大匹配度越高 result = cv2.matchTemplate(img1_gray, img2_gray, cv2.TM_CCOEFF_NORMED) # 获取最佳匹配位置 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result) # 设置匹配阈值（可以根据需要调整，0.8 表示80%相似度） threshold = 0.8 if max_val >= threshold: # 找到匹配位置 top_left = max_loc x, y = top_left # 返回坐标和尺寸 (x, y, width, height) return (x, y, template_width, template_height) else: # 未找到匹配 return None def match_image_multiple( image1_path: str, image2_path: str, image1_size: Tuple[int, int] = None, threshold: float = 0.8 ) -> list: """ 识别图片2在图片1中的所有出现位置（可能有多处匹配） Args: image1_path: 图片1的本地地址 image2_path: 图片2的本地地址 image1_size: 图片1的分辨率尺寸 (width, height) threshold: 匹配阈值，默认0.8 Returns: 返回所有匹配位置的列表，每个元素为 (x, y, width, height) """ # 检查文件是否存在 img1_path = Path(image1_path) img2_path = Path(image2_path) if not img1_path.exists(): raise FileNotFoundError(f"图片1不存在: {image1_path}") if not img2_path.exists(): raise FileNotFoundError(f"图片2不存在: {image2_path}") # 读取图片（使用支持中文路径的方法） img1 = read_image_with_unicode_path(img1_path) img2 = read_image_with_unicode_path(img2_path) # 如果提供了图片1的尺寸，则缩放图片1 if image1_size is not None: target_width, target_height = image1_size img1 = cv2.resize(img1, (target_width, target_height)) # 转换为灰度图 img1_gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY) img2_gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY) # 获取模板尺寸 template_height, template_width = img2_gray.shape # 如果模板图比主图大，则无法匹配 if template_height > img1_gray.shape[0] or template_width > img1_gray.shape[1]: return [] # 使用模板匹配 result = cv2.matchTemplate(img1_gray, img2_gray, cv2.TM_CCOEFF_NORMED) # 找到所有超过阈值的匹配位置 locations = np.where(result >= threshold) matches = [] # 将匹配位置转换为坐标列表 for pt in zip(*locations[::-1]): # Switch x and y coordinates x, y = pt matches.append((x, y, template_width, template_height)) # 去除重复和相近的匹配（非极大值抑制） # 简单实现：如果两个匹配位置太近，只保留置信度更高的 if len(matches) > 1: filtered_matches = [] for match in matches: x, y, w, h = match is_duplicate = False for existing in filtered_matches: ex, ey, _, _ = existing # 如果两个匹配中心距离小于模板尺寸的一半，认为是重复 distance = np.sqrt((x - ex) ** 2 + (y - ey) ** 2) if distance < min(w, h) / 2: is_duplicate = True break if not is_duplicate: filtered_matches.append(match) matches = filtered_matches return matches if __name__ == "__main__": # 测试示例 import sys import os # 设置 UTF-8 编码，确保能正确处理中文路径 if sys.platform == 'win32': import codecs sys.stdout = codecs.getwriter('utf-8')(sys.stdout.buffer, 'strict') sys.stderr = codecs.getwriter('utf-8')(sys.stderr.buffer, 'strict') if len(sys.argv) < 3: print("用法: python img-reg.py <图片1路径> <图片2路径> [图片1宽度] [图片1高度]") print("示例: python img-reg.py screenshot.png template.png 1920 1080") sys.exit(1) # 处理路径：将正斜杠转换回反斜杠（Windows），并确保路径正确 img1_path = sys.argv[1].replace('/', os.sep) img2_path = sys.argv[2].replace('/', os.sep) # 确保路径是绝对路径，并规范化路径 if not os.path.isabs(img1_path): img1_path = os.path.abspath(img1_path) if not os.path.isabs(img2_path): img2_path = os.path.abspath(img2_path) # 规范化路径（移除多余的斜杠等） img1_path = os.path.normpath(img1_path) img2_path = os.path.normpath(img2_path) image1_size = None if len(sys.argv) >= 5: try: width = int(sys.argv[3]) height = int(sys.argv[4]) image1_size = (width, height) except ValueError: print("警告: 无法解析图片1尺寸，将使用原始尺寸") # 验证文件是否存在 if not os.path.exists(img1_path): raise FileNotFoundError(f"图片1不存在: {img1_path}") if not os.path.exists(img2_path): raise FileNotFoundError(f"图片2不存在: {img2_path}") try: result = match_image(img1_path, img2_path, image1_size) if result: x, y, w, h = result print(f"找到匹配！坐标: x={x}, y={y}, 宽度={w}, 高度={h}") print(f"JSON格式: {{\"x\": {x}, \"y\": {y}, \"width\": {w}, \"height\": {h}}}") else: print("未找到匹配") except Exception as e: print(f"错误: {e}") sys.exit(1)