所以我不知道从标题上看是否容易理解，但我的问题与OpenCV模板匹配有关，当程序可以说“Template found”并为while循环返回布尔值时。P.S我知道一直保存和删除图像是非常低效的，但它是有效的
import cv2
import numpy as np
from PIL import ImageGrab
import os原始图像函数只是一种将Pil图像转换为opencv可以处理的图像的方法
def originalImages():
screenPart = ImageGrab.grab(bbox=(900,40,1030,105))
screenPart.save('CurrentFrame.jpg','JPEG')
screen = cv2.imread('CurrentFrame.jpg', 0)
cv2.imshow('screen',screen)
os.remove('CurrentFrame.jpg')
return screen
screen = originalImages()
res = cv2.matchTemplate(screen, template_img, cv2.TM_CCOEFF_NORMED)
loc = np.where(res>=0.8) #0.8 is the threshold然后在zip位置的点，只是画出它是匹配的。
for pt in zip(*loc[::-1]):
cv2.rectangle(screen, pt, (pt[0] + w, pt[1] + h),(0,255,0) , 2)所以我的问题是，在什么时候我可以使用if语句来确定某个东西在那个点确实匹配，并执行应该在找到某个东西之后出现的程序。
！EDIT！为了消除误解，我不需要检测到的对象的位置或绘图，我只需要一个布尔值，告诉是否找到了什么
4条答案
按热度按时间wa7juj8i1#
如果要获得图像中最突出的匹配，可以使用
cv2.minMaxLoc()函数获得显示最大匹配的位置：所需的结果将是围绕具有最高匹配的区域的边界框，如下所示：
编辑
基于查询，我们的想法是获得一个布尔结果，以确定是否找到匹配项。您可以设置一个阈值，并在结果中的任何值超过阈值时设置标志。
对于上述情况，我将阈值设置为0.8：
knsnq2tg2#
Jeru Luke的代码对我不起作用（正如评论中指出的）。我稍微修改了一下就修复了它：
c3frrgcw3#
所以我认为你需要一个统计方法。如果你有很多图像（N〉30）和一个模板，matchTemplate + minMaxLoc会给予你一个平均数（也许是正数）。你需要定义一个阈值，超过这个阈值的匹配是真匹配。
另一种方法是从统计学的Angular 检查匹配是否是异常值，为此，我将遵循以下步骤：
1)将模板与每个图像匹配，并恢复每个图像的最佳匹配（minMaxloc）。将所有图像收集在一个列表中。2）计算该列表的平均值和标准差（np.mean（）和np.std（））。3）计算标准化“得分”：如果N〉120，则z =（rho -平均值（rho））/标准差（rho），或者如果N〈120，则t-stat =（rho-平均值（rho））/（标准差（rho）/sqrt（N-1））。4）在期望的显著性水平上与适当的临界值进行比较。
通过这种方式，您可以检测哪些匹配项是离群值。
干杯尼古拉斯
k7fdbhmy4#
我想现在已经很晚了，但是我面临着和你一样的问题。问题是在你的情况下，cv2总是会找到多个匹配，即使你把阈值设置为100%也没关系，原因是你想找到的图像不是很独特，所以opencv会错过匹配。尝试使用hsv掩码和一些其他的过滤器来缩小可能性，也许你会发现一个匹配在您的阈值举行。我希望我的想法是明确的。一个简单的旁路是使用pyautogui的locatescreen函数来点is，因为它会返回一个找到的对象的坐标或null。祝你好运。