Python+opencv图像识别

图像识别

最近工作遇到了一个需要识别安全键盘并点击的需求，做自动化嘛，由于安全键盘的键位固定但是键值随机，所以常规的方法不能正确获取触发点击，so，上网查了一下基本思路都是用机器识别。

1. 加载opencv-python

   pip install opencv-python

    会自动加载opencv-python,numpy和cv2

2. 当文件中导入cv2，直接上代码：

       def get_keynumber_location(self):
           '''
           获取字母对应位置
           :return:返回template在image中的的bound参数
           '''
           keynum = pic_path + "keynum.png"                     #键盘图片
           image = cv2.imread(keynum)
           key = cur_path + "keyboard\%s.png" % 1              #数字键图片
           template = cv2.imread(key)
           h,w = template.shape[:2]                                #字母图片尺寸
           result = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)       #图片对比
           min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)              #对比结果最大值最小值以及位置
           br = (max_loc[0] + w,max_loc[1] + h)
   # cv2.rectangle(image,max_loc,br,[0,255,0],2)
   # cv2.imshow("pipei",image)
   # cv2.waitKey(0)
   # cv2.destroyAllWindows()
           return max_loc, br
   
       def click_position(self):
           '''
           确定点击位置
           :param password: 口令密码
           :return:返回点击位置position
           '''
           a,b = self.get_keynumber_location()  #template在image中的的bound参数
           x = a[0] + b[0]
           y = a[1] + b[1]
           position = (x / 2,y / 2)
           self.driver.tap([position])      # 点击
           return position

    基本就是用cv2.imread(path)读取图片，用cv2.matchTemplate(大图，小图，策略)函数进行比较，返回的是一个结果集，用cv2.minMaxLoc(result)函数获得最小值、最大值和相应位置。注释部分是验证识别区域是否正确，click_position是用来确定点击位置和点击事件的。