前言

在游戏的脚本类辅助中，避免不了一个功能，那就是找图返回图像在屏幕上的坐标，对于找图功能，现成的方法，现成的脚本工具数不胜数，但是至于精度那就不好说了。举个现成方法的例子，在python自动化中，pyautogui有个方法为locateOnScreen(image="图片路径")，其作用为在桌面上找到路径中设置的图片，并返回坐标元组，这个方法能找到图的前提是所传路径图和桌面图完全一致，即必须100%匹配，这是一个缺点也是优点，例如找桌面图标，我图标换个地方摆，它可能就找不到了，因为背景变了。另外举个现成工具例子，在按键精灵中自带找图功能，而且很方便，一般的找图完全适用，且可以设置图像匹配率，但是在某些情况下他还是无法胜任，也是因为某些游戏背景是处于一个动态变换的原因。这里分享一个通过python完成一个可多参数控制的识图功能。

涉及的算法

不要怕，最后我会将自己封装的工具方法发出来，直接复制粘贴传参就行，要传的参数见下方可控参数。

本文章的图像识别主要用到的是基于SIFT检测算法，在图像识别这块，浅度的识别比较知名的有SIFT、SURF、ORB，而SIFT是精度最高的一种，他能在不同尺度、旋转、光照变化和视角变化的情况下都能保持较好的检测性能。

可控参数

max_init_num：最大搜索系数，范围0.1~1，系数越小精度越高，建议不要高于0.5(我给你建议那就是因为自己测试过)，当然我们这里会做成一个从0.1循环搜索图片，自增到我们设置的最大系数。

trees：索引树数量，数量越大，精度越高，但相应的耗时越高，建议100

checks：索引树遍历次数，数量越大，精度越高，但相应耗时越高，建议1000

img_url：即要匹配的图像的路径(注意路径不可含有中文，图片名也不可含有中文)

功能目的

即在屏幕上找到我们期望的图片，并返回位置信息

所需库

<code>import os

import cv2

import pyautogui

正文

第一步：获取两张图片数据

因为是要在屏幕找图，所以直接用pyautogui直接全屏截图对比即可，截下来的图会自动保存到当前目录，最后面用os删掉就行了

语句解释：通过screenshot截取了全屏图片命名为screen.png并放在当前目录下，然后通过cv2.imread分别读取截取的屏幕图的图像数据和我们期望寻找的图像的数据，返回的数据是一个numpy数组，若为彩色图像则是一个三维的numpy数组。

pyautogui.screenshot(imageFilename="screen.png")code>

screenPic=cv2.imread("screen.png")

img_url=r"C:\testpic\wx.png"

myPic=cv2.imread(img_url)

第二步：获取两张图关键点和描述符

<code>import os

import cv2

import pyautogui

"""

全屏幕找图，返回图坐标x,y，没找到图则返回None，None

max_init_num:最大搜索系数，0.1~1.0，越低越精确，建议不要高于0.5，

trees:索引树数量，建议100

checks:索引树遍历次数，建议1000

img_url:要找的图的文件路径(路径不能含有中文，图片名不能含有有中文)

"""

def FindImgOnScreen(max_init_num,trees,checks,img_url):

init_num=0.1

#截取屏幕图

pyautogui.screenshot(imageFilename="screen.png")code>

#读取屏幕图

screenPic=cv2.imread("screen.png")

#要匹配的图

myPic=cv2.imread(img_url)

#获取两图关键点和描述符

sift=cv2.SIFT_create()

screenPicKP,screenPicDES=sift.detectAndCompute(screenPic,None)

myPicKP,myPicDES=sift.detectAndCompute(myPic,None)

#获取FLANN匹配器

indexParams=dict(algorithm=0,trees=int(trees))

searcheParams=dict(checks=int(checks))

flann=cv2.FlannBasedMatcher(indexParams,searcheParams)

#FLANN匹配器进行KNN匹配

matches=flann.knnMatch(screenPicDES,myPicDES,k=2)

#根据描述符距离排序

matches=sorted(matches,key=lambda x:x[0].distance)

#筛选优秀匹配

x, y = None, None

init_num=float(init_num)

while init_num<=max_init_num:

goodMatches=[]

for m,n in matches:

if m.distance<init_num*n.distance:

goodMatches.append(m)

#获取最佳坐标

index=int(len(goodMatches)/2)

try:

x,y=screenPicKP[goodMatches[index].queryIdx].pt

return x,y

except:

init_num=init_num+0.1

os.remove("screen.png")

return x,y

附上自己的资源站