爬虫滑块计算图片之间的距离更加精确（滑块的相对滑动距离怎么算）

爬虫滑块计算图片之间的距离更加精确（滑块的相对滑动距离怎么算）

1.思路

原先图片匹配一般都是缺口匹配全图

优化点:

1.缺口图片匹配缺口所在图片那一行图片可以提高他识别率

2.移动后再进行2次匹配计算距离

2.代码

def get_image_deviation():

##读取滑块图

block = cv.imread("img.png", -1) #完整图片有个缺口

backimg = cv.imread("bg_img.png") #缺口图片

# block = cv.resize(block, (240, 480))

# backimg = cv.resize(block, (240, 480))

##灰度化

gray_backimg = cv.cvtColor(backimg, cv.COLOR_RGB2GRAY)

blockWidth, blockHeight = block.shape[1], block.shape[0]

##识别滑块图前景

###由于滑块图为带透明的png，可根据透明通道来判断前景位置

##识别物体框,生成blockmask

left = blockWidth

right = 0

top = blockHeight

bottom = 0

for i in range(0, blockHeight):

for j in range(0, blockWidth):

if block[i, j, 3] > 0:

if j <= left:

left = j

if j >= right:

right = j

if i <= top:

top = i

if i >= bottom:

bottom = i

blockBox = block[top:bottom, left:right]

blockBox_width, blockBox_height = blockBox.shape[1], blockBox.shape[0]

print(blockBox_width)

blockMask = np.zeros([blockBox_height, blockBox_width], np.uint8)

for i in range(0, blockBox_height):

for j in range(0, blockBox_width):

if blockBox[i, j, 3] > 0:

blockMask[i, j] = 255

blockBox = cv.cvtColor(blockBox, cv.COLOR_RGBA2GRAY)

##由于边界点存在光照影响，为了避免边界点对匹配的影响，进行腐蚀操作

kernel = np.ones((3, 3), np.uint8)

blockMask = cv.erode(blockMask, kernel, iterations=1).astype(np.float32)

backgroundROI = gray_backimg[top:bottom, :]

##将backgroundROI、blockBox都转化成float型

blockBox = (blockBox * 1.0).astype(np.float32)

backgroundROI = (backgroundROI * 1.0).astype(np.float32)

##使用cv的

res = cv.matchTemplate(backgroundROI, blockBox, cv.TM_CCORR_NORMED, mask=blockMask)

loc = cv.minMaxLoc(res)

print("loc==", loc[3][0])

locs = (loc[3][0])

return locs

出处：https://cnblogs.com/pythonywy/p/12983952.html

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。