OpenCV实现图像识别

1. 图像识别匹配算法
   1） 模板匹配：对要操作的画面元素进行单独的截图，将该截图视作模板，利用这个模板在屏幕或当前窗口进行搜索匹               配，找到符合条件的区域，并提取出中心点坐标的过程，称为模板匹配。
          局限性：当比例或旋转角度发生变化时难以应对，会匹配失败
   2） 滑动比对：RGBA，A指Alpha通道的意思，图层透明度
   3） 匹配度/相似度（similarity）：主要用于解决图像匹配过程中的容错问题，像素点的匹配个数浮动范围，像素点具体的           RGBA值得浮动范围，如果只关注轮廓，可以采用转为黑白图的处理方法
   补充：常见问题：
              a. 运算量过大：采用特征点进行初步筛选，比如先对比四个角和中心位置
              b. 图片内容重复多时容易匹配多个结果：在截取模板时可以适度截大一些，多增加整个模板的特征点
              c. 移动端的图像识别特点：有很多图像比例变化的情况
2. OpenCV常用API
   1） matchTemplate，包含三个参数，要对比的图像和模板图像，method参数是模板匹配的算法，主要有六种：
          a) 利用平方差进行匹配，最好为0，匹配越差，匹配值越大
              CV.TM_SQDIFF 平方差匹配
              CV.TM_SQDIFF_NORMED 标准平方差匹配
          b) 采用模板和图像间的乘法操作，数越大表示