- 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 - 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
OpenCV实现图像识别
最新推荐文章于 2023-07-20 16:46:27 发布