python opencv屏幕找图,Opencv找到了屏幕上不存在的图像

R=cv2.matchTemplate(I,T,method)计算图像{}。此图像的每个像素x,y表示一个标记，这取决于模板T与从x,y开始的I的子图像之间的相似性。例如，如果应用方法cv.TM_SQDIFF，则标记的计算如下：

如果R[x,y]为空，则子图像I[x:x+sxT,y:y+syT]与模板T完全相同。R[x,y]越小，子图像越接近模板。在cv2.minMaxLoc(R)用于求R的最小值。与I的任何其他子图像相比，I的相应子图像更接近模板。在

如果图像I不包含模板，则与R最小值相对应的I的子图像可能与T非常不同。但最小值反映了这一点！实际上，R上的一个阈值可以作为判断模板是否在图像中的一种方法。

选择阈值的值是一个棘手的任务。它可以是R最大值的一个分数，也可以是R的平均值的一个分数。模板大小的影响可以用R除以sxT*syT来讨论。例如，R的最大值取决于模板大小和图像类型。例如，对于CV_8UC3(无符号字符，3个通道)R的最大值是255*3*sxT*syT。在

下面是一个例子：import cv2

img = cv2.imread('image.jpg',eval('cv2.CV_LOAD_IMAGE_COLOR'))

template = cv2.imread('template.jpg',eval('cv2.CV_LOAD_IMAGE_COLOR'))