Python实时识别屏幕上与指定图片相似位置

这是一个基于特征匹配的Python代码示例，演示如何实时识别屏幕上与指定图片相似的位置。

import cv2
import numpy as np
import pyautogui

# 读取指定图片
template = cv2.imread('template.png', 0)

# 初始化ORB检测器
orb = cv2.ORB_create()

# 提取模板图像的特征点和描述符
kp1, des1 = orb.detectAndCompute(template, None)

while True:
    # 获取屏幕截图
    screenshot = np.array(pyautogui.screenshot())
    # 将截图转换为灰度图像
    screenshot_gray = cv2.cvtColor(screenshot, cv2.COLOR_BGR2GRAY)
    
    # 提取截图的特征点和描述符
    kp2, des2 = orb.detectAndCompute(screenshot_gray, None)
    
    # 使用FLANN匹配器进行特征点匹配
    FLANN_INDEX_LSH = 6
    index_params = dict(algorithm=FLANN_INDEX_LSH, table_number=6, key_size=12, multi_probe_level=1)
    search_params = dict(checks=50)
    flann = cv2.FlannBasedMatcher(index_params, search_params)
    matches = flann.knnMatch(des1, des2, k=2)
    
    # 选择最佳匹配
    good_matches = []
    for m, n in matches:
        if m.distance < 0.7 * n.distance:
            good_matches.append(m)
    if len(good_matches) > 10:
        src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
        dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)
        
        # 使用RANSAC算法进行图像变换估计
        M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
        if M is not None:
            h, w = template.shape
            pts = np.float32([[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]).reshape(-1, 1, 2)
            dst = cv2.perspectiveTransform(pts, M)
            screenshot = cv2.polylines(screenshot, [np.int32(dst)], True, (0, 255, 0), 3, cv2.LINE_AA)
    
    # 显示结果
    cv2.imshow('result', screenshot)
    
    # 检测按键
    if cv2.waitKey(1) == ord('q'):
        break

cv2.destroyAllWindows()

这段代码中，首先使用OpenCV的`imread`函数读取指定图片，并使用ORB检测器提取模板图像的特征点和描述符。在每次循环中，提取截图的特征点和描述符，并使用FLANN匹配器进行特征点匹配。然后，选择最佳匹配，并使用RANSAC算法进行图像变换估计，从而找到与指定图片相似的位置。最后，在屏幕上标记出找到的位置，并在窗口中显示结果。