【OpenCV_Python】模板匹配

1.Template Matching(模板匹配)

模板匹配是一种在较大图像中搜索和查找模板图像位置的方法。OpenCV提供了一个函数cv2.matchTemplate（）。它只是在输入图像上滑动模板图像（如在2D卷积中），并比较模板图像下的输入图像的模板和补丁。在OpenCV中实现了几种比较方法。它返回一个灰度图像，其中每个像素表示该像素的邻域与模板匹配的程度。

假设输入图像的大小（WxH）且模板图像的大小（wxh），则输出图像的大小为（W-w + 1，H-h + 1）。获得结果后，可以使用cv2.minMaxLoc（）函数查找最大/最小值的位置。将其作为矩形的左上角，并将（w，h）作为矩形的宽度和高度。那个矩形是你的模板区域匹配后得到的区域。

2.匹配实例

找出一张电路的图像中，指定的芯片，并标记出来

运行效果

img

3. API

用法

cv2.matchTemplata(img_big,img_temp,cv2.method)

img_big:在该图上查找图像

img_temp:待查找的图像，模板图像

method: 模板匹配的方法

关于参数 method：

4.与多个对象匹配的模板

在上一实例，搜索了芯片的图像，该图像仅在图像中出现一次。如果正在搜索的图像中有多个对象出现，cv2.minMaxLoc（）就不会为提供模板图像所有位置。在这种情况下，可以使用阈值来匹配多个对象。在这个例子中，使用了游戏Mario的截图，会在其中找到硬币并标记出来。

运行效果

img

说明

python3数组的倒序 a[::-1]

>>> list = [1,2,3,4,5,6]

>>>print(list[::-1])

[6, 5, 4, 3, 2, 1]

>>>arry = ([1,2,3],[4,5,6])

print(arry[::-1])

([4, 5, 6], [1, 2, 3])

python3 zip() 函数

zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象，这样做的好处是节约了不少的内存。

我们可以使用 list() 转换来输出列表。

如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。

不同阀值下匹配出的数

识别网易易盾滑动验证码

threshould = 0.4

103个，好多位置并不准确，当然有一个最准确的位置就在其中

img

threshould = 0.57

只有1个，并且准确的找出位置

img

threshould = 0.6

一个都没有

img

网易易盾验证码的识别

写这篇教程不是空穴来风，是我在学习爬虫的过程中，遇到滑动验证码的识别，遇到了问题

可以看到，已经能够识别出准确的位置，配和selenium滑动滑块，就能破解滑动验证码了。

但在实际过程中，是不知道会出现什么画面的验证码，不同的图像，颜色，透明度是不一样，阀值也就不一样。而只有找到准确的阀值才能得到准确的位置。

如何动态的分析不同图片的阀值

从上面的实例可以发现阀值越小，结果就越多，阀值越大，结果越少,甚至没有结果。阀值介于[0,1],因此通过循环用二分法去试一试,当结果有且只有一个的时候，得到的threshould便是我们想要的，再通过threshold获取位置信息

阈值始终为区间左端和右端的均值，即 threshhold = (R+L)/2；

如果当前阈值查找结果数量大于1，则说明阈值太小，需要往右端靠近，即左端就增大，即L += (R - L) / 2；

如果结果数量为0，则说明阈值太大，右端应该减小，即R -= (R - L) / 2；

当结果数量为1时，说明阈值刚

代码实现

img

小结

通过OPencv的模板识别功能，并且用二分法对针实际场景进行二次开发，后面会利用这里的知识点，对网易易盾滑动验证码进行破解。代码已经上传到github。

投喂我