python識別圖標并點擊功能實現(xiàn)

更新時間：2024年07月04日 11:00:20 作者：一晌小貪歡

這篇文章主要介紹了python識別圖標并點擊功能實現(xiàn),本文給大家介紹的非常詳細,感興趣的朋友跟隨小編一起看看吧

python識別圖標并點擊

首相片帖子已經(jīng)重復的太多了，我試一下感覺還是很好用的，我就是記錄一下這篇帖子可以直接制作出很多自動點擊的工具，甚至是游戲物理輔助工具(因為我就在用)！視頻展示

在這里插入圖片描述

庫	安裝	作用
pillow	`pip install pillow`	加載圖片
pyscreeze	`pip install pyscreeze`	截屏
pyautogui	`pip install pyautogui`	控制鼠標或鍵盤
opencv-python	`pip install opencv-python==4.3.0.38`	識別匹配圖片

import time
import pyautogui
import pyscreeze
import cv2
# 屏幕縮放系數(shù) mac縮放是2 windows一般是1
screenScale=1
#事先讀取按鈕截圖
target= cv2.imread(r"./image/ssk.png",cv2.IMREAD_GRAYSCALE)
# 先截圖
screenshot=pyscreeze.screenshot('my_screenshot.png')
# 讀取圖片 灰色會快
temp = cv2.imread(r'my_screenshot.png',cv2.IMREAD_GRAYSCALE)
theight, twidth = target.shape[:2]
tempheight, tempwidth = temp.shape[:2]
print("目標圖寬高："+str(twidth)+"-"+str(theight))
print("模板圖寬高："+str(tempwidth)+"-"+str(tempheight))
# 先縮放屏幕截圖 INTER_LINEAR INTER_AREA
scaleTemp=cv2.resize(temp, (int(tempwidth / screenScale), int(tempheight / screenScale)))
stempheight, stempwidth = scaleTemp.shape[:2]
print("縮放后模板圖寬高："+str(stempwidth)+"-"+str(stempheight))
# 匹配圖片
res = cv2.matchTemplate(scaleTemp, target, cv2.TM_CCOEFF_NORMED)
mn_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
if(max_val>=0.9):
    # 計算出中心點
    top_left = max_loc
    bottom_right = (top_left[0] + twidth, top_left[1] + theight)
    tagHalfW=int(twidth/2)
    tagHalfH=int(theight/2)
    tagCenterX=top_left[0]+tagHalfW
    tagCenterY=top_left[1]+tagHalfH
    #左鍵點擊屏幕上的這個位置
    pyautogui.click(tagCenterX,tagCenterY,button='left') # 點擊
else:
    print ("沒找到")

補充:python 根據(jù)圖片特征識別點擊

python 根據(jù)圖片特征識別點擊

import cv2
import numpy as np
import pyautogui
import time
class ImageClicker:
    def __init__(self, target_image_path, retry_count=3, retry_interval=1, match_threshold=0.75):
        self.target_image_path = target_image_path
        self.retry_count = retry_count
        self.retry_interval = retry_interval
        self.match_threshold = match_threshold
        # 加載目標圖片
        self.target_image = cv2.imread(self.target_image_path)
        # 提取目標圖片的 SIFT 特征
        self.sift = cv2.SIFT_create()
        self.kp1, self.des1 = self.sift.detectAndCompute(self.target_image, None)
    def click_image(self):
        for i in range(self.retry_count):
            try:
                # 獲取瀏覽器窗口截圖
                screenshot = pyautogui.screenshot()
                screenshot = cv2.cvtColor(np.array(screenshot), cv2.COLOR_RGB2BGR)
                # 提取截圖的 SIFT 特征
                kp2, des2 = self.sift.detectAndCompute(screenshot, None)
                # 進行特征匹配
                bf = cv2.BFMatcher()
                matches = bf.knnMatch(self.des1, des2, k=2)
                # 使用 Lowe's Ratio Test 篩選匹配結(jié)果
                good = []
                for m, n in matches:
                    if m.distance < self.match_threshold * n.distance:  # 使用 match_threshold 閾值
                        good.append([m])
                # 計算目標元素的位置
                if len(good) > 0:
                    src_pts = np.float32([self.kp1[m[0].queryIdx].pt for m in good]).reshape(-1, 1, 2)
                    dst_pts = np.float32([kp2[m[0].trainIdx].pt for m in good]).reshape(-1, 1, 2)
                    M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
                    h, w = self.target_image.shape[:2]
                    pts = np.float32([[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]).reshape(-1, 1, 2)
                    dst = cv2.perspectiveTransform(pts, M)
                    # 計算點擊坐標
                    x = int((dst[0][0][0] + dst[2][0][0]) / 2)  # 計算水平方向的中間位置
                    y = int((dst[0][0][1] + dst[2][0][1]) / 2)  # 計算垂直方向的中間位置
                    # 點擊目標元素
                    pyautogui.click(x, y)
                    return True  # 點擊成功
            except Exception as e:
                print(f"點擊失?。簕e}")
                time.sleep(self.retry_interval)
        return False  # 點擊失敗
# 使用示例
image_clicker = ImageClicker('4.png', retry_count=5,
                             retry_interval=2,
                             match_threshold=0.8)  # 設置 match_threshold 為 0.8
if image_clicker.click_image():
    print("點擊成功！")
else:
    print("點擊失??！")

代碼結(jié)構(gòu)：

1.導入庫：

cv2 (OpenCV)：用于圖像處理、特征提取和匹配的庫。
numpy：用于處理圖像數(shù)據(jù)所需的數(shù)值運算。
pyautogui：用于控制鼠標和鍵盤，模擬點擊操作。
time：用于控制代碼執(zhí)行的暫停時間。

2.ImageClicker 類：

__init__(self, target_image_path, retry_count=3, retry_interval=1, match_threshold=0.75)：

初始化類，設置一些參數(shù)：

target_image_path：目標圖像的路徑。
retry_count：如果點擊失敗，重試的次數(shù)。
retry_interval：兩次重試之間的間隔時間（秒）。
match_threshold：匹配閾值，用于判斷目標圖像與屏幕截圖的匹配程度。值越高，匹配要求越嚴格。

加載目標圖像 self.target_image。

創(chuàng)建 SIFT (尺度不變特征變換) 對象 self.sift，用于提取圖像特征。

計算目標圖像的 SIFT 特征 self.kp1, self.des1。

2.click_image(self)：

1.循環(huán)嘗試 retry_count 次：

獲取屏幕截圖 screenshot。將截圖轉(zhuǎn)換為 OpenCV 格式。提取截圖的 SIFT 特征 kp2, des2。
使用 cv2.BFMatcher 進行特征匹配，得到匹配結(jié)果 matches。使用 Lowe's Ratio Test 篩選匹配結(jié)果，得到 good 匹配列表。
如果找到匹配結(jié)果：
- 計算目標元素的位置（點擊坐標）。
- 使用 pyautogui.click() 模擬點擊操作。
- 返回 True，表示點擊成功。

如果沒有找到匹配結(jié)果，則等待 retry_interval 秒后繼續(xù)嘗試。

如果所有嘗試都失敗，則返回 False，表示點擊失敗。

使用方法：

創(chuàng)建 ImageClicker 對象，傳入目標圖像路徑和其他參數(shù)。
調(diào)用 click_image() 方法嘗試點擊目標圖像。

代碼示例：

image_clicker = ImageClicker('4.png', retry_count=5, retry_interval=2, match_threshold=0.8)
if image_clicker.click_image():
    print("點擊成功！")
else:
    print("點擊失?。?)

代碼主要流程：