在我的开源项目SimpleRPA中，一直使用aircv的find_template方法进行图片匹配。截取小图来判断下一次鼠标点击的位置：比如下面钉钉PC主页面中：我们找公司logo的位置：aircv是网易维护的一个小项目，里面包含了几个图像处理工具的功能，它的安装很简单：pipinstallaircv是用的最多的方法，也就是find_template方法。基本用法如下：importaircvasacmatch_result=ac.find_template(image_origin,image_template,threshold,bgremove)几个参数代表image_origin：要搜索的源图片（上例钉钉主页截图），注意源图的宽高必须大于等于模板图image_template：要搜索的小模板图（上例中的logo）threshold：最小置信度，在0到1之间。因为图像匹配做不要求每个像素完全一样，可以模糊匹配，所以设置的值越大，找到的区域越接近模板图像，但是如果设置的太高，可能会找不到。bgremove：是否去除背景。如果这个值设置为True，那么函数内部会使用Canny算子先提取图像轮廓，然后再进行搜索。返回值match_result是一个dict结构：match_result:{'result':(x,y),#tuple，表示识别结果中心点'rectangle':[#一个两位数组，代表矩形的四个角oftherecognitionresult[left,top],[left,bottom],[right,top],[right,bottom]],'confidence':percentage#识别结果的置信度，0-1之间，越大越多accurate}所以我们可以使用返回值来标记矩形在图片上的位置：importcv2rect=match_result['rectangle']cv2.rectangle(img_result,(rect[0][0],rect[0][1]),(rect[3][0],rect[3][1]),(0,0,220),2)这个find_template方法只返回最可信的结果。如果源图片中有多个模板图片，想要全部找到，需要find_all_template函数。参数完全一样，只是返回值是一个match_result数组。不过这个库已经很久没有维护了。我向它提交了PR，但没有人回应。还是有一些坑，以后再说。
