ofimagematching（findasmallimageinalargeimage）在分析aircv源码的时候有很多不满意，不更新维护，也没人理会提交PR。只需创建一个新项目。目前PyPi库已经提交，可以安装，名称如下：pipinstallfindimagefindimage不是图片搜索，它不能从一堆图片中找到相似的，而是定位一个小图片的位置来自大图像的给定模板。findimage与原来的aircv相比，有以下改进：支持直接输入灰度图（虽然在函数中调用opencv时，都是使用灰度图完成的，原来的aircv项目要求传入的图像必须包含bgr三个通道，否则会报错）支持透明背景图片优化find_all_template方法的性能，将floodFill方法替换为numpy切片赋值，避免重叠，整体搜索时间缩短约1/4课程菜单截图如下如下：我们要找到#的位置，可以提供一个小模板图片：然后调用find_template方法：fromcv2importcv2fromfindimageimportfind_templateimage_origin=cv2.imread('seg_course_whole_page.png')image_template=cv2.imread('seg_sharp.png')match_result=find_template(image_origin,image_template)得到的match_result标识了中心的位置源图像中第一个#的点，矩形区域四个角的坐标和匹配度。{"result":(x,y),#tuple，表示识别结果的圆心"rectangle":[#二位数组，表示识别结果矩形的四个角[left,top],[left,bottom],[right,top],[right,bottom]],"confidence":percentage#识别结果的匹配度，在-1和1之间，匹配度越大匹配度越高，如果为1，则表示按像素严格匹配}我们可以使用这个结果来识别源图像上的匹配位置：img_result=image_origin.copy()rect=match_result['rectangle']cv2.rectangle(img_result,(rect[0][0],rect[0][1]),(rect[3][0],rect[3][1]),(0,0,220),2)cv2的结果。imwrite('result.png',img_result)如下图所示：
