-
-
[原创]图标点选，opencv图标匹配，非模型纯算法识别
-
发表于: 2024-9-27 21:51
-
0x0 前言
github开源地址：https://github.com/taisuii/OpenCV_IconSelect
验证码分析
验证码例子为，数美
我们不难可以发现这几个特征点
- 图标大小均匀没有拉伸和畸变，只进行了简单的旋转
- 图标颜色单一且均为红色
解决方案
对于这种图像，我们可以直接使用纯算法识别，思路如下：
提取背景图红色像素部分，把小图标按X轴均匀切割，逐个匹配，或四个线程并发匹配
0x1 识别算法部分
字节流转换为cv2图片
对于网络下载的图片进行转换以便于后续处理
1 2 3 4 5 | def cv2_imread_buffer(buffer): buffer = io.BytesIO(buffer) arr = np.frombuffer(buffer.getvalue(), np.uint8) img = cv2.imdecode(arr, cv2.IMREAD_COLOR) return img |
背景图红色部分提取
1 2 3 4 5 6 7 8 9 10 11 12 | def preprocess_red_image(img): hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) lower_red1 = np.array([0, 120, 70]) upper_red1 = np.array([10, 255, 255]) lower_red2 = np.array([170, 120, 70]) upper_red2 = np.array([180, 255, 255]) mask1 = cv2.inRange(hsv, lower_red1, upper_red1) mask2 = cv2.inRange(hsv, lower_red2, upper_red2) mask = cv2.bitwise_or(mask1, mask2) result = np.zeros_like(img) result[mask > 0] = img[mask > 0] return result |
提取后效果如下，到这一步，几乎是无脑识别了，剩下的代码就是
识别，匹配出坐标
切割小图标，并把小图标缩放成和背景图上大小差不多的图标
然后旋转360度，每6度匹配一次大图
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 | def split_image_tag(img, tag_pos): x, y = tag_pos img_ = img[0:35, y - 37:y] return img_# 多线程识别def process_tag(tag_pos): new_template = split_image_tag(img_2, tag_pos) new_size = 75 new_template = cv2.resize(new_template, (new_size, new_size)) ocr_infos = [] angel_size = 6 for angle in range(-180, 180, angel_size): template_ = rotate_image(new_template, angle) max_val, max_loc = template_match(template_, img_1) ocr_infos.append([angle, max_val, max_loc]) max_info = max(ocr_infos, key=lambda x: x[1]) return max_infowith ThreadPoolExecutor() as executor: results = list(executor.map(process_tag, [(37, 37), (37, 74), (37, 111), (37, 148)]))for max_info in results: match_tag_list.append(list(max_info[-1]))return match_tag_list |
旋转图片，模板匹配
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | # 旋转图片def rotate_image(template, angle): center = (template.shape[1] // 2, template.shape[0] // 2) rotation_matrix = cv2.getRotationMatrix2D(center, angle, 1.0) rotated_image = cv2.warpAffine(template, rotation_matrix, (template.shape[1], template.shape[0]), flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE) return rotated_image# 模板匹配def template_match(template, img): template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY) img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) res = cv2.matchTemplate(img_gray, template_gray, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) return max_val, max_loc |
识别结果 300+ms，速度非常不错，使用了线程识别
[[132, 71], [181, 20], [88, 29], [221, 97]]
识别耗时：0.3492300510406494
0x3 识别测试
这里仍然采用官网去测试了100次识别，平均速度344ms，成功率84%
[培训]内核驱动高级班，冲击BAT一流互联网大厂工作，每周日13:00-18:00直播授课
