项目需求
相信大家不少的人曾经都玩过找不同游戏的，今天想趁热打铁，做一个找不同游戏的“辅助”来进行自动找不同。先来介绍找不同游戏的操作逻辑：
1. 登录游戏网页端，全屏显示便于清晰查看不同点；
2. 画面中显示两张相似的图像，这两张图像只存在部分地方存在差异；
3. 点击存在差异的地方即认可为完成了“找不同”任务
介绍完游戏的操作逻辑，我们根据操作逻辑进行“自动找不同”程序设计实现上述逻辑：
1. 截取当前游戏画面（固定）；
2. 分别锚定两张相似图像并切割下来（由于游戏画面固定，出现图像的位置也会固定）；
3. 对两张相似的图像进行处理得到不同位置的位置，并输出中心点坐标。
需求分析
实现“找不同”一件很难的事情，程序设计的前两个需求并不是很难，通过前面两个辅助的制作，可以通过pyautogui.screenshot() 和 pymouse 可以实现屏幕画面的截取和鼠标的移动点击；通过OpenCvd的切割可以实现相似图的切割。较为难实现的是找到不同的位置，本文也将重点分析如何找到不同！
网上流传较为广的是一种遍历两张图像的像素，当像素不一样的时候输出此时的位置。这里我就不阐述它的逻辑了。我将按照如下的几种方案实现找不同任务：
1. 对裁剪下来的两张图像进行灰度化后做差得到结果进行二值化；
2. 使用图像匹配法完成“找不同”
3. 遍历像素实现
实施验证
今日时间有限，先做个“丐版”的找不同。从技术实现的角度有限解决核心部分，实现“有无”的难题。我们提前将两张相似的图像截取下来：
使用作差法实现：
import cv2 img_1 = cv2.imread("1.png") # Slicing to crop the image img_2 = cv2.imread("2.png") img_1 = cv2.cvtColor(img_1,cv2.COLOR_BGR2GRAY) img_2 = cv2.cvtColor(img_2,cv2.COLOR_BGR2GRAY) img3 = img_1 - img_2 ret, img3 = cv2.threshold(img3, 50, 255, cv2.THRESH_BINARY_INV) cv2.imshow("a", img3) cv2.waitKey(0) 复制代码
使用遍历像素实现：
import cv2 img_1 = cv2.imread("1.png") # Slicing to crop the image img_2 = cv2.imread("2.png") img_11 = cv2.cvtColor(img_1, cv2.COLOR_BGR2GRAY) img_22 = cv2.cvtColor(img_2, cv2.COLOR_BGR2GRAY) width,height = img_11.shape for i in range(width): for j in range(height): x = img_11[i][j] y = img_22[i][j] if abs(x - y) > 30: img_1[i][j] = [0, 0, 0] cv2.imshow("result", img_1) cv2.waitKey(0) 复制代码
图像匹配法
图像匹配法是借用某位大神的代码，结果供大家参考一下：
import cv2 import numpy as np from matplotlib import pyplot as plt import argparse def matchAB(fileA, fileB): # 读取图像数据 imgA = cv2.imread(fileA) imgB = cv2.imread(fileB) # 转换成灰色 grayA = cv2.cvtColor(imgA, cv2.COLOR_BGR2GRAY) grayB = cv2.cvtColor(imgB, cv2.COLOR_BGR2GRAY) # 获取图片A的大小 height, width = grayA.shape # 取局部图像，寻找匹配位置 result_window = np.zeros((height, width), dtype=imgA.dtype) for start_y in range(0, height - 100, 10): for start_x in range(0, width - 100, 10): window = grayA[start_y:start_y + 100, start_x:start_x + 100] match = cv2.matchTemplate(grayB, window, cv2.TM_CCOEFF_NORMED) _, _, _, max_loc = cv2.minMaxLoc(match) matched_window = grayB[max_loc[1]:max_loc[1] + 100, max_loc[0]:max_loc[0] + 100] result = cv2.absdiff(window, matched_window) result_window[start_y:start_y + 100, start_x:start_x + 100] = result # 用四边形圈出不同部分 _, result_window_bin = cv2.threshold(result_window, 30, 255, cv2.THRESH_BINARY) _, contours, _ = cv2.findContours(result_window_bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) imgC = imgA.copy() for contour in contours: min = np.nanmin(contour, 0) max = np.nanmax(contour, 0) loc1 = (min[0][0], min[0][1]) loc2 = (max[0][0], max[0][1]) cv2.rectangle(imgC, loc1, loc2, 0, 2) plt.subplot(1, 3, 1), plt.imshow(cv2.cvtColor(imgA, cv2.COLOR_BGR2RGB)), plt.title('A'), plt.xticks([]), plt.yticks( []) plt.subplot(1, 3, 2), plt.imshow(cv2.cvtColor(imgB, cv2.COLOR_BGR2RGB)), plt.title('B'), plt.xticks([]), plt.yticks( []) plt.subplot(1, 3, 3), plt.imshow(cv2.cvtColor(imgC, cv2.COLOR_BGR2RGB)), plt.title('Answer'), plt.xticks( []), plt.yticks([]) plt.show() if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument( '--source_image', type=str, default='1.png', help='source image' ) parser.add_argument( '--target_image', type=str, default='2.png', help='target image' ) FLAGS, unparsed = parser.parse_known_args() matchAB(FLAGS.source_image, FLAGS.target_image) 复制代码
