autojs多分辨率找透明图(autojs全分辨率找图)

牙叔教程简单易懂

声明

本教程是教查找透明图的, 找透明图逻辑都是类似的, 不针对任何app.

效果

目标: 找图片中的双人头

本次测试一共使用了三种分辨率的图片

1600×720
2310×1080

2400×1080

每种分辨率各5张,

上图中左上角的头像, 可以看出是一个黑白图片, 是把一张2400×1080的大图, 灰度化, 二值化, 然后裁剪双人区域得到的, 所有分辨率图片找图, 都是用的同一张双人头小图.

有必要继续看下去吗

多分辨率找图你有思路吗
你会找透明图吗

你在多种分辨率下, 找透明图, 会不会?
你想不想看几十篇教程来学习sift

你会把java版本的sift改成autojs的吗
你想花掉两个星期的时间来研究一个东西吗

如果你对以上对你来说, 没有任何问题, 那就没必要看下去, 划走吧.

环境

手机: Mi 11 Pro

Android版本: 11

Autojs版本: 9.0.10

备注

autojs8自带的opencv版本是3, 不包含sift,

autojs9自带的opencv版本是4, 包含sift,

多分辨率找透明图思路

多分辨率找图用sift,

透明图先二值化, 然后再找图

二值化图片

我们需要选择一个合适的阈值来二值化, 因此需要可视化的调整阈值,

本教程挑选的阈值是246,

在这个阈值下, 二值化后的图片上, 只剩下双人头和右下角的星星,

可以最大限度的帮助我们排除图片中的噪音,

下面是阈值为246的时候, 对应的二值图

二值化代码

本代码非常优秀, 即使在ui界面16ms刷新的频率下, 也没有内存泄漏发生,

值得新手仔细研究

"ui"; engines.all().map((ScriptEngine) => {



if (engines.myEngine().toString() !== ScriptEngine.toString()) {
ScriptEngine.forceStop();
}
});
importClass(org.opencv.imgproc.Imgproc);
importClass(org.opencv.core.Mat);
ui.layout(

阈值:
0

); let imgPath = "./截图1.png"; imgPath = files.path(imgPath); let img = images.read(imgPath); let bitmap = img.getBitmap(); log(bitmap); ui.原图.setImageBitmap(bitmap); ui.seekbar.setMax(255); let thresholdBitmap; ui.seekbar.setOnSeekBarChangeListener({ onProgressChanged: function (seekBar, progress, fromUser) { if (fromUser) { let lastBitmap = thresholdBitmap; ui.threshold.setText(String(progress)); let threshold = parseInt(progress); log("二值化之前 img = " + img); let thresholdImg = 二值化(img, threshold); thresholdBitmap = thresholdImg.getBitmap(); ui.二值化.setImageBitmap(thresholdBitmap); ui.post(function () { thresholdImg.recycle(); }); if (lastBitmap) { log("lastBitmap = "); log(lastBitmap); lastBitmap.recycle(); } } }, }); events.on("exit", function () { bitmap.recycle(); img.recycle(); thresholdBitmap.recycle(); }); /* ---------------------------自定义函数----------------------------------------------- */ function 二值化(img, threshold) { log("threshold = " + threshold); let trainImage = img.mat; let trainImage_gray = new Mat(); Imgproc.cvtColor(trainImage, trainImage_gray, Imgproc.COLOR_BGR2GRAY); let binary = new Mat(); // Imgproc.threshold(trainImage_gray, binary, threshold, 255, Imgproc.THRESH_BINARY | Imgproc.THRESH_OTSU); Imgproc.threshold(trainImage_gray, binary, threshold, 255, Imgproc.THRESH_BINARY); trainImage_gray.release(); var newImg = com.stardust.autojs.core.image.ImageWrapper.ofMat(binary); return newImg; }

裁剪图片

电脑上的话, 我用的是ps裁剪图片,

手机上的话, 可以使用有裁剪功能的app,

如果你找不到合适的app, 可以公众号回复 照片编辑器

该app有裁剪功能,

下面是我们从二值图中, 裁剪出的双人头

保存图片到sd卡

opencv中的图片格式都是Mat, 把Mat保存到sd卡, 代码如下

function viewMat(mat) { let mat2 = mat.clone(); Imgproc.cvtColor(mat, mat2, Imgproc.COLOR_BGRA2RGBA); let tempFilePath = files.join(files.getSdcardPath(), "脚本", "mat.png"); Imgcodecs.imwrite(tempFilePath, mat2); mat2.release(); app.viewFile(tempFilePath); }

中间有一行转换颜色的代码, 是因为mat默认使用bgr, 而不是rgb,

不转换颜色的话, 图片颜色看着就不正常.

读到这里你应该有这些东西了

原图
二值化的原图

裁剪出来的双人头小图

接下来就该sift上场了

sift找图效果

图片中连接双人头的彩色线两端的点, 就是sift在两种图片中找到的相似度最高的特征点,

在右下角的星星上, 也有一个特征点, 因此有一条紫色的线连过去了,

图片中的蓝色矩形是用来包裹相似特征点的,

再看看别的图

这张图效果就很好, 没有受到右下角星星的影响, 在看看别的图片

从图片中可以看到, 右下角的星星影响了我们的找图, 因此我们找图的时候,

可以先裁剪掉右侧对我们找图无用的图片, 比如把图片右侧三分之一的都裁减掉,

这样就避免了右下角星星对找图的影响.

所有没用的地方都可以预先裁减掉, 然后再去找图

因此, 我的自定义方法就有一个区域参数,

只保留我们有用的部分, 图片中的其他部分, 全部裁掉

/** * @description: * @param {img} bigImg * @param {img} smallImg * @param {Array} rect [left, top, right, bottom] * @return {Array} [left, top, right, bottom] */ function findImageSift(bigImg, smallImg, rect) {...}