Aircv的安装

• Aircv是基于OpenCV的所以需要安装OpenCV和numpy
• 通过pip安装就好了
• pip install numpy
• pip install opencv-contrib-python
• pip install aircv

Aircv的学习之路

• 在网上找了一下 没有发现什么太详细的文档

• 不太清楚aircv具体都有些什么功能

• 然后无意间按下了CTRL点了一下import后面的aircv

• 发现居然是开源的

• 可以研究一波啊

• 大致浏览了一下 就两个import

  import cv2
  import numpy as np
  

• 然后下面有个DEBUG = False应该是是否开启调试模式 不用管他

• 接下来是12个def 其中有个main不算一共是11个函数

• 还有2个注释掉的def 先不看

• 接下来好好研究研究这11个def吧

读取图片

def imread(filename):
    im = cv2.imread(filename)
    if im is None:
        raise RuntimeError("file: '%s' not exists" % filename)
    return im

可以看出只是调用了OpenCV中的imread读取图片并返回

显示图片

def show(img):
    cv2.imshow('image', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

可以看出调用了OpenCV的imshow显示图片 并等待按键后消失

• 调用一下康康

  import aircv
  
  
  def main():
      bmp = aircv.imread("./image/bmp.png")
      aircv.show(bmp)
  
  
  if __name__ == '__main__':
      main()
  
  

  
  可以看出弹出来一个窗口显示了图片

使用像素匹配查找图片

• 有2个函数

• find_all_template和find_template

• 通过名字就能看出来 这是找全部和找第一个

  def find_all_template(im_source, im_search, threshold=0.5, maxcnt=0, rgb=False, bgremove=False):
  	# ...
  

• 可以看出一共有6个参数

• 这些参数都是干啥的呢

• 前2个没有默认值 必须有滴

• 在注释里找到了3个

      Args:
          im_source(string): 图像、素材
          im_search(string): 需要查找的图片
          threshold: 阈值，当相识度小于该阈值的时候，就忽略掉
  

• 第一个im_source是一个字符串 ? ? ? 但刘叔觉得这不应该是字符串

• 因为代码里面没有任何imread的操作 而且下面的mian()方法里也只传入imread的返回值

• im_source传入的是原图像

• im_search传入的是需要查找的图片

• threshold是阈值 也就是相似度 相似度超过这个值才可以

• 至于maxcnt 看看代码中这个东西干啥了

  if maxcnt and len(result) >= maxcnt:
  	break
  

• 哦 原来是最大的结果数量啊

• maxcnt最大结果数量 默认为0 不限

• 接下来看看rgb 很明显是个bool型的 默认是False

  if rgb:
      s_bgr = cv2.split(im_search) # Blue Green Red
      i_bgr = cv2.split(im_source)
      weight = (0.3, 0.3, 0.4)
      resbgr = [0, 0, 0]
      for i in range(3): # bgr
          resbgr[i] = cv2.matchTemplate(i_bgr[i], s_bgr[i], method)
      res = resbgr[0]*weight[0] + resbgr[1]*weight[1] + resbgr[2]*weight[2]
  else:
      s_gray = cv2.cvtColor(im_search, cv2.COLOR_BGR2GRAY)
      i_gray = cv2.cvtColor(im_source, cv2.COLOR_BGR2GRAY)
      # 边界提取(来实现背景去除的功能)
      if bgremove:
          s_gray = cv2.Canny(s_gray, 100, 200)
          i_gray = cv2.Canny(i_gray, 100, 200)
  
      res = cv2.matchTemplate(i_gray, s_gray, method)
  

• 看看 干啥了 如果rgb为True 则进行RGB三通道的拆分

• 如果rgb为False 则进行灰度处理

• 并且我们发现了最后一个参数bgremove

• 哦 看注释和参数名的意思 是负责去除背景的

• rgb是否使用RGB通道拆分对图片进行处理

• bgremove在rgb为False的情况下 是否进行背景去除

• 调用一下康康

  import aircv
  
  
  def main():
      bmp = aircv.imread("./image/bmp.png")
      tim = aircv.imread("./image/tim.png")
      print(aircv.find_template(bmp, tim))
  
  
  if __name__ == '__main__':
      main()
  
  

  {‘result’: (34.5, 130.5), ‘rectangle’: ((23, 115), (23, 146), (46, 115), (46, 146)), ‘confidence’: 1.0}

• 结果很详细 我很满意

特征点的数量

def sift_count(img):
    sift = _sift_instance()
    kp, des = sift.detectAndCompute(img, None)
    return len(kp)

嗯 就是统计图中包含的特征点的数量

使用特征点匹配查找图片

• 有2个函数

• find_all_sift和find_sift

  def find_all_sift(im_source, im_search, min_match_count=4, maxcnt=0):
  	# ...
  

• 可以看出有4个参数

• 注释里是这么写的

      Args:
          im_source(string): 图像、素材
          im_search(string): 需要查找的图片
          threshold: 阈值，当相识度小于该阈值的时候，就忽略掉
          maxcnt: 限制匹配的数量
  

• 看完这个注释我就很懵 threshold这个东西在哪呢

• 有点粗心大意啊

• 康康min_match_count这个东西是干啥的吧

      if len(kp_sch) < min_match_count:
          return None
  

• 哦 原来是最少特征数量啊

• 和之前一样 就是实现方法不一样 就不贴代码了

查找图片

• 有2个函数
• find_all和find
• 就是先使用Template后使用Sift

获取图像亮度

def brightness(im):
    im_hsv = cv2.cvtColor(im, cv2.COLOR_BGR2HSV)
    h, s, v = cv2.split(im_hsv) 
    height, weight = v.shape[:2]
    total_bright = 0
    for i in v:
        total_bright = total_bright+sum(i)
    return float(total_bright)/(height*weight)

传入一个图片 返回一个亮度

小结

• Aircv就是基于OpenCV写了一个找图的函数
• 可以看出找的速度很快 找的也很准确
• 可以当做辅助脚本的找图工具