python 识别图片点击,设置坐标,离设置坐标越近的优先识别点击
import pyautogui
import cv2
import numpy as np
import mathdef find_and_click(template_path, target_x, target_y, match_threshold=0.8):"""在屏幕上查找目标图片并点击。Args:template_path: 目标图片的路径。target_x: 预设的坐标 x 轴值。target_y: 预设的坐标 y 轴值。match_threshold: 匹配阈值,默认值为 0.8。Returns:如果找到目标图片,则返回 True,否则返回 False。"""# 加载目标图片template = cv2.imread(template_path, cv2.IMREAD_GRAYSCALE)# 获取屏幕截图screenshot = pyautogui.screenshot()screenshot = np.array(screenshot)screenshot = cv2.cvtColor(screenshot, cv2.COLOR_BGR2GRAY)# 使用模板匹配查找目标图片result = cv2.matchTemplate(screenshot, template, cv2.TM_CCOEFF_NORMED)# 获取匹配结果match_locations = np.where(result >= match_threshold)# 如果找到匹配结果if len(match_locations[0]) > 0:# 获取匹配结果的中心坐标match_x = match_locations[1][0]match_y = match_locations[0][0]# 计算匹配结果与预设坐标的距离distance = math.sqrt((match_x - target_x)**2 + (match_y - target_y)**2)# 如果有多个匹配结果,则选择距离最近的进行点击if len(match_locations[0]) > 1:for i in range(1, len(match_locations[0])):x = match_locations[1][i]y = match_locations[0][i]new_distance = math.sqrt((x - target_x)**2 + (y - target_y)**2)if new_distance < distance:match_x = xmatch_y = ydistance = new_distance# 点击目标图片pyautogui.click(match_x, match_y)return True# 如果没有找到匹配结果else:return False# 示例代码
if __name__ == "__main__":# 目标图片路径template_path = "4.png"# 预设的坐标target_x = 100target_y = 100# 查找并点击目标图片if find_and_click(template_path, target_x, target_y):print("目标图片已点击!")else:print("未找到目标图片!")
优化代码,输出近似图片的位置坐标
import pyautogui
import cv2
import numpy as np
import mathdef find_and_print_matches(template_path, target_x, target_y, match_threshold=0.8):"""在屏幕上查找目标图片并打印所有匹配结果的位置。Args:template_path: 目标图片的路径。target_x: 预设的坐标 x 轴值。target_y: 预设的坐标 y 轴值。match_threshold: 匹配阈值,默认值为 0.8。"""# 加载目标图片template = cv2.imread(template_path, cv2.IMREAD_GRAYSCALE)# 获取屏幕截图screenshot = pyautogui.screenshot()screenshot = np.array(screenshot)screenshot = cv2.cvtColor(screenshot, cv2.COLOR_BGR2GRAY)# 使用模板匹配查找目标图片result = cv2.matchTemplate(screenshot, template, cv2.TM_CCOEFF_NORMED)# 获取匹配结果match_locations = np.where(result >= match_threshold)# 如果找到匹配结果if len(match_locations[0]) > 0:# 打印所有匹配结果的位置print("找到以下匹配结果:")for i in range(len(match_locations[0])):match_x = match_locations[1][i]match_y = match_locations[0][i]distance = math.sqrt((match_x - target_x)**2 + (match_y - target_y)**2)print(f"位置:({match_x}, {match_y}),距离:{distance:.2f}")else:print("未找到匹配结果!")# 示例代码
if __name__ == "__main__":# 目标图片路径template_path = "4.png"# 预设的坐标target_x = 100target_y = 200# 查找并打印匹配结果find_and_print_matches(template_path, target_x, target_y)

相关文章:
python 识别图片点击,设置坐标,离设置坐标越近的优先识别点击
import pyautogui import cv2 import numpy as np import mathdef find_and_click(template_path, target_x, target_y, match_threshold0.8):"""在屏幕上查找目标图片并点击。Args:template_path: 目标图片的路径。target_x: 预设的坐标 x 轴值。target_y: 预设…...
【实战教程】如何使用JMeter来轻松测试WebSocket接口?
1、websocket接口原理 打开网页:从http协议,升级到websocket协议,请求建立websocket连接服务器返回建立成功成功客户端向服务端发送匹配请求服务端选择一个客服上线服务器返回客服id客户端向服务器发送消息服务器推送消息给指定的客服服务器…...
【linux】详解——库
目录 概述 库 库函数 静态库 动态库 制作动静态库 使用动静态库 如何让系统默认找到第三方库 lib和lib64的区别 /和/usr/和/usr/local下lib和lib64的区别 环境变量 配置相关文件 个人主页:东洛的克莱斯韦克-CSDN博客 简介:C站最萌博主 相关…...
RuntimeError: “exp_vml_cpu“ not implemented for ‘Half‘
遇到 "exp_vml_cpu" not implemented for Half 这个运行时错误,意味着你尝试在一个操作中使用了半精度(Half 或 float16)数据类型,但是该操作在当前环境下并没有针对半精度数据类型的实现。 半精度(float16&…...
JVM之双亲委派机制
1.双亲委派机制 在Java中,类加载器具有层次结构。每个Java实现的类加载器中保存了一个成员变量叫“父”类加载器(parent),可以理解为上级,并不是继承关系。应用程序类加载器的parent父加载器是扩展类加载器࿰…...
Gemalto SafeNet Luna HSM服务器硬件监控指标解读
在现代化的信息安全体系中,硬件安全模块(HSM)扮演着至关重要的角色,它负责保护和管理敏感的数据和密钥。Gemalto SafeNet Luna HSM作为一款高性能的硬件安全模块,广泛应用于金融、政府和企业等领域。为了确保Luna HSM的…...
计算机视觉与人工智能领域常用期刊和会议缩写
在撰写论文时有时候会面临超篇幅的情况,这时候一个常用的操作便是使用期刊(会议)的缩写或者半缩写来替换期刊(会议)全称 为了方便自己后续使用相关的缩写 特此整理 如有不当之处 欢迎大家指正~~ 计算机视觉与人工智能…...
ONLYOFFICE桌面编辑器8.1版:个性化编辑和功能强化的全面升级
ONLYOFFICE是一款全面的办公套件,由Ascensio System SIA开发。该软件提供了一系列与微软Office系列产品相似的办公工具,包括处理文档(ONLYOFFICE Document Editor)、电子表格(ONLYOFFICE Spreadsheet Editor࿰…...
用一个实例看如何分享大量照片 续篇二,关于Exif (Exchangeable Image File) - 可交换图像文件
续篇二:说说关于照片隐含的 Exif (Exchangeable Image File) 可交换图像文件 数码照片的Exif 参数有很多,重要的Exif信息:拍摄日期、时间、拍摄器材、GPS信息。 当然这主要对自己的档案有意义,如果放到网上还是建议抹去这些信息。…...
使用Python自动化收集和处理视频资源的教程
在这篇教程中,我们将介绍如何利用Python脚本自动化收集和处理视频资源。这篇文章将帮助您掌握基本的网络自动化技术,并使用相关库进行视频资源的获取和保存。以下是具体的实现步骤和代码示例。 环境准备 在开始之前,请确保您的工作环境中已…...
字节数组输出流转换为Base64方法记录
1. 今天在做字节数组转换Base64的时候遇到一个问题,转换成的Base64字符串自动换行,导致传输失败 关键代码: ByteArrayOutputStream out new ByteArrayOutputStream(); ............. BASE64Encoder encoder new BASE64Encoder(); Stri…...
在eclipse中导入idea项目步骤
一、可以把其它项目的.project, .classpath文件拷贝过来,修改相应的地方则可。 1、.project文件只需要修改<name>xxx</name>这个项目名称则可 2、.classpath文件通常不用改, 二、右击 项目名 >选择“Properties”>选择 Re…...
海思SS928/SD3403开发笔记4——u盘挂载
首先一定要将u盘格式化成fat32。 挂载 mkdir /mnt/usb mount /dev/sda1 /mnt/usb成功示意图: 取消挂载 umount /mnt/usb...
偏微分方程算法之抛物型方程差分格式编程示例六(混合边界条件下C-N格式)
目录 一、研究问题 二、C++代码 三、计算结果 一、研究问题 对于混合边界条件下的抛物型偏微分方程求解,我们使用Crank-Nicolson格式(C-N格式),边界条件采用中心差商,即...
【5G核心网】5G NWDAF(Network Data Analytics Function)网元功能介绍
博主未授权任何人或组织机构转载博主任何原创文章,感谢各位对原创的支持! 博主链接 本人就职于国际知名终端厂商,负责modem芯片研发。 在5G早期负责终端数据业务层、核心网相关的开发工作,目前牵头6G技术研究。 博客内容主要围绕…...
今日思考分享:全网爆火的山东车牌之歌原因是什么?
山东车牌之歌的爆火反映了一种潜在而又浅显的需求被满足的过程。 首先,这首歌击中了人们的“潜”需求。在日常出行中,我们确实会偶尔对看到的不同地区车牌产生好奇,但往往这种好奇心一闪而过,没有具体的途径去满足。而山东车牌之歌…...
Spring Boot 2.x + Mybatis Plus 多数据源配置
MP官方文档提供有多数据源配置方案,这里没有使用其方案,原因是项目不想引入过多依赖 提供一下官网的文档供各位选择多数据源支持 | MyBatis-Plus (baomidou.com) 配置文件 application.properties文件配置两个数据源信息,yaml文件自行修改…...
2、数据库模型图、er图
关系 user和administarators是多对一的关系 user和order是一对多的关系 shipped和order是多对一的关系 order和books是多对多的关系 leavewords和order是一对一的关系 stock和books是一对多的关系 Chens 数据库表示法——ER图 Crows Foot数据库表示法——数据库模型图 Navicat表…...
Docker的理解
Docker的理解 Docker为什么用Docker?1.提升系统资源利用率2.更快速的交付和部署3.高效的部署和扩容4.更简单的管理 Docker核心技术Docker镜像Docker容器Docker仓库 Docker实现原理Linux NamespaceCgroupUnion FS Docker的应用场景1.微服务架构2.持续集成3.快速部署和…...
通信协议总结
IIC 基本特点 同步,半双工 标准100KHz,最高400KHz(IIC主要应用于低速设备) 硬件组成 需外接上拉电阻 通信过程 空闲状态 SDA和SCL都处于高电平 开始信号S和终止信号P 在数据传输过程中,当SCL0时,SDA才…...
STM32实战指南_基于STM32F103的智能交通灯系统设计与实现(硬件+软件+调试)
1. 项目背景与需求分析 十字路口的交通拥堵是城市治理的经典难题。传统定时切换的交通灯就像个固执的老头子,不管车多车少都按固定节奏工作,经常出现一边排长龙、另一边空荡荡的尴尬场景。这次我们要用STM32F103这颗"最强大脑"给交通灯装上&qu…...
终极指南:VSCode Rainbow Fart如何通过Vue.js打造沉浸式编程体验
终极指南:VSCode Rainbow Fart如何通过Vue.js打造沉浸式编程体验 【免费下载链接】vscode-rainbow-fart 一个在你编程时疯狂称赞你的 VSCode 扩展插件 | An VSCode extension that keeps giving you compliment while you are coding, it will checks the keywords …...
3步实现UMA模型吸附能预测:从数据准备到结果验证完整指南
3步实现UMA模型吸附能预测:从数据准备到结果验证完整指南 【免费下载链接】ocp Open Catalyst Projects library of machine learning methods for catalysis 项目地址: https://gitcode.com/GitHub_Trending/oc/ocp 在催化材料研究中,吸附能是评…...
企业级二进制差异算法:bsdiff/bspatch的高效智能更新方案
企业级二进制差异算法:bsdiff/bspatch的高效智能更新方案 【免费下载链接】bsdiff bsdiff and bspatch are libraries for building and applying patches to binary files. 项目地址: https://gitcode.com/gh_mirrors/bs/bsdiff 在软件分发和持续部署领域&a…...
避开这些坑!用MATLAB做QPSK调制解调仿真时,你的成形滤波和匹配滤波设置对了吗?
QPSK仿真中的成形滤波与匹配滤波陷阱:MATLAB实战避坑指南 在数字通信系统的设计与验证过程中,MATLAB仿真扮演着至关重要的角色。许多工程师和研究人员在QPSK调制解调仿真中,常常遇到性能不达预期或结果与理论不符的情况。本文将深入剖析成形滤…...
如何用“波特三大竞争战略”为你的新产品破局?
1. 成本领先战略 (Cost Leadership)核心理念: 成为整个行业中成本最低的生产商或服务提供商。注意,成本领先不等于价格战。它的本质是通过极致的运营效率、规模经济、供应链优化或技术创新,把产品的底层结构性成本降到最低。这意味着…...
s2-pro语音合成镜像快速上手:5分钟搞定专业级文字转语音
s2-pro语音合成镜像快速上手:5分钟搞定专业级文字转语音 1. 镜像简介与核心功能 s2-pro是Fish Audio开源的专业级语音合成模型镜像,能够将文本转换为自然流畅的语音。这个镜像特别适合需要快速部署文字转语音功能的开发者、内容创作者和企业用户。 1.…...
SenseVoice-small语音识别效果惊艳:中英混杂技术文档语音精准分段转写
SenseVoice-small语音识别效果惊艳:中英混杂技术文档语音精准分段转写 1. 引言:当技术文档遇上中英混杂的语音 想象一下这个场景:你正在参加一场技术分享会,台上的专家用流利的中文讲解,但时不时会蹦出几个英文专业术…...
GitHub自动化神器:用Cursor+Firecrawl实现项目自更新(避坑指南)
GitHub自动化神器:用CursorFirecrawl实现项目自更新(避坑指南) 在开源项目的日常维护中,重复性的更新工作往往消耗开发者大量精力。有没有一种方法,能让项目像拥有自我意识般自动完成内容搜集、代码生成甚至PR提交&am…...
ViGEmBus虚拟控制器驱动深度应用指南:从技术原理到场景落地
ViGEmBus虚拟控制器驱动深度应用指南:从技术原理到场景落地 【免费下载链接】ViGEmBus Windows kernel-mode driver emulating well-known USB game controllers. 项目地址: https://gitcode.com/gh_mirrors/vi/ViGEmBus 一、价值定位:重新定义虚…...
