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…...
实测!用DeepSeek R1和通义千问Max分别写代码、解数学题,结果有点意外
DeepSeek R1与通义千问Max实战对比:当代码遇上数学题 上周我在开发一个需要同时处理算法优化和复杂数学计算的个人项目时,突然萌生了一个想法:为什么不把市面上最火的两个AI编程助手——DeepSeek R1和通义千问Max拉出来比一比?作…...
别再只用四线制SPI了!用菊花链连接多个传感器,Arduino引脚不够的救星
菊花链SPI:突破Arduino引脚限制的多传感器连接方案 当你在智能温室项目中需要同时监测温度、湿度和光照强度,却发现Arduino Uno的GPIO引脚已经捉襟见肘时,传统四线制SPI的局限性就暴露无遗。每个新增的传感器都意味着多占用一个宝贵的片选引…...
CBoard自研多维引擎揭秘:轻量级架构如何撬动大数据分析
CBoard自研多维引擎揭秘:轻量级架构如何撬动大数据分析 【免费下载链接】CBoard CBoard - 这是一个基于 Node.js 的开源面板,用于管理 Kubernetes 集群和应用程序。适用于 Kubernetes 集群管理、容器编排、持续集成等场景。 项目地址: https://gitcode…...
AudioSeal实战教程:Python API调用AudioSeal模型实现批量音频水印处理
AudioSeal实战教程:Python API调用AudioSeal模型实现批量音频水印处理 1. 项目概述与核心价值 AudioSeal是Meta开源的专业级音频水印系统,专门用于AI生成音频的检测和溯源。这个工具能帮助内容创作者、平台运营者和版权方解决一个关键问题:…...
CTC语音唤醒模型在医疗语音录入系统中的应用案例
CTC语音唤醒模型在医疗语音录入系统中的应用案例 1. 引言 在医疗场景中,医生每天需要处理大量的病历记录工作。传统的手写或键盘输入方式不仅效率低下,还容易分散医生对患者的注意力。现在,通过CTC语音唤醒技术,医疗语音录入系统…...
Pixel Mind Decoder 数据结构优化:提升批量文本情绪处理效率
Pixel Mind Decoder 数据结构优化:提升批量文本情绪处理效率 1. 为什么需要优化批量处理 当你需要分析成千上万条用户评论或社交媒体内容时,逐条调用情绪分析模型会变得非常低效。就像在快餐店点餐一样,一个一个处理订单远不如批量处理来得…...
Youtu-VL-4B-Instruct效果可视化:热力图呈现视觉词注意力与文本对齐关系
Youtu-VL-4B-Instruct效果可视化:热力图呈现视觉词注意力与文本对齐关系 1. 引言:当模型“看见”并“思考”时,它在看哪里? 想象一下,你给一个AI模型看一张照片,然后问它:“图片里有什么&…...
老旧Windows 7系统硬件适配难题的技术解决方案:开源社区驱动的扩展支持包
老旧Windows 7系统硬件适配难题的技术解决方案:开源社区驱动的扩展支持包 【免费下载链接】win7-sp2 UNOFFICIAL Windows 7 Service Pack 2, to improve basic Windows 7 usability on modern systems and fully update Windows 7. 项目地址: https://gitcode.com…...
生成式 AI 赋能下钓鱼攻击的技术异化与防御体系构建
摘要 生成式人工智能在文本创作、语义理解与内容生成领域的快速落地,在提升生产效率的同时,也被不法分子用于网络钓鱼攻击的智能化升级。路透社与哈佛大学联合测试显示,主流大语言模型在特定提示词绕过机制下可生成高仿真钓鱼邮件,…...
文墨共鸣大模型长期记忆(LSTM)优化对话体验:实现多轮深度交流
文墨共鸣大模型长期记忆(LSTM)优化对话体验:实现多轮深度交流 你有没有遇到过这样的情况:和一个智能助手聊天,聊到第三四轮的时候,它好像就忘了你最开始说了什么,回答开始跑偏,或者…...
