opencv原生模板找图转座标方法

信息发布软件

	这段代码是使用OpenCV库进行图像匹配的JavaScript代码示例。它的主要功能是在一个较大的图像中查找一个小图像的位置。以下是代码的详细说明： 导入OpenCV库： importClass(org.opencv.imgproc.Imgproc)：导入图像处理类Imgproc，该类包含了图像模板匹配的方法。 importClass(org.opencv.imgcodecs.Imgcodecs)：导入图像编码解码类Imgcodecs，该类用于读取和写入图像文件，以及将字节数组转换为Mat对象。 importPackage(org.opencv.core)：导入OpenCV的核心包，包含了图像表示类Mat，以及其他诸如矩形Rect、尺寸Size等类。 定义Base64转Mat函数： base64ToMat(base64)：这个函数接收一个Base64编码的字符串作为参数，将其解码为字节数组，然后使用Imgcodecs.imdecode方法将字节数组转换为Mat对象，并返回这个Mat对象。 android.util.Base64.decode(base64, android.util.Base64.DEFAULT)：解码Base64编码的图像字符串。 Imgcodecs.imdecode(new MatOfByte(decodedBytes), Imgcodecs.IMREAD_COLOR)：将解码得到的字节数组转换为Mat对象，其中IMREAD_COLOR表示以彩色模式读取图像。 准备图像数据： small 和 big：这两个变量分别存储了小图像和大图像的Base64编码字符串。你需要将实际的Base64编码字符串替换此处的占位符文本。 sourceMat 和 templateMat：通过base64ToMat函数将小图像和大图像的Base64编码字符串转换为Mat对象，分别存储在这两个变量中。 图像匹配： for (var i = 0; i < 200; i++) {...}：循环200次进行图像匹配操作。 Imgproc.matchTemplate(sourceMat, templateMat, result, Imgproc.TM_CCOEFF_NORMED)：在大图像（sourceMat）中查找小图像（templateMat），并将匹配结果存储在result Mat对象中。TM_CCOEFF_NORMED是一种匹配方法。 Core.minMaxLoc(result)：计算匹配结果矩阵中最小值和最大值的位置和值。 if (mmr.maxVal > 0.9) {...}：如果匹配的最大值大于0.9（即匹配度超过90%），则认为找到了匹配的小图像。 var rect = new Rect(mmr.maxLoc, new Size(templateMat.cols(), templateMat.rows()))：根据匹配结果的最大值位置创建一个矩形对象，该矩形的大小与小图像相同。 printl("匹配结果",i, "找到模板在位置: " + rect)：打印匹配结果，包括匹配次数和找到的小图像的位置。 释放资源： result.release()：每次循环后释放结果Mat对象占用的内存。 printl(i, '耗时', (new Date().getTime() - t))：循环结束后打印总的匹配次数和整个过程耗时。 sourceMat.release();templateMat.release();：最后释放大图像和小图像的Mat对象占用的内存。 这段代码适用于在安卓平台上使用JavaScript调用OpenCV库进行图像匹配，例如在自动化测试脚本中查找某个按钮或图标在屏幕上的位置。注意，实际运行时需要确保OpenCV已正确集成到你的项目中。 importClass(org.opencv.imgproc.Imgproc) importClass(org.opencv.imgcodecs.Imgcodecs); importPackage(org.opencv.core); function base64ToMat(base64) {     // 解码Base64字符串为字节数组     var decodedBytes = android.util.Base64.decode(base64, android.util.Base64.DEFAULT);     // 使用Imgcodecs将字节数组转换为Mat对象     var mat = Imgcodecs.imdecode(new MatOfByte(decodedBytes), Imgcodecs.IMREAD_COLOR);     return mat; } var small = "这里是你的小图像Base64编码字符串"; var big = "这里是你的大图像Base64编码字符串"; var sourceMat = base64ToMat(small) var templateMat = base64ToMat(big) // var sourceMat = screen.screenShot(432, 768, 100).getMat() // var sourceMat = Imgcodecs.imread('/sdcard/Pictures/2.jpg'); // var templateMat = Imgcodecs.imread('/sdcard/Pictures/1.jpg'); var t = new Date().getTime() for (var i = 0; i < 200; i++) {     var result = new org.opencv.core.Mat();     Imgproc.matchTemplate(sourceMat, templateMat, result, Imgproc.TM_CCOEFF_NORMED);     var mmr = Core.minMaxLoc(result);     if (mmr.maxVal > 0.9) {         var rect = new Rect(mmr.maxLoc, new Size(templateMat.cols(), templateMat.rows()));         printl("匹配结果",i, "找到模板在位置: " + rect);     }     result.release(); } printl(i, '耗时', (new Date().getTime() - t)) sourceMat.release(); templateMat.release(); 复制代码