這篇文章主要介紹了python cv2在驗證碼識別中應用例項解析,文中通過示例程式碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

使用函式cv2.imread(filepath,flags)讀入一副圖片

filepath：要讀入圖片的完整路徑

flags：讀入圖片的標誌

• cv2.IMREAD_COLOR：預設引數，讀入一副彩色圖片，忽略alpha通道
• cv2.IMREAD_GRAYSCALE：讀入灰度圖片
• cv2.IMREAD_UNCHANGED：顧名思義，讀入完整圖片，包括alpha通道
• cv2.cvtColor(p1,p2) 是顏色空間轉換函式，p1是需要轉換的圖片，p2是轉換成何種格式。
• cv2.COLOR_BGR2RGB 將BGR格式轉換成RGB格式
• cv2.COLOR_BGR2GRAY 將BGR格式轉換成灰度圖片

模版匹配

模板匹配的原理其實很簡單，就是不斷地在原圖中移動模板影象去比較

有6種匹配方法

• 平方差匹配CV_TM_SQDIFF：用兩者的平方差來匹配，最好的匹配值為0
• 歸一化平方差匹配CV_TM_SQDIFF_NORMED
• 相關匹配CV_TM_CCORR：用兩者的乘積匹配，數值越大表明匹配程度越好
• 歸一化相關匹配CV_TM_CCORR_NORMED
• 相關係數匹配CV_TM_CCOEFF：用兩者的相關係數匹配，1表示完美的匹配，-1表示最差的匹配
• 歸一化相關係數匹配CV_TM_CCOEFF_NORMED

  import cv2
  def findpic(self,target='background.png',template='slider.png'):
    """
    :param target: 背景圖路徑
    :param template: 滑塊圖片路徑
    :return: 
    """
    target_rgb = cv2.imread(target)
    target_gray = cv2.cvtColor(target_rgb,cv2.COLOR_BGR2GRAY)
    template_rgb = cv2.imread(template,0)
    res = cv2.matchTemplate(target_gray,template_rgb,cv2.TM_CCOEFF_NORMED) #模板匹配，在大圖中找小圖
    value = cv2.minMaxLoc(res)
    a,b,c,d = value
    if abs(a) >= abs(b):
      distance = c[0]
    else:
      distance = d[0]
    print(value)
    return distance

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。