目录Python全系列 教程
3567个小节阅读：5930.4k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
思路：
为了更快精准的找出滑动的距离，因此可以给图片做适当的处理
为了方便测试，可以考虑使用python的实时图像框架调试
xxxxxxxxxxpip install opencv-python==4.6.0.66pip install streamlit==1.11.1xxxxxxxxxxstreamlit run file_path
翻译
如果您是我们的开发合作伙伴之一，或者您有兴趣获得
个人技术支持或Streamlit更新，请输入您的电子邮件
地址如下。否则，您可以将该字段留空。
图片比对相似
cv2.matchTemplate(big, small, cv2.TM_CCORR_NORMED)
方差匹配方法(TM_SQDIFF)：匹配度越高，值越接近于0
归一化方差匹配方法(TM_SQDIFF_NORMED)：完全匹配结果为0
相关性匹配方法(TM_CCORR)：完全匹配会得到很大值，不匹配会得到一个很小值或0
归一化的互相关匹配方法(TM_CCORR_NORMED)：完全匹配会得到1， 完全不匹配会得到0
相关系数匹配方法(TM_CCOEFF)：完全匹配会得到一个很大值，完全不匹配会得到0，完全负相关会得到很大的负数
归一化的相关系数匹配方法( TM_CCOEFF_NORMED)：完全匹配会得到1，完全负相关匹配会得到-1，完全不匹配会得到0
xxxxxxxxxx# pip install opencv-python# pip install streamlitimport cv2import streamlit as st
def get_long(): # 导入图片 img1 = cv2.imread('./imgs/cpt1.png') img2 = cv2.imread('./imgs/cpt2.png')
# 建立2个 st 控制的变量 min_value = st.slider('input min value',max_value=500) max_value = st.slider('input max value',max_value=1000) # 边缘化图片 # Canny使用的滞后阈值，低阈值，高阈值 # canny1 = cv2.Canny(img1,min_value,max_value) ''' 1. Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值)。 2. 如果某一像素位置的幅值超过 高 阈值, 该像素被保留为边缘像素。 3. 如果某一像素位置的幅值小于 低 阈值, 该像素被排除。 4. 如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于 高 阈值的像素时被保留。 ''' canny1 = cv2.Canny(img1,min_value,max_value) # 保存图片 cv2.imwrite('./imgs/tcpt1.png',canny1)
# 使用 streamlit 输出结果 st.write(canny1) st.image(canny1)
canny2 = cv2.Canny(img2,min_value,min_value) cv2.imwrite('./imgs/tcpt2.png',canny2)
st.image(canny2)
# 加载边缘化后的图片 big = cv2.imread('./imgs/tcpt1.png') small = cv2.imread('./imgs/tcpt2.png') # 对比图片 rs = cv2.matchTemplate(big, small, cv2.TM_CCORR_NORMED) # 通过制定的方法来查询相应的结果 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(rs) # st.write(rs) # st.write(min_val, max_val, min_loc, max_loc) # st.write(big.shape) return max_loc[0]/big.shape[1]*340
# 画图个框来验证，匹配的结果是否正确 # tw,th = small.shape[:2] # timg = cv2.rectangle(big, max_loc, (max_loc[0]+tw,max_loc[1]+th), (255,255,0)) # st.image(timg) if __name__ == '__main__': get_long()