pyautogui的locateOnScreen识别准确率低 如何提升相似图片区分能力

• 确保模板图和运行环境完全匹配：用来做匹配模板的截图必须从当前运行脚本的设备、相同分辨率、相同显示缩放比例下截取，Windows系统如果开了125%/150%的显示缩放，提前截取的模板图和实际屏幕渲染的像素会存在偏差，是confidence=1仍识别错误的最常见原因。可调用pyautogui.screenshot()保存当前实际屏幕截图，重新裁剪模板使用。
• 限定搜索范围：如果已知目标图像的大致出现区域，给locateOnScreen方法传入region=(左坐标, 上坐标, 宽度, 高度)参数，仅在指定区域搜索，既可以提升匹配速度，也能避免其他区域相似内容的误匹配。
• 裁剪差异区域做模板：不要用完整图片当匹配模板，单独裁剪两张目标图差异最大的局部区域作为模板，从根源上降低误匹配概率。
• 关闭界面动态效果：匹配前关闭目标界面的透明度、阴影、过渡动画等动态效果，避免实时渲染的像素和静态模板存在差异。

• OpenCV：pyautogui的图像识别底层就是调用OpenCV的模板匹配能力，直接使用OpenCV自行实现匹配逻辑可以灵活选择匹配算法，比如选择TM_SQDIFF_NORMED平方差匹配算法，对完全一致的图像匹配精度更高，还可以自定义严格的阈值过滤匹配结果，完全避免相似图误判。
• PyAutoIt：针对Windows平台的自动化工具，支持直接通过控件属性定位目标，不需要依赖图像匹配，准确率和性能远高于图像识别方案，仅适用于标准Windows程序界面的定位场景。
• AirTest：网易开源的UI自动化测试框架，图像识别模块做了专门优化，支持特征点匹配、多尺度匹配等能力，识别准确率远高于pyautogui原生接口，还自带可视化截图工具，模板制作效率更高。
• SikuliX：专门做图像驱动自动化的开源工具，内置多种匹配模式，支持跨平台使用，识别准确率和运行性能都优于pyautogiu原生的图像识别能力。

内容的提问来源于stack exchange，提问作者user15500784