如何使用Python结合OpenCV与PyAutoGUI检测模板坐标？

嘿，我把这段用于检测屏幕指定区域内模板坐标的代码整理并补全了，关键步骤也给你标注清楚了：

import cv2
import numpy as np
import pyautogui as pag

# 截取屏幕上指定区域的截图
# region参数格式：(x起始坐标, y起始坐标, 区域宽度, 区域高度)
region = (460, 400, 600, 400)
pag.screenshot('da2.png', region=region)

# 读取截图和模板图，进行图像预处理
img_rgb = cv2.imread('da2.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)  # 转换为灰度图，减少计算量
template = cv2.imread('player2.png', 0)  # 0表示直接以灰度模式读取模板图
w, h = template.shape[::-1]  # 获取模板的宽和高

# 执行模板匹配，使用归一化相关系数匹配方法
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.6335  # 匹配阈值，值越高匹配精度要求越高

# 筛选出匹配度超过阈值的坐标位置
loc = np.where(res >= threshold)

# 在原图上标记所有匹配到的区域
for pt in zip(*loc[::-1]):
    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 2)

# 保存标记后的结果图，或者直接显示
cv2.imwrite('result.png', img_rgb)
# cv2.imshow('Matched Result', img_rgb)
# cv2.waitKey(0)
# cv2.destroyAllWindows()

关键步骤说明 #

• 屏幕区域截图：通过PyAutoGUI的screenshot方法截取指定坐标范围的屏幕内容，避免全图检测的冗余计算
• 灰度转换：将截图和模板都转为灰度图，消除颜色干扰，同时降低图像数据量，提升匹配速度
• 模板匹配：选用TM_CCOEFF_NORMED方法，返回的匹配结果是归一化后的数值，方便通过阈值筛选有效匹配
• 阈值筛选：设置0.6335作为匹配阈值，只有匹配度超过这个值的位置才会被认定为有效目标
• 结果标记：遍历所有有效匹配点，用红色矩形框在原图上标记出模板所在位置，方便直观查看

内容的提问来源于stack exchange，提问作者san yi