2.2.1　模板匹配算法

图像的表示单元是像素。像素的描述形式有很多，常用的是RGB三通道描述方式。根据像素的各个通道的灰度值，可以对游戏图像进行一系列处理。图2-3是基于模板匹配算法的图像识别。模板匹配的思想是在一幅图像中寻找与模板图像最匹配的部分。

图2-3　模板匹配的过程

Step1：从原图像的左上角开始，从左向右、从上到下，步长为1，采用滑动窗口的方式，依次计算模板图像和窗口子图像的相似度。

Step2：把相似结果存储在结果矩阵中。

Step3：最终在结果矩阵中找到最佳匹配值。相似度越高，则最佳匹配值越大，结果矩阵中对应部分越亮。

OpenCV中提供了接口函数cv2.matchTemplate（src,tmpl,method）进行模板匹配，其中method表示选择的匹配方法。可用的方法包括如下几种。

（1）平方差匹配

CV_TM_SQDIFF：最好的匹配对应的匹配值为0。匹配越差，匹配值越大。

（2）标准平方差匹配

CV_TM_SQDIFF_NORMED：最好的匹配对应的匹配值为0。匹配越差，匹配值越大。

（3）相关匹配

CV_TM_CCORR：值越大，表示匹配程度越高。0表示最差的匹配效果。

（4）标准相关匹配

CV_TM_CCORR_NORMED：值越大，表示匹配程度越高。0表示最差的匹配效果。

（5）相关匹配

CV_TM_CCOEFF：1表示完美匹配，-1表示糟糕的匹配，0表示没有任何相关性。

（6）标准相关匹配

CV_TM_CCOEFF_NORMED：1表示完美匹配，-1表示糟糕的匹配，0表示没有任何相关性。

基于像素值的方案是对相同位置的两张图像的像素值进行匹配，要求在相同检测位置的像素值大小要相等或相近。但是在实际测试过程中，因为异形屏、手机分辨率、刘海屏或Bug调试界面的不同，会导致图像的大小和UI差异比较大，模板匹配算法很难适配这种情况。基于特征点的方案可以解决这些问题。