2.2.1　模板匹配算法

圖像的表示單元是像素。像素的描述形式有很多，常用的是RGB三通道描述方式。根據像素的各個通道的灰度值，可以對游戲圖像進行一系列處理。圖2-3是基于模板匹配算法的圖像識別。模板匹配的思想是在一幅圖像中尋找與模板圖像最匹配的部分。

圖2-3　模板匹配的過程

Step1：從原圖像的左上角開始，從左向右、從上到下，步長為1，采用滑動窗口的方式，依次計算模板圖像和窗口子圖像的相似度。

Step2：把相似結果存儲在結果矩陣中。

Step3：最終在結果矩陣中找到最佳匹配值。相似度越高，則最佳匹配值越大，結果矩陣中對應部分越亮。

OpenCV中提供了接口函數cv2.matchTemplate（src,tmpl,method）進行模板匹配，其中method表示選擇的匹配方法。可用的方法包括如下幾種。

（1）平方差匹配

CV_TM_SQDIFF：最好的匹配對應的匹配值為0。匹配越差，匹配值越大。

（2）標準平方差匹配

CV_TM_SQDIFF_NORMED：最好的匹配對應的匹配值為0。匹配越差，匹配值越大。

（3）相關匹配

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）標準相關匹配

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）相關匹配

CV_TM_CCOEFF：1表示完美匹配，-1表示糟糕的匹配，0表示沒有任何相關性。

（6）標準相關匹配

CV_TM_CCOEFF_NORMED：1表示完美匹配，-1表示糟糕的匹配，0表示沒有任何相關性。

基于像素值的方案是對相同位置的兩張圖像的像素值進行匹配，要求在相同檢測位置的像素值大小要相等或相近。但是在實際測試過程中，因為異形屏、手機分辨率、劉海屏或Bug調試界面的不同，會導致圖像的大小和UI差異比較大，模板匹配算法很難適配這種情況。基于特征點的方案可以解決這些問題。