MSS&OpenCV

Mon, 01 Jan 0001 00:00:00 +0000

使用 MSS 进行高速截图，并将模板图像只加载一次进内存，再使用 OpenCV 匹配。此脚本适用于游戏等图像频繁更新场景，每次识别都尽可能快速且高效。

示例 1 : 识别图像一次,并将结果保存在变量中

将图像文件: 1.tif 加载一次进内存(该示例中的1.tif 和 .py 的目录相同)，再使用 OpenCV 匹配,将找到的图像坐标保存在found_x found_y中,最后在控制台输出结果.

需要安装的依赖

1

pip install mss opencv-python numpy

语法示例:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73


import cv2
import numpy as np
import mss
import time
import os

# -----------------------------
# 模板图像路径（推荐 PNG 或 JPG）
# -----------------------------
template_path = "1.tif" # 请替换为你的图像路径

# -----------------------------
# 匹配阈值（0~1之间）
# 越接近1要求越严格，一般0.8为起点
# -----------------------------
threshold = 0.8

# -----------------------------
# 初始化变量
# -----------------------------
Result = 0
found_x, found_y = None, None

# -----------------------------
# 读取模板图像，只执行一次
# 使用灰度图加快匹配速度
# -----------------------------
template = cv2.imread(template_path, cv2.IMREAD_GRAYSCALE)
if template is None:
 raise FileNotFoundError(f"模板图像未找到：{template_path}")

# 获取模板图尺寸
template_h, template_w = template.shape[:2]

# -----------------------------
# 创建 mss 实例，进行截图
# -----------------------------
with mss.mss() as sct:
 # 可指定屏幕区域：top, left, width, height
 # monitor = {"top": 0, "left": 0, "width": 1920, "height": 1080}
 monitor = sct.monitors[1] # 全屏（第1号显示器）

 # 延迟等待游戏加载完成（可视情况修改）
 time.sleep(1)

 # 截图一次
 screenshot = np.array(sct.grab(monitor))

 # mss 返回的是 BGRA 图像，转换为灰度图以便匹配
 screenshot_gray = cv2.cvtColor(screenshot, cv2.COLOR_BGRA2GRAY)

 # -----------------------------
 # 模板匹配（使用标准相关系数方法）
 # 返回匹配结果矩阵，每个像素点代表匹配得分
 # -----------------------------
 MSSResult = cv2.matchTemplate(screenshot_gray, template, cv2.TM_CCOEFF_NORMED)
 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(MSSResult)

 # -----------------------------
 # 判断是否匹配成功
 # -----------------------------
 if max_val >= threshold:
 Result = 1
 found_x, found_y = max_loc # 左上角坐标

# -----------------------------
# 控制台输出匹配结果
# 可用于后续逻辑判断
# -----------------------------
if Result:
 print(f"Result 1 {found_x} {found_y}")
else:
 print("Result 0")

OpenCV on 我的文档站

MSS&OpenCV

示例 1 : 识别图像一次,并将结果保存在变量中

需要安装的依赖

语法示例:

示例 2 : 循环持续识别图像，支持热键控制,`END` 暂停/恢复，`Ctrl+End` 退出.

OpenCV on 我的文档站

MSS&OpenCV

示例 1 : 识别图像一次,并将结果保存在变量中

需要安装的依赖

语法示例:

示例 2 : 循环持续识别图像，支持热键控制,END 暂停/恢复，Ctrl+End 退出.

示例 2 : 循环持续识别图像，支持热键控制,`END` 暂停/恢复，`Ctrl+End` 退出.