这篇文章主要介绍了python cv2在验证码识别中应用实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

使用函数cv2.imread(filepath,flags)读入一副图片

filepath：要读入图片的完整路径

flags：读入图片的标志

• cv2.IMREAD_COLOR：默认参数，读入一副彩色图片，忽略alpha通道
• cv2.IMREAD_GRAYSCALE：读入灰度图片
• cv2.IMREAD_UNCHANGED：顾名思义，读入完整图片，包括alpha通道
• cv2.cvtColor(p1,p2) 是颜色空间转换函数，p1是需要转换的图片，p2是转换成何种格式。
• cv2.COLOR_BGR2RGB 将BGR格式转换成RGB格式
• cv2.COLOR_BGR2GRAY 将BGR格式转换成灰度图片

模版匹配

模板匹配的原理其实很简单，就是不断地在原图中移动模板图像去比较

有6种匹配方法

• 平方差匹配CV_TM_SQDIFF：用两者的平方差来匹配，最好的匹配值为0
• 归一化平方差匹配CV_TM_SQDIFF_NORMED
• 相关匹配CV_TM_CCORR：用两者的乘积匹配，数值越大表明匹配程度越好
• 归一化相关匹配CV_TM_CCORR_NORMED
• 相关系数匹配CV_TM_CCOEFF：用两者的相关系数匹配，1表示完美的匹配，-1表示最差的匹配
• 归一化相关系数匹配CV_TM_CCOEFF_NORMED

  import cv2
  def findpic(self, target='background.png', template='slider.png'):
    """
    :param target: 背景图路径
    :param template: 滑块图片路径
    :return: 
    """
    target_rgb = cv2.imread(target)
    target_gray = cv2.cvtColor(target_rgb, cv2.COLOR_BGR2GRAY)
    template_rgb = cv2.imread(template, 0)
    res = cv2.matchTemplate(target_gray, template_rgb, cv2.TM_CCOEFF_NORMED) #模板匹配，在大图中找小图
    value = cv2.minMaxLoc(res)
    a, b, c, d = value
    if abs(a) >= abs(b):
      distance = c[0]
    else:
      distance = d[0]
    print(value)
    return distance

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。