目前网上关于滑块的缺口识别的方法很多，但是都不极简，看起来繁杂，各种算法的都有，有遍历的有二分法的，今天写个最简单，准确率最高的。
直接看代码：
def FindPic(target, template):
"""
找出图像中最佳匹配位置
:param target: 目标即背景图
:param template: 模板即需要找到的图
:return: 返回最佳匹配及其最差匹配和对应的坐标
"""
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)
value = cv2.minMaxLoc(res)
使用cv2库，先读取背景图，然后夜视化处理（消除噪点），然后读取模板图片，使用cv2自带图片识别找到模板在背景图中的位置，使用minMaxLoc提取出最佳匹配的最大值和最小值，返回一个数组形如（-0.3， 0.95， （121,54），（45， 543））元组四个元素，分别是最小匹配概率、最大匹配概率，最小匹配概率对应坐标，最大匹配概率对应坐标。
我们需要的是最大匹配概率坐标，对应的分别是x和y坐标，但是这个不一定，有些时候可能是最小匹配概率坐标，最好是根据概率的绝对值大小来比较。
滑块验证较为核心的两步，第一步是找出缺口距离，第二步是生成轨迹并滑动，较为复杂的情况下还要考虑初始模板图片在背景图中的坐标，以及模板图片透明边缘的宽度，这些都是影响轨迹的因素。
image
ID：Python之战
|作|者|公(zhong)号:python之战
专注Python，专注于网络爬虫、RPA的学习-践行-总结
喜欢研究技术瓶颈并分享，欢迎围观，共同学习。
独学而无友,则孤陋而寡闻！
