某象图标识别

提示！本文章仅供学习交流，严禁用于非法用途，文章如有不当可联系本人删除！

前排提示：这是一篇水文

一. 目标网址

aHR0cHM6Ly93d3cuZGluZ3hpYW5nLWluYy5jb20vYnVzaW5lc3MvY2FwdGNoYQ==

二. 长什么样

三. 解析

这里用到的sift算法对两张图片进行相似度对比，代码如下：

def cover_sift(img1, img2):
    img1 = cv2.cvtColor(np.asarray(img1), cv2.IMREAD_GRAYSCALE)
    img2 = cv2.cvtColor(np.asarray(img2), cv2.IMREAD_GRAYSCALE)

    # 创建SIFT对象
    sift = cv2.xfeatures2d.SIFT_create()

    # 寻找关键点和特征向量
    kp1, des1 = sift.detectAndCompute(img1, None)
    kp2, des2 = sift.detectAndCompute(img2, None)

    # 创建FLANN匹配器对象
    flann = cv2.FlannBasedMatcher({'algorithm': 0, 'trees': 5}, {'checks': 50})

    # 使用KNN算法匹配特征向量
    matches = flann.knnMatch(des1, des2, k=2)

    # 筛选出最佳匹配
    goodMatches = []
    for m, n in matches:
        if m.distance < 0.7 * n.distance:
            goodMatches.append(m)

    # 输出匹配结果
    # print(len(goodMatches))
    return len(goodMatches)

坐标定位部分用到了ddddocr
```
ocr = ddddocr.DdddOcr(det=True)
```

将大图部分抠下来准备和小图作对比

def cut_big(binary, position):
    _big = dict()
    img = cv2.imdecode(np.array(bytearray(binary), dtype='uint8'), cv2.IMREAD_UNCHANGED)
    for loc in position:
        _img = img[loc[1]:loc[3], loc[0]:loc[2]]
        _img = cv2.resize(_img, (120, 120))
        _big[str(loc)] = _img
    return _big

这里注意下，大图resize成了和小图一样的尺寸