Question

我尝试过使用pyautogui模块和我在屏幕上定位图像的功能

pyautogui.locateOnScreen()

但它的处理时间约为5-10秒。我还有其他方法可以更快地在屏幕上找到图像吗？基本上，我想要一个更快版本的locateOnScreen（）。

Answer 1

official documentation说它在1920x1080的屏幕上需要1-2秒，所以你的时间似乎有点慢。我会尝试优化：

使用灰度，除非颜色信息很重要（grayscale=True应该提供30％ - 加速）
使用较小的图像进行定位（如果已经唯一确定了您需要获取的位置，则只使用一部分）
每次新建时，请不要加载您需要从文件中找到的图像，而是将其保留在内存中
如果您已经了解了可能的位置（例如，来自之前的运行），则传入区域参数

以上链接的文档中对此进行了描述。

这仍然不够快，你可以检查sources of pyautogui，看看屏幕上的locate使用Python实现的特定算法（Knuth-Morris-Pratt搜索算法）。因此，在C中实现此部分可能会导致非常明显的加速。

Answer 2

如果您正在寻找图像识别，可以使用Sikuli。查看Hello World tutorial。

Answer 3

创建函数并使用线程置信度（需要opencv）

import pyautogui
import threading

def locate_cat():
    cat=None
    while cat is None:
        cat = pyautogui.locateOnScreen('Pictures/cat.png',confidence=.65,region=(1722,748, 200,450)
        return cat

如果知道屏幕位置的粗略位置，则可以使用region参数

在某些情况下，您可以在屏幕上定位并将区域分配给变量，并使用region = somevar作为参数，因此它看起来与上次找到的位置相同，以帮助加快检测过程。 / p>

例如：

import pyautogui

def first_find():
    front_door = None
    while front_door is None:
        front_door_save=pyautogui.locateOnScreen('frontdoor.png',confidence=.95,region=1722,748, 200,450)
        front_door=front_door_save
        return front_door_save


def second_find():
    front_door=None
    while front_door is None:
        front_door = pyautogui.locateOnScreen('frontdoor.png',confidence=.95,region=front_door_save)
        return front_door

def find_person():
    person=None
    while person is None:
        person= pyautogui.locateOnScreen('person.png',confidence=.95,region=front_door)


while True:
    first_find()
    second_find()
    if front_door is None:
        pass
    if front_door is not None:
        find_person()

Answer 4

我在使用 pyautogui 时遇到了同样的问题。虽然它是一个非常方便的库，但速度很慢。

我依靠 cv2 和 PIL 获得了 x10 的加速：

def benchmark_opencv_pil(method):
    img = ImageGrab.grab(bbox=REGION)
    img_cv = cv.cvtColor(np.array(img), cv.COLOR_RGB2BGR)
    res = cv.matchTemplate(img_cv, GAME_OVER_PICTURE_CV, method)
    # print(res)
    return (res >= 0.8).any()

使用 TM_CCOEFF_NORMED 的地方效果很好。（显然也可以调整0.8的阈值）

来源：Fast locateOnScreen with Python

为了完整起见，这里是完整的基准：

import pyautogui as pg
import numpy as np
import cv2 as cv
from PIL import ImageGrab, Image
import time

REGION = (0, 0, 400, 400)
GAME_OVER_PICTURE_PIL = Image.open("./balloon_fight_game_over.png")
GAME_OVER_PICTURE_CV = cv.imread('./balloon_fight_game_over.png')


def timing(f):
    def wrap(*args, **kwargs):
        time1 = time.time()
        ret = f(*args, **kwargs)
        time2 = time.time()
        print('{:s} function took {:.3f} ms'.format(
            f.__name__, (time2-time1)*1000.0))

        return ret
    return wrap


@timing
def benchmark_pyautogui():
    res = pg.locateOnScreen(GAME_OVER_PICTURE_PIL,
                            grayscale=True,  # should provied a speed up
                            confidence=0.8,
                            region=REGION)
    return res is not None


@timing
def benchmark_opencv_pil(method):
    img = ImageGrab.grab(bbox=REGION)
    img_cv = cv.cvtColor(np.array(img), cv.COLOR_RGB2BGR)
    res = cv.matchTemplate(img_cv, GAME_OVER_PICTURE_CV, method)
    # print(res)
    return (res >= 0.8).any()


if __name__ == "__main__":

    im_pyautogui = benchmark_pyautogui()
    print(im_pyautogui)

    methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR',
               'cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']


    # cv.TM_CCOEFF_NORMED actually seems to be the most relevant method
    for method in methods:
        print(method)
        im_opencv = benchmark_opencv_pil(eval(method))
        print(im_opencv)

结果显示提高了 10 倍。

benchmark_pyautogui function took 175.712 ms
False
cv.TM_CCOEFF
benchmark_opencv_pil function took 21.283 ms
True
cv.TM_CCOEFF_NORMED
benchmark_opencv_pil function took 23.377 ms
False
cv.TM_CCORR
benchmark_opencv_pil function took 20.465 ms
True
cv.TM_CCORR_NORMED
benchmark_opencv_pil function took 25.347 ms
False
cv.TM_SQDIFF
benchmark_opencv_pil function took 23.799 ms
True
cv.TM_SQDIFF_NORMED
benchmark_opencv_pil function took 22.882 ms
True

如何在Python中快速找到屏幕上的内容？

4 个答案: