为什么换了分辨率图色脚本就废了？用 OpenCV 模板匹配把"找图"做稳
做游戏图色脚本的人，几乎都踩过同一个坑：在 1920×1080 上写得好好的"找图"，换台电脑、或窗口一缩放，整个脚本就找不着北了。传统做法（大漠插件 dm.FindPic、按键精灵的找图命令）本质是把一张固定尺寸的位图拿去逐像素比对，分辨率一变，图就对不上。
这一篇就讲：用 OpenCV 的模板匹配（cv2.matchTemplate）+ 多尺度，把"找图"做成能抗分辨率变化的能力。它依然是纯图色思路，但底层换成了更稳的算法。
一、传统找图为什么脆弱
大漠找图的原理可以简化成一句话：拿模板图在屏幕截图上滑动，每挪一个像素就比一遍，找差异最小的位置。问题在于：
- 尺寸敏感：模板是 100×40 的按钮，游戏在 125% 缩放下实际显示 125×50，像素就不对齐了。
- 抗干扰差：画面叠加了半透明提示、描边变化时，逐像素比对直接判"不匹配"。
- 旋转/形变无能为力：图标只要转个角度，传统找图就失效。
核心思路：OpenCV 不依赖"像素级严丝合缝"，而是用归一化相关系数衡量相似度，再配合多尺度缩放模板，让同一套脚本能适配不同分辨率。
二、核心函数：cv2.matchTemplate
函数签名：
result = cv2.matchTemplate(image, templ, method[, result])| 参数 | 含义 |
|---|---|
image | 待搜索的大图（截图），BGR 格式 ndarray |
templ | 模板小图，尺寸必须 ≤ 大图 |
method | 匹配方法，图色脚本首选 cv2.TM_CCOEFF_NORMED |
返回值：一个二维浮点数组 result，每个元素是该位置与模板的相似度。取值 -1~1，越接近 1 越像。
新手必踩坑：用
TM_CCOEFF_NORMED / TM_CCORR_NORMED 等"归一化"方法时，相似度是越大越好，要用 minMaxLoc 取 max；而 TM_SQDIFF 系列是越小越好，要取 min。方法选错、取值方向搞反，会整张图乱报匹配点。
三、单尺度匹配：先跑通最小可用版
import cv2
# 截图与大漠一样，OpenCV 读进来是 BGR 顺序
screen = cv2.imread('screen.png') # 大图
templ = cv2.imread('button.png') # 模板小图
# 归一化相关系数匹配：越接近 1 越像
res = cv2.matchTemplate(screen, templ, cv2.TM_CCOEFF_NORMED)
_, max_val, _, max_loc = cv2.minMaxLoc(res)
print('最高相似度:', max_val)
if max_val >= 0.85: # 阈值自定，0.8~0.9 常见
x, y = max_loc # 匹配到的左上角坐标
print('按钮坐标:', x, y)
这段代码就能替代一次 dm.FindPic。但还没解决分辨率问题——模板尺寸固定的话，缩放后依然对不上。下面加多尺度。
四、多尺度匹配：抗分辨率变化的关键
场景：同一游戏在 100% / 125% / 150% 缩放下，按钮尺寸会变。做法是：把模板按多个比例缩放后分别去匹配，取全局最优。
import cv2
import numpy as np
def find_template(screen, templ, threshold=0.85, scales=(1.0, 0.9, 0.8, 1.1, 1.2)):
h, w = templ.shape[:2]
best = None
for scale in scales:
tw, th = int(w * scale), int(h * scale)
# 跳过非法尺寸：模板不能大于大图、不能缩没了
if tw < 1 or th < 1 or tw > screen.shape[1] or th > screen.shape[0]:
continue
t = cv2.resize(templ, (tw, th))
res = cv2.matchTemplate(screen, t, cv2.TM_CCOEFF_NORMED)
_, max_val, _, max_loc = cv2.minMaxLoc(res)
if best is None or max_val > best[0]:
best = (max_val, max_loc, scale, (tw, th))
if best and best[0] >= threshold:
x, y = best[1]
return (x, y, best[2], best[3]) # 左上角、缩放比、模板尺寸
return None
screen = cv2.imread('screen.png')
templ = cv2.imread('button.png')
hit = find_template(screen, templ)
print('命中:', hit) # 例如 (430, 120, 1.1, (88, 44))
为什么这样更稳：无论游戏是 125% 还是 150% 显示，只要真实按钮落在一个缩放比例附近，多尺度循环就能"对上号"，一套脚本适配多种分辨率，这正是传统固定位图找图做不到的。
五、工程上还要补的两件事
- ROI 限定搜索区：别拿全屏去 matchTemplate，先把截图裁到按钮可能出现的区域（如底部技能栏），速度能快一个量级。
- 预处理提特征：匹配前对截图和模板做灰度化、二值化或边缘提取（见本专栏 L5/L7），能排除半透明描边、背景纹理的干扰，命中率更高。
性能提醒：多尺度 + 全屏匹配在 1080p 下可能跑几十毫秒。图色脚本若要逐帧实时，请配合 ROI 裁剪、降采样、或只匹配关键状态点，别无脑全屏扫。
本讲要点
cv2.matchTemplate用归一化方法时取 max，TM_SQDIFF取 min，方向别反。- 模板必须比大图小，否则直接报错。
- 多尺度缩放模板是抗分辨率变化的核心技巧。
- 配合 ROI 裁剪与预处理，速度、命中率才能兼顾。
下一篇我们聊另一个图色刚需——找色：为什么直接比 RGB 容易被亮度骗，以及用 HSV + cv2.inRange 让颜色识别更抗干扰。
