对图片识别结果进行诊断分析

在对图片进行模板匹配后我们需要直观地看到识别结果以便于对代码继续优化。整体的流程如下diagnose()├── 1. 加载模板├── 2. 检查模板质量├── 3. 读取截图├── 4. 检测英雄框├── 5. 对第一个英雄框做详细匹配分析│ ├── 裁剪│ ├── resize│ ├── 灰度化│ ├── 亮度归一化│ ├── histogram 粗筛│ └── NCC 精筛└── 6. 输出诊断建议1. INNER_MARGINmx int(bw * INNER_MARGIN)作用去掉英雄框边缘。因为边缘有金边、星级、血条和UI装饰这些会污染匹配。2. resizecv2.resize(crop, (TEMPLATE_SIZE, TEMPLATE_SIZE))统一尺寸否则模板无法逐像素匹配。3. 灰度化crop_gray cv2.cvtColor(...)模板匹配主要依赖结构、轮廓和明暗关系不是颜色这样更鲁棒。4. 亮度标准化关键crop_gray (crop_gray - g_min) / (g_max - g_min) * 255目的是消除不同地图亮度、HDR、截图偏暗、OBS滤镜、夜间模式影响。NCC对亮度极其敏感。不标准化亮度会产生较大偏差。5. Histogram 粗筛cv2.compareHist()快速缩小候选范围。6. NCC 精筛真正识别数学本质ncc dot(A,B) / (||A|| ||B||)即余弦相似度。7. flattencrop_flat crop_gray.flatten()把二维图像32*32变成1024维向量。8. 去均值crop_flat - crop_gray.mean()消除整体亮度偏移。9. 融合分数fused 0.4 * hist 0.6 * ncc双特征融合。10. MATCH_THRESHOLDfused MATCH_THRESHOLD决定是否识别成功。