import cv2
import numpy as np

# 加载游戏截图图像
image = cv2.imread('detect_tigers/MuMu12-20240922-131314.png')

# 转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 加载大力虎的模板图像（你需要准备一个小的模板图像，含有大力虎的外观）
template = cv2.imread('detect_tigers/dalihu1.png', 0)  # 模板应该是灰度图
w, h = template.shape[::-1]

# 进行模板匹配
result = cv2.matchTemplate(gray_image, template, cv2.TM_CCOEFF_NORMED)

# 设置匹配阈值，值越高匹配越严格
threshold = 0.5
locations = np.where(result >= threshold)

# 容差值：合并相近的坐标时使用
tolerance = 5

# 初始的 Y 和 X 坐标数组
y_coords = locations[0]
x_coords = locations[1]

# 存储过滤后的 Y 和 X 坐标
filtered_coords = []

# 遍历坐标，去重并合并相近的值
for i in range(len(y_coords)):
    # 如果过滤后的列表为空，或者当前坐标和最后一个存储的坐标相差大于容差值，则将其加入
    if not filtered_coords or (abs(y_coords[i] - filtered_coords[-1][1]) > tolerance or abs(x_coords[i] - filtered_coords[-1][0]) > tolerance):
        filtered_coords.append((x_coords[i], y_coords[i]))

# 打印过滤后的坐标
for coord in filtered_coords:
    print(f"X: {coord[0]}, Y: {coord[1]}")
    # 在原图上标出匹配的位置
    cv2.rectangle(image, coord, (coord[0] + w, coord[1] + h), (0, 255, 0), 2)

# 显示匹配结果
cv2.imshow('Detected Tigers', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
# python detect_tigers.py