第283章 当年往事

    规避盗版章节今明两天修改完毕

    s屏幕目标定位的意义在信息化发展过程中创建的各类软件系统，例如客户管理系统，财务管理系统、仓储系统、人员管理系统、信息管理系统等，常由多家的软件开发商研发，然而各软件系统间很多时候需要数据信息的交换，一些业务流程须由多系统处理才能完成。但是用户一般不掌握这些系统软件的相关开发资料，难以按需求定制数据交换系统，造成数据之间的流通需要人工操作，难以满足信息化条件下办公的需求，通用化、集成化的数据迁移系统可以极大提升数据迁移效率。对相关系统进行逆向工程分析可以获取系统的底层数据结构从而研制对应的数据交换系统，但是通用性差、随着反跟踪技术的不断发展也使逆向工程分析的成本扩大，另一种思路是使用机器视觉代替人眼来做测量和判断。机器视觉通过图像摄取设备，将目标转换成图像的数字化信息，配备相应的算法模块从这些数字化信息中提取多个特征点并分析判断，模拟人工数据交换操作，提高工作效率。基于图像特征信息提取的目标识别系统在各个领域都具有广泛的应用，本文通过建立提取判断Windows屏幕目标对象信息模拟人工操作架构，为软件机器人提供人机交互的模块。2屏幕对象的特征匹配屏幕对象指Windows系统中各应用程序显示在人机交互界面中的各种按键、窗口、图片、图标、鼠标等。这些对象来源于面向对象的代码，具有代码特征，最终用于屏幕显示，又具备几何特征。Windows屏幕目标对象定位主要基于对象的几何特征，这就需要用到图像匹配算法。图像识别匹配算法[1]有多种，对于其可靠性、准确率和实时性都有很高要求。近年来，国内外相关学者研究出了许多实用性算法，从而使该技术得到了迅速发展并成功应用到各个领域中，比如对象追踪、指纹识别、笔记鉴定、图像拼接等。图像匹配技术依据特征层次可划分为基于特征的匹配、基于灰度的匹配以及其他方法。灰度特征匹配原理主要基于图像内容的灰度信息衡量相似程度，主要用于一些特定场合。特征匹配法需要先对图像分割成点、线、面后再提取特征，对提取出来的多个特征进行相似程度匹配并建立映射关系。本文构建架构主要基于特征提取的SIFT(尺度不变特征变换)算法[2]。图像匹配算法流程如图1所示。图1图像匹配算法流程SIFT算法是由DavidLowe于1999年提出的算法，在2004年进行了深入的完善。可以应对图形的缩放、旋转、仿射变换并保持很好的匹配。在相关的局部特征描述算法对比研究中，证实SIFT及相关改进算法具有相当的健壮性。SIFT算法检测图像的局部特征，具有独特性、多量性、实时性、扩展性强等特点。SIFT算法本质是在使用高斯卷积得到的不同尺度空间上定位出特征点，基于图像局部梯度方向确定其特征描述并进行匹配。3应用方案3.1灰度化首先需要对待提取整个屏幕进行截屏处理，截屏得到的图像按照BMP(位图bitmap)格式进行存储。截屏图像具有R、G、B三种颜色，数值范围均为0至255，为了便于处理需要对图像处理为256级灰度图像，这里采用一种常见的方法转化，公式如下：灰度值=0.3B+0.59G+0.11R3.2SIFT定位使用SIFT算法对Windows屏幕程序各要素定位需要预先获取各目标对象的特征和属性。随后基于已经构建好的模型进行匹配。在选取特征的过程中由于SIFT算法的优良特性不用过多考虑平移、旋转、尺度、亮度等影响因子。SIFT算法[3]的步骤分为尺度空间的构建、极值点检测、极值点定位、特征点方向分配、生成特征点等五个步骤。首先需要建立一个目标特征库，通过分析提取大量应用程序界面内按钮、窗口等要素特征点将其加入目标特征库供特征匹配使用。由于各各应用程序按钮、窗口等要素的几何形状的差异性，特征点可能存在较大的区... -->>
本章未完，点击下一页继续阅读