遇到问题--python---传入参数false不生效--str和bool的转换

帮我分析这几个方法，修改不合理的部分，并注释修改，将主要逻辑流程说明就好，多余的文字去除，方法如下： def checkImage(self, src_path, similar=0.95, loc=5, debug=False): """ 检测当前屏幕是否存在目标图片（基于图像匹配） :param src_path: 目标图片路径（相对或绝对路径） :param similar: 相似度阈值（0-1之间，默认0.95） :param loc: 匹配位置参数（具体含义依赖ImgUtils.quick_find实现） :param debug: 是否开启调试模式（默认False） :return: 布尔值（True：找到目标图片；False：未找到） """ # 步骤1：获取当前屏幕截图路径 screenshot_dir = os.path.join(os.getcwd(), "resource/superapp") os.makedirs(screenshot_dir, exist_ok=True) current_screenshot_path = os.path.join(screenshot_dir, "test.png") # 步骤2：校验目标图片是否存在 resource_root = os.path.join(os.getcwd(), "resource", "superapp") target_image_path = os.path.join(resource_root, src_path) if not os.path.isfile(target_image_path): print(f"{src_path}不存在！！！") # 步骤3：校验截图文件是否有效 if not os.path.exists(current_screenshot_path) or not os.path.isfile(current_screenshot_path): print(f"{current_screenshot_path}无效！！！") # 步骤4：校验相似度阈值有效性 if not 0 <= similar <= 1: raise ValueError(f"相似度阈值必须在0到1之间，当前值：{similar}") try: # 步骤5：调用图片匹配算法（返回匹配坐标和匹配得分） match_position, match_score = self.quick_find( current_screenshot_path, target_image_path, similar=similar, loc="all", debug=debug ) print(f"匹配结果-坐标：{match_position}，得分：{match_score}") # 步骤6：判定是否匹配成功（坐标和得分均不为None） is_matched = (match_position is not None) and (match_score is not None) print(f"匹配结果：{is_matched}") return is_matched except Exception as e: print(f"图片匹配异常：{str(e)}") return False def quick_find(self,fp1: str, fp2: str,similar: float = 1,density: float = None,rect: tuple = None,loc: str = "all", debug: bool = False) -> any: """在背景图像中搜索目标图像的位置（核心功能：图像匹配）""" # -------------------- 调试模式初始化（可选计时） -------------------- if debug: # from time import time # 示例计时工具（可替换为自定义TS） # start_time = time() # 记录开始时间 print(f"此处废弃调试计时") # -------------------- 步骤1：加载背景图和目标图 -------------------- background_img = Image.open(fp1) # 加载背景图（待搜索的大图） target_img = Image.open(fp2) # 加载目标图（需要查找的小图） # -------------------- 步骤2：确定搜索区域 -------------------- bg_width, bg_height = background_img.size # 获取背景图尺寸（宽度, 高度） # 若未手动指定搜索区域rect，则根据loc自动计算默认区域（调用get_rect） if rect is None: rect = self.get_rect( width=bg_width, height=bg_height, loc=loc) # -------------------- 步骤3：预处理图像为数组 -------------------- # 注：img2arr可能是将PIL图像转为numpy数组的工具函数（需自定义实现） if rect: cropped_bg = background_img.crop(rect) else: cropped_bg = background_img background_arr = self.img2arr(cropped_bg) # 背景图数组 target_arr = self.img2arr(target_img) # 目标图数组 # -------------------- 调试模式：输出预处理耗时 -------------------- if debug: print(f"此处废弃调试计时") # -------------------- 步骤4：执行图像匹配 -------------------- # 调用核心匹配函数（假设find_arr是自定义匹配函数，需自行实现） return self.find_arr( im1=background_arr, im2=target_arr, similar=1, density=density, rect=rect, debug=False ) def get_rect(self,width: int, height: int, loc: str = "all", region_ratio: float = 0.5) -> tuple: """ 根据位置字符串计算背景图的搜索区域矩形坐标（适配quick_find的loc参数） """ center_x, center_y = width // 2, height // 2 half_w = int(width * region_ratio / 2) half_h = int(height * region_ratio / 2) if loc == "all": return (0, 0, width, height) elif loc == "top_left": return (0, 0, width // 2, height // 2) elif loc == "top_right": return (width // 2, 0, width, height // 2) elif loc == "bottom_left": return (0, height // 2, width // 2, height) elif loc == "bottom_right": return (width // 2, height // 2, width, height) elif loc == "center": return ( center_x - half_w, center_y - half_h, center_x + half_w, center_y + half_h ) else: raise ValueError( f"无效的loc参数：{loc}。\n" f"可选值：'all'（全图）、'top_left'（左上）、'top_right'（右上）、'bottom_left'（左下）、'bottom_right'（右下）、'center'（中心）" ) def img2arr(slef,img, rect=None, convert=True): """ 将图像转换为像素值的二维数组 参数: img: PIL.Image 对象，输入图像 rect: 元组 (x_start, y_start, x_end, y_end)，可选，指定要提取的矩形区域坐标 convert: 布尔值，是否将图像转换为灰度模式（默认True） 返回: 二维列表，每个元素是对应坐标的像素值（0-255） """ # 转换为灰度图（如果需要） if convert and img.mode != 'L': img = img.convert('L') # 'L' 表示8位灰度模式 # 获取图像尺寸（宽、高） width, height = img.size # 加载像素访问对象（用于获取具体坐标的像素值） pixels = img.load() # 情况1：需要提取指定矩形区域的像素 if rect: x_start, y_start, x_end, y_end = rect # 解包矩形区域坐标 # 遍历y轴范围（高度方向），再遍历x轴范围（宽度方向） return [ [ pixels[x, y] # 获取坐标(x, y)的像素值 for x in range(width) # 遍历图像宽度方向所有x坐标 if x_start <= x <= x_end # 仅保留x在指定区域内的像素 ] for y in range(height) # 遍历图像高度方向所有y坐标 if y_start <= y <= y_end # 仅保留y在指定区域内的像素 ] # 情况2：无矩形区域，返回全图像素数组 return [ [ pixels[x, y] # 获取坐标(x, y)的像素值 for x in range(width) # 遍历宽度方向所有x坐标 ] for y in range(height) # 遍历高度方向所有y坐标 ] def find_arr(self,im1, im2, similar=1, density=None, rect=None, debug=False): """ 在主图像数组中查找模板图像的位置（基于像素匹配的定位算法） 参数: im1: 二维列表，主图像的像素数组（行×列结构） im2: 二维列表，待查找的模板图像的像素数组（行×列结构） similar: 相似度阈值（0-1之间），值越大要求匹配越严格（默认1） density: 元组(density_x, density_y)，采样密度参数（控制匹配时的采样点数） rect: 元组(x_start, y_start, x_end, y_end)，可选，限制搜索区域的矩形框 debug: 布尔值，是否开启调试模式（打印耗时等信息，默认False） 返回: (相似度, 位置元组) 或 (None, None) 位置元组格式: (x1, y1, x2, y2) 表示模板在主图中的左上和右下坐标 """ # 调试模式：记录开始时间 if debug: print(f"此处废弃调试计时") # -------------------- 初始化基础参数 -------------------- template_width = len(im2[0]) # 模板图像的宽度（列数） template_height = len(im2) # 模板图像的高度（行数） # 主图像中模板可滑动的最大横向/纵向位置数（避免越界） max_x = len(im1[0]) - template_width + 1 # 横向最大起始x坐标范围 max_y = len(im1) - template_height + 1 # 纵向最大起始y坐标范围 # -------------------- 处理采样密度 -------------------- # 采样密度：控制匹配时的采样点数（密度越大，采样点越少，计算越快） if not density: # 未指定密度时，通过工具类获取默认采样密度（假设返回横向/纵向的位移位数） density_x, density_y = self.get_density(template_width, template_height) else: density_x, density_y = density # 使用用户指定的密度参数 # 计算采样步长（通过右移操作实现降采样） step_y = template_height >> density_y # 纵向采样步长（行数方向） step_x = template_width >> density_x # 横向采样步长（列数方向） total_samples = step_y * step_x # 总采样点数（用于计算相似度） max_fail = (1 - similar) * total_samples # 最大允许不匹配点数（超过则判定不匹配） # 调试模式：打印采样参数 if debug: print(f"denXX: {step_x}; denYY: {step_y}; total: {total_samples}") print(f"maxFailNum {max_fail}") # -------------------- 搜索超时控制（5分钟） -------------------- start_time = time.time() timeout = start_time + 5 * 60 # 最大允许运行时间5分钟 # -------------------- 遍历主图像所有可能的位置 -------------------- # 外层循环：纵向遍历主图像（y坐标范围） for y in range(max_y): # 内层循环：横向遍历主图像（x坐标范围） for x in range(max_x): # 超时检测 if time.time() > timeout: return None, None # 超时返回空 mismatch = 0 # 当前位置的不匹配点数计数 is_match = True # 是否匹配的标记 # 遍历所有采样点（纵向×横向） for sample_y in range(step_y): for sample_x in range(step_x): # 计算采样点在模板中的实际坐标（通过左移还原原始位置） template_x = sample_x << density_x # 模板中的列坐标 = 采样x × 2^density_x template_y = sample_y << density_y # 模板中的行坐标 = 采样y × 2^density_y # 获取模板采样点的像素值 template_pixel = im2[template_y][template_x] # 获取主图像对应位置的像素值（主图起始位置(x,y) + 模板偏移(template_x, template_y)） main_pixel = im1[y + template_y][x + template_x] # 像素不匹配时计数 if main_pixel != template_pixel: mismatch += 1 # 超过最大允许不匹配数时，提前终止检查 if mismatch >= max_fail: is_match = False break if not is_match: break # 内层循环提前终止 # 匹配成功时返回结果 if is_match: # 调试模式：记录结束时间 if debug: print(f"此处废弃调试计时") # 处理区域限制（rect参数）：调整返回的位置坐标 if rect: x_start, y_start, x_end, y_end = rect # 最终位置 = 原始位置 + rect的偏移量 return ( 1 - (mismatch / total_samples), # 相似度 = 1 - 不匹配率 ( x + x_start, # 左上角x坐标 y + y_start, # 左上角y坐标 x + template_width + x_start, # 右下角x坐标 y + template_height + y_start # 右下角y坐标 ) ) else: # 无区域限制时直接返回原始位置 return ( 1 - (mismatch / total_samples), (x, y, x + template_width, y + template_height) ) # 调试模式：记录结束时间 if debug: print(f"此处废弃调试计时") # 遍历完所有位置未找到匹配 return None, None def get_density(self,width, height, maxWNum=4, maxHNum=4): """ 计算图像匹配时的横向/纵向采样密度（通过右移次数控制采样点数） 核心逻辑： 通过循环右移操作（等价于不断除以2取整），将图像的宽/高缩小到不超过maxWNum/maxHNum， 最终返回需要右移的次数（即密度参数）。该参数用于控制匹配时的采样间隔。 参数: width: 原始图像的宽度（列数） height: 原始图像的高度（行数） maxWNum: 横向最大允许采样点数（默认4） maxHNum: 纵向最大允许采样点数（默认4） 返回: (density_x, density_y): 横向/纵向的采样密度（右移次数） """ # 初始化密度参数（右移次数） density_x, density_y = 0, 0 # -------------------- 计算横向采样密度 -------------------- # 当宽度超过maxWNum时，持续右移（每次右移1位，即宽度减半） while width > maxWNum: density_x += 1 # 右移次数+1（密度增加） width = int(width >> 1) # 宽度右移1位（等价于整除2） # -------------------- 计算纵向采样密度 -------------------- # 当高度超过maxHNum时，持续右移（每次右移1位，即高度减半） while height > maxHNum: density_y += 1 # 右移次数+1（密度增加） height = int(height >> 1) # 高度右移1位（等价于整除2） return density_x, density_y