自动化装备处理系统

从游戏截图到最终表格的完全自动化处理。

快速开始

一键启动（推荐）

双击 start.bat 文件即可启动完整的自动化处理流程

命令行启动

python auto_equipment_processor.py

自动化流程：

1. 环境检查 - 验证依赖和配置
2. 截图裁剪 - 从游戏截图提取装备图标
3. 装备匹配 - 使用LAB色彩空间匹配装备
4. OCR识别 - 识别金额信息生成表格

功能特点：

• ✅ 完全自动化，一键处理
• ✅ 从截图到表格的完整流程
• ✅ 生成CSV数据表格
• ✅ 详细的处理报告

输出位置： output/ocr/

• CSV表格文件 - 匹配和识别结果
• 处理报告 - 详细的处理过程记录

项目结构

项目根目录/
├── src/                          # 核心源代码目录
│   ├── core/                     # 核心业务逻辑
│   │   ├── equipment_recognizer.py      # 装备识别器主模块
│   │   ├── screenshot_cutter.py         # 截图切割工具
│   │   ├── main.py                      # 主程序入口
│   │   ├── feature_matcher.py           # 特征匹配器
│   │   └── enhanced_feature_matcher.py  # 增强特征匹配器
│   ├── logging/                   # 日志系统
│   │   ├── unified_logger.py        # 统一日志管理器
│   │   ├── step_logger.py          # 步骤日志记录器
│   │   ├── node_logger.py          # 节点日志记录器
│   │   └── report_generator.py     # 报告生成器
│   ├── ocr/                      # OCR功能
│   │   ├── enhanced_ocr_recognizer.py  # 增强OCR识别器（支持中文路径）
│   │   ├── csv_record_manager.py       # CSV记录管理器
│   │   └── file_renamer.py            # 文件重命名工具
│   ├── preprocessing/             # 预处理
│   │   ├── enhanced_preprocess_start.py  # 增强预处理启动
│   │   ├── base_equipment_preprocessor.py  # 基准装备预处理器
│   │   ├── background_remover.py      # 背景移除器
│   │   ├── enhancer.py               # 图像增强器
│   │   └── resizer.py               # 图像缩放器
│   ├── cache/                    # 缓存
│   │   ├── feature_cache_manager.py  # 特征缓存管理器
│   │   └── build_feature_cache.py   # 特征缓存构建
│   ├── config/                   # 配置管理
│   │   ├── config_manager.py       # 配置管理器
│   │   └── ocr_config_manager.py   # OCR配置管理器
│   └── utils/                    # 工具函数
│       ├── path_manager.py         # 路径管理器
│       ├── background_mask.py      # 背景掩码工具
│       └── image_hash.py          # 图像哈希工具
├── config/                       # 配置目录
│   └── unified_config.json       # 统一配置文件
├── docs/                         # 文档目录
├── step_tests/                   # 步骤测试脚本
│   ├── 1_helper.py              # 辅助函数
│   ├── 2_cut.py                 # 截图切割
│   ├── 3_match.py               # 装备匹配
│   └── 5_ocr.py                 # OCR金额识别（主要功能）
├── output/                       # 输出目录（自动生成）
│   ├── ocr/                      # OCR输出目录
│   └── matching/                 # 装备匹配输出目录
├── output_enter_image/          # 图像输入目录
│   ├── base_equipment/          # 基准装备图像
│   ├── game_screenshots/        # 游戏截图
│   ├── equipment_crop/          # 切割后的金额图像
│   ├── equipment_transparent/   # 透明背景装备图
│   └── feature_cache/           # 装备特征缓存
├── requirements.txt              # 依赖包列表
└── README.md                    # 项目说明

环境要求

• Python 3.8+
• OpenCV
• EasyOCR
• NumPy
• Pillow

安装依赖

pip install -r requirements.txt

核心功能

1. OCR金额识别（主要功能）

功能说明：

• 自动识别游戏装备图片中的金额
• 支持包含中文字符的文件路径
• 每次运行自动清空旧数据
• 生成CSV和报告文件

使用方法：

python step_tests\5_ocr.py

输入： images/equipment_crop/ 目录中的图片 输出： output/ocr/ 目录

• CSV文件：包含文件名、金额、置信度
• 报告文件：包含处理摘要和详细结果
• 日志文件：包含完整的调试信息

技术特点：

• 使用EasyOCR引擎进行文本识别
• 支持多种预处理配置的回退机制
• 自动调整置信度阈值以提高识别率
• 使用np.fromfile + cv2.imdecode支持中文路径

2. 装备识别

支持多种算法：

• dHash算法
• 特征匹配
• 高级模板匹配

3. 截图切割

自动识别并切割游戏截图中的装备区域。

4. 特征缓存

预计算和缓存基准装备特征，提升识别性能。

配置说明

主要配置文件：

• config/unified_config.json - 统一配置文件

配置节包括：

• recognition - 识别算法配置
• preprocessing - 图像预处理配置
• ocr - OCR识别配置
• paths - 路径配置
• logging - 日志配置

技术架构

• 模块化设计：各功能模块职责清晰
• 多算法支持：可根据需要选择不同的识别算法
• 统一日志系统：便于调试和问题追踪
• 特征缓存：提升识别性能
• 中文路径支持：完美支持包含中文字符的文件路径

问题修复记录

OCR中文路径支持

问题： OpenCV的cv2.imread()无法读取包含中文字符的路径

解决方案： 在src/ocr/enhanced_ocr_recognizer.py中使用np.fromfile + cv2.imdecode替代cv2.imread()

# 支持中文路径的图像读取
image_array = np.fromfile(image_path, dtype=np.uint8)
image = cv2.imdecode(image_array, cv2.IMREAD_COLOR)

OCR识别优化

优化： 跳过背景掩码处理，直接对原始图像进行OCR识别

效果： 识别成功率从0%提升到100%

路径结构重构 (2025-11-26)

问题： 项目中存在多个不一致的路径引用，导致运行时找不到目录

修复内容：

1. 输出目录统一化

   • OCR输出：ocr_output/ → output/ocr/
   • 匹配输出：output/matching/
   • 特征缓存：images/feature_cache/ → output_enter_image/feature_cache/

2. 修复文件重复问题

   • 问题：step_tests/3_match_cached.py 中文件加载导致重复输出
   • 原因：Windows文件系统大小写不敏感，但glob()同时搜索大小写扩展名
   • 解决：使用set()去重

3. 修正CSV保存路径

   • 问题：匹配结果CSV保存到错误的 output_enter_image/equipment_transparent/ 目录
   • 解决：修正为 output/matching/ 目录

4. 更新所有脚本和文档

   • step_tests/3_match.py, step_tests/3_match_cached.py - 默认路径
   • build_cache.py - ��助文档示例
   • demo/test_cache_match.py - 测试脚本路径
   • 所有文档文件中的路径引用

效果： 消除了路径不一致导致的运行错误，项目结构更加清晰

匹配状态显示优化 (2025-11-26)

问题： 只有高置信度匹配的文件才会显示，低置信度文件被忽略

改进： 修改 step_tests/3_match.py 的重命名逻辑，现在显示所有文件的匹配状态

新增功能：

• 显示所有文件的匹配状态表格
• 包含文件名、匹配装备、置信度得分、状态信息
• 高置信度（>90%）显示"已匹配"，其他显示"未匹配"
• 保持原有文件重命名功能

输出示例：

所有文件匹配状态：
--------------------------------------------------------------------------------
文件名                       匹配装备                 置信度得分      状态
--------------------------------------------------------------------------------
01_circle.png             yulescroll             58.1% 未匹配
02_circle.png             zweihander             62.7% 未匹配
03_circle.png             yggdrasilbranch        92.1% 已匹配
--------------------------------------------------------------------------------

故障排除

常见问题

1. "基准图像目录不存在"错误

   • 原因： 使用了旧的路径或运行了错误的脚本版本
   • 解决： 确保使用 3_match.py 或 3_match_cached.py，它们会自动使用正确的 output_enter_image/base_equipment 路径

2. 输出文件重复

   • 原因： Windows文件系统大小写不敏感导致的文件重复加载
   • 解决： 已在最新版本中修复，使用 set() 去重

3. CSV文件保存位置错误

   • 原因： 旧版本将匹配结果保存到输入目录
   • 解决： 新版本将所有匹配结果保存到 output/matching/ 目录

4. 缓存文件位置错误

   • 原因： 特征缓存保存到了 images/feature_cache/
   • 解决： 新版本缓存位置为 output_enter_image/feature_cache/

推荐使用方式

单步运行：

# 装备匹配（带完整状态显示）
python step_tests/3_match.py

# 装备匹配（缓存优化版）
python step_tests/3_match_cached.py

# OCR金额识别
python step_tests/5_ocr.py

缓存管理：

# 构建特征缓存
python build_cache.py output_enter_image/base_equipment

# 强制重建缓存
python build_cache.py output_enter_image/base_equipment --force

注意事项

1. 确保输入图像路径正确
2. 首次运行会下载EasyOCR模型（需要网络连接）
3. OCR识别使用CPU模式，GPU模式可提升速度
4. 每次运行会自动清空output/ocr目录的旧数据

许可证

本项目仅供学习和研究使用。