我正在使用具有 CUDA / CUBLAS / CUFFT 支持的 OpenCV 在灰度屏幕截图上执行一些非常基本的模板匹配以提取一些文本，这意味着我可以假设以下内容：
我确实知道我试图匹配的原始精灵的确切大小、颜色和旋转，即，我可以访问在观察程序的渲染过程中使用的纹理。
然而，由于精灵是部分透明的，正常的模板匹配通过cv::(gpu::)matchTemplate（使用规范互相关）不能正常工作，因为透明区域的偏差对整体相关性有太大的负面影响。
基本上这些例子很好地总结了我想要实现的目标：
给定要匹配的模板及其 alpha 掩码：
我希望对这样的图像进行高到接近 100% 的匹配（任意背景、透明区域中的随机内容、部分遮挡）：
然而，像这样的图像应该只产生非常低的百分比（错误的颜色，全黑）：
目前我正在使用边缘检测来获得一些不错的匹配（Canny + 互相关），但正如您所看到的，根据背景，图像中可能存在也可能不存在边缘，这会产生不可靠的结果并且通常非常匹配“前卫”的领域。
我做了一些数学运算，得出了一个依赖于 alpha 的标准化互相关（基本上将 alpha 掩码预乘到模板和图像上），它在纸上运行良好，但几乎不可能以良好的性能实现。是的，性能确实是一个问题，因为多个精灵 (~10) 必须以近乎实时的方式 (~10 FPS) 匹配以跟上程序的速度。
我有点想不通了。有什么标准的方法吗？有什么想法或建议吗？
