滑块验证图片匹配

    bg_w, bg_h, bg_ch, bg_rows = decode_png(bg_path)
    bk_w, bk_h, bk_ch, bk_rows = decode_png(block_path)
    if bg_ch != 3:
        raise ValueError("background.png 需要是 RGB 图")
    if bk_ch != 4:
        raise ValueError("block.png 需要是 RGBA 图")

    bg_gray = to_gray(bg_rows, bg_ch)
    bk_gray = to_gray(bk_rows, bk_ch)
    bk_mask = alpha_mask(bk_rows, bk_ch)
    tpl_gray, tpl_mask = crop_by_mask(bk_gray, bk_mask)

    bg_edges = edge_map(bg_gray)
    tpl_edges = edge_map(tpl_gray)

    x, y, score = find_best_position(bg_edges, tpl_edges, tpl_mask)

    print(f"背景图尺寸: {bg_w}x{bg_h}")
    print(f"滑块图尺寸: {bk_w}x{bk_h}")
    print(f"缺口左上角坐标: (, {y})")
    print(f"建议滑动距离(像素): ")
    print(f"匹配误差(越小越好): {score:.2f}")


if __name__ == "__main__":
    main()

核心原理

本质是：把滑块图当“模板”，在背景图里滑动对比，找到误差最小的位置。

参考实现都在
main.py

分步骤对应你看到的图片

1. step_01 灰度化
   把 RGB 转灰度，减少颜色维度干扰，只保留亮度结构。
2. step_02 Alpha 掩码
   从 block.png 的透明通道提取有效像素（非透明=1，透明=0），只比较有意义区域。
3. step_03 背景边缘图
   对背景灰度图做简易梯度（和左/上像素差分），突出轮廓。
4. step_04 模板边缘图
   对裁剪后的滑块模板做同样边缘处理，保证比较口径一致。
5. 模板匹配（关键）
   在背景每个候选 (x,y) 上，按掩码点计算 SSE 误差：
   [
   score(x,y)=\frac{1}{N}\sum (bg\_edgey+py-tpl\_edgepy)^2
   ]
   取 score 最小的位置作为缺口位置。
6. step_05 / step_06 可视化
   step_05 画匹配框；step_06 把滑块半透明叠加到匹配位置，验证直观效果。