# 合并图印花内容匹配设计

## 1. 文档定位

本文档记录一个独立小工具需求：给定一张衣服图片（通常是已经合成好的效果图）和一个印花目录，通过图像内容匹配找出这张衣服图中最可能使用的是哪一张印花。

该需求不同于 `match_stamp.py` 当前的文件名后缀匹配。文件名匹配依赖 `1_TY037.png -> TY037.png` 这种命名规则；本文档讨论的是**即使不知道文件名编码，也从图片内容上匹配印花**。

第一阶段先做独立脚本验证，不接入 GUI，不改现有添加印花 / AI 穿搭流程。

## 2. 输入与输出

输入：

- `MERGED_IMAGE`：一张衣服图片，可理解为合并后的图片，例如 `output\20260623_094529\TY037\1_TY037.png`。
- `STAMP_DIR`：印花图片目录，例如 `D:\chengma\印花和底图\已处理印花\卡通71（66大码200斤 KEKE已上）\横1`。

输出：

- 不保存 CSV。
- 直接 `print` 匹配结果。
- 默认打印最佳匹配和 Top N 候选，例如：

```text
Best match:
score: 0.9231
stamp: D:\...\TY037.png
location: x=412, y=286
scale_x: 0.38
scale_y: 0.30
aspect_y: 0.80
size: 128x96

Top 5:
1. 0.9231  TY037.png
2. 0.6112  TY049.png
...
```

## 3. 方案比较

### 3.1 纯文件名匹配

按 `1_TY037.png` 提取 `TY037`，再找 `TY037.png`。

优点：

- 最快、最稳定。
- 不依赖图像算法。

缺点：

- 只能在命名规则可靠时使用。
- 不满足当前“根据图片内容找印花”的需求。

### 3.2 OpenCV `matchTemplate`

把每张印花当模板，在衣服图中滑动匹配，取最高相关分。

优点：

- 实现简单。
- 能输出匹配位置、分数、缩放尺寸。
- 对数字合成图比较有效。

缺点：

- 对缩放敏感，需要多尺度搜索。
- 对宽高不等比例变形敏感，例如印花原图 `1000x1000` 合成时被改成 `1000x800`，只做等比例缩放时分数会下降。
- 对旋转、透视、明显变色不够稳。
- 背景透明 PNG 需要使用 alpha mask，否则透明区域会干扰分数。

### 3.3 边缘辅助匹配

把合并图和印花都转成边缘图，再做匹配，用来辅助模板匹配分数。

优点：

- 对颜色变化更稳。
- 可减少纯颜色差异造成的误判。

缺点：

- 衣服纹理、褶皱和背景也会产生边缘，可能带来误匹配。
- 不能单独作为唯一判断，更适合作为辅助分数。

### 3.4 ORB / SIFT 特征点匹配

提取局部特征点，再做特征匹配。

优点：

- 理论上更能抗缩放和旋转。

缺点：

- 很多印花是卡通、大色块、线条少，特征点可能不足。
- 结果不如模板匹配直观，调参成本更高。

### 3.5 深度特征 / CLIP

用图像 embedding 比较相似度。

优点：

- 对变形、颜色变化和局部差异更鲁棒。

缺点：

- 依赖模型，部署重。
- 不适合当前“独立脚本快速验证”阶段。

## 4. 推荐方案

第一版采用：

```text
多尺度模板匹配 + 有限宽高比变形 + alpha mask + 边缘辅助分数
```

处理流程：

1. 读取 `MERGED_IMAGE`。
2. 遍历 `STAMP_DIR` 下所有支持图片。
3. 对每张印花保留 alpha 通道；如果没有 alpha，则按整张图参与匹配。
4. 对印花做多尺度缩放，例如 `0.10 ~ 2.00`。
5. 在每个基础缩放比例上，再尝试有限的宽高比变形，例如：

```text
aspect_y: 0.60 / 0.70 / 0.80 / 0.90 / 1.00 / 1.10 / 1.20
scale_x = scale
scale_y = scale * aspect_y
```

示例：原印花 `1000x1000`，合成后变为 `1000x800`，可由 `scale_x=1.00`、`scale_y=0.80`、`aspect_y=0.80` 覆盖。

6. 每个 `scale_x / scale_y` 组合执行一次 `cv2.matchTemplate`：
   - RGB 彩色分数：主分数，比灰度分数更能区分颜色相近但内容不同的印花。
   - alpha mask：忽略透明区域。
   - 边缘图分数：辅助分数。
7. 计算综合分：

```text
综合分 = 0.75 * 模板匹配分 + 0.25 * 边缘匹配分
```

8. 保存每张印花的最佳结果：分数、位置、`scale_x`、`scale_y`、`aspect_y`、匹配尺寸。
9. 按综合分排序并 `print` Top N。

不建议直接暴力搜索完整的 `scale_x × scale_y` 网格，因为运行量会明显放大。优先采用“基础 scale + 少量 aspect_y 候选”的方式，覆盖常见压扁 / 拉伸场景，同时控制耗时。

先不做旋转搜索。若实际发现印花经常旋转，再增加角度搜索，例如 `-30° ~ 30°`，但运行会明显变慢。

### 4.1 宽高不等比例变形说明

合并衣服和印花时，如果用户或模板把印花宽高分别设置为不同数值，原始印花可能发生非等比例变形。例如：

```text
原始印花：1000x1000
合成尺寸：1000x800
```

这种情况下，只搜索单个 `scale` 的版本不够稳。因为等比例搜索只能生成：

```text
800x800
1000x1000
1200x1200
```

无法直接生成 `1000x800`。因此后续代码应支持独立的 `scale_x` 和 `scale_y`，但搜索范围应保持克制：

- 继续保留基础 `scale`，控制整体尺寸。
- 增加少量 `aspect_y` 候选，控制高度相对宽度的压缩 / 拉伸。
- 默认不做所有 `scale_x × scale_y` 组合，避免每张印花匹配次数过多。

输出也应从单一：

```text
scale: 0.38
```

改为：

```text
scale_x: 0.38
scale_y: 0.30
aspect_y: 0.80
```

这样可以直接看出匹配结果是否依赖宽高不等比例变形。

## 5. 第三方库

最小依赖：

- `opencv-python`：模板匹配、灰度转换、缩放、边缘检测。
- `numpy`：OpenCV 图像数组处理。

建议依赖：

- `Pillow`：用于读取 Windows 中文路径图片，再转成 `numpy` 数组，避免 OpenCV 在中文路径上不稳定。

当前开发机已确认可用：

```text
cv2: 可用
numpy: 可用
PIL: 可用
```

如果后续需要把脚本交给其它机器使用，需要补充安装说明，或把 `opencv-python` / `numpy` 写入独立工具依赖说明。是否纳入项目 `requirements.txt` 需另行决定；当前阶段先不改项目依赖。

## 6. 独立脚本约束

- 脚本不引用 cmbot 现有代码。
- 脚本不修改、移动、删除原始图片或合并图片。
- 第一版只 `print` 结果，不写 CSV、不写 Excel。
- 支持 Windows 中文路径。
- 默认只处理一张 `MERGED_IMAGE`；批量目录匹配可作为后续扩展。

## 7. 验收要点

- 给定 `1_TY037.png` 和包含 `TY037.png` 的印花目录，Top 1 应优先命中 `TY037.png`。
- 能打印 Top N 候选、综合分、模板分、边缘分、匹配坐标、`scale_x`、`scale_y`、`aspect_y`。
- 对透明 PNG 能忽略透明区域，不让透明背景参与匹配。
- 对 `1000x1000 -> 1000x800` 这类非等比例变形，能通过 `aspect_y=0.80` 附近候选提高匹配稳定性。
- 找不到可靠匹配时仍打印 Top N，并提示分数偏低，便于人工判断。