1、Sikuli X:建议使用java调用，底层也是基于OpenCV实现
（1）开源的基于PC端图像识别处理的自动化工具。
（2）使用jython格式编程语言
（3）大多数依赖于被测试程序的类型而进行特征识别（属性识别），但是面对不同的程序类型，而无法有效的处理。但是图像处理可以不需要依赖程序类型。
提供的核心类：Screen，Region
Screen：对全屏进行识别，效率较低
Region：解决界面部分区域的识别，效率更高
图像识别的原理：模板匹配
核心思路：用小图去匹配大图里的位置，返回小图在大图中匹配成功的坐标位置，然后将鼠标移至该位置，并进行相应的操作，并根据页面的反馈，进行相应的判断。
（1）对需要操作的目标对象进行截图，得到一张小图并进行保存（手动截图放置ide下的图片文件夹中）
（2）对当前屏幕进行截屏，获得一张大图，可以保存，也可以在内存中引用。（使用Robot对象截图，返回BufferedImage;使用int[weight][height]=bufferImage.getRGB()获取像素点值）
（3）利用模板匹配，在大图中，按像素对小图片进行滑动，找到小图片所在的位置。（见下方图像滑动的算法）
对该坐标位置（X,Y）加上小图片的调试的一半（H），宽度的一半（W），得到小图片的中心位置，就是我们要操作的坐标（X+Y，W+H）
（5）将鼠标移至该坐标，进行相应操作（点击、右键等）
特点：由于是基于像素匹配，所以，如果界面风格发生变化，可能出现识别不到的情况。
（1）通过相同像素点的占比来决定，（2）通过像素点的RGB值的容错范围，如：200，150，180 ，容错范围在10%以内
图像滑动的算法：
（a）遍历x,y方向，获取大图和小图的像素点的值
（b）先查找小图的4个顶点，可以减少一些无效的匹配。（x,y如果对应左上角顶点。1、x+小图的宽度，y不变，可以得到小图右上角的顶点。2、y+小图的高度，x不变，可以得到小图左下角的顶点.。3、x+小图的宽度，y+小图的高度，可以得到小图右下角的顶点）
（c）还可以查找小图的中心点，再次减少一些无效的匹配（x+小图宽度的一半，y+小图高度的一半，得到中心点）
（d）当然，也可以查找一些其他的具体位置的点
缺点：对像素要求较高，图片的分辨率及色彩，可能一台机器上可以，另一台机器上就不行，需要重新截图，只能检测当前页面显示的内容，后台进程无法操作
OpenCV 是一套开源的计算机视觉库，是一套C++开发的代码库，并提供了java和python的接口。
