我没有按照引用文章的思路，我是把背景图片缺口部分转成白色，其余部分全黑，然后滑块图片全白，再计算距离，准确很多。
- 背景图片:
- 滑块图片:
- 代码部分:
import cv2
import base64
import numpy as np
template = cv2.imread("template.jpg", cv2.IMREAD_UNCHANGED)
block = cv2.imread("block.jpg", cv2.IMREAD_UNCHANGED)
# 转成灰度照片
block = cv2.cvtColor(block, cv2.COLOR_BGR2GRAY)
template = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
# 将灰度图中大于0的像素点变为白色（滑块图片全部变成白色）
ret, block = cv2.threshold(block,0,255,cv2.THRESH_BINARY)
# 将灰度图中大于245的像素点变为白色，小于245的像素点变为黑色（背景图片缺口部分变成白色，其余全黑）
ret, template = cv2.threshold(template,245,255,cv2.THRESH_BINARY)
# 数据类型转换为float32
block = block.astype(np.float32)
template = template.astype(np.float32)
# 计算距离
result = cv2.matchTemplate(block,template,cv2.TM_CCOEFF_NORMED)
x, y = np.unravel_index(result.argmax(),result.shape)
print('x坐标为：%d'%(y))