dim5x

import asyncio
from winrt.windows.ui.notifications.management import UserNotificationListener
from winrt.windows.ui.notifications import KnownNotificationBindings

async def notification_handler(listener, seen_notifications):
    print("Слушатель уведомлений запущен. Ожидание новых уведомлений...")

    # Бесконечно слушаем уведомления
    while True:
        try:
            # Получение всех текущих уведомлений
            notifications = await listener.get_notifications_async(0)

            for notification in notifications:
                notification_id = notification.id  # Получаем уникальный ID уведомления

                # Проверяем, было ли это уведомление уже обработано
                if notification_id not in seen_notifications:
                    seen_notifications.add(notification_id)  # Добавляем ID в множество обработанных уведомлений

                    try:
                        # Получение информации об уведомлении
                        app_name = notification.app_info.display_info.display_name
                        binding = notification.notification.visual.get_binding(KnownNotificationBindings.get_toast_generic())
                        if binding:
                            text_elements = binding.get_text_elements()
                            title = text_elements[0].text if len(text_elements) > 0 else "Без заголовка"
                            body = text_elements[1].text if len(text_elements) > 1 else "Без текста"
                            print(f"Новое уведомление!")
                            print(f"Приложение: {app_name}")
                            print(f"Заголовок: {title}")
                            print(f"Текст: {body}")
                            print("-" * 50)

                           # Проверяем что ув. от нужного приложения и делаем всякое нужное с ним.

                    except Exception as e:
                        print(f"Ошибка при обработке уведомления: {e}")

            # Задержка перед следующим циклом
            await asyncio.sleep(1)

        except Exception as e:
            print(f"Ошибка при получении уведомлений: {e}")
            await asyncio.sleep(5)  # Задержка перед повторной попыткой в случае ошибки

async def main():
    # Получение текущего слушателя уведомлений
    listener = UserNotificationListener.get_current()

    # Смотрим есть ли разрешение на доступ к уведомлениям. Если нет, лезем в настройки уведомлений.
    access_status = await listener.request_access_async()
    if access_status != 1:
        print("Нет разрешения на доступ к уведомлениям. Проверьте настройки конфиденциальности.")
        return

    seen_notifications = set()  # Множество для хранения ID уже обработанных уведомлений
    await notification_handler(listener, seen_notifications)

if __name__ == "__main__":
    asyncio.run(main())

import cv2
import numpy as np

def find_and_draw_template(template_path, original_image_path):
    # Загрузка шаблона
    template = cv2.imread(template_path)
    template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)

    # Создание объекта ORB
    orb = cv2.ORB_create()
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

    # Обнаружение ключевых точек и вычисление дескрипторов для шаблона
    keypoints_template, descriptors_template = orb.detectAndCompute(template_gray, None)

    # Обработка изображения
    image = original_image_path.copy()
    image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # Обнаружение ключевых точек и вычисление дескрипторов для изображения
    keypoints_image, descriptors_image = orb.detectAndCompute(image_gray, None)

    # Сопоставление дескрипторов
    matches = bf.match(descriptors_template, descriptors_image)
    matches = sorted(matches, key=lambda x: x.distance)

    # Отладочная информация
    print(f"Общее количество найденных соответствий: {len(matches)}")

    # Отбор лучших соответствий
    good_matches = matches[:75]
    print(f"Количество хороших соответствий: {len(good_matches)}")

    # Проверка на наличие хороших соответствий
    if len(good_matches) >= 4:
        # Получение координат ключевых точек
        src_pts = np.float32([keypoints_template[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2)
        dst_pts = np.float32([keypoints_image[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2)

        # Нахождение матрицы гомографии
        M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)
        print("Гомография найдена.")

        # Получение углов шаблона
        h, w = template_gray.shape[:2]
        pts = np.float32([[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]).reshape(-1, 1, 2)

        # Преобразование углов шаблона
        dst = cv2.perspectiveTransform(pts, M)

        # Обводим рамкой найденные области
        image = cv2.polylines(image, [np.int32(dst)], isClosed=True, color=(0, 255, 0), thickness=3)
    else:
        print("Недостаточно хороших соответствий для нахождения гомографии.")

    return image

# Пример использования функции
template_file = 'LED.jpg'              # Шаблон
original_image_file = 'outputImage.jpg'  # Исходное изображение

# Загрузка и обработка изображения
original_image = cv2.imread(original_image_file)
result_image = find_and_draw_template(template_file, original_image)

# Масштабируем изображение для отображения - не обязательно, у меня не вмещалось в просмотр
scale_percent = 50  # Процент уменьшения размера
width = int(result_image.shape[1] * scale_percent / 100)
height = int(result_image.shape[0] * scale_percent / 100)
resized_image = cv2.resize(result_image, (width, height), interpolation=cv2.INTER_AREA)

# Отображение результата
cv2.imshow('Detected Templates', resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()