前言

最近微信小游戲跳一跳大熱，自己也是中毒頗久，無奈手殘最高分只拿到200分。無意間看到教你用Python來玩微信跳一跳一文，在電腦上利用adb驅(qū)動(dòng)工具操作手機(jī)，詳細(xì)的介紹以及如何安裝adb驅(qū)動(dòng)可以去看這篇文章，這里就不再介紹了。但是原文每次跳躍需要手動(dòng)點(diǎn)擊，于是想嘗試?yán)脠D像處理的方法自動(dòng)化。
最重要的不是最終刷的分?jǐn)?shù)，而是解決這個(gè)問題的過程?；艘粋€(gè)下午嘗試各種方法，最終采用opencv的模板匹配+邊緣檢測(cè)，方法很簡(jiǎn)單但效果很好。
本文主要分享如何用Opencv對(duì)游戲截圖進(jìn)行檢測(cè)，自動(dòng)找到小人和跳躍目標(biāo)點(diǎn)的位置，計(jì)算跳躍距離，從而讓電腦幫你玩跳一跳游戲！

本文的代碼見https://github.com/moneyDboat/wechat_jump_jump，歡迎fork和star～

主要使用的Python庫(kù)及對(duì)應(yīng)版本：

python 3.6
opencv-python 3.3.0
numpy 1.13.3

Opencv

首先介紹下opencv，是一個(gè)計(jì)算機(jī)視覺庫(kù)，本文將用到opencv里的模板匹配和邊緣檢測(cè)功能。

模板匹配

模板匹配是在一幅圖像中尋找一個(gè)特定目標(biāo)的方法之一。這種方法的原理非常簡(jiǎn)單，遍歷圖像中的每一個(gè)可能的位置，比較各處與模板是否“相似”，當(dāng)相似度足夠高時(shí)，就認(rèn)為找到了我們的目標(biāo)。
例如提供小人的模板圖片

import cv2
import numpy as np

# imread()函數(shù)讀取目標(biāo)圖片和模板
img_rgb = cv2.imread("0.png", 0)
template = cv2.imread('temp1.jpg', 0)

# matchTemplate 函數(shù)：在模板和輸入圖像之間尋找匹配,獲得匹配結(jié)果圖像 
# minMaxLoc 函數(shù)：在給定的矩陣中尋找最大和最小值，并給出它們的位置
res = cv2.matchTemplate(img_rgb,template,cv2.TM_CCOEFF_NORMED)
min_val,max_val,min_loc,max_loc = cv2.minMaxLoc(res)

使用OpenCV的matchTemplate函數(shù)，就能找到中小人的位置。小人的檢測(cè)效果非常好，每次都能識(shí)別得很精確。

觀察到小人跳到物塊中心之后，下一個(gè)物塊中心就會(huì)出現(xiàn)白色小圓點(diǎn)，同樣可以匹配圖中白色小圓點(diǎn)，從而獲得跳躍目標(biāo)點(diǎn)的坐標(biāo)，計(jì)算跳躍的距離。

但是只匹配小圓點(diǎn)獲得跳躍目標(biāo)位置會(huì)出現(xiàn)問題，因?yàn)橛行┪飰K本身就是白色的，導(dǎo)致檢測(cè)失敗，所以我們?cè)跈z測(cè)失?。０迤ヅ涞南嗨贫群艿停┑那闆r下采用邊緣檢測(cè)。

邊緣檢測(cè)

邊緣檢測(cè)顧名思義就是檢測(cè)圖片中的邊緣，使用opencv中的cv2.Canny函數(shù)。
跳一跳的畫面很簡(jiǎn)潔，所以邊緣檢測(cè)的效果很好。檢測(cè)出邊緣后，從上至下掃描圖片就能找到下一個(gè)物塊的大致位置。

img = cv2.imread('1.png', 0)

# 先做高斯模糊能夠提高邊緣檢測(cè)的效果
img = cv2.GaussianBlur(img,(5,5),0) 
canny = cv2.Canny(img, 1, 10) 

總結(jié)

以上就是用OpenCV讓電腦幫你玩跳一跳的整體思路，還有很多細(xì)節(jié)之后再補(bǔ)充，具體的流程見https://github.com/moneyDboat/wechat_jump_jump中的play.py文件，我已經(jīng)盡力將代碼注釋寫得詳盡。
電腦上安裝好adb驅(qū)動(dòng)和相關(guān)的Python庫(kù)，手機(jī)通過數(shù)據(jù)線連接電腦，運(yùn)行play.py，接下來你就可以刷刷劇吃吃零食，然后讓電腦幫你刷分啦～

這是我自己的結(jié)果截圖，自動(dòng)刷到1000分以上是沒有問題的。

還有很多不完善的地方，例如屏幕分辨率適配等，如果有什么更好的想法和建議，歡迎評(píng)論共同探討～～

更多內(nèi)容大家可以參考專題《微信跳一跳》進(jìn)行學(xué)習(xí)。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論