玩過電腦游戲的同學(xué)對于外掛肯定不陌生，但是你在用外掛的時候有沒有想過如何做一個外掛呢？（當(dāng)然用外掛不是那么道義哈，呵呵），那我們就來看一下如何用python來制作一個外掛。。。。

我打開了4399小游戲網(wǎng)，點開了一個不知名的游戲，唔，做壽司的，有材料在一邊，客人過來后說出他們的要求，你按照菜單做好端給他便好~ 為啥這么有難度？8種菜單記不清，點點就點錯，鼠標(biāo)還不好使肌肉勞損啥的傷不起啊……

首先要聲明，這里的游戲外掛的概念，和那些大型網(wǎng)游里的外掛可不同，不能自動打怪，不能喝藥不能躲避GM…… 那做這個外掛有啥用？問的好，沒用，除了可以浪費你一點時間，提高一下編程技術(shù)，增加一點點點點點點的做外掛的基礎(chǔ)以外，毫無用處，如果您是以制作一個驚天地泣鬼神不開則已一開立刻超神的外掛為目標(biāo)過來的話，恐怕要讓您失望了，請及早繞道。我的目的很簡單，就是自動玩這款小游戲而已。

工具的準(zhǔn)備

需要安裝autopy和PIL以及pywin32包。autopy是一個自動化操作的python庫，可以模擬一些鼠標(biāo)、鍵盤事件，還能對屏幕進行訪問，本來我想用win32api來模擬輸入事件的，發(fā)現(xiàn)這個用起來比較簡單，最厲害的是它是跨平臺的，請搜索安裝；而PIL那是大名鼎鼎了，Python圖像處理的No.1，下面會說明用它來做什么；pywin32其實不是必須的，但是為了方便（鼠標(biāo)它在自己動著呢，如何結(jié)束它呢)，還是建議安裝一下，哦對了，我是在win平臺上做的，外掛大概只有windows用戶需要吧？

截屏和圖像處理工具

截屏是獲取游戲圖像以供分析游戲提示，其實沒有專門的工具直接Print Screen粘貼到圖像處理工具里也可以。我用的是PicPick，相當(dāng)好用，而且個人用戶是免費的；而圖像處理則是為了獲取各種信息的，我們要用它得到點菜圖像后保存起來，供外掛分析判斷。我用的是PhotoShop… 不要告訴Adobe，其實PicPick中自帶的圖像編輯器也足夠了，只要能查看圖像坐標(biāo)和剪貼圖片就好餓了，只不過我習(xí)慣PS了~

編輯器

這個我就不用說了吧，寫代碼得要個編輯器??！俺用VIM，您若愿意用寫字板也可以……

原理分析

外掛的歷史啥的我不想說啦，有興趣請谷歌或度娘（注：非技術(shù)問題盡可以百度）。

看這個游戲，有8種菜，每種菜都有固定的做法，顧客一旦坐下來，頭頂上就會有一個圖片，看圖片就知道他想要點什么菜，點擊左邊原料區(qū)域，然后點擊一下……不知道叫什么，像個竹簡一樣的東西，菜就做完了，然后把做好的食物拖拽到客戶面前就好了。

顧客頭上顯示圖片的位置是固定的，總共也只有四個位置，我們可以逐一分析，而原料的位置也是固定的，每種菜的做法更是清清楚楚，這樣一來我們完全可以判斷，程序可以很好的幫我們做出一份一份的佳肴并奉上，于是錢滾滾的來：）

autopy介紹

github上有一篇很不錯的入門文章，雖然是英文但是很簡單，不過我還是摘幾個這次用得到的說明一下，以顯示我很勤勞。

移動鼠標(biāo)

 import autopy
 autopy.mouse.move(100, 100) # 移動鼠標(biāo)
 autopy.mouse.smooth_move(400, 400) # 平滑移動鼠標(biāo)（上面那個是瞬間的）

這個命令會讓鼠標(biāo)迅速移動到指定屏幕坐標(biāo)，你知道什么是屏幕坐標(biāo)的吧，左上角是（0,0），然后向右向下遞增，所以1024×768屏幕的右下角坐標(biāo)是……你猜對了，是（1023,767）。

不過有些不幸的，如果你實際用一下這個命令，然后用autopy.mouse.get_pos()獲得一下當(dāng)前坐標(biāo)，發(fā)現(xiàn)它并不在(100,100)上，而是更小一些，比如我的機器上是（97,99），和分辨率有關(guān)。這個移動是用戶了和windows中mouse_event函數(shù)，若不清楚api的，知道這回事就好了，就是這個坐標(biāo)不是很精確的。像我一樣很好奇的，可以去讀一下autopy的源碼，我發(fā)現(xiàn)他計算絕對坐標(biāo)算法有問題：

point.x *= 0xFFFF / GetSystemMetrics(SM_CXSCREEN);

這里先做除法再做乘法，學(xué)過一點計算方法的就應(yīng)該知道對于整數(shù)運算，應(yīng)該先乘再除的，否則就會產(chǎn)生比較大的誤差，如果他寫成:

point.x = point.x * 0xffff / GetSystemMetrics(SM_CXSCREEN);

就會準(zhǔn)多了，雖然理論上會慢一點點，不過我也懶得改代碼重新編譯了，差幾個像素，這里對我們影響不大~咱要吸取教訓(xùn)呀。

點擊鼠標(biāo)

 #引入autopy模塊
 # ***
 import autopy
 autopy.mouse.click() # 單擊
 autopy.mouse.toggle(True) # 按下左鍵
 autopy.mouse.toggle(False) # 松開左鍵

這個比較簡單，不過記得這里的操作都是非常非?？斓模锌赡苡螒蜻€沒反應(yīng)過來呢，你就完成了，于是失敗了…… 所以必要的時候，請sleep一小會兒。

鍵盤操作

我們這次沒用到鍵盤，所以我就不說了。

怎么做？分析顧客頭上的圖像就可以，來，從獲取圖像開始吧~

打開你鐘愛的圖像編輯器，開始丈量吧~ 我們得知道圖像在屏幕的具體位置，可以用標(biāo)尺量出來，本來直接量也是可以的，但是我這里使用了畫面左上角的位置（也就是點1）來當(dāng)做參考位置，這樣一旦畫面有變動，我們只需要修改一個點坐標(biāo)就好了，否則每一個點都需要重新寫一遍可不是一件快樂的事情。

看最左邊的顧客頭像上面的圖像，我們需要兩個點才可確定這個范圍，分別是圖像的左上角和右下角，也就是點2和點3,。后面還有三個顧客的位置，只需要簡單的加上一個增量就好了，for循環(huán)就是為此而生！

同樣的，我們原料的位置，“竹席”的位置等等，都可以用這種方法獲得。注意獲得的都是相對游戲畫面左上角的相對位置。至于抓圖的方法，PIL的ImageGrab就很好用，autopy也可以抓圖，為什么不用，我下面就會說到。

分析圖像

我們這個外掛里相當(dāng)有難度的一個問題出現(xiàn)了，如何知道我們獲得的圖像到底是哪一個菜？對人眼……甚至狗眼來說，這都是一個相當(dāng)easy的問題，“一看就知道”！對的，這就是人比機器高明的地方，我們做起來很簡單的事情，電腦卻傻傻分不清楚。

autopy圖像局限

如果你看過autopy的api，會發(fā)現(xiàn)它有一個bitmap包，里面有find_bitmap方法，就是在一個大圖像里尋找樣品小圖像的。聰明的你一定可以想到，我們可以截下整個游戲畫面，然后準(zhǔn)備所有的菜的小圖像用這個方法一找就明白哪個菜被叫到了。確實，一開始我也有這樣做的沖動，不過立刻就放棄了……這個方法查找圖像，速度先不說，它有個條件是“精確匹配”，圖像上有一個像素的RGB值差了1，它就查不出來了。我們知道flash是矢量繪圖，它把一個點陣圖片顯示在屏幕上是經(jīng)過了縮放的，這里變數(shù)就很大，理論上相同的輸入相同的算法得出的結(jié)果肯定是一致的，但是因為繪圖背景等的關(guān)系，總會有一點點的差距，就是這點差距使得這個美妙的函數(shù)不可使用了……

好吧，不能用也是好事，否則我怎么引出我們高明的圖像分析算法呢？

相似圖像查找原理

相信你一定用過Google的“按圖搜圖”功能，如果沒有，你就落伍啦，快去試試！當(dāng)你輸入一張圖片時，它會把與這張圖相似的圖像都給你呈現(xiàn)出來，所以當(dāng)你找到一張中意的圖想做壁紙又覺得太小的時候，基本可以用這個方法找到合適的~

我們就要利用和這個相似的原理來判斷用戶的點餐，當(dāng)然我們的算法不可能和Google那般復(fù)雜，知乎上有一篇很不錯的文章描述了這個問題，有興趣的可以看看，我直接給出實現(xiàn)：

def get_hash(self, img):
   #使用PIL模塊縮放圖片,***
  image = img.resize((18, 13), Image.ANTIALIAS).convert("L")
   pixels = list(image.getdata())
  avg = sum(pixels) / len(pixels)
   return "".join(map(lambda p : "1" if p > avg else "0", pixels))

因為這是類的一個方法，所以有個self參數(shù)，無視它。這里的img應(yīng)該傳入一個Image對象，可以使讀入圖像文件后的結(jié)果，也可以是截屏后的結(jié)果。而縮放的尺寸（18,13）是我根據(jù)實際情況定的，因為顧客頭像上的菜的圖像基本就是這個比例。事實證明這個比例還是挺重要的，因為我們的菜有點兒相似，如果比例不合適壓縮后就失真了，容易誤判（我之前就吃虧了）。

得到一個圖片的“指紋”后，我們就可以與標(biāo)準(zhǔn)的圖片指紋比較，怎么比較呢，應(yīng)該使用“漢明距離”，也就是兩個字符串對應(yīng)位置的不同字符的個數(shù)。實現(xiàn)也很簡單……

def hamming_dist(self, hash1, hash2):
return sum(itertools.imap(operator.ne, hash1, hash2))

好了，我們可以用準(zhǔn)備好的標(biāo)準(zhǔn)圖像，然后預(yù)先讀取計算特征碼存儲起來，然后再截圖與它們比較就好了，距離最小的那個就是對應(yīng)的菜，代碼如下：

def order(self, i):
    l, t = self.left + i * self.step, self.top
    r, b = l + self.width, t + self.height
    hash2 = self.get_hash(ImageGrab.grab((l, t, r, b)))
    (mi, dist) = None, 50
    for i, hash1 in enumerate(self.maps):
      if hash1 is None:
        continue
      this_dist = self.hamming_dist(hash1, hash2)
      if this_dist < dist:
        mi = i
        dist = this_dist
    return mi

這里有一個50的初始距離，如果截取圖像與任何菜單相比都大于50，說明什么？說明現(xiàn)在那個位置的圖像不是菜，也就是說顧客還沒坐那位置上呢，或者我們把游戲最小化了（老板來了），這樣處理很重要，免得它隨意找一個最相近但又完全不搭邊的菜進行處理。

自動做菜

這個問題很簡單，我們只需要把菜單的原料記錄在案，然后點擊相應(yīng)位置便可，我把它寫成了一個類來調(diào)用：

class Menu:
  def __init__(self):
    self.stuff_pos = []
    self.recipes = [None] * 8
    self.init_stuff()
    self.init_recipe()
  def init_stuff(self):
    for i in range(9):
      self.stuff_pos.append( (L + 102 + (i % 3) * 42, T + 303 + (i / 3) * 42) )
  def init_recipe(self):
    self.recipes[0] = (1, 2)
    self.recipes[1] = (0, 1, 2)
    self.recipes[2] = (5, 1, 2)
    self.recipes[3] = (3, 0, 1, 2)
    self.recipes[4] = (4, 1, 2)
    self.recipes[5] = (7, 1, 2)
    self.recipes[6] = (6, 1, 2)
    self.recipes[7] = (8, 1, 2)
  def click(self, i):
    autopy.mouse.move(self.stuff_pos[i][0] + 20, self.stuff_pos[i][1] + 20)
    autopy.mouse.click()
  def make(self, i):
    for x in self.recipes[i]:
      self.click(x)
    autopy.mouse.move(L + 315, T + 363)
    autopy.mouse.click()

這是本外掛中最沒技術(shù)含量的一個類了：）請原諒我沒有寫注釋和doc，因為都很簡單，相信你懂得。

最新評論