前提准备

特别注意：
        本节教程所演示的模拟器分辨率设置为 720x1080（手机版），电脑分辨率设置大720x1080并且没有设置放大。

        今天的课程开始之前我们来回顾一下昨天所学的知识内容，因为今天要学的内容和昨天内容有着紧密的联系。昨天的课程主要讲解了计算机的图像相关基础知识，图像坐标系，图像灰度化，图像二值化，使用OpenCV进行图像匹配、图像切割，还尝试了对图像进行轮廓处理。

        在前面的学习中，我们已经掌握了使用OpenCV进行图片处理的相关知识，之所以做了那么多的铺垫，目的就是为这节课服务的。
        写出这个游戏的自动化脚本中，图像的处理占了超过一半的工作量，这也是模拟类自动化脚本的常见情况。
        图像处理的目的是什么？ 是把图像识别成简单的数据类型或数据结构，以便于使用算法来解决问题。
        大家来想一想，在这个 豆腐女孩 的游戏中，规则很简单，开始后，只要不断识别游戏画面，看到有豆腐过来，就判断豆腐离女孩的距离，如果距离在某个数值范围内，点击鼠标起跳就可以了。

        通过观察游戏界面，豆腐出现的区域是不变的，所以我们只需要关注中间那一块区域就了，通过坐标把这一块区域裁剪出来，一方面可以减少图像处理的计算量，另一方面可以减少不必要的干扰，简化处理的逻辑。

        接下来对这块目标区域的图像进行处理，先装成灰度图，再找出一个合适的阈值，变成二值化图像：

        对于这样背景和前景分明的图像，就可以非常轻松的找出轮廓了，但不是所有的轮廓都是符合条件的，我们只需要找到面积最大的轮廓的边框，就可以确认豆腐的位置。

        上图中的绿色线条方框就是找出来的豆腐的位置，而小女孩是居中显示的，所以得到豆腐的边，再计算两个物体的距离，然后根据豆腐的移动速度，就可以算出起跳前的等待时间。

        通过OpenCV这个强大的图像处理库，就可以真正从目标识别的角度去编写逻辑，跟那些基于找图找色的按键精灵、易语言写的那些脚本不一样，这是基于图像识别的方法，使用分层思想来设计模型，帮助大家真正提高从底层逻辑去建立起解决问题的思维，这在大家以后不光是学编程，写python，做脚本时非常有用，对于生活中、学习中、工作中的复杂问题的解决，同样可以有很大的帮助。
        人跟人的本质区别，在于思维的层次差别。

        有了上面整理出来的思路，接下来老师就带领同学们来一步步来实现我们的思路。 

        抽离出一个模拟器的模块，负责对窗口的基本操作，比如激活、点击、截图等功能，到时作为模块导入，可以很方便的调用这里面的功能，从而简化逻辑，并且达到高内聚，低耦合的设计目标。

模拟器模块

import time
import win32api
import win32con
import win32gui
import win32ui
import numpy as np
import cv2 as cvdef activate_window():hwnd = win32gui.FindWindow(None, '雷电模拟器')  # 注意引号使用英文if hwnd == 0:print('未找到游戏窗口')return 0tup = win32gui.GetWindowPlacement(hwnd)  # 获取窗口布局if tup[1] != win32con.SW_SHOWNORMAL:  # 非正常尺寸（已最小化或最大化）win32gui.SendMessage(hwnd, win32con.WM_SYSCOMMAND, win32con.SC_RESTORE, 0)# 恢复窗口大小time.sleep(0.1)if win32gui.GetForegroundWindow() != hwnd:win32gui.SetForegroundWindow(hwnd)  # 窗口前置time.sleep(0.3)return hwnddef click(window_coords):#:param window_coords: 元组(x, y) x为横坐标，y为纵坐标#:return: 返回点击执行结果window_handle = activate_window() #得到窗口句柄if window_handle == 0:print('模拟器窗口不存在，点击失败')return Falsedesktop_coords = win32gui.ClientToScreen(window_handle, window_coords)  # 窗口坐标换算成桌面坐标win32api.SetCursorPos(desktop_coords)  # 设置鼠标位置win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN, 0, 0, 0, 0)  # 鼠标按下win32api.mouse_event(win32con.MOUSEEVENTF_LEFTUP, 0, 0, 0, 0)  # 鼠标弹起return Truedef _capture_window(hwnd):desktop = win32gui.GetDesktopWindow()dc = win32gui.GetWindowDC(desktop)mfc_dc = win32ui.CreateDCFromHandle(dc)save_dc = mfc_dc.CreateCompatibleDC()save_bit_map = win32ui.CreateBitmap()left, top, right, bottom = win32gui.GetWindowRect(hwnd)w, h = right - left, bottom - topsave_bit_map.CreateCompatibleBitmap(mfc_dc, w, h)save_dc.SelectObject(save_bit_map)save_dc.BitBlt((0, 0), (w, h), mfc_dc, (left, top), win32con.SRCCOPY)signed_ints_array = save_bit_map.GetBitmapBits(True)im_opencv = np.frombuffer(signed_ints_array, dtype='uint8')im_opencv.shape = (h, w, 4)save_dc.DeleteDC()win32gui.DeleteObject(save_bit_map.GetHandle())win32gui.ReleaseDC(hwnd, dc)  # 修正此行return im_opencvdef screenshot():window_handle = activate_window()if window_handle == 0:print('模拟器窗口不存在，截图失败')return Nonereturn _capture_window(window_handle)if __name__ == '__main__':activate_window()time.sleep(0.5)start = time.time()img = screenshot()end = time.time()print('花费', end - start, '秒')if img is not None:cv.imwrite(r'E:\home.bmp', img)h, w = img.shape[:2]detection_result = '检测通过！' if w == 762 and h == 1316 else '检测未通过！请修改模拟器分辨率'print(f'期望截图的分辨率为：762*1316 实际分辨率为{h}*{w}')click((300, 650))time.sleep(1.2)tofu = screenshot()if tofu is not None:cv.imwrite(r'E:\tofu.bmp', tofu)

游戏控制模块

在这个游戏控制模块中，主要完成图像的处理和目标的检测，并通过简单的算法计算出操作间隔，然后调用 模拟器模块 中的相应函数来实现操作。
来看看源码：

import time
import cv2 as cv
import numpy as np
import 模拟器开始按钮图片 = cv.imread(r"E:\bbbb.bmp", 0)  # 开始按钮def 是彩色图片(图片):if 图片 is None:print('是彩色图片() 参数错误：', '图片为空')return Falsereturn len(图片.shape) > 2def 查找图片(大图, 小图, 相似度=0.8):if 是彩色图片(大图):大图 = cv.cvtColor(大图, cv.COLOR_BGR2GRAY)if 是彩色图片(小图):小图 = cv.cvtColor(小图, cv.COLOR_BGR2GRAY)res = cv.matchTemplate(大图, 小图, cv.TM_CCOEFF_NORMED)  # 模板匹配loc = np.where(res >= 相似度)  # 过滤结果for pt in zip(*loc[::-1]):left = int(pt[0])top = int(pt[1])right = int(pt[0] + 小图.shape[1])bottom = int(pt[1] + 小图.shape[0])area = ((left, top), (right, bottom))return area  # 实际操作区域def find_cube(灰色截图):sw = 720关键区域 = 灰色截图[600:720, 1:sw]  # 裁剪出感兴趣的区域_, 黑白图像 = cv.threshold(关键区域, 248, 255, cv.THRESH_BINARY)  # 图像二值化contours, hierarchy = cv.findContours(黑白图像, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)  # 查找轮廓max_area, max_cnt = 0, None  # 设置最大面积和最大轮廓的默认值for cnt in contours:area = cv.contourArea(cnt)if area > 5000 and area > max_area:  # 筛选出轮廓max_area = areamax_cnt = cntif max_cnt is None:# print('没有发现豆腐')return 0x, y, w, h = cv.boundingRect(max_cnt)  # 计算出边框center_x = sw / 2  # 中线位置cube_x = x + w if x + w < center_x else x  # 取离中线最近的豆腐边线x（豆腐不确定从哪边来）dist = abs(center_x - cube_x)  # 豆腐边缘到中线的距离return distdef 跳跃检测():for i in range(100):  # 每次跳跃前循环检测画面截图 = 模拟器.screenshot()截图_灰色 = cv.cvtColor(截图, cv.COLOR_BGR2GRAY)  # 转成灰度图片if 查找图片(截图_灰色, 开始按钮图片):print('游戏已结束')return Truedist = find_cube(截图_灰色)  # 算出豆腐离中线距离if 150< dist < 200:print(f'---跳---')jump()  # 点击鼠标（跳跃）time.sleep(0.1)breakreturn Falsedef jump():坐标 = (300, 800)模拟器.click(坐标)if __name__ == '__main__':截图 = 模拟器.screenshot()if 查找图片(截图, 开始按钮图片):print('找到开始按钮')jump()  # 点击开始time.sleep(0.5)else:print('游戏不在开始画面')exit(0)# time.sleep(0.6)#截图 = 模拟器.screenshot()# 截图_灰色 = cv.cvtColor(截图,cv.COLOR_BGR2GRAY)#find_cube(截图_灰色)#cv.waitKey()for i in range(100):  # 最大预计跳跃次数if 跳跃检测():break

课程总结

虽然这个游戏的玩法比较简单，但是要拿到特别高的分数还是不容易的。在本教程中，霸夫老师也只是以启发大家为目标，教大家去分析如何写出一个自动化游戏教程，程序功能虽然比较简单，但其中涉及的思路分析，图像处理，数据计算、算法优化、设计模式等是很值得大家去细细学习体会的。

课后习题

1.（编程题）在教程的示例代码中继续改进，示例中jump()函数中点击的是固定坐标，将坐标的取值改为查找到的start.bmp图片的中心点。