最近，微信跳一跳小游戲迅速走紅并且在朋友圈刷屏，游戲的規(guī)則很簡單，就是控制一個小矮子再各個墩子上跳來跳去。由于游戲比較簡單，一時間大家都玩起來了，這也帶動了一些作弊的產(chǎn)生。Android和iOS的小程序都可以刷分，如果想要刷分，可以參考下面這個開源項目：Python刷分。

今天要給大家講的是如何使用OpenCV來給Android小程序刷分。
其實，刷分的思路都是一致的：通過Android手機(jī)的ADB來截取屏幕，然后通過對截圖進(jìn)行分析，算出來玩家與下一個落腳點的距離，然后通過距離算出來需要按壓多長時間的屏幕，之后再通過發(fā)送ADB指令來模擬按下屏幕達(dá)到自動刷分的目的。也就是說，這個外掛的核心就是取得玩家與下一個落腳點的距離，有了距離之后，一切都好說了。

OpenCV簡介

OpenCV熟悉編程的人一定知道，是一個著名的開源計算機(jī)視覺庫，實現(xiàn)了圖像處理和計算機(jī)視覺方面的很多通用算法。要想在Python上運(yùn)行OpenCV只需要使用pip安裝就好，在Terminal中執(zhí)行pip install opencv-python即可。OpenCV的官網(wǎng)地址為：https://opencv.org/。

使用OpenCV時一般是用于分析圖片灰度圖，因為我這里需要畫框劃線進(jìn)行標(biāo)記，所以為了方便就直接讀RGB彩圖了，這樣因為一個像素三個通道所以會慢一點，之后投入使用直接分析灰度圖就好。

實踐

下面就來看看如何使用OpenCV來完成Android的跳一跳如何刷分吧。

1，玩家位置識別

首先需要做的就是識別玩家的位置，玩家的形狀不變，是一個紫色的棋子，那么可以使用OpenCV帶有的圖像模板匹配來找出玩家的位置。首先來一個圖片，如下：

然后就可以使用Python讀取了，對于游戲場景，我們使用下圖為例，名字為1.png。

1.1圖像模板匹配

在OpenCV中調(diào)用matchTemplate函數(shù)即可實現(xiàn)模板匹配。

相關(guān)的代碼如下：

import cv2 as cvimg = cv.imread("1.png") player_template = cv.imread('player.png') player = cv.matchTemplate(img, player_template, cv.TM_CCOEFF_NORMED)min_val, max_val, min_loc, max_loc = cv.minMaxLoc(player)

通過調(diào)用上面的代碼即可進(jìn)行模板匹配，最后一行的max_loc則是匹配出來的位置，因為玩家是一個寬度50高度150像素的圖形（在我的iPhone 6s上）。所以再添加以下代碼來框出玩家位置。并且畫出了玩家的點。

corner_loc = (max_loc[0] + 50, max_loc[1] + 150) player_spot = (max_loc[0] + 25, max_loc[1] + 150) cv.circle(img, player_spot, 10, (0, 255, 255), -1) cv.rectangle(img, max_loc, corner_loc, (0, 0, 255), 5) cv.namedWindow('img', cv.WINDOW_KEEPRATIO) cv.imshow("img", img) cv.waitKey(0)

之后再運(yùn)行，這時會打開一張片，可以看見玩家的位置已經(jīng)被識別出來了。

2，落腳點識別

接下來就要識別落腳點了，但是蹲蹲千變?nèi)f化，有方形的，有圓形的。所以剛才的模板識別就用不上了，即使使用的話成功率也很低，這個時候就需要用到邊緣檢測了。

2.1 Canny邊緣檢測

OpenCV帶有Canny算法的實現(xiàn)來幫助我們得到圖形的邊緣。在做邊緣檢測之前首先需要對圖片進(jìn)行高斯模糊處理，高斯模糊主要作用就是去除噪聲。因為噪聲也集中于高頻信號，很容易被識別為邊緣。高斯模糊可以降低偽邊緣的識別。但是由于圖像邊緣信息也是高頻信號，高斯模糊的半徑選擇很重要，過大的半徑很容易讓一些弱邊緣檢測不到。

例如，下面是示例代碼：

img_blur = cv.GaussianBlur(img, (5, 5), 0) #高斯模糊 canny_img = cv.Canny(img_blur, 1, 10) #邊緣檢測 cv.namedWindow('img', cv.WINDOW_KEEPRATIO) cv.imshow("img", canny_img)

然后圖片就會被邊緣識別，這個圖是灰度圖，每一個像素是 0-255之間任意一個值，黑色為0白色為255。

2.2圖片切片

其實現(xiàn)在我們已經(jīng)可以開始分析邊緣來找到下一個落腳點了，但是圖片中邊緣實在是太多，可以通過裁切圖片來，首先要知道，下一個落腳點肯定是在整個界面的上1/2。也就是說，圖片的下半段可以不要，而且，上面的記分牌也沒有任何用處。

執(zhí)行以下代碼來切除上面的300像素的高度加下半部分圖片：

height, width = canny_img.shape crop_img = canny_img[300:int(height/2), 0:width] cv.namedWindow('img', cv.WINDOW_KEEPRATIO) cv.imshow("img", crop_img)

2.3消除玩家圖片

但是有一點還是很煩，上圖的左下角還有一部分玩家的頭部，有時候如果玩家需要向左上角跳，這個頭的存在可能會造成一定的干擾，所以需要寫代碼消除它，因為我們已經(jīng)知道了玩家的坐標(biāo)了，所以把那個范圍的像素全設(shè)成0就好了。

for y in range(max_loc[1], max_loc[1]+150):for x in range(max_loc[0], max_loc[0]+50):canny_img[y][x] = 0

2.4落腳點判斷

現(xiàn)在只剩下敦敦的邊緣了，現(xiàn)在需要得到他的中心點，仔細(xì)觀察這個圖形，發(fā)現(xiàn)他是一個菱形，并且有兩個點是很容易通過遍歷像素點然后分析得到的。

A點B點是很容易得到的，通過由上到下，由左到右遍歷全部像素，A點應(yīng)該是便利順序的像素中第一個值為255的點，B點是便利順序中第一次橫坐標(biāo)最大的點。得到了A,B點的坐標(biāo)，整個形狀的中點 （X3， Y3）其實就是 （X1，Y2）。

可以通過如下代碼來判斷中心點：

crop_h, crop_w = crop_img.shape center_x, center_y = 0, 0max_x = 0for y in range(crop_h):for x in range(crop_w):if crop_img[y, x] == 255:if center_x == 0:center_x = xif x > max_x:center_y = ymax_x = xcv.circle(crop_img, (center_x, center_y), 10, 255, -1)cv.namedWindow('img', cv.WINDOW_KEEPRATIO) cv.imshow("img", crop_img) cv.waitKey(0)

執(zhí)行上面的代碼，發(fā)現(xiàn)程序已經(jīng)標(biāo)出了中心點：

運(yùn)行效果

好了，看一下運(yùn)行的效果吧。

相關(guān)源碼鏈接如下：http://download.csdn.net/download/xiangzhihong8/10220160

其實，細(xì)心的讀者可以發(fā)現(xiàn)，圖片的中心并非處于絕對的中心位置，大家可以在源碼的基礎(chǔ)上修改參數(shù)的值。

總結(jié)

以上是生活随笔為你收集整理的基于OpenCV的跳一跳外挂实现原理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。