Minecraft 1.16 简易高效的自动钓鱼脚本

落雪霜林

已于 2024-03-22 17:00:02 修改

阅读量1.6w

点赞数 17

分类专栏：笔记文章标签：游戏 minecraft

于 2021-02-10 19:52:40 首次发布

本文链接：https://blog.csdn.net/onlytheworld/article/details/113784645

版权

笔记专栏收录该内容

3 篇文章

订阅专栏

本文介绍了一种针对Minecraft 1.16版本更新后钓鱼机制改变的自动钓鱼脚本实现方法。通过识别游戏内的声音字幕‘漂浮：溅起水花’来判断鱼上钩，使用Python的pyautogui和cnocr库进行截图和文本识别，从而实现自动收杆。脚本需在窗口模式下运行，并预先手动定位字幕区域以提高准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

更正：仅兴趣用，不再维护

正文

MC 1.16版本更新改变了钓鱼机制，增加了开阔水域判定，使得之前的所有钓鱼机全部失效，而现有的基于时序的钓鱼机也都效率低下，因此不得不使用挂机脚本来实现高效的自动钓鱼。

基本原理

打开Minecraft 游戏菜单 – 选项 – 音乐和声音 – 显示字幕，即可出现游戏右下角的声音字幕，当出现 “漂浮：溅起水花” 字样时则说明鱼已上钩，已经可以收杆了。
在这里插入图片描述
因此可以简单地设计识别游戏右下角的字幕，就可以达到自动钓鱼的目的。

代码实现

脚本代码由 python3 书写；利用 pyautogui 控制截图与鼠标操作；使用传统算法进行文本所在的区域检测，参见这里；利用cnocr项目进行文本识别。

简单的运行脚本并切换到游戏界面扔出浮漂即可挂机钓鱼。

注意：
1、Minecraft 全屏模式下禁止截图，因此脚本一定要在窗口模式下才可以使用。
2、需要先手动定位字幕所在的大致区域以提高精度。~~默认的定位为1920×1080屏幕的右下角。~~

# -*- coding: UTF-8 -*-
import pyautogui
import time
from cnocr import CnOcr
import cv2
import numpy as np

pyautogui.PAUSE = 1

def findfish(res):
    for line in res:
        if(line == ['浮', '漂', ':', '溅', '起', '水', '花']):
            return True
    return False

def fish():
    ocr = CnOcr()
    while(1):
        # 1、截图，手动定位字幕大致区域
        fig = pyautogui.screenshot(region=(1775, 700, 130, 300))
        
        # 2、检测文本所在区域
        img = np.asarray(fig)
        textImg = detect(img)
        
        # 3、利用cnocr识别文本
        res = ocr.ocr(textImg)
        print("Predicted Chars:", res)
        
        # 4、通过文本判断是否收杆
        if(findfish(res)):
            pyautogui.click(button='right')
            pyautogui.click(button='right')
            time.sleep(1)
        else:
            time.sleep(0.5)

def detect(img):
    # 1.  转化成灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    # 2. 形态学变换的预处理，得到可以查找矩形的图片
    dilation = preprocess(gray)
    # 3. 查找和筛选文字区域
    x, y, w, h = findTextRegion(dilation)
    return img[y:y + h, x:x + w]

def preprocess(gray):
    # 1. Sobel算子，x方向求梯度
    sobel = cv2.Sobel(gray, cv2.CV_8U, 1, 0, ksize=3)
    # 2. 二值化
    _, binary = cv2.threshold(sobel, 0, 255, cv2.THRESH_OTSU + cv2.THRESH_BINARY)
    # 3. 膨胀和腐蚀操作的核函数
    element1 = cv2.getStructuringElement(cv2.MORPH_RECT, (30, 9))
    element2 = cv2.getStructuringElement(cv2.MORPH_RECT, (24, 6))
    # 4. 膨胀一次，让轮廓突出
    dilation = cv2.dilate(binary, element2, iterations=1)
    # 5. 腐蚀一次，去掉细节，如表格线等。注意这里去掉的是竖直的线
    erosion = cv2.erode(dilation, element1, iterations=1)
    # 6. 再次膨胀，让轮廓明显一些
    dilation2 = cv2.dilate(erosion, element2, iterations=2)
    return dilation2

def findTextRegion(img):
    # 查找轮廓
    contours, _ = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    maxArea = 0
    maxContour = 0
    if(len(contours)==0):
        return 0,0,0,0
    for i in range(len(contours)):
        cnt = contours[i]
        # 计算该轮廓的面积
        area = cv2.contourArea(cnt)
        if area > maxArea:
            maxArea = area
            maxContour = cnt
    x, y, w, h = cv2.boundingRect(maxContour)
    return x, y, w, h

if __name__ =='__main__':
    fish()