个人兴趣,用python实现连连看的辅助程序,总结实现过程及知识点。
总体思路
- 获取连连看程序的窗口并前置
- 游戏界面截图,将每个一小图标切图,并形成由小图标组成的二维列表
- 对图片的二维列表遍历,将二维列表转换成由数字组成的二维数组,图片相同的数值相同。
- 遍历二维数组,找到可消除的对象,实现算法:
- 两个图标相邻。(一条线连接)
- 两个图标同行,同列,且中间的图标全部为空(数值为0)(一条线连接)
- 两条线连接,转弯一次,路径上所有图标为空。(二条线连接)
- 三条线连接,转弯二次,路径上所有图标为空。(三条线连接)
- 分别点击两个图标,并将对应的二维数据值置为0
实现过程中遇到的问题
- 图片切割
im = image.crop((left,top,right,bottom))
image.crop参数为一个列表或元组,顺序为(left,top,right,bottom) - 找到游戏运行窗口
hdwd = win32gui.FindWindow(0,wdname)
# 设置为最前显示
win32gui.SetForegroundWindow(hdwd)
窗口不要点击最小化,点击后无法弹出来。
-
图片缩放并转为灰度
img1 = im1.resize((20, 20), Image.ANTIALIAS).convert('L')
Image.ANTIALIAS 为抗锯齿的选项,图片无毛边。 -
获取图片每个点的RGB值
pi1 = list(img1.getdata())
列表每个元素为一个三位数的值,分别代表该点的RGB值。列表pi1共400个元素。(因为图片为20*20) -
鼠标点击消除
PyMouse.click()
该方法默认双击,改为PyMouse.press()
或PyMouse.release()
-
判断图片相似
- 汉明距离,平均哈希
def compare_img(self,im1,im2): img1 = im1.resize((20, 20), Image.ANTIALIAS).convert('L') img2 = im2.resize((20, 20), Image.ANTIALIAS).convert('L') pi1 = list(img1.getdata()) pi2 = list(img2.getdata()) avg1 = sum(pi1) / len(pi1) avg2 = sum(pi2) / len(pi2) hash1 = "".join(map(lambda p: "1" if p > avg1 else "0", pi1)) hash2 = "".join(map(lambda p: "1" if p > avg2 else "0", pi2)) match = 0 for i in range(len(hash1)): if hash1[i] != hash2[i]: match += 1 # match = sum(map(operator.ne, hash1, hash2)) # match 值越小,相似度越高 return match
- 计算直方图
from PIL import Image
# 将图片转化为RGB
def make_regalur_image(img, size=(8, 8)):
gray_image = img.resize(size).convert('RGB')
return gray_image
# 计算直方图
def hist_similar(lh, rh):
assert len(lh) == len(rh)
hist = sum(1 - (0 if l == r else float(abs(l - r)) / max(l, r)) for l, r in zip(lh, rh)) / len(lh)
return hist
# 计算相似度
def calc_similar(li, ri):
calc_sim = hist_similar(li.histogram(), ri.histogram())
return calc_sim
if __name__ == '__main__':
image1 = Image.open('1-10.jpg')
image1 = make_regalur_image(image1)
image2 = Image.open('2-11.jpg')
image2 = make_regalur_image(image2)
print("图片间的相似度为", calc_similar(image1, image2))
# 值在[0,1]之间,数值越大,相似度越高
- 图片余弦相似度
from PIL import Image
from numpy import average, dot, linalg
# 对图片进行统一化处理
def get_thum(image, size=(64, 64), greyscale=False)