Python微信跳一跳自动化脚本

前言

这是我在CSDN上的第一篇文章，以后会陆续记录我的学习生涯，希望我的知识能帮助到更多的朋友~

准备

这篇将详细讲述如何利用Python中相关模块，来完成微信跳一跳的自动化脚本，该技术只作为交流，其中有些知识点都是借鉴了很多大佬的经验。

模块及版本

模块	版本
Python	3.7.2
PIP	20.0.2
opencv	4.2.0.32
numpy	1.18.1

思路与流程

通过adb连接手机

获取游戏截图

图片裁剪

计算玩家位置

计算落脚点位置

计算玩家和落脚点距离

计算模拟点击时间

模拟点击屏幕

详细步骤

1.所需要的的模块

import cv2 as cv
import numpy as np
import math
import os
import threading
import random

2.获取手机屏幕截图

# 获取手机屏幕截图，xxx代表adb.exe所在路径
# 如果使用PyCharm的话没办识别adb命令，配置了环境变量页没用，不知道咋回事
os.system('xxx/adb shell screencap -p /sdcard/screen.png')
# 将截图保存到当前项目路径下
os.system('xxx/adb pull /sdcard/screen.png')

3.对截图进行切片操作，缩小目标区域

# 先读取游戏画面截图
img = cv.imread("图片文件")
# 对图片上下部分进行切片操作，缩小目标区域
up_cut = int(img .shape[0]*0.3)
down_cut = int(img .shape[0]*0.7)
img = img [up_cut:down_cut]

4.根据色彩范围，提取小人的色彩通道信息

# 将图片色彩空间转换为hsv
img_hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
# 根据目标小人的身体颜色范围，提取目标小人，注意：这里面的颜色范围格式是hsv
color_min = np.int32([105,30,30])
color_max = np.int32([200,200,120])
color_mask = cv.inRange(img_hsv,color_min,color_max)

5.根据轮廓信息计算小人落脚点位置

# 勾画目标小人边缘，返回的第一个参数是轮廓信息
contours = cv.findContours(color_mask,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)[0]
# 绘制目标小人坐标信息
max_contours = max(contours,key=cv.contourArea)
max_contours = cv.convexHull(max_contours)
rect = cv.boundingRect(max_contours)
x,y,w,h = rect
point_pos = (x+int(w/2),y+h-15)
cv.rectangle(img, (x,y), (x+w,y+h), (0, 0, 255), 5)
cv.circle(img, point_pos, 8, (0, 0, 255), -1)

6.准备计算落脚点信息，先将图片进行边缘检测，构建轮廓

# 高斯模糊，为了去除一些噪点
img_blur = cv.GaussianBlur(img, (5, 5), 0)
# 边缘检测
canny_img = cv.Canny(img_blur, 1, 15)

7.对像素进行修正，去除玩家小人附近的像素点，防止之后的干扰

# 将图片色彩空间转换为hsv
img_hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
# 根据目标小人的身体颜色范围，提取目标小人，注意：这里面的颜色范围格式是hsv
color_min = np.int32([105,30,30])
color_max = np.int32([200,200,120])
color_mask = cv.inRange(img_hsv,color_min,color_max)
# 勾画目标小人边缘，返回的第一个参数是轮廓信息
contours = cv.findContours(color_mask,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)[0]
max_contours = max(contours,key=cv.contourArea)
max_contours = cv.convexHull(max_contours)
rect = cv.boundingRect(max_contours)
# 移除小人头部附近像素
r_x,r_y,r_w,r_h = rect
for y in range(r_y-150, r_y+r_h):
	for x in range(r_x-20, r_x+r_w+20):
		canny_img[y][x] = 0

8.计算目标中心点，这里比较复杂，可以看看图片上我写的思路

 # 计算目标中心点
crop_h, crop_w = canny_img.shape
center_x, center_y = 0, 0
max_x = 0
for y in range(crop_h):
    for x in range(crop_w):
        if canny_img[y, x] == 255:
            if center_x == 0:
                center_x = x
            if x > max_x:
                # 如果发现两次y轴的像素点间隔超过了一定值，就认为已经找到中心点了
                if(center_y!=0 and y-center_y>50):
                    point_pos = (center_x, center_y)
                    if(show_data):
                        cv.circle(img, point_pos, 5,(0,0,255), -1)
                        cv.circle(canny_img, point_pos, 5,255, -1)
                        showImg("canny_img",canny_img)
                    return point_pos
                else:
                    cv.circle(img, (center_x, center_y), 1,(255,0,0), -1)
                    center_y = y
                    max_x = x
point_pos = (center_x, center_y)

9.计算两点之间的距离

# 创建np数组，这里其实不需要abs，正数和负数无关紧要
distance = np.array("第一个点的信息")-np.array("第二个点的信息")
# 用hypot函数进行计算距离
distance = int(math.hypot(distance[0],distance[1]))

10.根据距离计算点击时间长度

# 这个1.35别问我咋来的，一点点试出来的 	o(ﾟДﾟ)っ！
click_time = int(distance * 1.35)

11.模拟点击屏幕

# 原本想用input的，后来发现input去模拟长按特别麻烦，就在网上找到了swipe
# swipe本来是滑动的意思，不过这个里面可以设置时间~~~
os.system('xxx/adb shell input swipe 367 469 367 469 '+str(time))

12.收尾

• 主要是我不喜欢11这个数字，所以写了个12，其他的技术点也没什么特别的了，无非就是创建一个死循环，开个线程之类的。
• 不过要提别注意的是，如果写循环的话，不能用time.sleep()这个函数，opencv自带的cv2.waitKey()函数中的参数可以代表每个周期的刷新时间~

总结

作者很懒，懒得写总结了。。。源码在最上面。。。