基于OpenCV的微信跳一跳外挂实现
640?wx_fmt=png&wxfrom=5&wx_lazy=1
前些日子，微信进行了一次更新，加入了一个小游戏跳一跳，发布之后这个游戏迅速走红并且在朋友圈刷屏，游戏的规则很简单，就是控制一个小矮子再各个墩子上跳来跳去。规则说起来容易但是想玩高分还是有一定难度的。这个游戏出现之后各路程序员也没闲着，外挂横飞，甚至产生了各种物理外挂。今天这篇文章就来讲述一下我来使用OpenCV实现的思路。
首先来说一下外挂的通常思路，外挂会通过Android手机的ADB来截取屏幕，然后通过对截图进行分析，算出来玩家与下一个落脚点的距离，然后通过距离算出来需要按压多长时间的屏幕，之后再通过发送ADB指令来模拟按下屏幕达到自动刷分的目的。也就是说，这个外挂的核心就是取得玩家与下一个落脚点的距离，有了距离之后，一切都好说了。
640?wx_fmt=png&wxfrom=5&wx_lazy=1
这篇文章主要讲的就是来确定这两个点的编程思路。我们将会用到Python与OpenCV来进行操作。
OpenCV熟悉编程的人一定知道，是一个著名的开源计算机视觉库，实现了图像处理和计算机视觉方面的很多通用算法。要想在Python上运行OpenCV只需要使用pip安装就好，在Terminal中执行pip install opencv-python即可。
注意，使用OpenCV时一般是用于分析图片灰度图，因为我这里需要画框划线进行标记，所以为了方便就直接读RGB彩图了，这样因为一个像素三个通道所以会慢一点，之后投入使用直接分析灰度图就好。
1 玩家位置识别
首先需要做的就是识别玩家的位置，玩家的形状不变，是一个紫色的棋子，那么可以使用OpenCV带有的图像模板匹配来找出玩家的位置。
首先需要一张小矮子的图片，就像这样，保存为player.png
640?wx_fmt=png
然后就可以使用Python读取了，对于游戏场景，我使用下图，名字为1.png：
640?wx_fmt=png
1.1 图像模板匹配
模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术。再OpenCV中调用matchTemplate函数即可实现模板匹配。
640?wx_fmt=jpeg
1.2 代码实现
import cv2 as cv
img = 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)
通过调用上面的代码即可进行模板匹配，最后一行的max_loc则是匹配出来的位置，因为玩家是一个宽度50高度150像素的图形（在我的iPhone 6s上）。所以再添加以下代码来框出玩家位置。并且画出了玩家的点。
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)
之后再运行，这时会打开一张片，可以看见玩家的位置已经被识别出来了：
640?wx_fmt=png
在上图中蓝色的点即为玩家的位置。
2 落脚点识别
接下来就要识别落脚点了，但是蹲蹲千变万化，有方形的，有圆形的。所以刚才的模板识别就用不上了，即使使用的话成功率也很低，这个时候就需要用到边缘检测了。
2.1 Canny边缘检测
640?wx_fmt=jpeg
OpenCV带有Canny算法的实现来帮助我们得到图形的边缘。在做边缘检测之前首先需要对图片进行高斯模糊处理，高斯模糊主要作用就是去除噪声。因为噪声也集中于高频信号，很容易被识别为边缘。高斯模糊可以降低伪边缘的识别。但是由于图像边缘信息也是高频信号，高斯模糊的半径选择很重要，过大的半径很容易让一些弱边缘检测不到。
执行如下代码：
img_blur = cv.GaussianBlur(img, (5, 5), 0) #高斯模糊
canny_img = cv.Canny(img_blur, 1, 10) #边缘检测
cv.namedWindow('img', cv.WINDOW_KEEPRATIO)
cv.imshow("img", canny_img)
然后图片就会被边缘识别，这个图是灰度图，每一个像素是 0-255之间任意一个值，黑色为0白色为255.
640?wx_fmt=png
2.2 图片切片
其实现在我们已经可以开始分析边缘来找到下一个落脚点了，但是图片中边缘实在是太多，可以通过裁切图片来，首先要知道，下一个落脚点肯定是在整个界面的上1/2。也就是说，图片的下半段可以不要，而且，上面的记分牌也没有任何用处。
640?wx_fmt=png
执行以下代码来切除上面的300像素的高度加下半部分图片：
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)
运行后，发现图片被成功的裁掉了，留下了我们需要的部分。
640?wx_fmt=png
2.3 消除玩家
但是有一点还是很烦，上图的左下角还有一部分玩家的头部，有时候如果玩家需要向左上角跳，这个头的存在可能会造成一定的干扰，所以需要写代码消除它，因为我们已经知道了玩家的坐标了，所以把那个范围的像素全设成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
然后再运行代码，发现头部已经被取出掉了
640?wx_fmt=png
2.4 落脚点判断
现在只剩下敦敦的边缘了，现在需要得到他的中心点，仔细观察这个图形，发现他是一个菱形，并且有两个点是很容易通过遍历像素点然后分析得到的：
640?wx_fmt=png
A点B点是很容易得到的，通过由上到下，由坐到右遍历全部像素，A点应该是便利顺序的像素中第一个值为255的点，B点是便利顺序中第一次横坐标最大的点。
得到了A,B点的坐标，整个形状的中点 （X3， Y3）其实就是 （X1，Y2）。
可以通过如下代码来判断中心点：
crop_h, crop_w = crop_img.shape
center_x, center_y = 0, 0
max_x = 0
for y in range(crop_h):
for x in range(crop_w):
if crop_img[y, x] == 255:
if center_x == 0:
center_x = x
if x > max_x:
center_y = y
max_x = x
cv.circle(crop_img, (center_x, center_y), 10, 255, -1)
cv.namedWindow('img', cv.WINDOW_KEEPRATIO)
cv.imshow("img", crop_img)
cv.waitKey(0)
重新执行代码，发现程序已经标出了中心点：
640?wx_fmt=png
然后两个点都找到了，可就可以通过两点间距离公式算出距离，从而得出需要多少按压时间了。
看下最终效果：
640?wx_fmt=png
640?wx_fmt=png
640?wx_fmt=png
可以看到敦敦是圆形的情况下中心点有点向左偏，是因为那个椭圆形的顶点是一排纵坐标相同的点，所以之后可以优化下取中间点就好
这就是OpenCV实现的大概思路，其实判断落脚点也可以使用findContours（http://docs.opencv.org/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=findcontours#findcontours）函数来实现，这里因为实在太容易直接判断出来我就没有用。
过两天还有一场数学考试。。所以就先说到这吧。。。
代码
所有代码我上传到了我的GitHub上：
https://github.com/Yigang0622/OpenCV_Wechat_jump
出处：https://miketech.it/opencv_wechat_jump/
版权申明：内容来源网络，版权归原创者所有。除非无法确认，我们都会标明作者及出处，如有侵权烦请告知，我们会立即删除并表示歉意。谢谢。
640?wx_fmt=png
https://blog.csdn.net/uxiAD7442KMy1X86DtM3/article/details/79302934
