python微信跳一跳系列之棋子定位像素遍历
前言
在前几篇博客中,分别就棋子的颜色识别、模板匹配等定位方式进行了介绍和实践,这一篇博客就来验证一下github中最热门的跳一跳外挂中采用的像素遍历的方法。
方法说明
像素遍历的实质依然是颜色识别。
在github中给出的方法中,采用像素遍历的方法是:
- 从高度的1/3处开始至高度的2/3处进行遍历;
- 首先间隔50像素进行搜索
- 当像素的颜色和每一行开始的像素颜色不同时,认为找到了最上面的棋盘位置,则返回上一个间隔处开始遍历(i-50);
- 对每一行的像素都进行遍历,当满足给定的颜色范围时,记录最下面一行的y值,x值的和与个数,平均即可得到中心x值。
- 所得到的x值和y值即为棋子最底部的中心位置;
- 按照自己手机的分辨率调整棋子的高度(减去一个固定值)
上诉方法的代码如下(可以自行到github下载):
def find_piece_and_board(im): #寻找关键坐标 w, h = im.size piece_x_sum = 0 piece_x_c = 0 piece_y_max = 0 board_x = 0 board_y = 0 scan_x_border = int(w / 8) # 扫描棋子时的左右边界 scan_start_y = 0 # 扫描的起始 y 坐标 im_pixel = im.load() # 以 50px 步长,尝试探测 scan_start_y for i in range(int(h / 3), int(h*2 / 3), 50): last_pixel = im_pixel[0, i] for j in range(1, w): pixel = im_pixel[j, i] # 不是纯色的线,则记录 scan_start_y 的值,准备跳出循环 if pixel != last_pixel: scan_start_y = i - 50 break if scan_start_y: break print('scan_start_y: {}'.format(scan_start_y)) # 从 scan_start_y 开始往下扫描,棋子应位于屏幕上半部分,这里暂定不超过 2/3 for i in range(scan_start_y, int(h * 2 / 3)): # 横坐标方面也减少了一部分扫描开销 for j in range(scan_x_border, w - scan_x_border): pixel = im_pixel[j, i] # 根据棋子的最低行的颜色判断,找最后一行那些点的平均值,这个颜 # 色这样应该 OK,暂时不提出来 if (50 < pixel[0] < 60) \ and (53 < pixel[1] < 63) \ and (95 < pixel[2] < 110): piece_x_sum += j piece_x_c += 1 piece_y_max = max(i, piece_y_max) if not all((piece_x_sum, piece_x_c)): return 0, 0, 0, 0 piece_x = int(piece_x_sum / piece_x_c) piece_y = piece_y_max - piece_base_height_1_2 # 上移棋子底盘高度的一半
遍历过程动态演示
实际运行动画
以下是实际运行的定位动画。
优缺点分析
像素遍历的好处是无需额外的python库,但其速度显然明显低于我在前面用过的其它方法,这不奇怪,外接库用到的颜色识别方法其实是经过优化和集成的,像素遍历是其底层的技术方案,速度慢理所当然。
改进
其实上述方法还可以进一步优化,以大大减小遍历的面积:
- 以50像素为间隔从1/3高度开始遍历;
- 当首次满足给定的棋子颜色时,记录x值的和与个数,平均后得到棋子的x值;
- 沿x值从上向下对高度进行遍历,可以得到满足棋子颜色的最大y值和最小y值;
- 对y值进行处理,如减去一个固定高度,即可得到棋子的底部中心y值;
- 对最高点和最低点进行平均,即可得到棋盘的中心y值。
遍历的过程如下:
后记
可以看到,优化后的遍历个数大大减小,速度得到极大提高。
更多内容大家可以参考专题《微信跳一跳》进行学习。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
相关文章
Python3字符串的常用操作方法之修改方法与大小写字母转化
这篇文章主要介绍了Python3字符串的常用操作方法之修改方法与大小写字母转化,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下2022-09-09解读Tensorflow2.0训练损失值降低,但测试正确率基本不变的情况
这篇文章主要介绍了Tensorflow2.0训练损失值降低,但测试正确率基本不变的情况,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教2023-06-06Tensorflow中的placeholder和feed_dict的使用
这篇文章主要介绍了Tensorflow中的placeholder和feed_dict的使用,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧2018-07-07
最新评论