基于OpenCV的跳一跳外挂实现原理

  1. 云栖社区>
  2. 博客>
  3. 正文

基于OpenCV的跳一跳外挂实现原理

code_xzh 2018-01-23 16:57:29 浏览2576
展开阅读全文

最近,微信跳一跳小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。由于游戏比较简单,一时间大家都玩起来了,这也带动了一些作弊的产生。Android和iOS的小程序都可以刷分,如果想要刷分,可以参考下面这个开源项目:Python刷分
这里写图片描述
今天要给大家讲的是如何使用OpenCV来给Android小程序刷分。
其实,刷分的思路都是一致的: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。

OpenCV简介

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。OpenCV的官网地址为:https://opencv.org/

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。

实践

下面就来看看如何使用OpenCV来完成Android的跳一跳如何刷分吧。

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。首先来一个图片,如下:
这里写图片描述

然后就可以使用Python读取了,对于游戏场景,我们使用下图为例,名字为1.png。
这里写图片描述

1.1图像模板匹配

在OpenCV中调用matchTemplate函数即可实现模板匹配。
这里写图片描述

相关的代码如下:

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。
这里写图片描述

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

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。
这里写图片描述

例如,下面是示例代码:

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。
这里写图片描述

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。
这里写图片描述

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)

这里写图片描述

2.3消除玩家图片

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

这里写图片描述

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。
这里写图片描述

A点B点是很容易得到的,通过由上到下,由左到右遍历全部像素,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)

执行上面的代码,发现程序已经标出了中心点:
这里写图片描述

运行效果

好了,看一下运行的效果吧。
这里写图片描述

这里写图片描述

这里写图片描述
相关源码链接如下:http://download.csdn.net/download/xiangzhihong8/10220160

其实,细心的读者可以发现,图片的中心并非处于绝对的中心位置,大家可以在源码的基础上修改参数的值。

网友评论

作者关闭了评论
code_xzh
+ 关注