更新

　　GitHub中所有類庫的源碼已經(jīng)轉(zhuǎn)換為C#版本。

準備

　　IDE：VisualStudio

　　Language：C#/VB.NET

　　GitHub：AutoJump.NET

　　本文將向你介紹一種通過圖像識別實現(xiàn)“跳一跳”機器人的方法。　

第一節(jié) 圖像識別

　　文中提到的所有方法和步驟只涉及簡單的向量計算。

　　需要用到哪些計算？

　　比較像素點的顏色

　　求向量集合的中心

　　計算顏色的相似度

　　一個RGB顏色可以看作一個三維向量

　　比較兩個顏色的相似度可以計算它們的歐幾里得距離

　　也可以直接比較它們的夾角：夾角越小，兩個顏色越相似，反之亦然

　　求平面向量集合的中心位置

　　首先，將集合中所有的向量相加得到向量S

　　再將向量S除以集合元素的個數(shù)，結(jié)果即為它們的中心

圖1-1 識別效果預(yù)覽

第二節(jié) 識別落點

　　找出盒子落點的前提是發(fā)掘每個盒子都具有的共同特征。

　　盒子特征

　　目標落點有兩種類型，菱形或圓形的盒子

　　只有部分盒子的頂面顏色是大面積的純色

　　盒子下方的地面背景是純色，但隨著游戲進行顏色會發(fā)生變化

　　頂點特征

　　頂點的上側(cè)為背景色

　　頂點的左側(cè)（可能不適用于圓形）、右側(cè)（可能不適用于圓形）均為背景色

　　識別方法

　　從上向下逐行掃描像素找出盒子的頂點A

　　繼續(xù)向下找出與A顏色相似的所有像素點集合C

　　求出C像素集合的中心點，即為落點

圖2-1 盒子落點識別

第三節(jié) 識別角色

　　角色的顏色相對特殊，很容易從游戲圖像中區(qū)分出來。

　　人物特征

　　角色呈國際象棋棋子狀

　　角色整體顏色較為一致，部分區(qū)域有高光

　　頂點特征

　　角色的頂點顏色較深，易于區(qū)分

　　識別方法

　　從上向下逐行掃描像素找出角色的頂點A

　　繼續(xù)向下找出與A顏色相似的所有像素點集合C

　　求出C像素集合的中心點，并向下偏移固定數(shù)值

　　中心點偏移后的像素D的位置即為角色的底部

圖3-1 角色底部識別

第四節(jié) 識別干擾

　　通常，簡單的方法只適應(yīng)于絕大部分情況，特定情形時仍會出錯。

　　哪些情況會導(dǎo)致識別錯誤

　　盒子頂部的顏色不一致時

　　角色頂部的位置高于目標盒子時

　　角色站立的盒子和目標盒子的頂部顏色一致時

　　其他干擾因素的解決方案

　　加分提示的動畫：延時解決

　　擊中中心的動畫：延時解決

　　音樂盒的樂符動畫：不要在音樂盒上停留ヾ(✿ﾟ▽ﾟ)ノ

圖4-1 魔方（正確）

圖4-2 商店（偏離中心）

圖4-3 音樂盒 （偏離中心）

第五節(jié) 實測數(shù)值

　　程序的部分參數(shù)需要通過實際測試得出。

　　識別區(qū)域

　　僅屏幕中間的三分之一區(qū)域需要進行圖像識別

　　觸壓時間

　　觸壓屏幕的毫秒數(shù)正好是角色與落點距離數(shù)值的兩倍

　　距離為500個像素點，那么就需要持續(xù)按下1000毫秒

　　該比例適用于1280*720分辨率的設(shè)備，不同設(shè)備可能需要適當(dāng)調(diào)節(jié)

　　如何計算其他設(shè)備分辨率的比例

　　計算公式：比例=2560/設(shè)備屏幕高度

　　例如1980*1080分辨率的設(shè)備，比例為2560/1980=1.29

圖5-1 識別區(qū)域（陰影部分）

附錄

　　GitHub：AutoJump.NET

　　參考文章：.NET開發(fā)一個微信跳一跳輔助程序

　　參考書籍：《數(shù)學(xué)之美》[美]吳軍 著人民郵電出版社

　　語言工具： Code Converter（如果你不了解Basic語法，這個工具將會非常有用）

更多內(nèi)容大家可以參考專題《微信跳一跳》進行學(xué)習(xí)。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論