C#图像识别 微信跳一跳机器人

更新

　　GitHub中所有类库的源码已经转换为C#版本。

准备

　　IDE：VisualStudio

　　Language：C#/VB.NET

　　GitHub：AutoJump.NET

　　本文将向你介绍一种通过图像识别实现“跳一跳”机器人的方法。　

第一节 图像识别

　　文中提到的所有方法和步骤只涉及简单的向量计算。

　　需要用到哪些计算？

　　比较像素点的颜色

　　求向量集合的中心

　　计算颜色的相似度

　　一个RGB颜色可以看作一个三维向量

　　比较两个颜色的相似度可以计算它们的欧几里得距离

　　也可以直接比较它们的夹角：夹角越小，两个颜色越相似，反之亦然

　　求平面向量集合的中心位置

　　首先，将集合中所有的向量相加得到向量S

　　再将向量S除以集合元素的个数，结果即为它们的中心

图1-1 识别效果预览

第二节 识别落点

　　找出盒子落点的前提是发掘每个盒子都具有的共同特征。

　　盒子特征

　　目标落点有两种类型，菱形或圆形的盒子

　　只有部分盒子的顶面颜色是大面积的纯色

　　盒子下方的地面背景是纯色，但随着游戏进行颜色会发生变化

　　顶点特征

　　顶点的上侧为背景色

　　顶点的左侧（可能不适用于圆形）、右侧（可能不适用于圆形）均为背景色

　　识别方法

　　从上向下逐行扫描像素找出盒子的顶点A

　　继续向下找出与A颜色相似的所有像素点集合C

　　求出C像素集合的中心点，即为落点

图2-1 盒子落点识别

第三节 识别角色

　　角色的颜色相对特殊，很容易从游戏图像中区分出来。

　　人物特征

　　角色呈国际象棋棋子状

　　角色整体颜色较为一致，部分区域有高光

　　顶点特征

　　角色的顶点颜色较深，易于区分

　　识别方法

　　从上向下逐行扫描像素找出角色的顶点A

　　继续向下找出与A颜色相似的所有像素点集合C

　　求出C像素集合的中心点，并向下偏移固定数值

　　中心点偏移后的像素D的位置即为角色的底部

图3-1 角色底部识别

第四节 识别干扰

　　通常，简单的方法只适应于绝大部分情况，特定情形时仍会出错。

　　哪些情况会导致识别错误

　　盒子顶部的颜色不一致时

　　角色顶部的位置高于目标盒子时

　　角色站立的盒子和目标盒子的顶部颜色一致时

　　其他干扰因素的解决方案

　　加分提示的动画：延时解决

　　击中中心的动画：延时解决

　　音乐盒的乐符动画：不要在音乐盒上停留ヾ(✿ﾟ▽ﾟ)ノ

图4-1 魔方（正确）

图4-2 商店（偏离中心）

图4-3 音乐盒 （偏离中心）

第五节 实测数值

　　程序的部分参数需要通过实际测试得出。

　　识别区域

　　仅屏幕中间的三分之一区域需要进行图像识别

　　触压时间

　　触压屏幕的毫秒数正好是角色与落点距离数值的两倍

　　距离为500个像素点，那么就需要持续按下1000毫秒

　　该比例适用于1280*720分辨率的设备，不同设备可能需要适当调节

　　如何计算其他设备分辨率的比例

　　计算公式：比例=2560/设备屏幕高度

　　例如1980*1080分辨率的设备，比例为2560/1980=1.29

图5-1 识别区域（阴影部分）

附录

　　GitHub：AutoJump.NET

　　参考文章：.NET开发一个微信跳一跳辅助程序

　　参考书籍：《数学之美》[美]吴军 著人民邮电出版社

　　语言工具： Code Converter（如果你不了解Basic语法，这个工具将会非常有用）

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亿速云。