【python】python制作 连连看 游戏脚本（一）

【python】python制作 连连看 游戏脚本（一）_sunriver2000的博客-CSDN博客

【python】python制作 连连看 游戏脚本（二）_sunriver2000的博客-CSDN博客

【python】python制作 连连看 游戏脚本（三）_sunriver2000的博客-CSDN博客

【python】python制作 连连看 游戏脚本（四）_sunriver2000的博客-CSDN博客

在游戏中学习编程，即享受了游戏的乐趣，有提升了编程能力，可谓一举两得。

本文以【宠物连连看经典版2】为例，讲述使用python制作简单的游戏脚本。

游戏网址：宠物连连看经典版2

代码下载：GitHub - sunriver2000/LinkGameAss

环境

系统：win10 x64

Python版本：V3.6.6

主要模块：win32gui（识别窗口、窗口置顶等操作）、pillow（屏幕截图）、numpy（创建矩阵）、operator（比较值）、pymouse（模拟鼠标点击）。

安装参考：

【Python】安装pyuserinput_sunriver2000的博客-CSDN博客

【Python】安装pillow与numpy_sunriver2000的博客-CSDN博客

1、建立数学模型

【宠物连连看经典版2】游戏目标：需要消除的是8*12的图标矩阵，如下图所示。 

 实际8*12图标矩阵外围有一圈空白通道，所以实际矩阵规格是10*14，如下图。

空白通道用0表示，图标有12种分别用1至12数字表示，上图可以抽象为如下矩阵。

[[ 0  0  0  0  0  0  0  0  0  0  0  0  0  0]
 [ 0  1  2  3  4  4  5  5  3  1  1  6  7  0]
 [ 0  2  8  9  3  5  1  4  2  8 10  8  5  0]
 [ 0 11  5  2  9 12 10  7  8  9 12  3 11  0]
 [ 0 11  6  6  4  7 11  6 10 11 12  1  3  0]
 [ 0 10  2 11 10  7 12 11  3  9 12 12 10  0]
 [ 0 12  8  7  2  6  8  1 10  7  6  5  8  0]
 [ 0  1  9  9  9  4  4  6  7 11  4  1 10  0]
 [ 0  5  3  5  6  4 12  7  2  9  8  2  3  0]
 [ 0  0  0  0  0  0  0  0  0  0  0  0  0  0]]

A图标通过两次90度拐弯到达B图标，则AB图标消除。消除后，矩阵内原来位置补零，变成通道。

综上，脚本主要涉及图像识别、图标消除等两种算法。

2、初始化

2.1、获取游戏窗口标题

打开【连连看】游戏网页后，使用EnumChildWindows()函数枚举所有窗口并保存为文本文件。浏览文件，确定窗口标题为【宠物连连看经典版2小游戏,在线玩,4399小游戏 - 360极速浏览器 13.5】。

import win32gui, win32ui, win32con, win32api
 
# 打开文件
f = open('winlist.txt', 'w', encoding='utf-8')
#f = open('winlist.txt', 'w')
 
# GetDesktopWindow 获得代表整个屏幕的一个窗口（桌面窗口）句柄
hd = win32gui.GetDesktopWindow()
 
# 获取所有子窗口
hwndChildList = []
 
win32gui.EnumChildWindows(hd, lambda hwnd, param: param.append(hwnd), hwndChildList)
 
for hwnd in hwndChildList:
    print("句柄：",hwnd,"标题：",win32gui.GetWindowText(hwnd))
    f.write("句柄：" + str(hwnd) + " 标题：" + win32gui.GetWindowText(hwnd) + '\n')
 
f.close()

以上代码可以独立执行。 

2.2、前置游戏窗口

前置游戏窗口的代码放在GameAssist类初始化中，类声明对象后，自动前置游戏窗口。

class GameAssist:
	
    def __init__(self, wdname):
    #初始化
        
        # 取得窗口句柄
        self.hwnd = win32gui.FindWindow(None, wdname)
 
        if not self.hwnd:
            print("can't find window, name is : 【%s】" % wdname)
            exit()
 
        print("find window, name is : 【%s】" % wdname)
 
        # 窗口显示最前面
        win32gui.SetForegroundWindow(self.hwnd)

在主函数中，调用方式如下。

if __name__ == "__main__":
    wdname = u'宠物连连看经典版2小游戏,在线玩,4399小游戏 - 360极速浏览器 13.5'
 
    demo = GameAssist(wdname)

3、图像识别算法

3.1、确定参数

第一个参数是图标矩阵的坐标，包括：左上角和右下角两个点位。

左上角（ 360，258）

右下角（1253，853）

获取方法：抓屏，使用画图进行编辑。这两个坐标必须精确，会影响到后续图像识别。

第二个参数是图标的高度（高度与宽度相等）。

width = （1253 - 360）/ 12 = 74.41

    def __init__(self, wdname):
    #初始化
        
        # 取得窗口句柄
        self.hwnd = win32gui.FindWindow(None, wdname)
 
        if not self.hwnd:
            print("can't find window, name is : 【%s】" % wdname)
            exit()
 
        print("find window, name is : 【%s】" % wdname)
 
        # 窗口显示最前面
        win32gui.SetForegroundWindow(self.hwnd)
 
        # 小图标标号矩阵
        self.im2num_arr = []
 
        # 截图的左上角坐标和右下角坐标
        self.screen_left_and_right_point = (360, 258, 1253, 853)
 
        # 小图标宽高
        self.im_width = 74.41
 
        self.mouse = PyMouse()

3.2、截取图标矩阵

def screenshot(self):
        image = ImageGrab.grab(self.screen_left_and_right_point)
        save_im(image, 'image')           
        return image_list

 使用ImageGrab.grab()截取屏幕后，可以保存为图片进行调试。

def save_im(image, name):
    # 创建存储路径
    screen_path = os.path.join(os.path.dirname(__file__), 'screen')
    if not os.path.exists(screen_path):
        os.makedirs(screen_path)
    
    # 保存图片到存储路径
    image_name = os.path.join(screen_path, name)
 
    #print("image_name: %", image_name)
    t = time.strftime('%Y%m%d_%H%M%S', time.localtime())
    image.save('%s_%s.png' % (image_name, t))  # 文件名name后面加了个时间戳，避免重名

矩阵外围的长方形线宽保留1个像素，效果如下。

3.3、分解为12*8个图标

分解图标后，存入image_list列表中。

    def screenshot(self):
        image = ImageGrab.grab(self.screen_left_and_right_point)
 
        save_im(image, 'image')
 
        image_list = {}
        offset = self.im_width
 
        for x in range(8):
            image_list[x] = {}
            for y in range(12):
                top = round(x * offset)
                left = round(y * offset)
                bottom = round((x + 1) * offset)
                right = round((y + 1) * offset)
 
                im = image.crop((left, top, right, bottom))
                image_list[x][y] = im
 
                #print("top = {}, left = {}".format(top, left))
                save_im(image_list[x][y], str(x).zfill(2)+str(y).zfill(2)) 
                
        return image_list

 保存为图片，分解效果如下图所示，应该有12*8个，图片没有截全。

3.4、图像数字化

现在已经得到图标图像的列表，但是计算机无法直接对比两个图标是否一致，需要图像数字化。

第一步，彩色转为黑白灰度。

image1 = im1.resize((20, 20), Image.ANTIALIAS).convert("L")

第二步，转为为一串01序列

        # 降灰度图标转成01串，即二进制数据
        pixels1 = list(image1.getdata())
 
        avg1 = sum(pixels1) / len(pixels1)     
        hash1 = "".join(map(lambda p: "1" if p > avg1 else "0", pixels1))

第三步，对比完成后，存入 image_type_list列表。这里是考验前期参数与算法的地方了，理论上mage_type_list只会存入12个元素。调试时，放开如下代码。

        for i in range(len(image_type_list)):
            save_im(image_type_list[i], str(i).zfill(2))

涉及函数

     def image2num(self, image_list):
        # 1、创建全零矩阵和空的一维数组
        arr = np.zeros((10, 14), dtype=np.int32)
        image_type_list = []
 
        # 2、识别出不同的图片，将图片矩阵转换成数字矩阵
        for i in range(len(image_list)):
            for j in range(len(image_list[0])):
                im = image_list[i][j]
 
                # 验证当前图标是否已存入
                index = self.getIndex(im, image_type_list)
 
                # 不存在，则存入image_type_list
                if index < 0:
                    image_type_list.append(im)
                    arr[i + 1][j + 1] = len(image_type_list)
                else:
                    arr[i + 1][j + 1] = index + 1
 
        print("图标数：", len(image_type_list))
 
        for i in range(len(image_type_list)):
            save_im(image_type_list[i], str(i).zfill(2))
 
        self.im2num_arr = arr
        return arr
 
    # 检查数组中是否有图标，如果有则返回索引
    def getIndex(self, im, im_list):
        for i in range(len(im_list)):
            if self.isMatch(im, im_list[i]):
                return i
 
        return -1
 
    # 汉明距离判断两个图标是否一样
    def isMatch(self, im1, im2):
        # 缩小图标，转成灰度
        image1 = im1.resize((20, 20), Image.ANTIALIAS).convert("L")
        image2 = im2.resize((20, 20), Image.ANTIALIAS).convert("L")
 
        # 降灰度图标转成01串，即二进制数据
        pixels1 = list(image1.getdata())
        pixels2 = list(image2.getdata())
 
        avg1 = sum(pixels1) / len(pixels1)    
        avg2 = sum(pixels2) / len(pixels2)    
        hash1 = "".join(map(lambda p: "1" if p > avg1 else "0", pixels1))
        hash2 = "".join(map(lambda p: "1" if p > avg2 else "0", pixels2))
 
        # 统计两个01串不同数据的个数
        match = sum(map(operator.ne, hash1, hash2))
 
        # 阀值设为10
        return match < 40