写在前面：
主要运用python进行简单的图像处理，不得不说python用起来是真的爽，各种库的学习使得开发变得越来越简单...
其实玩过这个小程序的应该知道实现起来也不是很难，很适合新手练手。第一次到了500多题不知道是因为被检测了还是网掉了分数没提交。。。结果以后到200分就手动停了，发现提交是正常的......
话不多说先上效果：（gif太麻烦了将就着看吧......）
首先说一下思路：
1.运用投屏软件将手机屏幕投屏到电脑。（实际上也可以运用adb截图再处理，但是adb太慢到200题后速度会变得相对很快，所以运用投屏，我这里用的是：vysor，自行下载安装就好了）
2.图片处理。截图+识别（图像处理这里用的是PIL库，运用感知哈希算法、汉明距离进行图片匹配）
3.得到结果并点击。
**-***---**-**-*-**-*-*乱而华丽的分割线*--*--**-*--*--*****--*-
那就开始我们的代码吧：
1. 首先安装PIL库：https://www.cnblogs.com/mrgavin/p/8177841.html
ok很快！我们安装好了PIL。
我这这里主要用了其中的Image:
from PIL import Image
官方文档：http://effbot.org/imagingbook/image.htm
这里有个中文的自己写的：https://blog.csdn.net/icamera0/article/details/50706615（感谢大佬)
2.图片处理，我们需要得到图片的哈希值（dHash值），并运用汉明距离在我们自己做的列表中匹配最接近的。
from PIL import ImageGrab img = ImageGrab.grab((left,top, right, bottom))#截屏幕
介绍一下我们这里用的感知哈希算法：
一张图片有很多个像素点构成，每个像素点都是一个rgb，例如：
是一个440*300的图片，其中的像素点达到了13万...都计算的话显然有点吃力，所以我们缩小他的大小，把它缩小到15*20（当然你可以缩到其他的数字...主要是让他足够小并能比较准确的被识别）。然后的得到他的rgb，当然这里我们可以先对其进行二值化，然后在得到他的黑白图片，这样我们可以直接得到它的一个有 1，0组成的数组。那这个数组对于这个图片来说就是他的dHash。
这里又有一个问题就是每个图片都是不同的，不过这似乎很简单就可以解决，我们可以裁剪出其中每个数字并将其dHash然后对我们预先处理（首先得到一遍1-9以及'-','+',='的dHash存储数组）的dHash值进行比较就可以了。
再来介绍一下我们的汉明距离：
实际上很简单，对象a变成对象b需要改变几个元素，例如:字符串"1235"变成"1257"需要改变的是2，2就是它们的汉明距离。我们可以运用其匹配两个dHash，一般两个相同数字图片的汉明距离在5以内。
开始我们的主要函数：
img = Image.open(path) # 打开一张图片 img = img.convert('L') # 灰度转化 re_img = img.point(table, mode) # table可以为数组 在将灰度图像转换为位图图像（模式”1“）时，所有非零值都设置为255（白色） newimg = img.crop(left, up, right, bottom) # 裁剪 small_img = re_img.resize((width, height), mode) # 缩小图片这里用 mode=Image.LANCZOS我们可以运用上面的某些函数将普通的img，转换为黑白图片。当然这里point中的table可能有点问题，我们直接上代码：
table = [] for i in range(256): if i > threshold: table.append(0) else: table.append(1) bin_img = img.point(table, '1')
然后我们要对其进行裁剪，分为两部分：横向，纵向。我们不难看出上面图片中每个数字之间是背景色的，转为黑白图片后就是白色的。
我们调用：
import numpy
num_img = numpy.array(re_img)#将其转换为二维数组形式，其黑为1，白为0。
当然这还不足以让方便我们识别我们该剪切那一部分，我们需要将其每一列每一行求和分别得到两个一维数组。
list(numpy.sum(numpy.array(img) == 0, axis=1)) #axis为0为列求和，1为行求和 返回一维数组。（我也不太确定到底是0，1对应的是谁）
得到了他们求和的数组之后我们判断一下那一块是大于零的并用crop裁减出来就可以了。
别忘记将其缩小！别忘记将其缩小！别忘记将其缩小！
横竖裁剪完成后我们的到了每一个数字的缩小版，下面我们就要对其进汉明距离的匹配了。这里也很简单我们只要判断一下两个的dHash有哪些不同就好了，这里的dHash很明显就是我们转换每个缩小版数字的数组。找出最小的汉明距离然后返回它对应的值（这个应该是你已经初始化完成的，我们先找几个样例然后得到其dHash，手动输入他对应的数字是多少并储存）。
#如果有问题可以去下面代码借鉴一下。
运算：
上面我们终于就完成了，下面的是运算，这个其实对于学过算法的其实不难，但是python好就好在给你提供了你意想不到的库。比如说得到字符串中运算结果，例如
eval("2+5")==7
我们可以直接调用eval运算出结果并于结果对比。
3.点击：
点击还是比较容易实现的，python库如此强大！
import win32api, win32gui, win32con win32gui.GetCursorPos()#得到鼠标位置 win32api.SetCursorPos(x, y)#改变鼠标位置到x，y win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN | win32con.MOUSEEVENTF_LEFTUP, 0, 0)#点击。0，0为偏移量具体百度
------------------------------------------不乱但是不华丽的分割线-------------------------------------------------
注意点：我们还需要初始化获取'44'这两个数字的dHash，因为44之间是连着的所以不会被我们程序分开然后就会得到错误结果。算是个坑点吧。
这一只有图像处理与匹配的函数，具体的其他的还是蛮简单的。