去年火了一阵子的微信小游戏"跳一跳"相信大家都玩过，要说操作也着实简单，依靠手指按压屏幕让棋子在各种方格间跳跃，所谓老少皆宜的游戏也不外乎这种，没有复杂的操作，而望着大家乐此不疲的一遍遍地刷记录的时候，那是真累啊！所以我第一个想法就是如何自动的让棋子跳呢？
有了上面的想法，说干就干，让棋子自动跳那就是模拟屏幕按压就行了，有了这个思路结合前段时间写完的"pyapp"自动化测试框架，知道可以利用adb命令swipe来实现屏幕按压（大家可以参考我之前写的文章《python自动化测试应用-第10篇（APP测试）之adb命令》），只要掌握好按压的时间就能模拟不同的按压力度，那么接下来这个按压时间该如何确定呢？自然我们是根据两个矩形物体间的距离了，隔得远我们就需要按压时间长，反之离得近，时间就短。所以之后的重点就是如何计算出这个距离呢？我们先看一下下面这张图。
准确的说我们是要得到这两个红点之间的距离，上面这张截图就是我通过程序画出的。那么这两个红点所在位置是如何找出的呢？由于之前研究过一段时间的车牌识别，知道利用opencv可以分析图片，比如将彩色图片转化成灰度图，转化成灰度图后便于我们去识别图片中各种形状，这之间用到的功能函数还有cv2.threshold（二值化），cv2.morphologyEx（图像的开，闭运算）最终我们可以将上图转化为这样。
通过以上的一些逻辑运算，得到的这张图可以清楚的将我们的棋子显示出来，接下来就可以自然的计算出棋子的坐标了。同样的方式我们看下图。
从这张图我们可以看到棋子和左边下一步要跳的矩形格子的边缘，正是利用这种关系我们就可以找到白色边缘，进一步分析出矩形格子的位置。这里着重说明一下下一步所跳矩形格子坐标位置我是如何分析的，同样我们还是按照轮询图片每一处坐标点的颜色，当然我们起始坐标不用从[0,0]开始，也就是可以屏蔽掉分数所在向上的位置，那么这样我们遇到的第一个坐标颜色是白色也就是为0的坐标点必然是在这个矩形范围内，那么找到这个点还没有完，因为我们要尽可能的找到矩形的中心点，因为目前我们只是找到了矩形边缘。向开篇第一张图的红点位置是如何确定到的呢？
这里我分享一下我的方法：既然我们找到了边缘点，之后我们从边缘点向上下左右四个方向继续分别获取颜色值（当然这里我们就要在原图获取颜色了），当某个方向遇到背景色时停止，这样我们就可以分析出我们这个边缘点是在矩形格子的哪个方位（是左边，还是下边，上边或右边），以这张图的情况举例，边缘点是在左边，那么自然我们就要让边缘点向右侧移动，这个偏移量自然就是我们向右找到背景色停止的那个位置的一半，因为我们是要定位中心点。这里再说明一点为什么要确定边缘点是在矩形格子的方位呢？因为跳一跳的格子它的颜色变化很多，且颜色不固定，所以我们通过cv2的函数运算得到图3，矩形格子的边缘不一定是完全的边缘，所以我们要分析边缘与矩形实际的位置关系再确定中心点。
好了，知道了两个坐标点，棋子的和矩形格子的，那么他们之间的距离就可以得到了。这个距离大家就可以理解成按压力度，因为他们是正比关系。比如我们得到的像素距离是600，那么我们的swipe命令最后的参数时间就是乘以2即1200毫秒。
最后我将代码贴出来。
---------------------------------------------------------------
注：我这有个学习基地，里面有很多学习资料，感兴趣的+Q群：895817687
---------------------------------------------------------------
# -*-encoding:utf-8 -*-
from __future__ import division
import cv2
import time
import subprocess
import hashlib
import os,shutil
import numpy as np
from PIL import Image
import pytesseract
import math
from wg_main import *
loop_count=0
while 1:
try:
loop_count+=1
shot()
time.sleep(1)
img=cv2.imread("d:\\cp\\screenshot.png")
img=cv2.resize(img,(720,1280))
hsvimg=hsv(img)
_colorImage=img
_colorImage1=img.copy()
(w1,h1,_)=img.shape
dis1=ch1(img,w1,h1)
dis2=ch11(img,w1,h1,dis1[0])
if dis2:
if abs(dis1[0]-dis2[0])>100:
(color1,_,_)=hsvimg[dis1[1],dis1[0]]
(color2,_,_)=hsvimg[dis2[1],dis2[0]]
if 110<color2<120 and (color1>125 or color1<110):
dis1=dis2
(color1,_,_)=hsvimg[dis1[1],dis1[0]]
if color1>125 or color1<110:
dis3=ch111(img,w1,h1)
dis1=dis3
img=gry(img)#灰度转化
img=sb(img)#Sobel算子
img=th2(img)#threshold算法
img=mo(img)#开闭运算
pi,pj=mid_position(img,_colorImage,w1,h1,dis1)
middle_pos=last_mid_pos(_colorImage1,pi,pj,h1)
cv2.rectangle(_colorImage,(middle_pos[0],middle_pos[1]),(middle_pos[0],middle_pos[1]),(0,0,255),4)
cv2.rectangle(_colorImage,(dis1[0],dis1[1]),(dis1[0],dis1[1]),(0,0,255),4)
dis=int(math.sqrt(abs(dis1[0]-middle_pos[0])**2+abs(dis1[1]-middle_pos[1])**2))
dis=diss(dis)
if dis<100:
dis=250
jump(dis)
time.sleep(2)
os.remove("d:\\cp\\screenshot.png")
except Exception,e:
print e
最后，说明一点谨此篇文章请大家以自动化测试的角度去看待，游戏玩多了伤身，用外挂玩则是伤别人的身。