标签：
大学宿舍玩游戏的时候，为了简化重复的键鼠动作，有学习过按键精灵和TC脚本开发工具，并做了一些小脚本，基本达到了当时的需求。不知不觉，已经毕业了3年了，无聊之余又玩起了游戏，对于一些无趣的重复行为，于是又想写个脚本来处理下。比如跑任务，自动补血等，没想到现在的游戏对于按键精灵和TC基本上都是封杀。对于我这种小白，过游戏安全检测这种棘手的事，也许花费很多时间，都没有结果。经常测试，发现游戏不会对自己写的C#脚本进行检测，所以决定用C#来写。
研究了几天，突然间又不想玩游戏了，所以把这几天的研究成果分享给大家，希望对后来的人有启发。我玩的是一款QQ的游戏，我想要做的脚本就是 扫货脚本（当有人摆摊价格低于自己预设的价格时，自动购买下来，倒卖）。
经过分析，最难的步骤是怎么识别摊位上的价格，第一感觉，这不就是文字识别吗，于是找了一个.Net 唯一开源的Tesseract-ocr。经过测试，发现Tesseract-ocr只适合白底黑字的文字识别，于是对图片进行了以下处理
/// <summary>
/// 反像
/// </summary>
/// <param name="bitmapImage"></param>
/// <returns></returns>
public static Bitmap ApplyInvert(Bitmap source)
{
//create a blank bitmap the same size as original
Bitmap newBitmap = new Bitmap(source.Width, source.Height);
//get a graphics object from the new image
Graphics g = Graphics.FromImage(newBitmap);
// create the negative color matrix
ColorMatrix colorMatrix = new ColorMatrix(new float[][]
{
new float[] {-1, 0, 0, 0, 0},
new float[] {0, -1, 0, 0, 0},
new float[] {0, 0, -1, 0, 0},
new float[] {0, 0, 0, 1, 0},
new float[] {1, 1, 1, 0, 1}
});
// create some image attributes
ImageAttributes attributes = new ImageAttributes();
attributes.SetColorMatrix(colorMatrix);
g.DrawImage(source, new Rectangle(0, 0, source.Width, source.Height),
0, 0, source.Width, source.Height, GraphicsUnit.Pixel, attributes);
//dispose the Graphics object
g.Dispose();
return newBitmap;
}
/// <summary>
/// 图片变成灰度
/// </summary>
/// <param name="b"></param>
/// <returns></returns>
public static Bitmap ToGray(Bitmap b)
{
for (int x = 0; x < b.Width; x++)
{
for (int y = 0; y < b.Height; y++)
{
Color c = b.GetPixel(x, y);
int luma = (int)(c.R * 0.3 + c.G * 0.59 + c.B * 0.11);//转换灰度的算法
b.SetPixel(x, y, Color.FromArgb(luma, luma, luma));
}
}
return b;
}
/// <summary>
/// 图像变成黑白
/// </summary>
/// <param name="b"></param>
/// <returns></returns>
public static Bitmap ToBlackWhite(Bitmap b)
{
for (int x = 0; x < b.Width; x++)
{
for (int y = 0; y < b.Height; y++)
{
Color c = b.GetPixel(x, y);
if (c.R < (byte)255)
{
b.SetPixel(x, y, Color.FromArgb(0, 0, 0));
}
}
}
return b;
}
/// <summary>
/// 图像亮度调整
/// </summary>
/// <param name="b"></param>
/// <param name="degree"></param>
/// <returns></returns>
public static Bitmap KiLighten(Bitmap b, int degree)
{
if (b == null)
{
return null;
}
if (degree < -255) degree = -255;
if (degree > 255) degree = 255;
try
{
int width = b.Width;
int height = b.Height;
int pix = 0;
BitmapData data = b.LockBits(new Rectangle(0, 0, width, height), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb);
unsafe
{
byte* p = (byte*)data.Scan0;
int offset = data.Stride - width * 3;
for (int y = 0; y < height; y++)
{
for (int x = 0; x < width; x++)
{
// 处理指定位置像素的亮度
for (int i = 0; i < 3; i++)
{
pix = p[i] + degree;
if (degree < 0) p[i] = (byte)Math.Max(0, pix);
if (degree > 0) p[i] = (byte)Math.Min(255, pix);
} // i
p += 3;
} // x
p += offset;
} // y
}
b.UnlockBits(data);
return b;
}
catch
{
return null;
}
}
/// <summary>
/// 图像对比度调整
/// </summary>
/// <param name="b">原始图</param>
/// <param name="degree">对比度[-100, 100]</param>
/// <returns></returns>
public static Bitmap KiContrast(Bitmap b, int degree)
{
if (b == null)
{
return null;
}
if (degree < -100) degree = -100;
if (degree > 100) degree = 100;
try
{
double pixel = 0;
double contrast = (100.0 + degree) / 100.0;
contrast *= contrast;
int width = b.Width;
int height = b.Height;
BitmapData data = b.LockBits(new Rectangle(0, 0, width, height), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb);
unsafe
{
byte* p = (byte*)data.Scan0;
int offset = data.Stride - width * 3;
for (int y = 0; y < height; y++)
{
for (int x = 0; x < width; x++)
{
// 处理指定位置像素的对比度
for (int i = 0; i < 3; i++)
{
pixel = ((p[i] / 255.0 - 0.5) * contrast + 0.5) * 255;
if (pixel < 0) pixel = 0;
if (pixel > 255) pixel = 255;
p[i] = (byte)pixel;
} // i
p += 3;
} // x
p += offset;
} // y
}
b.UnlockBits(data);
return b;
}
catch
{
return null;
}
}
经过以上处理，发现识别率高了很多，可是不知道什么原因对单个价格，如9，6，5 这种无法识别，而且对于3，8，0，很容易混淆，对于这种扫货的脚本来说，价格识别率必须是100%对的。后来又去学习怎么训练字库，花了很多时间，最终得出一个结论，OCR训练识别率的前提是 文字能被识别，但是识别错了，如果连文字都识别不出，那么没有训练的必要了，就这样，放弃了。
当天晚上，看了一篇别人识别网站验证码的文章，又看了国内的脚本开发的文字识别，看到大漠插件的字库，是一个个像素组成的字。灵光一闪，每个价格的笔画不同，位置不同，同样大小的图片,Base64值肯定不一样啊，第二天做了实验，证明自己的想法是对的，哪怕一个像素不对，都是不一样的。于是写了个脚本，把摊位里1-2000的价格都抓下来，然后处理成黑白后分割成小图片。
/// <summary>
/// 图像转Base字符串
/// </summary>
/// <returns></returns>
public static string ToBaseMd5(this Bitmap img)
{
if (img == null)
return string.Empty;
else
return Convert.ToBase64String(ToByte(img));
}
做脚本嘛，最重要的截取指定区域的图片嘛，直接上代码。
Bitmap image = new Bitmap(26, 18);
Graphics imgGraphics = Graphics.FromImage(image);
//设置截屏区域
imgGraphics.CopyFromScreen(X, Y, 0, 0, new Size(26, 18));
image.Save(path, ImageFormat.Tiff);
以上的技术，基本上可以把识别文字的价格问题解决了，当然中途花了很多时间来做重复的事。
接下来有个问题，怎么定位价格啊，各种按钮的位置，因此要找个参照物，简单的说就是，截取一个参考物的图片，然后其他元素的位置相对这个参照物进行设置。转化成技术来说，就是一张小图在另一张大图里面找到位置，并返回相对坐标。尝试了几种方法，最终使用 AForge 这个开源项目来处理，代码如下
/// <summary>
/// 判断图像是否存在
/// </summary>
/// <param name="template"></param>
/// <param name="bmp"></param>
/// <returns></returns>
public static bool ContainsImg(this Bitmap template, Bitmap bmp)
{
// create template matching algorithm‘s instance // (set similarity threshold to 92.1%)
ExhaustiveTemplateMatching tm = new ExhaustiveTemplateMatching(0.921f); // find all matchings with specified above similarity
TemplateMatch[] matchings = tm.ProcessImage(template, bmp); // highlight found matchings
return matchings.Length > 0;
}
/// <summary>
/// 判断图像是否存在另外的图像中，并返回坐标
/// </summary>
/// <param name="template"></param>
/// <param name="bmp"></param>
/// <returns></returns>
public static Point ContainsGetPoint(this Bitmap template, Bitmap bmp)
{
// create template matching algorithm‘s instance // (set similarity threshold to 92.1%)
ExhaustiveTemplateMatching tm = new ExhaustiveTemplateMatching(0.921f); // find all matchings with specified above similarity
TemplateMatch[] matchings = tm.ProcessImage(template, bmp); // highlight found matchings
BitmapData data = template.LockBits(new Rectangle(0, 0, template.Width, template.Height), ImageLockMode.ReadWrite, template.PixelFormat);
Point p = new Point();
if (matchings.Length > 0)
{
Drawing.Rectangle(data, matchings[0].Rectangle, Color.White);
p = matchings[0].Rectangle.Location;
template.UnlockBits(data);
}
return p;
}
现在价格可以识别了，通过找图，界面的各个坐标都确定了，现在就是写模拟鼠标和键盘的操作了。这个网上很多，我的很简单
对于我的游戏来说鼠标操作，就是移动和左击
public class MouseHelper
{
[DllImport("user32.dll")]
private static extern bool SetCursorPos(int X, int Y);
[DllImport("user32.dll", CharSet = CharSet.Auto, CallingConvention = CallingConvention.StdCall)]
private static extern void mouse_event(uint dwFlags, uint dx, uint dy, uint cButtons, UIntPtr dwExtraInfo);
/// <summary>
/// 鼠标左击
/// </summary>
public static void LeftClick()
{
mouse_event(0x02, 0, 0, 0, UIntPtr.Zero);
mouse_event(0x04, 0, 0, 0, UIntPtr.Zero);
}
/// <summary>
/// 鼠标移动到指定的位置
/// </summary>
/// <param name="x"></param>
/// <param name="y"></param>
public static void MovePoint(Point p)
{
SetCursorPos(p.X, p.Y);
}
}
键盘可以用C#自带的方法 SendKeys
SendKeys.Send("输入文本");//用于输入文字
SendKeys.SendWait("{ENTER}");用于输入按键命令
基本上就这些了，另外附上一些可能会用到的技能
找到游戏句柄
/// <summary>
/// 获取游戏句柄
/// </summary>
/// <returns></returns>
public static int GetFFoHandle()
{
Process[] processes = Process.GetProcessesByName("进程名称");
var p = processes.FirstOrDefault();
if (p == null)
{
return 0;
}
else
{
return p.MainWindowHandle.ToInt32();
}
}
根据句柄获取游戏的位置
[DllImport("user32.dll", SetLastError = true)]
[return: MarshalAs(UnmanagedType.Bool)]
public static extern bool GetWindowRect(IntPtr hWnd, ref RECT lpRect);
[StructLayout(LayoutKind.Sequential)]
public struct RECT
{
public int Left;
public int Top;
public int Right;
public int Bottom;
}
根据句柄将游戏窗体移动到某个位置
/// <summary>
/// 根据句柄移动窗体
/// </summary>
/// <param name="hWnd"></param>
/// <param name="hWndInsertAfter"></param>
/// <param name="x"></param>
/// <param name="Y"></param>
/// <param name="cx"></param>
/// <param name="cy"></param>
/// <param name="wFlags"></param>
/// <returns></returns>
[DllImport("user32.dll", EntryPoint = "SetWindowPos")]
public static extern IntPtr SetWindowPos(IntPtr hWnd, int hWndInsertAfter, int x, int Y, int cx, int cy, int wFlags);
其他什么快捷键啊，啥的，网上一大堆就不写了。
好了，就这些，通过以上的代码，可以完成大部分简单的前台脚本了，写的比较乱，但是对于正在研究中的人，我想一定省了不少事。
标签：
原文地址：http://www.cnblogs.com/seethrough/p/5568107.html
