码迷，mamicode.com
首页 > 其他好文 > 详细

跳一跳实训

时间：2018-06-30 00:19:44      阅读：211      评论：0      收藏：0      [点我收藏+]

标签：cal   才有   charm   数据线   sdcard   wip   参数   add   连接   

　　1 手机和电脑用数据线连接

 

在电脑上下载360手机助手，并通过数据线连接手机。首次连接需要安装对应的手机驱动程序。(手机最好也下一个连接助理以保证连接的通畅)，进入到保存微信跳一跳资源包的路径并复制下来

进入cmd命令窗口

输入adb命令

adb devices

可以查看连接的Android设备的信息

 

运行结果：

技术分享图片

 

 

2 获取手机相关的信息

通过如下命令可以查看连接电脑的Android手机相关的信息

adb shell dumpsys window displays

 

运行结果：技术分享图片

 

 

在第3行可以看到手机的分辨率（自己加个红框框）

 

获取屏幕密度

 

运行结果：技术分享图片

 

 

 

 

获取手机型号

adb shell getprop ro.product.device

运行结果：技术分享图片

 

 

 

 

获取Android系统的版本

adb shell getprop ro.build.version.release

运行结果：

 技术分享图片

 

 

3 截屏

 

输入如下命令：

adb shell screencap -p /sdcard/auto.png

此时，截屏的图片就保存到 /sdcard/auto.png文件中。

注意：/sdcard/和/data/目录是可以写入的。

 一般手机是内置了sdcard的，而且data是没有权限的（反正我的没有），所以大胆写进sdcard

可以通过命令

adb shell ls /sdcard/ -l

查看sdcard目录下所有的文件。

 

通过如下命令把手机上的文件拷贝到电脑上

adb pull /sdcard/auto.png d:\

此时，图片就会被拷贝到d:\根目录下了。打开即可看到当前手机的屏幕信息。

注意：这时候手机最好是调到跳一跳游戏开始的界面，下一步模拟微信跳一跳的时候才有效果。

 

 

4 屏幕点击事件

通过如下命令模拟点击手机屏幕的事件

adb shell input swipe x1 x2 y1 y2 duration

通过adb shell input swipe命令进行滑动

X1、x1：滑动开始的点

Y1、y2：滑动结束的点

Duration：持续的时间（单位ms）

特殊情况：如果不写duration参数，就理解为点击事件。如果写duration，然后x1x2和y1y2是相同的点，就表示长按

跳一跳的关键是：duration的计算

尝试：

adb shell input swipe 100 100 100 700

这个700是改变的值，（跳一跳的第一步），改变700这个参数值试出得2分的范围

注意一个问题： 手机要进入usb调试,将usb模拟点击的按钮打开，不然会不成功

值

得分

716

2

710

2

700

1

705

1

708

2

720

2

724

2

728

2

730

2

742

1

741

2

 

最大范围是 [708，741]  最中间值为：724.5

 

5 duration值的计算

假设我们截屏的效果是如下：

 技术分享图片

 

 

从图中可以看到，时间的值跟开始位置到结束位置的距离有关。

假设时间是t，距离是s。公式应该是s = at

基本思路：两点之间的距离乘以一个时间系数。

所以要从截图上识别出起跳位置的坐标(x1,y1)和目标位置的坐标(x2,y2)。

起跳位置的坐标：小人的底座中心点

目标位置的坐标：目标菱形的中心点

然后计算这两点之间的距离（欧氏距离）：sqrt((x1-x2)2+(y1-y2)2)

 

6 截屏的代码

 

创建img目录，后面把所有截屏的图片都放到该目录下（原则上每跳一步都需要截屏一次）

operation.py

import os

  import datetime

  

  from PIL import Image

  # 实现控制Android设备等相关的操作

  

  class Operation:

    # 构造方法

    def __init__(self):

        pass

  

    # 截屏

    def screen_cap(self):

        filename = time = datetime.datetime.now().strftime("%H%M%S") + ".png"

        # 截屏并保存到手机的目录上

        cmd = "adb shell screencap -p /sdcard/auto.png"

        os.system(cmd)

        # 把手机目录上的文件拷贝到PC上

        cmd = "adb pull /sdcard/auto.png" + " img/" + filename

        os.system(cmd)

  

        # 打开图像文件

        return Image.open(filename)

 

 

main.py

from  .operation import *
 
# 测试截屏

  def test_screen_cap():

    op = Operation()

    im = op.screen_cap()

 

运行结果：

 技术分享图片

 

7 显示图片的代码

需要安装matplotlib库

pip install matplotlib

 

draw.py

import matplotlib.pyplot as plt # 绘图

  import cv2 # 读取图片文件

  

# 实现显示图片 绘制图片等功能

  class Draw:

    # 构造器

    def __init__(self):

        # 初始化图像plt对象

        self.fig = plt.figure()

  

    # 显示图片

    def show_pic(self, filename,scale=1):

        # 读取图像

        img = cv2.imread(filename)

        # 调整显示的比例

        img = cv2.resize(img, (0,0), fx=scale, fy=scale)

        # 显示图像

        plt.imshow(img)

        plt.show()

 

 

main.py

# 测试显示图片

  def test_show_pic():

    draw = Draw()

    draw.show_pic("img/155900.png")

 

运行结果：

 技术分享图片

 

8 计算两点间的欧氏距离

Algorithm.py

#-*- coding:utf-8 -*-
#author:zhengjinwei
#data: 2018.6.28
#计算两点之间的欧式距离
import math

class Algorithm:
    def __init__(self):
        pass

    def calculate_distance(self,p1,p2):
        #计算欧式距离,用两点p1，p2表示距离
        return ((p2[0]-p1[0])**2+(p2[1]-p1[1])**2)*0.5

    def fine_point(self):
        """
        # 寻找关键坐标
        # 返回值1,2 start_x, start_y 起跳点的坐标 170,555
        # 返回值3,4 end_x, end_y 目标点的坐标 395,425
        :return:
        """
        start_x=170
        start_y=555
        end_x=395
        end_y=425
        return start_x,start_y,end_x,end_y

 

测试偶是欧氏距离main.py

测试欧式距离
 algorithm = Algorithm()
 p1 = (3, 4)
 p2 = (6, 8)
 d = algorithm.calculate_distance(p1, p2)
 print(d)

 

运行结果：

 技术分享图片

 

9 寻找关键坐标——框架

在alogrithm.py加入方法fine_point()

def fine_point(self):
    """
    # 寻找关键坐标
    # 返回值1,2 start_x, start_y 起跳点的坐标 170,555
    # 返回值3,4 end_x, end_y 目标点的坐标 395,425
    :return:
    """
    start_x=170
    start_y=555
    end_x=395
    end_y=425
    return start_x,start_y,end_x,end_y

 

 

测试关键坐标

Main.py

#测试寻找关键坐标
def text_find_point():
    algorithm=Algorithm()
    start_x,start_y,end_x,end_y=algorithm.fine_point()
    print(‘{0} {1} {2} {3}‘.format(start_x,start_y,end_x,end_y))

 

运行结果：

 

 技术分享图片

 

10 获取每一个点的RGB值

 

    # 寻找关键坐标

    # 返回值1,2 piece_x, piece_y 起跳点的坐标 170,555

    # 返回值3,4 board_x, board_y 目标点的坐标 395,425

    def find_point(self,im):

        piece_x = piece_y = 0

        board_x = board_y = 0

       

        # 图像的大小

        w,h = im.size # (540, 960)

        # 加载图像

        im_pixel = im.load()

       

        # 遍历图像中的每一个点

        # 遍历每一行

        for i in range(h):

            # 遍历每一列

            for j in range(w):

               

                pixel = im_pixel[j,i]

                print("i = ", i, ",j = ", j, "pixel = ", pixel) 

       

 

测试代码如下：

# 测试寻找关键坐标

def test_find_point():

    op = Operation()

    im = op.screen_cap()

    algorithm = Algorithm()

    start_x, start_y, end_x, end_y = algorithm.find_point(im)

    print("start_point:", start_x, start_y)

    print("end_point:", end_x, end_y)

 

 

 

11 寻找关键坐标——起跳坐标

 

算法策略：获取小人的底座中心点的值作为起跳点。

1 获取小人的所有像素点中y坐标的最大值

2 在小人y坐标的最大值那些像素点中，计算出x的平均值，作为小人底座的x的值。

3 y坐标的最大值减去一个偏移值，就作为小人底座的y值。（注意：该偏移值不同的设备是不同的，同一台设备不同场景下是一样的）

比如教师机的设备中最低点的值是(168,565)，中心值是 (168,555)，从而计算出偏移值为565-555=10

 

 

11.1 获取小人y坐标的最大值

 

需要从上往下一行行扫描像素点，直到找到小人位置。

    # 寻找关键坐标

    # 返回值1,2 piece_x, piece_y 起跳点的坐标 170,555

    # 返回值3,4 board_x, board_y 目标点的坐标 395,425

    def find_point(self,im):

        piece_x = piece_y = 0

        board_x = board_y = 0

       

        # 图像的大小

        w,h = im.size # (540, 960)

        # 加载图像

        im_pixel = im.load()

       

        # 记录y的最大值

        piece_y_max = 0

       

        # 1 计算出起跳点 就是小人底座的中心点

        # 1.1 获取小人的所有像素点中y坐标的最大值

        # 遍历图像中的每一个点

        # 遍历每一行

        for i in range(h):

            # 遍历每一列

            for j in range(w):

               

                pixel = im_pixel[j,i]

                #print("i = ", i, ",j = ", j, "pixel = ", pixel) 

               

                # 判断pixel是否小人所在的位置

                # 当该点的RGB值约为55,59,102的时候就可以认为是小人所在的像素点了

                if(50 < pixel[0] < 60 and 53 < pixel[1] < 63 and 95 < pixel[2] < 110):

                    # 记录下y的值

                    if i > piece_y_max:

                        piece_y_max = i

       

        print("piece_y_max = %d" % (piece_y_max,))

       

        # 1.2 在小人y坐标的最大值那些像素点中，计算出x的平均值，作为小人底座的x的值。

       

        # 1.3 y坐标的最大值减去一个偏移值，就作为小人底座的y值。（注意：该偏移值不同的设备是不同的，同一台设备不同场景下是一样的）

       

        return piece_x, piece_y, board_x, board_y

 

 

11.2 获取小人底座的x坐标

 

记录下小人所有的点。

    # 寻找关键坐标

    # 返回值1,2 piece_x, piece_y 起跳点的坐标 170,555

    # 返回值3,4 board_x, board_y 目标点的坐标 395,425

    def find_point(self,im):

        piece_x = piece_y = 0

        board_x = board_y = 0

       

        # 图像的大小

        w,h = im.size # (540, 960)

        # 加载图像

        im_pixel = im.load()

        # 记录小人所有的点

        points = []

       

        # 记录y的最大值

        piece_y_max = 0

       

        # 1 计算出起跳点 就是小人底座的中心点

        # 1.1 获取小人的所有像素点中y坐标的最大值

        # 遍历图像中的每一个点

        # 遍历每一行

        for i in range(h):

            # 遍历每一列

            for j in range(w):

               

                pixel = im_pixel[j,i]

                #print("i = ", i, ",j = ", j, "pixel = ", pixel) 

               

                # 判断pixel是否小人所在的位置

                # 当该点的RGB值约为55,59,102的时候就可以认为是小人所在的像素点了

                if(50 < pixel[0] < 60 and 53 < pixel[1] < 63 and 95 < pixel[2] < 110):

                    # 把当前的点添加到points数组中

                    points.append((j,i)) # (x,y)

                    # 记录下y的值

                    if i > piece_y_max:

                        piece_y_max = i

       

        print("piece_y_max = %d" % (piece_y_max,))

 

        # 1.2 在小人y坐标的最大值那些像素点中，计算出x的平均值，作为小人底座的x的值。

        bottom_x = []

        for x,y in points:

            if y == piece_y_max:

                bottom_x.append(x)

       

        piece_x = sum(bottom_x) // len(bottom_x)

        print("piece_x = %d" % (piece_x,))

       

piece_y=piece_y_max-self.piece_base_height
print("piece_y = %d" % (piece_y,))

 

        # 1.3 y坐标的最大值减去一个偏移值，就作为小人底座的y值。（注意：该偏移值不同的设备是不同的，同一台设备不同场景下是一样的）

 

        return piece_x, piece_y, board_x, board_y

 

 

运行结果：

 技术分享图片

 

 

12 优化程序

无论是起跳位置，还有目标位置。都只取垂直的中间的1/3样式进行扫描。

13 寻找关键坐标——目标坐标

#-*- coding:utf-8 -*-
#author:zhengjinwei
#data: 2018.6.28
#计算两点之间的欧式距离

class Algorithm:
    #底座中心与小人最低点的偏移值
    piece_base_height=10
    def __init__(self):
        pass

    def calculate_distance(self,p1,p2):
        #计算欧式距离,用两点p1，p2表示距离
        return ((p2[0]-p1[0])**2+(p2[1]-p1[1])**2)*0.5

    def fine_point(self,img):
        """
        # 寻找关键坐标
        # 返回值1,2 piece_x, piece_y 起跳点的坐标 170,555
        # 返回值3,4 board_x, board_y 目标点的坐标 395,425
        :return:
        """
        piece_x=0
        piece_y=0
        board_x=0
        board_y=0
        # 图像的大小
        w,h=img.size#(1080,1920)
        #加载图形
        img_pixel=img.load()
        # print(w,h,img_pixel)
        # 记录小人所有的点
        points = []

        # 记录y的最大值
        piece_y_max = 0

        # 1 计算出起跳点 就是小人底座的中心点
        # 1.1 获取小人的所有像素点中y坐标的最大值
        # 遍历图像中的每一个点
        # 遍历每一行
        for i in range(h // 3, h * 2 // 3):
            #遍历每一列
            for j in range(w):
                pixel=img_pixel[j,i]
                # print(‘i=‘,i,‘j=‘,j,‘pixel=‘,pixel)

                # 判断pixel是否小人所在的位置
                # 当该点的RGB值约为55,59,102的时候就可以认为是小人所在的像素点了
                if (50 < pixel[0] < 60 and 53 < pixel[1] < 63 and 95 < pixel[2] < 110):
                    # 把当前的点添加到points数组中
                    points.append((j,i))#(x,y)
                    #  记录下y的值
                    if i > piece_y_max:
                        piece_y_max = i

        print("piece_y_max = %d" % (piece_y_max,))
        # 1.2 在小人y坐标的最大值那些像素点中，计算出x的平均值，作为小人底座的x的值。
        bottom_x = []
        for x, y in points:
            if y == piece_y_max:
                bottom_x.append(x)

        piece_x = sum(bottom_x) // len(bottom_x)
        print("piece_x = %d" % (piece_x,))

        piece_y=piece_y_max-self.piece_base_height
        print("piece_y = %d" % (piece_y,))
         # 1.3 y坐标的最大值减去一个偏移值，就作为小人底座的y值。（注意：该偏移值不同的设备是不同的，同一台设备不同场景下是一样的）


        """
        取目标点的位置
        """
        points = []
        # 只取中间1/3进行扫描
        for i in range(h // 3, h * 2 // 3):
            if len(points) > 0:
                break
            # 取坐标的一个点作为背景的参照物
            last_pixel = img_pixel[0, i]
            # 逐个扫描右边的点
            for j in range(w):
                pixel = img_pixel[j, i]
                # 把当前点与最左边的点比较 如果RGB差异比较大 则认为是目标点
                if (abs(pixel[0] - last_pixel[0])
                        + abs(pixel[1] - last_pixel[1])
                        + abs(pixel[2] - last_pixel[2]) > 10):
                    points.append((j, i))

        top_x = []
        for x, y in points:
            top_x.append(x)

        board_x = sum(top_x) // len(top_x)
        print("board_x = %d" % (board_x,))


        return piece_x,piece_y,board_x,board_y

 

运行结果：

 

 技术分享图片

 

 

13. 1 获取目标坐标的y值

取屏幕宽和高的一半（x=560和y=960）

 技术分享图片

 

我们会发现，目标格子的边沿（x=568，y=980）和这个是差不多的(y的偏差是20，x的偏差是8)

以后每次跳动的时候，假如已经知道目标格子的边沿，和目标坐标的x值，就可以很轻松计算出目标坐标的y值。

注意：每个格子的宽和高的比例是相同的。

左：（568,850）

右：（1243,850）

上：（1023,715）

下：（1023,980）

中：（1023,850）

高和宽的比例：(980-715)/(1243-568) =265/675=53/135。假设该值为p

已经知道目标坐标的x值，求目标坐标的y值

 

# 2.2计算目标格式子y值

        # 屏幕中心的值

        center_x = w / 2 + 8 # x的偏差是8

        center_y = h / 2 + 20 # y的偏差是20

        # 格子高和宽的比例

        height_per_width = 265 / 675

        # 计算出目标格子的y值(需要转换成整数)

        board_y = int(center_y - height_per_width * (board_x - center_x))

        print("board_y = %d" % (board_y,))

 

 

 

运行结果：

 技术分享图片

 

13.3 区分从左往右跳和从右往左跳

Algorithm.py 方法:find_point

def fine_point(self,img):
    ..

…

…

…
    # 2.2计算目标格式子y值

    # 屏幕中心的值
    center_x = w / 2 + 8 # x的偏差是8
    center_y = h / 2 + 20  # y的偏差是20

    # 格子高和宽的比例
    height_per_width = 265 / 675

    # 计算出目标格子的y值(需要转换成整数)
    # 计算出目标格子的y值(需要转换成整数)
    # 从piece_x调到board_x 如果piece_x < board_x则表示从左往右跳
    # 如果piece_x > board_x 则表示从右往左跳
    if piece_x < board_x:
        board_y = int(center_y - height_per_width * (board_x - center_x))
    else:  # 从右往左跳
        board_y = int(center_y + height_per_width * (board_x - center_x))

    print("board_y = %d" % (board_y,))

    return piece_x,piece_y,board_x,board_y

 

14 初步估算距离与时间的比例

 

algorithm.py

 

    # 距离与时间的转换

    def distance_to_time(self, distance):

        # 当0分的时候 距离为 261.222128 时间为730

        p = 730 /  261.222128 # 该算法后面待优化

        press_time = distance * p

        return press_time

 

15 控制屏幕进行跳动

 

operation.py

    # 控制屏幕进行跳动

    def jump(self, src, dst, press_time):

        press_time = int(press_time)

        cmd = "adb shell input swipe %d %d %d %d %d" % (

            int(src[0]), int(src[1]),

            int(dst[0]), int(dst[1]),

            press_time

        )

        print(cmd)

        os.system(cmd)

 

main.py

def test_jump():

    algorithm = Algorithm()

    op = Operation()

    im = op.screen_cap()

    start_x, start_y, end_x, end_y = algorithm.find_point(im)

    start_point = (start_x, start_y)

    end_point = (end_x, end_y)   

    distance = algorithm.euclidean_distance(start_point, end_point)

    press_time = algorithm.distance_to_time(distance)

    op.jump(start_point, end_point, press_time)

 

 

END

遇到的问题

问题1：pychram运行main.py时出现“adb的乱码”

解决：将adb的目录添加到电脑的系统环境变量中，之后重启pycharm

 

问题2：运行是operation时候img目录没有图像生成

解决：

def screen_cap(self):
    filename = time = datetime.datetime.now().strftime("%H%M%S") + ".png"
    # 截屏并保存到手机的目录上
    cmd = "adb shell screencap -p /sdcard/" + filename
    os.system(cmd)
    # 把手机目录上的文件拷贝到PC上
    cmd = "adb pull /sdcard/" + filename + "img/" + filename
    os.system(cmd)
    #打开图像
    return  Image.open(‘img/‘+filename)

 

在cmd = "adb pull /sdcard/" + filename + "img/" + filename中 img前面没有添加空格

更改如下：cmd = "adb pull /sdcard/" + filename + " img/" + filename

跳一跳实训

标签：cal   才有   charm   数据线   sdcard   wip   参数   add   连接   

原文地址：https://www.cnblogs.com/zjinwei/p/9245831.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
登录后才能评论！
分享档案
更多>
2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)
周排行
mamicode.com排行更多图片
更多
友情链接
兰亭集智   国之画   百度统计   站长统计   阿里云   chrome插件   新版天听网
关于我们 - 联系我们 - 留言反馈
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码！