C++ OpenCV如何模拟实现微信跳一跳
小编给大家分享一下C++ OpenCV如何模拟实现微信跳一跳，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！
实机演示Gif：
思路：
获取小黑人的位置，获得目标方块的位置，计算两者的距离，从而计算粗按压屏幕的时间是多少。
具体实现1：使用mumu模拟器获取截图
使用mumu模拟器，模拟手机端，然后使用adb调试工具截图，保存到本地，然后从OpenCV程序获取在本地的截图。
具体实现2：使用adb工具模拟按压
当计算完距离和时间之后，考虑使用模拟按压屏幕的方法，控制小人的移动。
具体实现3：按压的位置刚好在“再来一次”的按钮上
这样就算跳失败了，只要用户不停下，那么小程序就会一直的进行跳跃。
获取小黑人的位置：
很简单，只是使用OpenCV的matchTemplate就可以啦，注意使用“TM_CCORR_NORMED”方法。
获取终点的位置：
这里使用的是Canny边缘检测算法
需要自定义的：
一个文件夹，将图片，从mumu模拟器，保存到本地的目录文件夹。和Debug的缓存目录。
您还可以自定义，程序运行的循环次数：
//最大执行次数 #define MaxRound 100
修改后面的100即可。
还有您的匹配模式图片位置：
character3.png
完整项目：
项目配置：DebugX64，包含头文件opencv头文件，lib选择为opencv_world425d.dll(好像是这个名字)，这个lib一定要有d，因为我们是Debug模式，所以使用这个库。然后链接器的附加输入，也填入这个选项。
项目依赖：adb、opencv425
下面是完整的项目参考。
项目结构
pch.h
#pragma once #include <opencv2/opencv.hpp> #include <iostream> #include <opencv.hpp> #include <windows.h>
main.cpp
//跳一跳作弊程序
//版本 v1.0.2 作者：CSDN陈千里
/*
* 程序使用说明：
* 需要配合mumu模拟器使用，电脑需要安装adb调试工具，和opencv库。
* 程序原理介绍:
* 通过计算两点之间的距离，估算跳跃的长度，按压屏幕的时间间隔
*
* 参考论文：
* https://blog.csdn.net/qq_37406130/article/details/79007335
* https://blog.csdn.net/sundy_2004/article/details/7749093
* https://blog.csdn.net/q5222890/article/details/105533233
* https://blog.csdn.net/qq_47342178/article/details/109779840
* adb swip使用：
* https://blog.csdn.net/u010042669/article/details/104066744
* Canny 边缘检测：
* https://blog.csdn.net/hensonwells/article/details/112557073
*/
#include "pch.h"
#include <windows.h>
#include <sstream>
using namespace cv;
Mat srcImage;//存放跳一跳的截图
Mat blackPeopleTem;//黑色小人匹配图
std::stringstream ssm; //int转string
//最大执行次数
#define MaxRound 100
//由于分辨率的不同，微调终点的位置
#define Tuning 0.52f
//Debug函数
void DebugImg(const std::string& fileName, Mat& mat, const Point& point);
void DebugImg(const std::string& fileName, Mat& mat);
//刷新srcImage的信息（截图）
void refreshSrcImage() {
system("adb shell screencap -p /sdcard/ScreenCatch.png");
//您需要自定义的地方，下面的"C:\\adb"
system("adb pull /sdcard/ScreenCatch.png C:\\adb\\temp");
srcImage = imread("C:\\adb\\temp\\ScreenCatch.png");
}
//寻找跳一跳黑色小人的位置
Point GetNowPoint(Mat& srcImage, Mat& Tem_img) {
cv::Mat image_matched;
matchTemplate(srcImage, Tem_img, image_matched, TM_CCORR_NORMED);// 匹配黑棋子
double minVal, maxVal;
Point minLoc, maxLoc, matchLoc;
DebugImg("黑人匹配图.png", image_matched);
minMaxLoc(image_matched, &minVal, &maxVal, &minLoc, &maxLoc, Mat());
matchLoc = maxLoc; //matchLoc是最佳匹配的区域左上角点
//调试输出
DebugImg("1黑人位置.png", srcImage, Point(matchLoc.x + Tem_img.cols, matchLoc.y + Tem_img.rows));
//DebugImg("1黑人位置.png", srcImage, Point(matchLoc.x + Tem_img.cols * 0.5, matchLoc.y + Tem_img.rows));
return Point(matchLoc.x, matchLoc.y);
}
//获得小方块的目标点
Point GetNextPoint(Mat& srcImage) {
cv::Point point1;
cv::Point point2;
cv::GaussianBlur(srcImage, srcImage, cv::Size(5, 5), 0); //高斯滤波，降低噪声
Mat temp, temp2;
//cv::threshold(srcImage, temp, 0, 255, 8);
//srcImage = temp;
Canny(srcImage, temp, 20, 30); //进行边缘检测
temp2 = srcImage;
srcImage = temp;
std::vector<std::vector<Point>> contours;
std::vector<Vec4i> hierarchy;
findContours(srcImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point()); //找到关键的角点
//遍历每一个轮廓，把多余的轮廓去掉
std::vector<std::vector<cv::Point> >::const_iterator it = contours.begin();
while (it != contours.end()) {
if (it->size() < 150)
it = contours.erase(it);
else
++it;
}
int nYMin = srcImage.rows;
int nXMin = srcImage.cols;
int nYMax = 0;
int nXMax = 0;
int nIdY = 0;
for (int i = 0; i < contours.size(); i++) {
//contours[i]代表的是第i个轮廓，contours[i].size()代表的是第i个轮廓上所有的像素点数
for (int j = 0; j < contours[i].size(); j++) {
if (contours[i][j].y < nYMin) {
nYMin = contours[i][j].y; //找到最低的y值
point1 = contours[i][j]; //记录 y值最低点坐标
nIdY = i; //记录哪个区域内的
}
}
}
int minY = srcImage.cols;
for (int j = 0; j < contours[nIdY].size(); j++) { //在哪个区域内继续变量 找到x最大值
if (contours[nIdY][j].x > nXMax) {
nXMax = contours[nIdY][j].x;
}
}
for (int j = 0; j < contours[nIdY].size(); j++) {//找到x中最大值上的最小值
if (contours[nIdY][j].x == nXMax && contours[nIdY][j].y < minY) {
point2 = contours[nIdY][j];
minY = contours[nIdY][j].y; //记录X点的最大值
}
}
//调试输出
DebugImg("2目标点位置.png", temp2, Point(point1.x, point2.y));
DebugImg("边缘图.png", srcImage, Point(point1.x, point2.y));
return cv::Point(point1.x, point2.y); //返回中点坐标
}
//计算两个点的距离
float GetDistance(Point& first_point, Point& next_point) {
float A = first_point.x - next_point.x;
float B = first_point.y - (next_point.y + 50);
float result = pow(pow(A, 2) + pow(B, 2), 0.5);
if (result > 600) {
std::cout << "距离探测失误" << std::endl;
result = 230;
}
return result;
}
//模拟按压屏幕跳跃
void Jump(float& g_distance) {
std::cout << "distance:" << g_distance << std::endl;
int time = std::ceil(g_distance * 4 * Tuning);
std::string str_Time, str;
//模拟长按屏幕
ssm.clear();
ssm << time;
ssm >> str_Time;
str = "adb shell input swipe 461 1203 461 1203 " + str_Time;
std::cout << str << std::endl;
system(str.c_str());
}
//主过程
void Process() {
Point pBlackPeople;
Point pFinish;
float dis;
for (int i = 0; i < MaxRound; i++) {
refreshSrcImage();
pBlackPeople = GetNowPoint(srcImage, blackPeopleTem);
pFinish = GetNextPoint(srcImage);
dis = GetDistance(pBlackPeople, pFinish);
Jump(dis);
Sleep(2000);
}
}
int main() {
/*srcImage = imread("C:/adb/Test/1.png");
blackPeopleTem = imread("C:/adb/Resources/character3.png");
GetNowPoint(srcImage, blackPeopleTem);*/
//首先要链接端口
system("adb connect 127.0.0.1:7555");
refreshSrcImage();
blackPeopleTem = imread("C:/adb/Resources/character3.png");
//初始化到此结束
Process();
int x = 280; // 裁剪区域起始点 x坐标
int y = 400; // 裁剪区域起始点 y坐标
int width = 100; // 裁剪区域宽度
int height = 100; // 裁剪区域高度
//Rect area(x, y, width, height);
//Mat guide_roi = srcImage(Rect(x, y, width, height));
//测试代码
//namedWindow("test opencv setup", WINDOW_AUTOSIZE);
//imshow("test opencv setup", srcImage);
//waitKey(0);
return 0;
}
//保存图片和画点，用于调试
void DebugImg(const std::string& fileName, Mat& mat, const Point& point) {
Mat temp = mat;
//在图片上面画点
circle(temp, point, 5, Scalar(0, 0, 255), -1);
std::string path = "c:/adb/temp/", sR;
sR = path + fileName;
imwrite(sR, temp);
}
void DebugImg(const std::string& fileName, Mat& mat) {
std::string path = "c:/adb/temp/", sR;
sR = path + fileName;
imwrite(sR, mat);
}看完了这篇文章，相信你对“C++ OpenCV如何模拟实现微信跳一跳”有了一定的了解，如果想了解更多相关知识，欢迎关注蜗牛博客行业资讯频道，感谢各位的阅读！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：niceseo99@gmail.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
版权声明：如无特殊标注，文章均为本站原创，转载时请以链接形式注明文章出处。
评论