用Python制作游戏外挂（中）

继续上一篇我们需要知道顾客的要求，怎么做？分析顾客头上的图像就可以，来，从获取图像开始吧~

打开你钟爱的图像编辑器，开始丈量吧~ 我们得知道图像在屏幕的具体位置，可以用标尺量出来，本来直接量也是可以的，但是我这里使用了画面左上角的位置（也就是点1）来当做参考位置，这样一旦画面有变动，我们只需要修改一个点坐标就好了，否则每一个点都需要重新写一遍可不是一件快乐的事情。

看最左边的顾客头像上面的图像，我们需要两个点才可确定这个范围，分别是图像的左上角和右下角，也就是点2和点3,。后面还有三个顾客的位置，只需要简单的加上一个增量就好了，for循环就是为此而生！

同样的，我们原料的位置，“竹席”的位置等等，都可以用这种方法获得。注意获得的都是相对游戏画面左上角的相对位置。至于抓图的方法，PIL的ImageGrab就很好用，autopy也可以抓图，为什么不用，我下面就会说到。

分析图像

我们这个外挂里相当有难度的一个问题出现了，如何知道我们获得的图像到底是哪一个菜？对人眼……甚至狗眼来说，这都是一个相当easy的问题，“一看就知道”！对的，这就是人比机器高明的地方，我们做起来很简单的事情，电脑却傻傻分不清楚。

autopy图像局限

如果你看过autopy的api，会发现它有一个bitmap包，里面有find_bitmap方法，就是在一个大图像里寻找样品小图像的。聪明的你一定可以想到，我们可以截下整个游戏画面，然后准备所有的菜的小图像用这个方法一找就明白哪个菜被叫到了。确实，一开始我也有这样做的冲动，不过立刻就放弃了……这个方法查找图像，速度先不说，它有个条件是“精确匹配”，图像上有一个像素的RGB值差了1，它就查不出来了。我们知道flash是矢量绘图，它把一个点阵图片显示在屏幕上是经过了缩放的，这里变数就很大，理论上相同的输入相同的算法得出的结果肯定是一致的，但是因为绘图背景等的关系，总会有一点点的差距，就是这点差距使得这个美妙的函数不可使用了……

好吧，不能用也是好事，否则我怎么引出我们高明的图像分析算法呢？

相似图像查找原理

相信你一定用过Google的“按图搜图”功能，如果没有，你就落伍啦，快去试试！当你输入一张图片时，它会把与这张图相似的图像都给你呈现出来，所以当你找到一张中意的图想做壁纸又觉得太小的时候，基本可以用这个方法找到合适的~

我们就要利用和这个相似的原理来判断用户的点餐，当然我们的算法不可能和Google那般复杂，这有一篇很不错的文章或者看这个描述了这个问题，有兴趣的可以看看，我直接给出实现：

    def get_hash(self, img):
        image = img.resize((18, 13), Image.ANTIALIAS).convert("L")
        pixels = list(image.getdata())
        avg = sum(pixels) / len(pixels)
        return "".join(map(lambda p : "1" if p > avg else "0", pixels))

因为这是类的一个方法，所以有个self参数，无视它。这里的img应该传入一个Image对象，可以使读入图像文件后的结果，也可以是截屏后的结果。而缩放的尺寸（18,13）是我根据实际情况定的，因为顾客头像上的菜的图像基本就是这个比例。事实证明这个比例还是挺重要的，因为我们的菜有点儿相似，如果比例不合适压缩后就失真了，容易误判（我之前就吃亏了）。

得到一个图片的“指纹”后，我们就可以与标准的图片指纹比较，怎么比较呢，应该使用“汉明距离”，也就是两个字符串对应位置的不同字符的个数。实现也很简单……

    def hamming_dist(self, hash1, hash2):
        return sum(itertools.imap(operator.ne, hash1, hash2))

好了，我们可以用准备好的标准图像，然后预先读取计算特征码存储起来，然后再截图与它们比较就好了，距离最小的那个就是对应的菜，代码如下：

    def order(self, i):
        l, t = self.left + i * self.step, self.top
        r, b = l + self.width, t + self.height
        hash2 = self.get_hash(ImageGrab.grab((l, t, r, b)))
        (mi, dist) = None, 50
        for i, hash1 in enumerate(self.maps):
            if hash1 is None:
                continue
            this_dist = self.hamming_dist(hash1, hash2)
            if this_dist < dist:
                mi = i
                dist = this_dist
        return mi

这里有一个50的初始距离，如果截取图像与任何菜单相比都大于50，说明什么？说明现在那个位置的图像不是菜，也就是说顾客还没坐那位置上呢，或者我们把游戏最小化了（老板来了），这样处理很重要，免得它随意找一个最相近但又完全不搭边的菜进行处理。

自动做菜

这个问题很简单，我们只需要把菜单的原料记录在案，然后点击相应位置便可，我把它写成了一个类来调用：

class Menu:
    def __init__(self):
        self.stuff_pos = []
        self.recipes = [None] * 8
        self.init_stuff()
        self.init_recipe()

    def init_stuff(self):
        for i in range(9):
            self.stuff_pos.append( (L + 102 + (i % 3) * 42, T + 303 + (i / 3) * 42) )

    def init_recipe(self):
        self.recipes[0] = (1, 2)
        self.recipes[1] = (0, 1, 2)
        self.recipes[2] = (5, 1, 2)
        self.recipes[3] = (3, 0, 1, 2)
        self.recipes[4] = (4, 1, 2)
        self.recipes[5] = (7, 1, 2)
        self.recipes[6] = (6, 1, 2)
        self.recipes[7] = (8, 1, 2)
        
    def click(self, i):
        autopy.mouse.move(self.stuff_pos[i][0] + 20, self.stuff_pos[i][1] + 20)
        autopy.mouse.click()

    def make(self, i):
        for x in self.recipes[i]:
            self.click(x)
        autopy.mouse.move(L + 315, T + 363)
        autopy.mouse.click()

这是本外挂中最没技术含量的一个类了：）请原谅我没有写注释和doc，因为都很简单，相信你懂得。

下一次便完成这个外挂，你可以尝试用一下并体验傲视——没有人的感觉。