后知后觉，也凑个热闹，自己写个跳一跳辅助工具

手动版

python jump1jump.py [--save]

可选参数--save用来把每一次的截屏保存起来，用来收集数据，一般不需要

这个版本是借鉴的wangshub的初代版本，自己进行了结构上的改进，但是并没有修改功能， 详细使用方法点链接查看

自动版

python jump1jump_auto.py [--save] [--score SCORE]

--score用于添加一个目标分数，超过目标分数进行乱跳

如果使用--score参数，需要安装tensorflow和keras，程序会加载目录下的Recognize_score.h5模型文件

训练分数识别模型

python train_score_model.py [--save] [--r RATIO]

添加--save参数会在训练后保存模型为Recognize_score.h5，不添加不会保存模型

--r参数是训练集的比例，默认75%的训练集

数据集为我自己裁剪然后分类的分数截图，在目录内的wechat_jump_score_train_datas.npz文件， 一共1226个样本，分为11类

棋子的位置是用颜色来找到的，所以如果未来微信改变棋子的颜色，那么该版本自动跳就会失效

查找目标位置是利用它的颜色与底色的差异来区分

Pandas主要起到的作用就是指定颜色或差异颜色，然后用pandas把图片矩阵转换为mask矩阵， 之后dropna，最后求出columns或index的值