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