破世界紀錄了0.74秒！用代碼實現(xiàn)自動掃雷！
中級 - 0.74秒 3BV/S=60.81
Python3 環(huán)境 - 推薦3.6或者以上 [更加推薦Anaconda3，以下很多依賴庫無需安裝] numpy依賴庫 [如有Anaconda則無需安裝] PIL依賴庫 [如有Anaconda則無需安裝] opencv-python win32gui、win32api依賴庫 支持Python的IDE [可選，如果你能忍受用文本編輯器寫程序也可以]
好啦，那么我們的準備工作已經(jīng)全部完成了！讓我們開始吧~
完成窗體內(nèi)容截取部分 完成雷塊分割部分 完成雷塊類型識別部分 完成掃雷算法
好啦，既然我們有了個思路，那就擼起袖子大力干！
class_name = "TMain"title_name = "Minesweeper Arbiter "
ms_arbiter.exe的主窗體類別為"TMain"
ms_arbiter.exe的主窗體名稱為"Minesweeper Arbiter "
注意到了么？主窗體的名稱后面有個空格。正是這個空格讓筆者困擾了一會兒，只有加上這個空格，win32gui才能夠正常的獲取到窗體的句柄。
本項目采用了win32gui來獲取窗體的位置信息，具體代碼如下：
hwnd = win32gui.FindWindow(class_name, title_name)if hwnd:left, top, right, bottom = win32gui.GetWindowRect(hwnd)
通過以上代碼，我們得到了窗體相對于整塊屏幕的位置。之后我們需要通過PIL來進行掃雷界面的棋盤截取。
我們需要先導(dǎo)入PIL庫
from PIL import ImageGrab然后進行具體的操作。
left += 15top += 101right -= 15bottom -= 43rect = (left, top, right, bottom)img = ImageGrab.grab().crop(rect)
橙色的區(qū)域是我們所需要的
好啦，棋盤的圖像我們有了，下一步就是對各個雷塊進行圖像分割了~
在進行雷塊分割之前，我們事先需要了解雷塊的尺寸以及它的邊框大小。經(jīng)過筆者的測量，在ms_arbiter下，每一個雷塊的尺寸為16px*16px。
知道了雷塊的尺寸，我們就可以進行每一個雷塊的裁剪了。首先我們需要知道在橫和豎兩個方向上雷塊的數(shù)量。
block_width, block_height = 16, 16blocks_x = int((right - left) / block_width)blocks_y = int((bottom - top) / block_height)
之后，我們建立一個二維數(shù)組用于存儲每一個雷塊的圖像，并且進行圖像分割，保存在之前建立的數(shù)組中。
def crop_block(hole_img, x, y):x1, y1 = x * block_width, y * block_heightx2, y2 = x1 + block_width, y1 + block_heightreturn hole_img.crop((x1, y1, x2, y2))blocks_img = [[0 for i in range(blocks_y)] for i in range(blocks_x)]for y in range(blocks_y):for x in range(blocks_x):blocks_img[x][y] = crop_block(img, x, y)
將整個圖像獲取、分割的部分封裝成一個庫，隨時調(diào)用就OK啦~在筆者的實現(xiàn)中，我們將這一部分封裝成了imageProcess.py，其中函數(shù)get_frame()用于完成上述的圖像獲取、分割過程。
這一部分可能是整個項目里除了掃雷算法本身之外最重要的部分了。筆者在進行雷塊檢測的時候采用了比較簡單的特征，高效并且可以滿足要求。
def analyze_block(self, block, location):block = imageProcess.pil_to_cv(block)block_color = block[8, 8]x, y = location[0], location[1]# -1:Not opened# -2:Opened but blank# -3:Un initialized# Openedif self.equal(block_color, self.rgb_to_bgr((192, 192, 192))):if not self.equal(block[8, 1], self.rgb_to_bgr((255, 255, 255))):self.blocks_num[x][y] = -2self.is_started = Trueelse:self.blocks_num[x][y] = -1elif self.equal(block_color, self.rgb_to_bgr((0, 0, 255))):self.blocks_num[x][y] = 1elif self.equal(block_color, self.rgb_to_bgr((0, 128, 0))):self.blocks_num[x][y] = 2elif self.equal(block_color, self.rgb_to_bgr((255, 0, 0))):self.blocks_num[x][y] = 3elif self.equal(block_color, self.rgb_to_bgr((0, 0, 128))):self.blocks_num[x][y] = 4elif self.equal(block_color, self.rgb_to_bgr((128, 0, 0))):self.blocks_num[x][y] = 5elif self.equal(block_color, self.rgb_to_bgr((0, 128, 128))):self.blocks_num[x][y] = 6elif self.equal(block_color, self.rgb_to_bgr((0, 0, 0))):if self.equal(block[6, 6], self.rgb_to_bgr((255, 255, 255))):# Is mineself.blocks_num[x][y] = 9elif self.equal(block[5, 8], self.rgb_to_bgr((255, 0, 0))):# Is flagself.blocks_num[x][y] = 0else:self.blocks_num[x][y] = 7elif self.equal(block_color, self.rgb_to_bgr((128, 128, 128))):self.blocks_num[x][y] = 8else:self.blocks_num[x][y] = -3self.is_mine_form = Falseif self.blocks_num[x][y] == -3 or not self.blocks_num[x][y] == -1:self.is_new_start = False
可以看到，我們采用了讀取每個雷塊的中心點像素的方式來判斷雷塊的類別，并且針對插旗、未點開、已點開但是空白等情況進行了進一步判斷。具體色值是筆者直接取色得到的，并且屏幕截圖的色彩也沒有經(jīng)過壓縮，所以通過中心像素結(jié)合其他特征點來判斷類別已經(jīng)足夠了，并且做到了高效率。
在本項目中，我們實現(xiàn)的時候采用了如下標注方式：
1-8：表示數(shù)字1到8
9：表示是地雷
0：表示插旗
-1：表示未打開
-2：表示打開但是空白
-3：表示不是掃雷游戲中的任何方塊類型
這可能是本篇文章最激動人心的部分了。在這里我們需要先說明一下具體的掃雷算法思路：
遍歷每一個已經(jīng)有數(shù)字的雷塊，判斷在它周圍的九宮格內(nèi)未被打開的雷塊數(shù)量是否和本身數(shù)字相同，如果相同則表明周圍九宮格內(nèi)全部都是地雷，進行標記。
再次遍歷每一個有數(shù)字的雷塊，取九宮格范圍內(nèi)所有未被打開的雷塊，去除已經(jīng)被上一次遍歷標記為地雷的雷塊，記錄并且點開。
如果以上方式無法繼續(xù)進行，那么說明遇到了死局，選擇在當前所有未打開的雷塊中隨機點擊。（當然這個方法不是最優(yōu)的，有更加優(yōu)秀的解決方案，但是實現(xiàn)相對麻煩）
基本的掃雷流程就是這樣，那么讓我們來親手實現(xiàn)它吧~
首先我們需要一個能夠找出一個雷塊的九宮格范圍的所有方塊位置的方法。因為掃雷游戲的特殊性，在棋盤的四邊是沒有九宮格的邊緣部分的，所以我們需要篩選來排除掉可能超過邊界的訪問。
def generate_kernel(k, k_width, k_height, block_location):ls = []loc_x, loc_y = block_location[0], block_location[1]for now_y in range(k_height):for now_x in range(k_width):if k[now_y][now_x]:rel_x, rel_y = now_x - 1, now_y - 1ls.append((loc_y + rel_y, loc_x + rel_x))return lskernel_width, kernel_height = 3, 3# Kernel mode:[Row][Col]kernel = [[1, 1, 1], [1, 1, 1], [1, 1, 1]]# Left borderif x == 0:for i in range(kernel_height):kernel[i][0] = 0# Right borderif x == self.blocks_x - 1:for i in range(kernel_height):kernel[i][kernel_width - 1] = 0# Top borderif y == 0:for i in range(kernel_width):kernel[0][i] = 0# Bottom borderif y == self.blocks_y - 1:for i in range(kernel_width):kernel[kernel_height - 1][i] = 0# Generate the search mapto_visit = generate_kernel(kernel, kernel_width, kernel_height, location)
def count_unopen_blocks(blocks):count = 0for single_block in blocks:if self.blocks_num[single_block[1]][single_block[0]] == -1:count += 1return countdef mark_as_mine(blocks):for single_block in blocks:if self.blocks_num[single_block[1]][single_block[0]] == -1:self.blocks_is_mine[single_block[1]][single_block[0]] = 1unopen_blocks = count_unopen_blocks(to_visit)if unopen_blocks == self.blocks_num[x][y]:mark_as_mine(to_visit)
def mark_to_click_block(blocks):for single_block in blocks:# Not Mineif not self.blocks_is_mine[single_block[1]][single_block[0]] == 1:# Click-ableif self.blocks_num[single_block[1]][single_block[0]] == -1:# Source Syntax: [y][x] - Convertedif not (single_block[1], single_block[0]) in self.next_steps:self.next_steps.append((single_block[1], single_block[0]))def count_mines(blocks):count = 0for single_block in blocks:if self.blocks_is_mine[single_block[1]][single_block[0]] == 1:count += 1return countmines_count = count_mines(to_visit)if mines_count == block:mark_to_click_block(to_visit)
掃雷流程中的第二步我們也采用了和第一步相近的方法來實現(xiàn)。先用和第一步完全一樣的方法來生成需要訪問的雷塊的核，之后生成具體的雷塊位置，通過count_mines函數(shù)來獲取九宮格范圍內(nèi)所有雷塊的數(shù)量，并且判斷當前九宮格內(nèi)所有雷塊是否已經(jīng)被檢測出來。
如果是，則通過mark_to_click_block函數(shù)來排除九宮格內(nèi)已經(jīng)被標記為地雷的雷塊，并且將剩余的安全雷塊加入next_steps數(shù)組內(nèi)。
# Analyze the number of blocksself.iterate_blocks_image(BoomMine.analyze_block)# Mark all minesself.iterate_blocks_number(BoomMine.detect_mine)# Calculate where to clickself.iterate_blocks_number(BoomMine.detect_to_click_block)if self.is_in_form(mouseOperation.get_mouse_point()):for to_click in self.next_steps:on_screen_location = self.rel_loc_to_real(to_click)mouseOperation.mouse_move(on_screen_location[0], on_screen_location[1])mouseOperation.mouse_click()
在最終的實現(xiàn)內(nèi)，筆者將幾個過程都封裝成為了函數(shù)，并且可以通過iterate_blocks_number方法來對所有雷塊都使用傳入的函數(shù)來進行處理，這有點類似Python中Filter的作用。
之后筆者做的工作就是判斷當前鼠標位置是否在棋盤之內(nèi)，如果是，就會自動開始識別并且點擊。具體的點擊部分，筆者采用了作者為"wp"的一份代碼（從互聯(lián)網(wǎng)搜集而得），里面實現(xiàn)了基于win32api的窗體消息發(fā)送工作，進而完成了鼠標移動和點擊的操作。具體實現(xiàn)封裝在mouseOperation.py中，有興趣可以在文末的Github Repo中查看。
項目完整代碼/GitHub地址：https://github.com/ArtrixTech/BoomM ine
正文結(jié)束
2.深圳一普通中學老師工資單曝光，秒殺程序員，網(wǎng)友：敢問是哪個學校畢業(yè)的？
3.從零開始搭建創(chuàng)業(yè)公司后臺技術(shù)棧
4.程序員一般可以從什么平臺接私活？
5.清華大學：2021 元宇宙研究報告！
6.為什么國內(nèi) 996 干不過國外的 955呢？
7.這封“領(lǐng)導(dǎo)痛批95后下屬”的郵件，句句扎心！
8.15張圖看懂瞎忙和高效的區(qū)別！
