Я нашел способ сделать это с помощью PIL, используя Imagegrab и ImageStat.Вот захват экрана и обрезка до игрового окна:
def getScreen():
# Grab image and crop it to the desired window. Find pixel borders manually.
box = (left, top, right, bottom)
im = ImageGrab.grab().crop(box)
#im.save('testcrop.jpg') # optionally save your crop
for y in reversed(range(8)):
for x in reversed(range(8)):
#sqh,sqw are the height and width of each piece.
#each pieceim is one of the game piece squares
piecebox = ( sqw*(x), sqh*(y), sqw*(x+1), sqh*(y+1))
pieceim = im.crop(piecebox)
#pieceim.save('piececrop_xy_'+ str(x) + str(y) + '.jpg')
stats = ImageStat.Stat(pieceim)
statsmean = stats.mean
Rows[x][y] = whichpiece(statsmean)
Вышеприведенное создает изображение для всех 64 фигур, идентифицирует тип фрагмента и сохраняет его в массиве массивов 'Rows'.Затем я взял средние значения RGB с помощью stats.mean для каждого типа куска и сохранил их в словаре (rgbdict).Скопируйте все выходные данные в Excel и отфильтруйте по типу цвета, чтобы получить эти средние значения.Затем я использовал метод RSS и этот словарь для статистического сопоставления изображений с известными кусочками.(RSS ref: http://www.charlesrcook.com/archive/2010/09/05/creating-a-bejeweled-blitz-bot-in-c.aspx)
rgbdict = {
'blue':[65.48478993, 149.0030965, 179.4636593], #1
'red':[105.3613444,55.95710092, 36.07481793], #2
......
}
def whichpiece(statsmean):
bestScore = 100
curScore= 0
pieceColor = 'empty'
for key in rgbdict.keys():
curScore = (math.pow( (statsmean[0]/255) - (rgbdict[key][0]/255), 2)
+ math.pow( (statsmean[1]/255) - (rgbdict[key][1]/255), 2)
+ math.pow( (statsmean[2]/255) - (rgbdict[key][2]/255), 2) )
if curScore < bestScore:
pieceColor = key
bestScore = curScore
return piececolor
С помощью этих двух функций можно очистить экран и перенести состояние доски в массив, по которому можно определять ходы. Удачи, если это кому-нибудь поможет, идайте мне знать, если вы точно настроите сборщик ходов.