adb + pillow + opencv + sklearn 实现的微信跳一跳机器人，分数可达 300K 以上。

• adb 截图后图像直接传输给上位机，不经过手机存储和 SD 卡；上位机一直在内存中处理图像，减少 IO 耗时，提高效率。
• 使用上一次截图的目标棋盘（也是本次截图的起始棋盘）作为模版，使用 OpenCV 模版匹配寻找起始棋盘的中心坐标，根据中心坐标和棋子中心坐标的相对位置、上次计算的跳跃距离计算实际跳跃距离。替代其他项目中在“跳跃后视角平移前”进行截图的方法，不需要反复尝试调整合适的 “Magic Number”，且每次跳跃只需截图一次。简而言之，省力v，提高准确性，提高效率；
• 为加快运行速度，只在程序初始化时训练模型，但程序运行时输出的数据可用于回归模型训练。
• 计算两点间距离时，使用两点在跳跃方向（与水平线夹角 30 度）上的投影距离，与欧式距离相比更加精确。即下图中 OB 的距离

使用的技术和库

• OpenCV —— 模版匹配，Canny 边缘检测
• Pillow —— ImageDraw 模块
• sklearn —— 线性回归，多项式回归

使用说明环境准备安装 OpenCV 和 adb 工具，MacOS 可以使用 brew 安装，其他系统请参考 OpenCV 文档 和 Android 调试桥：

• brew install opencv
• brew cask install android-platform-tools

安装依赖

• pip install -r requirements.txt

设置项在项目根目录 run.py 中，有几个配置项需要修改：

• ADB_DEVICE_SERIAL 通过 adb devices 命令得到的手机序列号；
• TRAINING_DATASET 训练数据文件路径；
• TRAINING_MODEL “LR” 线性回归模型，“PR” 一元多项式回归模型；
• TRAINING_PR_DEGREE 一元多项式回归模型时，变量的最高指数；
• JUMP_DELAY 跳跃后与下次截图之间的时间间隔，单位秒。设置太小会在下次截图时引入中心连跳的涟漪特效，会对边缘检测造成干扰，不放心的话就往大了设置；
• SHOW_MARKED_IMG 是否在跳跃时展示标注数据的 RGB 图像。

另外，如果选择展示标注数据的 RGB 图像，还需要向 assests 目录中放入 TTF 字体文件（需支持中英文），并命名为 font.ttf，用于标注图像。由于版权问题，项目中不包含该字体文件。分辨率由于模版匹配的特性（踩过的坑第 2 点），不同分辨率手机可能需要重新采集模版图片，模版图片在 assests 目录下。本项目在分辨率为 2160*1080 的小米 6x 上运行正常，理论上相同分辨率的手机都可以直接使用项目自带的模版图片，无需重新采集。运行将跳一跳小程序打开，并点击开始游戏按钮进入游戏界面。运行：

1. python3 run.py

复制代码输出数据格式为：

1. [上次跳跃实际距离 pixel] [上次跳跃按压时间 ms] [上次跳跃是否跳中棋盘中心]

复制代码例如：

1. 293.0696181049753 445 True

复制代码表示上次跳跃按压屏幕 445 ms，实际跳跃距离为 293.0696181049753 像素，且跳中了棋盘中心。该数据格式与训练数据格式相同，因此程序输出数据可保存用作下次启动程序时的模型训练数据。建议运行时将其保存到文件中：

1. # -u 使 stdout 直接输出，不缓存
2. python3 -u run.py > run.log

复制代码Show Time最好成绩目前运行到最高的成绩已经超过 30 万（见上图），跑了一晚上没有要停的意思，只能 Ctrl + C 了，理论上分数无上限。后续再测试每小时大概能跳 23000~24000 分。连跳中心的连击中断造成了一定的分数损失。

• 使用并发同时进行上次跳跃评估和本次跳跃计算，提高运行速度；
• 自动适配不同分辨率的手机屏幕；