工具的准备
需要安装autopy和PIL以及pywin32包。autopy是一个自动化操作的python库，可以模拟一些鼠标、键盘事件，还能对屏幕进行访问，本来我想用win32api来模拟输入事件的，发现这个用起来比较简单，最厉害的是它是跨平台的，请搜索安装；而PIL那是大名鼎鼎了，Python图像处理的No.1，下面会说明用它来做什么；pywin32其实不是必须的，但是为了方便（鼠标它在自己动着呢，如何结束它呢)，还是建议安装一下，哦对了，我是在win平台上做的，大概只有windows用户需要吧？截屏和图像处理工具截屏是获取游戏图像以供分析游戏提示，其实没有专门的工具直接Print Screen粘贴到图像处理工具里也可以。我用的是PicPick，相当好用，而且个人用户是免费的；而图像处理则是为了获取各种信息的，我们要用它得到点菜图像后保存起来，分析判断。我用的是PhotoShop… 不要告诉Adobe，其实PicPick中自带的图像编辑器也足够了，只要能查看图像坐标和剪贴图片就好饿了，只不过我习惯PS了~编辑器这个我就不用说了吧，写代码得要个编辑器啊！俺用VIM，您若愿意用写字板也可以……原理分析
看这个游戏，有8种菜，每种菜都有固定的做法，顾客一旦坐下来，头顶上就会有一个图片，看图片就知道他想要点什么菜，点击左边原料区域，然后点击一下……不知道叫什么，像个竹简一样的东西，菜就做完了，然后把做好的食物拖拽到客户面前就好了。
顾客头上显示图片的位置是固定的，总共也只有四个位置，我们可以逐一分析，而原料的位置也是固定的，每种菜的做法更是清清楚楚，这样一来我们完全可以判断，程序可以很好的帮我们做出一份一份的佳肴并奉上，于是钱滚滚的来：）
移动鼠标
这个命令会让鼠标迅速移动到指定屏幕坐标，你知道什么是屏幕坐标的吧，左上角是（0,0），然后向右向下递增，所以1024×768屏幕的右下角坐标是……你猜对了，是（1023,767）。
不过有些不幸的，如果你实际用一下这个命令，然后用autopy.mouse.get_pos()获得一下当前坐标，发现它并不在(100,100)上，而是更小一些，比如我的机器上是（97,99），和分辨率有关。这个移动是用户了和windows中mouse_event函数，若不清楚api的，知道这回事就好了，就是这个坐标不是很精确的。像我一样很好奇的，可以去读一下autopy的源码，我发现他计算绝对坐标算法有问题：
point.x *= 0xFFFF / GetSystemMetrics(SM_CXSCREEN);这里先做除法再做乘法，学过一点计算方法的就应该知道对于整数运算，应该先乘再除的，否则就会产生比较大的误差，如果他写成:
point.x = point.x * 0xffff / GetSystemMetrics(SM_CXSCREEN);就会准多了，虽然理论上会慢一点点，不过我也懒得改代码重新编译了，差几个像素，这里对我们影响不大~咱要吸取教训呀。
点击鼠标
这个比较简单，不过记得这里的操作都是非常非常快的，有可能游戏还没反应过来呢，你就完成了，于是失败了…… 所以必要的时候，请sleep一小会儿。
键盘操作
我们这次没用到键盘，所以我就不说了。怎么做？分析顾客头上的图像就可以，来，从获取图像开始吧~
打开你钟爱的图像编辑器，开始丈量吧~ 我们得知道图像在屏幕的具体位置，可以用标尺量出来，本来直接量也是可以的，但是我这里使用了画面左上角的位置（也就是点1）来当做参考位置，这样一旦画面有变动，我们只需要修改一个点坐标就好了，否则每一个点都需要重新写一遍可不是一件快乐的事情。
看最左边的顾客头像上面的图像，我们需要两个点才可确定这个范围，分别是图像的左上角和右下角，也就是点2和点3,。后面还有三个顾客的位置，只需要简单的加上一个增量就好了，for循环就是为此而生！
同样的，我们原料的位置，“竹席”的位置等等，都可以用这种方法获得。注意获得的都是相对游戏画面左上角的相对位置。至于抓图的方法，PIL的ImageGrab就很好用，autopy也可以抓图，为什么不用，我下面就会说到。
分析图像
我们这个相当有难度的一个问题出现了，如何知道我们获得的图像到底是哪一个菜？对人眼……甚至狗眼来说，这都是一个相当easy的问题，“一看就知道”！对的，这就是人比机器高明的地方，我们做起来很简单的事情，电脑却傻傻分不清楚。autopy图像局限
如果你看过autopy的api，会发现它有一个bitmap包，里面有find_bitmap方法，就是在一个大图像里寻找样品小图像的。聪明的你一定可以想到，我们可以截下整个游戏画面，然后准备所有的菜的小图像用这个方法一找就明白哪个菜被叫到了。确实，一开始我也有这样做的冲动，不过立刻就放弃了……这个方法查找图像，速度先不说，它有个条件是“精确匹配”，图像上有一个像素的RGB值差了1，它就查不出来了。我们知道flash是矢量绘图，它把一个点阵图片显示在屏幕上是经过了缩放的，这里变数就很大，理论上相同的输入相同的算法得出的结果肯定是一致的，但是因为绘图背景等的关系，总会有一点点的差距，就是这点差距使得这个美妙的函数不可使用了……
好吧，不能用也是好事，否则我怎么引出我们高明的图像分析算法呢？
相似图像查找原理
相信你一定用过Google的“按图搜图”功能，如果没有，你就落伍啦，快去试试！当你输入一张图片时，它会把与这张图相似的图像都给你呈现出来，所以当你找到一张中意的图想做壁纸又觉得太小的时候，基本可以用这个方法找到合适的~
我们就要利用和这个相似的原理来判断用户的点餐，当然我们的算法不可能和Google那般复杂，知乎上有一篇很不错的文章描述了这个问题，有兴趣的可以看看，我直接给出实现：
因为这是类的一个方法，所以有个self参数，无视它。这里的img应该传入一个Image对象，可以使读入图像文件后的结果，也可以是截屏后的结果。而缩放的尺寸（18,13）是我根据实际情况定的，因为顾客头像上的菜的图像基本就是这个比例。事实证明这个比例还是挺重要的，因为我们的菜有点儿相似，如果比例不合适压缩后就失真了，容易误判（我之前就吃亏了）。
得到一个图片的“指纹”后，我们就可以与标准的图片指纹比较，怎么比较呢，应该使用“汉明距离”，也就是两个字符串对应位置的不同字符的个数。实现也很简单……
def hamming_dist(self, hash1, hash2):return sum(itertools.imap(operator.ne, hash1, hash2))好了，我们可以用准备好的标准图像，然后预先读取计算特征码存储起来，然后再截图与它们比较就好了，距离最小的那个就是对应的菜，代码如下：
这里有一个50的初始距离，如果截取图像与任何菜单相比都大于50，说明什么？说明现在那个位置的图像不是菜，也就是说顾客还没坐那位置上呢，或者我们把游戏最小化了（老板来了），这样处理很重要，免得它随意找一个最相近但又完全不搭边的菜进行处理。
自动做菜
这个问题很简单，我们只需要把菜单的原料记录在案，然后点击相应位置便可，我把它写成了一个类来调用：
