bettergi-scripts-list/repo/js/背包材料统计/lib/writeImage.js
2026-04-08 22:09:32 +08:00

233 lines
12 KiB
JavaScript
Raw Permalink Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

// 带Y坐标间距校验的Rarity定位函数
async function locateRarityAndCropColumn(ra, scanX0, startY, columnHeight, minYGap) {
// 配置参数:完全沿用你代码中的设定(78x13星级图、±2px扩展、阈值)
const config = {
maxRows: 4, // 目标最多4个区域(你需求中“未必有四个”,按实际识别返回)
columnYMin: 205, // 材料列Y下限(236-85=151;151-121=30;236-30=206;206-1=205)
columnYMax: 844, // 材料列Y上限(最后一页星级Y值843+1)
globalThreshold: 0.85, // 你代码中已设置的全局识别阈值
localThreshold: 0.8, // 你代码中已设置的局部验证阈值
expandPx: 2, // 你确认的±2px扩展(适配78x13星级图)
rarityW: 78, // 你代码中定义的星级图宽度
rarityH: 13, // 你代码中定义的星级图高度
rarityMatDir: "assets/rarity/" // 你代码中星级素材的固定路径
};
const scanX = Math.round(scanX0);
log.debug(`[处理开始] 列X=${scanX},有效Y范围:${config.columnYMin}-${config.columnYMax}`);
// ---------------------- 步骤1:找基准Y(复用你提供的recognizeImage函数) ----------------------
let baseX = null;
let baseY = null;
for (let star = 1; star <= 5; star++) { // 遍历1-5星素材(你代码中星级范围)
const matPath = `${config.rarityMatDir}${star}.png`;
const rarityMat = file.readImageMatSync(matPath); // 你代码中用的素材加载方式
if (rarityMat.empty()) { // 你代码中素材加载失败的处理逻辑
log.warn(`[基准识别] 素材加载失败:${matPath}`);
await sleep(30); // 你代码中常用的短延迟,避免高频报错
continue;
}
// 全局识别对象:X宽123(与你代码中一致),覆盖整列
const globalRo = RecognitionObject.TemplateMatch(
rarityMat,
scanX, // 与scanMaterials传递的scanX一致(列起始X)
config.columnYMin, // 材料列顶部Y
123, // 你代码中固定的图标宽度(非星级图宽,适配列扫描)
columnHeight // 与scanMaterials传递的columnHeight一致
);
globalRo.threshold = config.globalThreshold;
globalRo.Use3Channels = true; // 你代码中启用的3通道识别
// 复用你提供的recognizeImage函数(带超时、重试,避免阻塞)
const result = await recognizeImage(globalRo, ra, 200, 50);
if (result.isDetected) { // 识别成功则取Y坐标(你代码中用result.y作为基准)
baseX = result.x;
baseY = result.y;
log.debug(`[基准识别] 找到${star}星基准,Y=${baseY}`);
break;
}
await sleep(30);
}
// 无基准则返回空(你代码中基准识别失败的处理逻辑)
if (baseY === null) {
log.debug(`[基准识别] 无有效基准,返回空`);
return [];
}
// ---------------------- 步骤2:先下后上推导候选Y(你需求中的优先顺序) ----------------------
const candidateYs = [baseY]; // 初始包含基准Y
let currentY;
// 2.1 优先向下推导(Y递增,与你需求“先向下算”一致)
currentY = baseY + minYGap; // minYGap=176(scanMaterials调用时传递的参数)
while (candidateYs.length < config.maxRows && currentY <= config.columnYMax) {
if (!candidateYs.includes(currentY)) {
candidateYs.push(currentY);
log.debug(`[向下推导] 新增Y=${currentY},当前总数:${candidateYs.length}`);
}
currentY += minYGap;
}
// 2.2 不足则向上补(Y递减,与你需求“超阈值向上算”一致)
const need = config.maxRows - candidateYs.length;
if (need > 0) {
currentY = baseY - minYGap;
let added = 0;
while (added < need && currentY >= config.columnYMin) {
if (!candidateYs.includes(currentY)) {
candidateYs.push(currentY);
added++;
log.debug(`[向上补全] 新增Y=${currentY},已补${added}/${need}`);
}
currentY -= minYGap;
}
}
// 整理候选Y:去重→过滤超界→排序(你代码中常用的数组处理逻辑)
const sortedYs = [...new Set(candidateYs)]
.filter(y => y >= config.columnYMin && y <= config.columnYMax)
.sort((a, b) => a - b) // 从上到下排序(符合游戏界面布局)
.slice(0, config.maxRows); // 最多保留4个
log.debug(`[候选整理] 最终候选Y:${sortedYs.join(', ')}(共${sortedYs.length}个)`);
// ---------------------- 步骤3:局部验证(避免空裁图,你代码中的验证逻辑) ----------------------
const validYs = [];
for (const y of sortedYs) {
// 局部验证范围:按星级图尺寸+扩展计算(你确认的78x13+±2px)
const localXStart = baseX - config.expandPx;
const localXWidth = config.rarityW + 2 * config.expandPx; // 78+4=82px
const localYStart = y - config.expandPx;
const localYHeight = config.rarityH + 2 * config.expandPx; // 13+4=17px
let isVerified = false;
// 遍历1-5星验证(与基准识别逻辑一致)
for (let star = 1; star <= 5; star++) {
const matPath = `${config.rarityMatDir}${star}.png`;
const rarityMat = file.readImageMatSync(matPath);
if (rarityMat.empty()) continue;
const region = {
x:localXStart,
y:localYStart,
width:localXWidth,
height:localYHeight}
// await drawAndClearRedBox(region, ra, 20);// 调用异步函数绘制红框并延时清除
const localRo = RecognitionObject.TemplateMatch(
rarityMat,
localXStart,
localYStart,
localXWidth,
localYHeight
);
localRo.threshold = config.localThreshold;
localRo.Use3Channels = true;
// 再次复用recognizeImage验证(确保与基准识别逻辑统一)
const result = await recognizeImage(localRo, ra, 50, 10); // 超时减半,加快验证
if (result.isDetected) {
isVerified = true;
break;
}
await sleep(10);
}
if (isVerified) {
validYs.push(y);
log.debug(`[局部验证] Y=${y} 通过`);
} else {
log.debug(`[局部验证] Y=${y} 无匹配星级,排除`);
}
}
// ---------------------- 步骤4:生成裁图区域(与你代码中固定偏移一致) ----------------------
const ocrRegions = validYs.map(y => ({
x: Math.round(scanX0 + 29.5), // 你代码中固定的X偏移(scanX0+29.5)
y: y - 85, // 你代码中固定的Y偏移(y-85)
width: 64, // 你代码中固定的裁图宽度
height: 64 // 你代码中固定的裁图高度
}));
log.debug(`[处理完成] 有效裁图区域:${ocrRegions.length}个(Y:${validYs.join(', ')})`);
return ocrRegions;
}
/**
* 保存OCR裁图区域(扩大2像素识图,用识别到的图片名命名)
* @param {Object} ra - 游戏区域捕获对象(来自captureGameRegion())
* @param {Array} ocrRegions - 原始裁图区域数组(含x,y,width,height)
* @param {Object} materialImages - 材料图片缓存(key:材料名,value:图片Mat对象,来自scanMaterials)
* @param {string} [saveDir='assets/regions'] - 保存目录
*/
async function saveAllOcrRegionImages(ra, ocrRegions, materialImages, saveDir = 'assets/regions') {
// Fixed: Added proper parameter validation at function entry
if (!ra || !ocrRegions || !Array.isArray(ocrRegions) || ocrRegions.length === 0) {
log.warn('saveAllOcrRegionImages: Invalid parameters provided');
return;
}
// 保留你原有函数的初始化检查(仅补充materialImages参数,因需要它匹配图片名)
log.debug(`【保存OCR区域图像】区域数量:${ocrRegions?.length || 0}`);
if (!ra || !ocrRegions || ocrRegions.length === 0 || !materialImages) {
log.error("【保存OCR区域图像】源图像或区域列表为空");
return;
}
for (const region of ocrRegions) {
// 你原有函数的变量(仅新增matchedMatName用于存图片名)
let fileName = "";
let matchedMatName = "unknown"; // 默认名(未匹配到时用)
let croppedRegion = null;
// 保留你原有函数的红框绘制逻辑
// await drawAndClearRedBox(region, ra, 50);
try {
// ---------------------- 核心修改1:裁图区域扩大2像素作为识图区域 ----------------------
// 原有裁图区域:region.x, region.y, region.width, region.height
// 扩大2像素:上下左右各扩2px,总宽高各+4(复用你原代码的坐标逻辑,无陌生函数)
const detectX = region.x - 2;
const detectY = region.y - 2;
const detectW = region.width + 4;
const detectH = region.height + 4;
log.debug(`【识图区域扩大】原区域(${region.x},${region.y}) → 扩大后(${detectX},${detectY},${detectW},${detectH})`);
// ---------------------- 核心修改2:用扩大区域识别图片名(复用你原代码的模板匹配) ----------------------
// materialImages是你scanMaterials函数中已有的“材料图片缓存”,不是陌生变量
// RecognitionObject.TemplateMatch是你原代码识别材料用的方法,无陌生函数
for (const [matName, mat] of Object.entries(materialImages)) {
if (mat.empty()) continue; // 跳过空图(你原代码的逻辑)
// 用扩大后的区域做模板匹配(和你scanMaterials识别材料的逻辑完全一致)
const matchRo = RecognitionObject.TemplateMatch(mat, detectX, detectY, detectW, detectH);
matchRo.threshold = 0.85; // 和你原代码识别阈值一致
matchRo.Use3Channels = true; // 你原代码启用的3通道识别
const matchResult = ra.find(matchRo); // 你原代码的识别方法
if (matchResult.isExist()) {
matchedMatName = matName; // 匹配到后,获取图片名
break; // 找到匹配项就退出循环
}
}
// ---------------------- 核心修改3:用识别到的图片名命名文件(保留你原有保存逻辑) ----------------------
// 文件名:图片名_时间戳.png(避免重名,复用你原代码的Date.now())
fileName = `${matchedMatName}_${Date.now()}`;
// 保留你原有函数的裁图逻辑(裁的是原区域,不是扩大后的区域)
croppedRegion = ra.DeriveCrop(region.x, region.y, region.width, region.height);
if (!croppedRegion || croppedRegion.SrcMat.empty()) throw new Error("裁剪失败");
// 保留你原有函数的保存逻辑
file.WriteImageSync(`${saveDir}/${fileName}.png`, croppedRegion.SrcMat);
log.info(`【保存OCR区域图像】成功:${saveDir}/${fileName}.png`);
} catch (error) {
// 保留你原有函数的错误处理逻辑
log.error(`【保存OCR区域图像】失败(${fileName || '未知区域'}):${error.message}`);
} finally {
// 保留你原有函数的资源释放逻辑
if (croppedRegion && typeof croppedRegion.dispose === 'function') {
croppedRegion.dispose();
}
}
}
}