很多小伙伴求推荐一些Python练手项目，今天再推荐一个好玩的。
用Python+OpenCV实现了自动扫雷，突破世界记录，我们先来看一下效果吧。
中级 - 0.74秒 3BV/S=60.81
相信许多人很早就知道有扫雷这么一款经典的游（显卡测试）戏（软件），更是有不少人曾听说过中国雷圣，也是中国扫雷第一、世界综合排名第二的郭蔚嘉的顶顶大名。扫雷作为一款在Windows9x时代就已经诞生的经典游戏，从过去到现在依然都有着它独特的魅力：快节奏高精准的鼠标操作要求、快速的反应能力、刷新纪录的快感，这些都是扫雷给雷友们带来的、只属于扫雷的独一无二的兴奋点。
准备
准备动手制作一套扫雷自动化软件之前，你需要准备如下一些工具/软件/环境
- 开发环境
Python3 环境 - 推荐3.6或者以上[更加推荐Anaconda3，以下很多依赖库无需安装]numpy依赖库 [如有Anaconda则无需安装]PIL依赖库 [如有Anaconda则无需安装]opencv-pythonwin32gui、win32api依赖库支持Python的IDE [可选，如果你能忍受用文本编辑器写程序也可以]
- 扫雷软件
· Minesweeper Arbiter（必须使用MS-Arbiter来进行扫雷！）
好啦，那么我们的准备工作已经全部完成了！让我们开始吧~
实现思路
在去做一件事情之前最重要的是什么？是将要做的这件事情在心中搭建一个步骤框架。只有这样，才能保证在去做这件事的过程中，尽可能的做到深思熟虑，使得最终有个好的结果。我们写程序也要尽可能做到在正式开始开发之前，在心中有个大致的思路。
对于本项目而言，大致的开发过程是这样的：
完成窗体内容截取部分完成雷块分割部分完成雷块类型识别部分完成扫雷算法
好啦，既然我们有了个思路，那就撸起袖子大力干！
01 窗体截取
其实对于本项目而言，窗体截取是一个逻辑上简单，实现起来却相当麻烦的部分，而且还是必不可少的部分。我们通过Spy++得到了以下两点信息：
class_name = "TMain"title_name = "Minesweeper Arbiter "
ms_arbiter.exe的主窗体类别为"TMain"ms_arbiter.exe的主窗体名称为"Minesweeper Arbiter "
注意到了么？主窗体的名称后面有个空格。正是这个空格让笔者困扰了一会儿，只有加上这个空格，win32gui才能够正常的获取到窗体的句柄。
本项目采用了win32gui来获取窗体的位置信息，具体代码如下：
hwnd = win32gui.FindWindow(class_name, title_name)if hwnd:left, top, right, bottom = win32gui.GetWindowRect(hwnd)
通过以上代码，我们得到了窗体相对于整块屏幕的位置。之后我们需要通过PIL来进行扫雷界面的棋盘截取。
我们需要先导入PIL库
from PIL import ImageGrab
然后进行具体的操作。
left += 15top += 101right -= 15bottom -= 43rect = (left, top, right, bottom)img = ImageGrab.grab().crop(rect)
聪明的你肯定一眼就发现了那些奇奇怪怪的Magic Numbers，没错，这的确是Magic Numbers，是我们通过一点点细微调节得到的整个棋盘相对于窗体的位置。
注意：这些数据仅在Windows10下测试通过，如果在别的Windows系统下，不保证相对位置的正确性，因为老版本的系统可能有不同宽度的窗体边框。
橙色的区域是我们所需要的
好啦，棋盘的图像我们有了，下一步就是对各个雷块进行图像分割了~
- 02 雷块分割
在进行雷块分割之前，我们事先需要了解雷块的尺寸以及它的边框大小。经过笔者的测量，在ms_arbiter下，每一个雷块的尺寸为16px*16px。
知道了雷块的尺寸，我们就可以进行每一个雷块的裁剪了。首先我们需要知道在横和竖两个方向上雷块的数量。
block_width, block_height = 16, 16blocks_x = int((right - left) / block_width)blocks_y = int((bottom - top) / block_height)
之后，我们建立一个二维数组用于存储每一个雷块的图像，并且进行图像分割，保存在之前建立的数组中。
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)
将整个图像获取、分割的部分封装成一个库，随时调用就OK啦~在笔者的实现中，我们将这一部分封装成了imageProcess.py，其中函数get_frame()用于完成上述的图像获取、分割过程。
- 03 雷块识别
这一部分可能是整个项目里除了扫雷算法本身之外最重要的部分了。笔者在进行雷块检测的时候采用了比较简单的特征，高效并且可以满足要求。
def anal
