之前练习图色自动化脚本时最直观的感受是哪怕只是判断某一个屏幕上是否出现了目标颜色逻辑一多代码依然会长得很难维护。反复用if-else嵌套后大家慢慢会发现一个可以写在赋值语句里的“条件运算符”就能让找色判断和状态决策干净很多。这篇是图色实战系列中偏基础的一篇第 1.10 篇主题围绕 Python 条件运算符并用《永恒之塔》塔2 / 仙岛这类地图场景中的状态监控作为实战背景。整个教程面向零基础读者从环境准备、条件运算符语法、像素取色原理一直过渡到多线程调度。整个实现方案使用纯 Python 生态完成依赖 mss、OpenCV、numpy 这类通用库不依赖大漠插件。读者看完之后应该能独立写一个“区域找色 条件判断 线程轮询”的自动化监控小工具。1. 图色实战与条件运算符为什么这个话题值得学1.1 这一篇在零基础系列中的位置图色自动化看起来很高端本质上就是反复做三件事获取屏幕上某个区域或某个点的颜色数据。将颜色数据和目标阈值做比较。根据比较结果执行不同分支。第三步写的好坏会直接影响脚本可读性。很多人写图色脚本时会把大量if-else堆在一个主循环里最后改一个参数要找半天。Python 的条件表达式也被称为三元表达式恰好能把这些二选一、多选一的分支简化成一条可读的赋值语句。这个系列的总目标是让零基础读者从 Python 基础的语法点开始逐步掌握图像识别和自动化的工程思路。前面已经讲过 Python 基础循环、文件读写、截图环境准备等这一篇则重点讲条件运算符和图色判断的结合方式并延伸到多线程场景中这样后面再讲多开、消息队列和复杂流程控制时会顺畅很多。1.2 为什么用“永恒之塔 塔2 / 仙岛”场景作为例子《永恒之塔》是一款需求持续关注屏幕信息的游戏。以塔2 / 仙岛这类地图为例玩家常常需要长时间观察人物状态、任务提示和区域内出现的可交互目标这种场景非常适合用来练习 Python 图色识别的核心技巧。人物血条低于某个阈值时角色头部图标或者血条末端颜色会发生明显变化这适合通过像素颜色判断界面某个按钮亮起或技能冷却完成也可以使用固定区域找色来判断跑图过程中如果弹出了某个对话框同样能通过区域颜色变化触发下一步操作。本教程不依赖具体服务器版本不同客户端里地图名字和 UI 布局可能有差异所以文中不会写死某个精确坐标。真正的重点是如何把“某一小块区域内颜色满足条件”这个技术动作转成状态判断再用条件运算符表达出来。1.3 不用大漠插件用什么替代读者搜索大漠插件时会看到很多关键词例如大漠插件绑定窗口、大漠插件 win10 注册、大漠插件免费版等。大漠插件确实是一款功能强大的图色识别库找图、找色、找字、绑定窗口都非常成熟。但它也有明显的上手成本需要注册组件、按照不同系统环境处理注册失败问题、需要理解 COM 调用方式而且它的商业授权和分发条件需要格外注意。本系列选择非大漠插件的做法是因为 mss 和 OpenCV 的组合已经能满足大部分图色实战学习需求。mss 负责高速截图numpy 负责快速分析像素数组OpenCV 负责图像格式转换与图像处理。它们都是跨平台、开源、通过 pip 直接安装的库出现问题时排错路径更短。1.4 合规提醒自动化脚本是一把双刃剑。本文中的技术主要用于学习屏幕图像处理、Python 多线程和状态判断不鼓励读者把它用于破坏游戏平衡或影响其他玩家。如果你确实想把类似能力用于游戏测试或辅助开发请先阅读对应游戏的服务条款注意操作频率与安全边界避免在不了解风险的情况下直接长时间挂机操作。图色自动化本质上只是“读屏幕数据 触发动作”但把它用在什么场景、做到什么程度是需要由使用者自己负责的。2. 环境准备安装 Python 和依赖库2.1 安装并验证 Python本文的代码建议使用 Python 3.9 以上的版本。较新的 Python 对第三方库的兼容性更好也支持类型注解、f-string 等现代写法写起来更顺手。官网下载安装包后在命令行窗口执行python --version如果显示类似Python 3.11.4说明安装成功。如果电脑上同时存在多个 Python 版本建议在教程目录下创建一个独立虚拟环境避免依赖冲突。python -m venv venvWindows 激活方式venv\Scripts\activatemacOS 或 Linux 激活方式source venv/bin/activate后面的安装命令都需要在激活虚拟环境的状态下执行。2.2 安装截图与图像处理依赖项目用到三个关键库mss 负责快速截屏opencv-python 负责图像读写和颜色空间处理numpy 负责像素数组运算因为把截图转成 numpy 数组以后统计颜色会非常高效。pip install mss opencv-python numpy也可以使用 requirements.txt 管理版本mss9.0 opencv-python numpy然后再安装pip install -r requirements.txt如果你的网络下载较慢可以临时使用国内镜像源例如清华 PyPI 镜像pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple2.3 先写一个屏幕读取验证程序装好依赖后先跑一个最简单的截图程序确认 mss 在你的系统上正常工作。# screenshot_check.py import mss with mss.mss() as sct: # monitors[1] 表示主显示器 monitor sct.monitors[1] frame sct.grab(monitor) print(截屏宽高:, frame.width, frame.height)输出类似截屏宽高: 1920 1080这里需要注意截取原始数据并不是普通 JPG 图片它是包含透明度通道的 BGRA 格式后面用 numpy 转换时我们会主动去掉透明通道只保留 BGR 三个颜色通道。3. 条件运算符从 if-else 到 Python 三元表达式3.1 传统 if-else 写法很多初学者写判断时会写出下面这种代码hp 0.2 if hp 0.3: action heal else: action normal这种写法没有任何问题但如果只是希望根据条件从两个值里选一个赋给变量代码会显得有点啰嗦。尤其在图色实战中每一轮循环都要做很多类似的判断代码会变得非常长。3.2 Python 条件表达式的标准写法Python 的条件运算符语法如下value 真值结果 if 条件 else 假值结果刚才的 hp 判断可以改写为hp 0.2 action heal if hp 0.3 else normal print(action)理解顺序是先判断hp 0.3如果成立赋值为heal否则赋值为normal。在图像颜色判断中它很适合用来产生“是/否”“执行/跳过”这类二元状态。再举一个找色函数与它配合的例子# 假设 result 是一个坐标或 None result find_first_color(frame, REGION, TARGET_COLOR, TOLERANCE) # 如果找到坐标就记录为 click否则记录为 wait action click if result is not None else wait3.3 嵌套的条件表达式如果需要判断的档位超过两个可以使用嵌套写法。图色实战里常见的需求是根据血量区域红色像素数量判断血量是高、中、低。hp_percent 0.45 level ( low if hp_percent 0.3 else middle if hp_percent 0.7 else high ) print(level)这段代码等价于if hp_percent 0.3: level low elif hp_percent 0.7: level middle else: level high这种写法适合“多个条件互斥”的场景但如果嵌套超过两层还是会牺牲可读性后期维护时建议回退到普通 if-elif-else或者把分支逻辑封装成函数。3.4 条件表达式在列表推导式中的配合条件表达式还经常出现在列表推导式中用来对图像数据做批量筛选或者对列表内容做替换处理。# 将一组像素值中的非红色点改为 0红色点保留 1 pixels [(0, 0, 255), (10, 20, 30), (200, 30, 30)] flags [1 if pixel[2] 150 else 0 for pixel in pixels] print(flags)输出[1, 0, 0]要注意区分列表推导式里的两种 if 用法# 带 else 的条件表达式必须写在 for 前面 results [1 if x 0 else 0 for x in data] # 不带 else 的过滤条件必须写在 for 后面 results [x for x in data if x 0]很多新手会把这两个结构搞混。简单记忆方式是如果需要对原列表每个元素都计算出一个结果用表达式 if 条件 else 表达式如果只想保留符合条件的部分用普通的if 条件过滤。3.5 条件运算符的易错点条件运算符虽然简洁但也有几个值得注意的坑。易错点说明与赋值运算符混淆条件表达式整体是一个值要赋值给变量或参与运算不能直接写成语句可读性下降嵌套或链式过深时代码难读建议不要超过两层布尔比较冗余return True if hp 0.3 else False不如直接写return hp 0.3优先级问题条件表达式的优先级低于比较运算符通常需要用括号包住整体写法来保证可读性举一个常见反例hp 0.2 print(low if hp 0.3 else high)这段代码能正常运行因为 print 函数参数表达式会先求值。但如果是hp 0.2 message low if hp 0.3 else high print(message)这种写法更清晰也便于后续日志输出。4. 图色识别的核心原理坐标、像素与区域扫描4.1 理解屏幕坐标屏幕上取色时采用屏幕坐标体系通常以左上角为原点x 轴向右y 轴向下。一个像素位置记为(x, y)。当你截取整个屏幕后图像数据是一个三维数组第一维是 y 方向行第二维是 x 方向列第三维是颜色通道。因此读取坐标(x, y)的颜色时代码写法是frame[y, x]。4.2 颜色格式RGB 与 BGR这里要特别说明颜色通道顺序。mss 返回的数据格式是 BGRAOpenCV 读取图片时默认也是 BGR而很多编辑器取色器显示的是 RGB。因此写代码时要明确你操作的是 BGR 顺序。红色像素用 RGB 表示是(255, 0, 0)在 BGR 顺序下是(0, 0, 255)。4.3 最小取色演示下面的代码读取一张离线截图并输出指定坐标点的像素颜色# opencv_read_color.py import cv2 # cv2.imread 加载出来的颜色顺序是 BGR frame cv2.imread(game_shot.png) if frame is None: raise FileNotFoundError(请确认截图文件存在) x, y 100, 200 b, g, r frame[y, x] print(f坐标 ({x}, {y}) 的 BGR 颜色: ({b}, {g}, {r}))注意这里frame[y, x]不是frame[x, y]。先写 y 再写 x 是 numpy 数组访问习惯也是新手容易翻车的细节。4.4 单点颜色比较与容差颜色比较不能直接用绝对相等因为在游戏渲染、抗锯齿、窗口缩放的影响下同一目标颜色经常会有一点点抖动。因此需要引入“容差”概念两个颜色各自通道的差值都小于某个阈值时就认为它们是相近的。# color_utils.py import numpy as np def is_color_close(pixel_bgr, target_bgr, tolerance20): 判断 pixel 是否接近 target。tolerance 为每个通道允许的误差。 return ( abs(int(pixel_bgr[0]) - target_bgr[0]) tolerance and abs(int(pixel_bgr[1]) - target_bgr[1]) tolerance and abs(int(pixel_bgr[2]) - target_bgr[2]) tolerance )4.5 区域颜色统计函数实际实战中很少只判断一个点因为单个点容易受边缘、光线、UI 动画影响。更稳妥的办法是统计一个区域中满足目标颜色条件的像素数量。