那个跳一跳python“外挂”，有几个python文件，其中有一个是得到截图，然后鼠标在图片上点击两次，python窗口上会打印两次鼠标的位置，并且会跟上一行这两个点之间的距离。
这个功能我先给除去获取截屏，就说怎么在某张图片上算出两次点击的距离。
首先，需要用到图形模块，PIL：
|
1
2
|
from PIL import Imageimg = Image.open('0.jpg') |
然后用图形绘制模块matplotlib来给出一个plot对象：
|
1
2
|
import matplotlib.pyplot as pltfig = plt.figure() |
给这个对象加上刚刚打开图片的标签：
|
1
|
plt.imshow(img, animated = True) |
然后用matplotlib的canvas.mpl_connect函数，将我们点击的动作和图片连接起来，这个函数的第二个参数要我们自己的写。
|
1
|
fig.canvas.mpl_connect('button_press_event', on_press) |
在这个自定义的on_press函数，我们要实现得到两个点以后再算出距离。
那么我们就要有变量来储存两个点，临时储存点，来计算点击了多少次，横纵坐标
分别用全局变量cor=[0,0]，coords=[], click_count=0，ix，iy
|
1
2
3
4
5
6
7
8
9
10
|
global ix,iy global click_count global cor ix,iy = event.xdata, event.ydata coords = [] coords.append((ix,iy)) print("now = ", coords) cor.append(coords) click_count += 1 |
先把点储存在临时的coords里面，打印出当前位置，然后将临时的放入全局变量cor里面, 并且点击次数+1.
|
1
2
3
4
5
6
7
8
9
|
if click_count > 1: click_count = 0 cor1 = cor.pop() cor2 = cor.pop() distance = (cor1[0][0] - cor2[0][0]) **2 + (cor1[0][1] - cor2[0][1]) **2 distance = distance ** 0.5 print("distance = ", distance) |
当点击次数大于1的时候，就说明已经储存了两个点了。
这里用的栈pop()方法得到两个点，分别放入cor1 和 cor2, 那么cor1 和 cor2 就是两个点了。
接着计算出距离distance就行了。
完整代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
import numpy as npfrom matplotlib.animation import FuncAnimationimport matplotlib.pyplot as pltfrom PIL import Imagedef on_press(event): global ix,iy global click_count global cor ix,iy = event.xdata, event.ydata coords = [] coords.append((ix,iy)) print("now = ", coords) cor.append(coords) click_count += 1 if click_count > 1: click_count = 0 cor1 = cor.pop() cor2 = cor.pop() distance = (cor1[0][0] - cor2[0][0]) **2 + (cor1[0][1] - cor2[0][1]) **2 distance = distance ** 0.5 print("distance = ", distance)cor = [0,0]click_count = 0fig = plt.figure()img = Image.open('0.jpg')#updata = Trueplt.imshow(img, animated= True)fig.canvas.mpl_connect('button_press_event', on_press)plt.show() |
最终效果：
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：http://blog.csdn.net/Big_Head_/article/details/78976302
