AI玩游戏的一点尝试（3）—— 图片去重前言 AI玩游戏的一点尝试（1）—— 架构设计与初步状态识别 AI玩游戏的一点尝

前言

图片去重

由于数据采集的截图是每秒一次，一旦有事离开会采集太多相同的图片，光是玩了几盘就已经收集了4G的图片了，训练时长也逐渐增加，感觉有必要对重复的图片进行去重。

像素相似度比对

因为游戏的大多数画面是动态的，直接比对像素去重效果肯定不太好，想根据相似度判断后去重，无奈图片比对太耗性能，O(N^2)的复杂度完全跑不动4G的图片，因此改成了只和前一张比对：

def is_same_image(img1_path, img2_path, threshold=0.99):
    with Image.open(img1_path) as img1, Image.open(img2_path) as img2:
        if img1.size != img2.size:
            return False
        
        img1_array = np.array(img1)
        img2_array = np.array(img2)
        
        if img1_array.shape != img2_array.shape:
            return False
            
        diff = np.abs(img1_array.astype(np.float32) - img2_array.astype(np.float32))
        similarity = 1 - (np.sum(diff) / (diff.size * 255))
        return similarity >= threshold

哈希相似度比对

但是和前一张比对只能处理放着不动产生的重复画面，对于多次游玩截图的重复画面依然没有办法解决。查阅资料得知imagehash库的phash和dhash可以对图片生成hash后计算相似度距离，于是编写代码测试：

image_hashes = {}
for img_path in tqdm(image_files, desc="计算图片哈希值"):
    with Image.open(img_path) as img:
        # 使用 dhash 算法，它对图片细节更敏感
        hash_value = imagehash.dhash(img)
        image_hashes[img_path] = str(hash_value)

查看比对结果发现，游戏的UI部分在画面占比较小，不同图片反映的信息不同，但是phash和dhash算法均不能很好的捕捉到UI数据的变化，把大量不同数据的图片归为了相似图片。

哈希去重

没办法还是直接通过像素计算哈希去重吧：

hash_cache = {}
for img_path in tqdm(image_files, desc="计算图片哈希值"):
    with Image.open(img_path) as img:
        img_array = np.array(img)
        hash_cache[img_path] = hashlib.sha256(img_array.tobytes()).hexdigest()

def is_same_image(img1_path, img2_path):
    hash1 = hash_cache[img1_path]
    hash2 = hash_cache[img2_path]
    
    return hash1 == hash2

和预想的一样，相似的图片很少，但是这个脚本对于后续数字识别的去重很有帮助。

下一步

现在已经有了准确的状态识别模型，那么就可以在养成界面截取数据进行数字识别了。