colors

在 Aimaxbot 有两种方式表示一个颜色。

一种是使用一个字符串"#AARRGGBB"或"#RRGGBB"，其中 AA 是 Alpha 通道 (透明度) 的值，RR 是 R 通道 (红色) 的值，GG 是 G 通道 (绿色) 的值，BB 是 B 通道 (蓝色) 的值。例如"#ffffff"表示白色，"#7F000000"表示半透明的黑色。

另一种是使用一个 16 进制的"32 位整数" 0xAARRGGBB 来表示一个颜色，例如 0xFF112233表示颜色"#112233", 0x11223344表示颜色"#11223344"。

可以通过colors.toString()把颜色整数转换为字符串，通过colors.parseColor()把颜色字符串解析为颜色整数。

colors

colors.toString(color)

color {number} 整数 RGB 颜色值
返回

返回颜色值的字符串，格式为 "#AARRGGBB"。

colors.red(color)

color {number} | {string} 颜色值
返回

返回颜色 color 的 R 通道的值，范围 0~255.

colors.green(color)

color {number} | {string} 颜色值
返回

返回颜色 color 的 G 通道的值，范围 0~255.

colors.blue(color)

color {number} | {string} 颜色值
返回

返回颜色 color 的 B 通道的值，范围 0~255.

colors.alpha(color)

color {number} | {string} 颜色值
返回

返回颜色 color 的 Alpha 通道的值，范围 0~255.

colors.rgb(red, green, blue)

red {number} 颜色的 R 通道的值
blue {number} 颜色的 G 通道的值
green {number} 颜色的 B 通道的值
返回

返回这些颜色通道构成的整数颜色值。Alpha 通道将是 255（不透明）。

colors.argb(alpha, red, green, blue)

alpha {number} 颜色的 Alpha 通道的值
red {number} 颜色的 R 通道的值
green {number} 颜色的 G 通道的值
blue {number} 颜色的 B 通道的值
返回

返回这些颜色通道构成的整数颜色值。

colors.parseColor(colorStr)

colorStr {string} 表示颜色的字符串，例如"#112233"
返回

返回颜色的整数值。

colors.isSimilar(color2, color2[, threshold, algorithm])

color1 {number} | {string} 颜色值 1
color1 {number} | {string} 颜色值 2
threshold {number} 颜色相似度临界值，默认为 4。取值范围为 0~255。这个值越大表示允许的相似程度越小，如果这个值为 0，则两个颜色相等时该函数才会返回 true。
algorithm {string} 颜色匹配算法，默认为"diff", 包括：
- "diff": 差值匹配。与给定颜色的 R、G、B 差的绝对值之和小于 threshold 时匹配。
- "rgb": rgb 欧拉距离相似度。与给定颜色 color 的 rgb 欧拉距离小于等于 threshold 时匹配。
- "rgb+": 加权 rgb 欧拉距离匹配 (LAB Delta E)。
- "hs": hs 欧拉距离匹配。hs 为 HSV 空间的色调值。
返回

返回两个颜色是否相似。

colors.equals(color1, color2)

color1 {number} | {string} 颜色值 1
color1 {number} | {string} 颜色值 2
返回

返回两个颜色是否相等。*注意该函数会忽略 Alpha 通道的值进行比较。

log(colors.equals("#112233", "#112234"));
log(colors.equals(0xFF112233, 0xFF223344));

colors.BLACK

黑色，颜色值 #FF000000

colors.DKGRAY

深灰色，颜色值 #FF444444

colors.GRAY

灰色，颜色值 #FF888888

colors.LTGRAY

亮灰色，颜色值 #FFCCCCCC

colors.WHITE

白色，颜色值 #FFFFFFFF

colors.RED

红色，颜色值 #FFFF0000

colors.GREEN

绿色，颜色值 #FF00FF00

colors.BLUE

蓝色，颜色值 #FF0000FF

colors.YELLOW

黄色，颜色值 #FFFFFF00

colors.CYAN

青色，颜色值 #FF00FFFF

colors.MAGENTA

品红色，颜色值 #FFFF00FF

colors.TRANSPARENT

透明，颜色值 #00000000

Images

images 模块提供了一些手机设备中常见的图片处理函数，包括截图、读写图片、图片剪裁、旋转、二值化、找色找图等。

该模块分为两个部分，找图找色部分和图片处理部分。

需要注意的是，image 对象创建后尽量在不使用时进行回收，同时避免循环创建大量图片。因为图片是一种占用内存比较大的资源，尽管 Aimaxbot 通过各种方式（比如图片缓存机制、垃圾回收时回收图片、脚本结束时回收所有图片）尽量降低图片资源的泄漏和内存占用，但是糟糕的代码仍然可以占用大量内存。

Image 对象通过调用recycle()函数来回收。例如：

// 读取图片
var img = images.read("./1.png");
//对图片进行操作
... 
// 回收图片
img.recycle();

例外的是，caputerScreen()返回的图片不需要回收。

图片处理

images.read(path)

path {string} 图片路径

读取在路径 path 的图片文件并返回一个 Image 对象。如果文件不存在或者文件无法解码则返回 null。

images.load(url)

url {string} 图片 URL 地址

加载在地址 URL 的网络图片并返回一个 Image 对象。如果地址不存在或者图片无法解码则返回 null。

images.copy(img)

img {Image} 图片
返回

复制一张图片并返回新的副本。该函数会完全复制 img 对象的数据。

images.save(image, path[, format = "png", quality = 100])

image {Image} 图片
path {string} 路径
format {string} 图片格式，可选的值为：
- png
- jpeg/jpg
- webp
quality {number} 图片质量，为 0~100 的整数值

把图片 image 以 PNG 格式保存到 path 中。如果文件不存在会被创建；文件存在会被覆盖。

//把图片压缩为原来的一半质量并保存
var img = images.read("/sdcard/1.png");
images.save(img, "/sdcard/1.jpg", "jpg", 50);
app.viewFile("/sdcard/1.jpg");

images.fromBase64(base64)

base64 {string} 图片的 Base64 数据
返回

解码 Base64 数据并返回解码后的图片 Image 对象。如果 base64 无法解码则返回null。

images.toBase64(img[, format = "png", quality = 100])

image {image} 图片
format {string} 图片格式，可选的值为：
- png
- jpeg/jpg
- webp
quality {number} 图片质量，为 0~100 的整数值
返回

把图片编码为 base64 数据并返回。

images.fromBytes(bytes)

bytes {byte[]} 字节数组

解码字节数组 bytes 并返回解码后的图片 Image 对象。如果 bytes 无法解码则返回null。

images.toBytes(img[, format = "png", quality = 100])

image {image} 图片
format {string} 图片格式，可选的值为：
- png
- jpeg/jpg
- webp
quality {number} 图片质量，为 0~100 的整数值
返回

把图片编码为字节数组并返回。

images.clip(img, x, y, w, h)

img {Image} 图片
x {number} 剪切区域的左上角横坐标
y {number} 剪切区域的左上角纵坐标
w {number} 剪切区域的宽度
h {number} 剪切区域的高度
返回

从图片 img 的位置 (x, y) 处剪切大小为 w * h 的区域，并返回该剪切区域的新图片。

var src = images.read("/sdcard/1.png");
var clip = images.clip(src, 100, 100, 400, 400);
images.save(clip, "/sdcard/clip.png");

images.resize(img, size[, interpolation])

img {Image} 图片
size {Array} 两个元素的数组[w, h]，分别表示宽度和高度；如果只有一个元素，则宽度和高度相等
interpolation {string} 插值方法，可选，默认为"LINEAR"（线性插值），可选的值有：
- NEAREST 最近邻插值
- LINEAR 线性插值（默认）
- AREA 区域插值
- CUBIC 三次样条插值
- LANCZOS4 Lanczos 插值参见InterpolationFlags
返回

调整图片大小，并返回调整后的图片。例如把图片放缩为 200*300：images.resize(img, [200, 300])。

参见Imgproc.resize。

images.scale(img, fx, fy[, interpolation])

img {Image} 图片
fx {number} 宽度放缩倍数
fy {number} 高度放缩倍数
interpolation {string} 插值方法，可选，默认为"LINEAR"（线性插值），可选的值有：
- NEAREST 最近邻插值
- LINEAR 线性插值（默认）
- AREA 区域插值
- CUBIC 三次样条插值
- LANCZOS4 Lanczos 插值参见InterpolationFlags
返回

放缩图片，并返回放缩后的图片。例如把图片变成原来的一半：images.scale(img, 0.5, 0.5)。

参见Imgproc.resize。

images.rotate(img, degress[, x, y])

img {Image} 图片
degress {number} 旋转角度。
x {number} 旋转中心 x 坐标，默认为图片中点
y {number} 旋转中心 y 坐标，默认为图片中点
返回

将图片逆时针旋转 degress 度，返回旋转后的图片对象。

例如逆时针旋转 90 度为images.rotate(img, 90)。

images.concat(img1, image2[, direction])

img1 {Image} 图片 1
img2 {Image} 图片 2
direction {string} 连接方向，默认为"RIGHT"，可选的值有：
- LEFT 将图片 2 接到图片 1 左边
- RIGHT 将图片 2 接到图片 1 右边
- TOP 将图片 2 接到图片 1 上边
- BOTTOM 将图片 2 接到图片 1 下边
返回

连接两张图片，并返回连接后的图像。如果两张图片大小不一致，小的那张将适当居中。

images.grayscale(img)

img {Image} 图片
返回

灰度化图片，并返回灰度化后的图片。

image.threshold(img, threshold, maxVal[, type])

img {Image} 图片
threshold {number} 阈值
maxVal {number} 最大值
type {string} 阈值化类型，默认为"BINARY"，参见ThresholdTypes, 可选的值：
- BINARY
- BINARY_INV
- TRUNC
- TOZERO
- TOZERO_INV
- OTSU
- TRIANGLE
返回

将图片阈值化，并返回处理后的图像。可以用这个函数进行图片二值化。例如：images.threshold(img, 100, 255, "BINARY")，这个代码将图片中大于 100 的值全部变成 255，其余变成 0，从而达到二值化的效果。如果 img 是一张灰度化图片，这个代码将会得到一张黑白图片。

可以参考有关博客（比如threshold 函数的使用）或者 OpenCV 文档threshold。

images.adaptiveThreshold(img, maxValue, adaptiveMethod, thresholdType, blockSize, C)

img {Image} 图片
maxValue {number} 最大值
adaptiveMethod {string} 在一个邻域内计算阈值所采用的算法，可选的值有：
- MEAN_C 计算出领域的平均值再减去参数 C 的值
- GAUSSIAN_C 计算出领域的高斯均值再减去参数 C 的值
thresholdType {string} 阈值化类型，可选的值有：
- BINARY
- BINARY_INV
blockSize {number} 邻域块大小
C {number} 偏移值调整量
返回

对图片进行自适应阈值化处理，并返回处理后的图像。

可以参考有关博客（比如threshold 与 adaptiveThreshold）或者 OpenCV 文档adaptiveThreshold。

images.cvtColor(img, code[, dstCn])

img {Image} 图片
code {string} 颜色空间转换的类型，可选的值有一共有 205 个（参见ColorConversionCodes），这里只列出几个：
- BGR2GRAY BGR 转换为灰度
- BGR2HSV BGR 转换为 HSV
- ``
dstCn {number} 目标图像的颜色通道数量，如果不填写则根据其他参数自动决定。
返回

对图像进行颜色空间转换，并返回转换后的图像。

可以参考有关博客（比如颜色空间转换）或者 OpenCV 文档cvtColor。

images.inRange(img, lowerBound, upperBound)

img {Image} 图片
lowerBound {string} | {number} 颜色下界
upperBound {string} | {number} 颜色下界
返回

将图片二值化，在 lowerBound~upperBound 范围以外的颜色都变成 0，在范围以内的颜色都变成 255。

例如images.inRange(img, "#000000", "#222222")。

images.interval(img, color, interval)

img {Image} 图片
color {string} | {number} 颜色值
interval {number} 每个通道的范围间隔
返回

将图片二值化，在 color-interval ~ color+interval 范围以外的颜色都变成 0，在范围以内的颜色都变成 255。这里对 color 的加减是对每个通道而言的。

例如images.interval(img, "#888888", 16)，每个通道的颜色值均为 0x88，加减 16 后的范围是[0x78, 0x98]，因此这个代码将把#787878~#989898 的颜色变成#FFFFFF，而把这个范围以外的变成#000000。

images.blur(img, size[, anchor, type])

img {Image} 图片
size {Array} 定义滤波器的大小，如[3, 3]
anchor {Array} 指定锚点位置 (被平滑点)，默认为图像中心
type {string} 推断边缘像素类型，默认为"DEFAULT"，可选的值有：
- CONSTANT iiiiii|abcdefgh|iiiiiii with some specified i
- REPLICATE aaaaaa|abcdefgh|hhhhhhh
- REFLECT fedcba|abcdefgh|hgfedcb
- WRAP cdefgh|abcdefgh|abcdefg
- REFLECT_101 gfedcb|abcdefgh|gfedcba
- TRANSPARENT uvwxyz|abcdefgh|ijklmno
- REFLECT101 same as BORDER_REFLECT_101
- DEFAULT same as BORDER_REFLECT_101
- ISOLATED do not look outside of ROI
返回

对图像进行模糊（平滑处理），返回处理后的图像。

可以参考有关博客（比如实现图像平滑处理）或者 OpenCV 文档blur。

images.medianBlur(img, size)

img {Image} 图片
size {Array} 定义滤波器的大小，如[3, 3]
返回

对图像进行中值滤波，返回处理后的图像。

可以参考有关博客（比如实现图像平滑处理）或者 OpenCV 文档blur。

images.gaussianBlur(img, size[, sigmaX, sigmaY, type])

img {Image} 图片
size {Array} 定义滤波器的大小，如[3, 3]
sigmaX {number} x 方向的标准方差，不填写则自动计算
sigmaY {number} y 方向的标准方差，不填写则自动计算
type {string} 推断边缘像素类型，默认为"DEFAULT"，参见images.blur
返回

对图像进行高斯模糊，返回处理后的图像。

可以参考有关博客（比如实现图像平滑处理）或者 OpenCV 文档GaussianBlur。

images.matToImage(mat)

mat {Mat} OpenCV 的 Mat 对象
返回

把 Mat 对象转换为 Image 对象。

找图找色

images.requestScreenCapture([landscape])

landscape {boolean} 截屏方向
- true 横屏截图
- false 竖屏截图
- 不指定值，由当前设备屏幕方向决定截图方向
return

向系统申请屏幕截图权限，返回是否请求成功，仅需执行一次

建议在本软件界面运行该函数，在其他软件界面运行时容易出现一闪而过的黑屏现象。

示例：

//请求截图
//每次使用该函数都会弹出截图权限请求，建议选择“总是允许”。
if(!requestScreenCapture()){
    toast("请求截图失败");
    exit();
}
//连续截图 10 张图片 (间隔 1 秒) 并保存到存储卡目录
for(var i = 0; i < 10; i++){
    captureScreen("/sdcard/screencapture" + i + ".png");
    sleep(1000);
}

//安卓版本高于 Android 9
if(device.sdkInt>28){
    //等待截屏权限申请并同意
    threads.start(function () {
        packageName('com.android.systemui').text('立即开始').waitFor();
        text('立即开始').click();
    });
}
//申请截屏权限
if (!requestScreenCapture()) {
    toast("请求截图失败");
    exit()
}

该函数也可以作为全局函数使用。

images.captureScreen()

return

截取当前屏幕并返回一个 Image 对象。

没有截图权限时执行该函数会抛出 SecurityException。

该函数不会返回 null，两次调用可能返回相同的 Image 对象。这是因为设备截图的更新需要一定的时间，短时间内（一般来说是 16ms）连续调用则会返回同一张截图。

截图需要转换为 Bitmap 格式，从而该函数执行需要一定的时间 (0~20ms)。

另外在 requestScreenCapture() 执行成功后需要一定时间后才有截图可用，因此如果立即调用 captureScreen()，会等待一定时间后 (一般为几百 ms) 才返回截图。

例子：

//请求横屏截图
requestScreenCapture(true);
//截图
var img = captureScreen();
//获取在点 (100, 100) 的颜色值
var color = images.pixel(img, 100, 100);
//显示该颜色值
toast(colors.toString(color));

该函数也可以作为全局函数使用。

images.captureScreen(path)

path {string} 截图保存路径

截取当前屏幕并以 PNG 格式保存到 path 中。如果文件不存在会被创建；文件存在会被覆盖。

该函数不会返回任何值。该函数也可以作为全局函数使用。

images.pixel(image, x, y)

image {Image} 图片
x {number} 要获取的像素的横坐标。
y {number} 要获取的像素的纵坐标。

返回图片 image 在点 (x, y) 处的像素的 ARGB 值。

该值的格式为 0xAARRGGBB，是一个"32 位整数"(虽然 JavaScript 中并不区分整数类型和其他数值类型)。

坐标系以图片左上角为原点。以图片左侧边为 y 轴，上侧边为 x 轴。

images.readPixels(path)

path {string} 图片的地址
return {Object} 包括图片的像素数据和宽高，

读取图片的像素数据和宽高。

images.findColor(image, color, options)

image {Image} 图片
color {number} | {string} 要寻找的颜色的 RGB 值。如果是一个整数，则以 0xRRGGBB 的形式代表 RGB 值（A 通道会被忽略）；如果是字符串，则以"#RRGGBB"代表其 RGB 值。
options {Object} 选项包括：
- region {Array} 找色区域。是一个两个或四个元素的数组。(region[0], region[1]) 表示找色区域的左上角；region[2]*region[3]表示找色区域的宽高。如果只有 region 只有两个元素，则找色区域为 (region[0], region[1]) 到屏幕右下角。如果不指定 region 选项，则找色区域为整张图片。
- threshold {number} 找色时颜色相似度的临界值，范围为 0~255（越小越相似，0 为颜色相等，255 为任何颜色都能匹配）。默认为 4。threshold 和浮点数相似度 (0.0~1.0) 的换算为 similarity = (255 - threshold) / 255.

在图片中寻找颜色 color。找到时返回找到的点 Point，找不到时返回 null。

该函数也可以作为全局函数使用。

一个循环找色的例子如下：

requestScreenCapture();

//循环找色，找到红色 (#ff0000) 时停止并报告坐标
while(true){
    var img = captureScreen();
    var point = findColor(img, "#ff0000");
    if(point){
        toast("找到红色，坐标为 (" + point.x + ", " + point.y + ")");
    }
}

一个区域找色的例子如下：

//读取本地图片/sdcard/1.png
var img = images.read("/sdcard/1.png");
//判断图片是否加载成功
if(!img){
    toast("没有该图片");
    exit();
}
//在该图片中找色，指定找色区域为在位置 (400, 500) 的宽为 300 长为 200 的区域，指定找色临界值为 4
var point = findColor(img, "#00ff00", {
     region: [400, 500, 300, 200],
     threshold: 4
 });
if(point){
    toast("找到啦：" + point);
}else{
    toast("没找到");
}

images.findColorInRegion(img, color, x, y[, width, height, threshold])

区域找色的简便方法。

相当于

images.findColor(img, color, {
     region: [x, y, width, height],
     threshold: threshold
});

该函数也可以作为全局函数使用。

images.findColorEquals(img, color[, x, y, width, height])

img {Image} 图片
color {number} | {string} 要寻找的颜色
x {number} 找色区域的左上角横坐标
y {number} 找色区域的左上角纵坐标
width {number} 找色区域的宽度
height {number} 找色区域的高度
返回

在图片 img 指定区域中找到颜色和 color 完全相等的某个点，并返回该点的左边；如果没有找到，则返回null。

找色区域通过x, y, width, height指定，如果不指定找色区域，则在整张图片中寻找。

该函数也可以作为全局函数使用。

示例： (通过找 QQ 红点的颜色来判断是否有未读消息)

requestScreenCapture();
launchApp("QQ");
sleep(1200);
var p = findColorEquals(captureScreen(), "#f64d30");
if(p){
    toast("有未读消息");
}else{
    toast("没有未读消息");
}

images.findAllPointsForColor(img, color, options)

img {Image} 图片
color {number | string} 要检测的颜色
options {Object} 选项包括：
- region {Array} 找色区域。是一个两个或四个元素的数组。(region[0], region[1]) 表示找色区域的左上角；region[2]*region[3]表示找色区域的宽高。如果 region只有两个元素，则找色区域为 (region[0], region[1]) 到图片右下角。如果不指定region选项，则找色区域为整张图片。
- similarity {number} 找色时颜色相似度，范围为 0~1（越大越相似，1 为颜色相等，0 为任何颜色都能匹配）。
- threshold {number} 找色时颜色相似度的临界值，范围为 0 ~ 255（越小越相似，0 为颜色相等，255 为任何颜色都能匹配）。默认为 4。
- similarity与threshold的换算为similarity = (255 - threshold) / 255。二选一，同时存在则以similarity为准。
return

在图片中寻找所有颜色为color的点。找到时返回找到的点 Point 的数组，找不到时返回null。

例如找出所有白色的点：

log(images.findAllPointsForColor(img, "#ffffff"));

images.findMultiColors(img, firstColor, colors[, options])

img {Image} 要找色的图片
firstColor {number} | {string} 第一个点的颜色
colors {Array} 表示剩下的点相对于第一个点的位置和颜色的数组，数组的每个元素为[x, y, color]
options {Object} 选项，包括：
- region {Array} 找色区域。是一个两个或四个元素的数组。(region[0], region[1]) 表示找色区域的左上角；region[2]*region[3]表示找色区域的宽高。如果只有 region 只有两个元素，则找色区域为 (region[0], region[1]) 到屏幕右下角。如果不指定 region 选项，则找色区域为整张图片。
- threshold {number} 找色时颜色相似度的临界值，范围为 0~255（越小越相似，0 为颜色相等，255 为任何颜色都能匹配）。默认为 4。threshold 和浮点数相似度 (0.0~1.0) 的换算为 similarity = (255 - threshold) / 255.

多点找色，类似于按键精灵的多点找色，其过程如下：

在图片 img 中找到颜色 firstColor 的位置 (x0, y0)
对于数组 colors 的每个元素[x, y, color]，检查图片 img 在位置 (x + x0, y + y0) 上的像素是否是颜色 color，是的话返回 (x0, y0)，否则继续寻找 firstColor 的位置，重新执行第 1 步
整张图片都找不到时返回null

例如，对于代码images.findMultiColors(img, "#123456", [[10, 20, "#ffffff"], [30, 40, "#000000"]])，假设图片在 (100, 200) 的位置的颜色为#123456, 这时如果 (110, 220) 的位置的颜色为#fffff 且 (130, 240) 的位置的颜色为#000000，则函数返回点 (100, 200)。

如果要指定找色区域，则在 options 中指定，例如：

var p = images.findMultiColors(img, "#123456", [[10, 20, "#ffffff"], [30, 40, "#000000"]], {
    region: [0, 960, 1080, 960]
});

images.detectsColor(image, color, x, y[, threshold = 16, algorithm = "diff"])

image {Image} 图片
color {number} | {string} 要检测的颜色
x {number} 要检测的位置横坐标
y {number} 要检测的位置纵坐标
threshold {number} 颜色相似度临界值，默认为 16。取值范围为 0~255。
algorithm {string} 颜色匹配算法，包括：
- "equal": 相等匹配，只有与给定颜色 color 完全相等时才匹配。
- "diff": 差值匹配。与给定颜色的 R、G、B 差的绝对值之和小于 threshold 时匹配。
- "rgb": rgb 欧拉距离相似度。与给定颜色 color 的 rgb 欧拉距离小于等于 threshold 时匹配。
- "rgb+": 加权 rgb 欧拉距离匹配 (LAB Delta E)。
- "hs": hs 欧拉距离匹配。hs 为 HSV 空间的色调值。

返回图片 image 在位置 (x, y) 处是否匹配到颜色 color。用于检测图片中某个位置是否是特定颜色。

一个判断微博客户端的某个微博是否被点赞过的例子：

requestScreenCapture();
//找到点赞控件
var like = id("ly_feed_like_icon").findOne();
//获取该控件中点坐标
var x = like.bounds().centerX();
var y = like.bounds().centerY();
//截图
var img = captureScreen();
//判断在该坐标的颜色是否为橙红色
if(images.detectsColor(img, "#fed9a8", x, y)){
    //是的话则已经是点赞过的了，不做任何动作
}else{
    //否则点击点赞按钮
    like.click();
}

images.findImage(img, template[, options])

img {Image} 大图片
template {Image} 小图片（模板）
options {Object} 选项包括：
- threshold {number} 图片相似度。取值范围为 0~1 的浮点数。默认值为 0.9。
- region {Array} 找图区域。参见 findColor 函数关于 region 的说明。
- level {number} 一般而言不必修改此参数。不加此参数时该参数会根据图片大小自动调整。找图算法是采用图像金字塔进行的，level 参数表示金字塔的层次，level 越大可能带来越高的找图效率，但也可能造成找图失败（图片因过度缩小而无法分辨）或返回错误位置。因此，除非您清楚该参数的意义并需要进行性能调优，否则不需要用到该参数。

找图。在大图片 img 中查找小图片 template 的位置（模块匹配），找到时返回位置坐标 (Point)，找不到时返回 null。

该函数也可以作为全局函数使用。

一个最简单的找图例子如下：

var img = images.read("/sdcard/大图.png");
var templ = images.read("/sdcard/小图.png");
var p = findImage(img, templ);
if(p){
    toast("找到啦：" + p);
}else{
    toast("没找到");
}

稍微复杂点的区域找图例子如下：

auto();
requestScreenCapture();
var wx = images.read("/sdcard/微信图标.png");
//返回桌面
home();
//截图并找图
var p = findImage(captureScreen(), wx, {
    region: [0, 50],
    threshold: 0.8
});
if(p){
    toast("在桌面找到了微信图标啦：" + p);
}else{
    toast("在桌面没有找到微信图标");
}

images.findImageInRegion(img, template, x, y[, width, height, threshold])

区域找图的简便方法。相当于：

images.findImage(img, template, {
    region: [x, y, width, height],
    threshold: threshold
})

该函数也可以作为全局函数使用。

images.matchTemplate(img, template, options)

img {Image} 大图片
template {Image} 小图片（模板）
options {Object} 找图选项：
- threshold {number} 图片相似度。取值范围为 0~1 的浮点数。默认值为 0.9。
- region {Array} 找图区域。参见 findColor 函数关于 region 的说明。
- max {number} 找图结果最大数量，默认为 5
- level {number} 一般而言不必修改此参数。不加此参数时该参数会根据图片大小自动调整。找图算法是采用图像金字塔进行的，level 参数表示金字塔的层次，level 越大可能带来越高的找图效率，但也可能造成找图失败（图片因过度缩小而无法分辨）或返回错误位置。因此，除非您清楚该参数的意义并需要进行性能调优，否则不需要用到该参数。
返回

在大图片中搜索小图片，并返回搜索结果 MatchingResult。该函数可以用于找图时找出多个位置，可以通过 max 参数控制最大的结果数量。也可以对匹配结果进行排序、求最值等操作。

images.findCircles(gray, options)

gray {Image} 灰度图片
options {Object} 选项包括：
- region {Array} 找圆区域。是一个两个或四个元素的数组。(region[0], region[1]) 表示找圆区域的左上角；region[2]*region[3]表示找圆区域的宽高。如果只有 region 只有两个元素，则找圆区域为 (region[0], region[1]) 到图片右下角。如果不指定region选项，则找圆区域为整张图片。
- dp {number} dp 是累加面与原始图像相比的分辨率的反比参数，dp=2 时累计面分辨率是元素图像的一半，宽高都缩减为原来的一半，dp=1 时，两者相同。默认为 1。
- minDst {number} minDist 定义了两个圆心之间的最小距离。默认为图片高度的八分之一。
- param1 {number} param1 是 Canny 边缘检测的高阈值，低阈值被自动置为高阈值的一半。默认为 100，范围为 0-255。
- param2 {number} param2 是累加平面对是否是圆的判定阈值，默认为 100。
- minRadius {number} 定义了检测到的圆的半径的最小值，默认为 0。
- maxRadius {number} 定义了检测到的圆的半径的最大值，0 为不限制最大值，默认为 0。
return

在图片中寻找圆（做霍夫圆变换）。找到时返回找到的所有圆{x,y,radius}的数组，找不到时返回 null。

一个寻找圆的例子：

// 请求截图
requestScreenCapture();
// 截图
let img = captureScreen();
// 灰度化图片
let gray = images.grayscale(img);
// 找圆
let arr = findCircles(gray, {
    dp: 1,
    minDst: 80,
    param1: 100,
    param2: 100,
    minRadius: 50,
    maxRadius: 80,
});
// 回收图片
gray.recycle();

MatchingResult

matches

{Array} 匹配结果的数组。

数组的元素是一个 Match 对象：

point {Point} 匹配位置
similarity {number} 相似度

例如：

var result = images.matchTemplate(img, template, {
    max: 100
});
result.matches.forEach(match => {
    log("point = " + match.point + ", similarity = " + match.similarity);
});

points

{Array} 匹配位置的数组。

first()

第一个匹配结果。如果没有任何匹配，则返回null。

last()

最后一个匹配结果。如果没有任何匹配，则返回null。

leftmost()

位于大图片最左边的匹配结果。如果没有任何匹配，则返回null。

topmost()

位于大图片最上边的匹配结果。如果没有任何匹配，则返回null。

rightmost()

位于大图片最右边的匹配结果。如果没有任何匹配，则返回null。

bottommost()

位于大图片最下边的匹配结果。如果没有任何匹配，则返回null。

best()

相似度最高的匹配结果。如果没有任何匹配，则返回null。

worst()

相似度最低的匹配结果。如果没有任何匹配，则返回null。

sortBy(cmp)

cmp {Function}|{string} 比较函数，或者是一个字符串表示排序方向。例如"left"表示将匹配结果按匹配位置从左往右排序、"top"表示将匹配结果按匹配位置从上往下排序，"left-top"表示将匹配结果按匹配位置从左往右、从上往下排序。方向包括left（左）, top （上）, right （右）, bottom（下）。

对匹配结果进行排序，并返回排序后的结果。

var result = images.matchTemplate(img, template, {
    max: 100
});
log(result.sortBy("top-right"));

Image

表示一张图片，可以是截图的图片，或者本地读取的图片，或者从网络获取的图片。

Image.getWidth()

返回以像素为单位图片宽度。

Image.getHeight()

返回以像素为单位的图片高度。

Image.saveTo(path)

path {string} 路径

把图片保存到路径 path。（如果文件存在则覆盖）

Image.pixel(x, y)

x {number} 横坐标
y {number} 纵坐标

返回图片 image 在点 (x, y) 处的像素的 ARGB 值。

该值的格式为 0xAARRGGBB，是一个"32 位整数"(虽然 JavaScript 中并不区分整数类型和其他数值类型)。

坐标系以图片左上角为原点。以图片左侧边为 y 轴，上侧边为 x 轴。

Point

findColor, findImage 返回的对象。表示一个点（坐标）。

Point.x

横坐标。

Point.y

纵坐标。

colors ​

colors ​

colors.toString(color) ​

colors.red(color) ​

colors.green(color) ​

colors.blue(color) ​

colors.alpha(color) ​

colors.rgb(red, green, blue) ​

colors.argb(alpha, red, green, blue) ​

colors.parseColor(colorStr) ​

colors.isSimilar(color2, color2[, threshold, algorithm]) ​

colors.equals(color1, color2) ​

colors.BLACK ​

colors.DKGRAY ​

colors.GRAY ​

colors.LTGRAY ​

colors.WHITE ​

colors.RED ​

colors.GREEN ​

colors.BLUE ​

colors.YELLOW ​

colors.CYAN ​

colors.MAGENTA ​

colors.TRANSPARENT ​

Images ​

图片处理 ​

images.read(path) ​

images.load(url) ​

images.copy(img) ​

images.save(image, path[, format = "png", quality = 100]) ​

images.fromBase64(base64) ​

images.toBase64(img[, format = "png", quality = 100]) ​

images.fromBytes(bytes) ​

images.toBytes(img[, format = "png", quality = 100]) ​

images.clip(img, x, y, w, h) ​

images.resize(img, size[, interpolation]) ​

images.scale(img, fx, fy[, interpolation]) ​

images.rotate(img, degress[, x, y]) ​

images.concat(img1, image2[, direction]) ​

images.grayscale(img) ​

image.threshold(img, threshold, maxVal[, type]) ​

images.adaptiveThreshold(img, maxValue, adaptiveMethod, thresholdType, blockSize, C) ​

images.cvtColor(img, code[, dstCn]) ​

images.inRange(img, lowerBound, upperBound) ​

images.interval(img, color, interval) ​

images.blur(img, size[, anchor, type]) ​

images.medianBlur(img, size) ​

images.gaussianBlur(img, size[, sigmaX, sigmaY, type]) ​

images.matToImage(mat) ​

找图找色 ​

images.requestScreenCapture([landscape]) ​

images.captureScreen() ​

images.captureScreen(path) ​

images.pixel(image, x, y) ​

images.readPixels(path) ​

images.findColor(image, color, options) ​

images.findColorInRegion(img, color, x, y[, width, height, threshold]) ​

images.findColorEquals(img, color[, x, y, width, height]) ​

images.findAllPointsForColor(img, color, options) ​

images.findMultiColors(img, firstColor, colors[, options]) ​

images.detectsColor(image, color, x, y[, threshold = 16, algorithm = "diff"]) ​

images.findImage(img, template[, options]) ​

images.findImageInRegion(img, template, x, y[, width, height, threshold]) ​

images.matchTemplate(img, template, options) ​

images.findCircles(gray, options) ​

MatchingResult ​

matches ​

points ​

first() ​

last() ​

leftmost() ​

topmost() ​

rightmost() ​

bottommost() ​

best() ​

worst() ​

sortBy(cmp) ​

Image ​

Image.getWidth() ​

Image.getHeight() ​

colors

colors

colors.toString(color)

colors.red(color)

colors.green(color)

colors.blue(color)

colors.alpha(color)

colors.rgb(red, green, blue)

colors.argb(alpha, red, green, blue)

colors.parseColor(colorStr)

colors.isSimilar(color2, color2[, threshold, algorithm])

colors.equals(color1, color2)

colors.BLACK

colors.DKGRAY

colors.GRAY

colors.LTGRAY

colors.WHITE

colors.RED

colors.GREEN

colors.BLUE

colors.YELLOW

colors.CYAN

colors.MAGENTA

colors.TRANSPARENT

Images

图片处理

images.read(path)

images.load(url)

images.copy(img)

images.save(image, path[, format = "png", quality = 100])

images.fromBase64(base64)

images.toBase64(img[, format = "png", quality = 100])

images.fromBytes(bytes)

images.toBytes(img[, format = "png", quality = 100])

images.clip(img, x, y, w, h)

images.resize(img, size[, interpolation])

images.scale(img, fx, fy[, interpolation])

images.rotate(img, degress[, x, y])

images.concat(img1, image2[, direction])

images.grayscale(img)

image.threshold(img, threshold, maxVal[, type])

images.adaptiveThreshold(img, maxValue, adaptiveMethod, thresholdType, blockSize, C)

images.cvtColor(img, code[, dstCn])

images.inRange(img, lowerBound, upperBound)

images.interval(img, color, interval)

images.blur(img, size[, anchor, type])

images.medianBlur(img, size)

images.gaussianBlur(img, size[, sigmaX, sigmaY, type])

images.matToImage(mat)

找图找色

images.requestScreenCapture([landscape])

images.captureScreen()

images.captureScreen(path)

images.pixel(image, x, y)

images.readPixels(path)

images.findColor(image, color, options)

images.findColorInRegion(img, color, x, y[, width, height, threshold])

images.findColorEquals(img, color[, x, y, width, height])

images.findAllPointsForColor(img, color, options)

images.findMultiColors(img, firstColor, colors[, options])

images.detectsColor(image, color, x, y[, threshold = 16, algorithm = "diff"])

images.findImage(img, template[, options])

images.findImageInRegion(img, template, x, y[, width, height, threshold])

images.matchTemplate(img, template, options)

images.findCircles(gray, options)

MatchingResult

matches

points

first()

last()

leftmost()

topmost()

rightmost()

bottommost()

best()

worst()

sortBy(cmp)

Image

Image.getWidth()

Image.getHeight()