Python 在 OS X 中获取屏幕像素值

Question

我正在 OS X 10.8.2 上用 Python 构建一个自动化游戏机器人，在研究 Python GUI 自动化的过程中我发现了 autopy。 鼠标操作 API 很棒，但屏幕捕获方法似乎依赖于已弃用的 OpenGL 方法......

有什么有效的方法可以在 OS X 中获取像素的颜色值吗？ 我现在能想到的唯一方法是使用os.system("screencapture foo.png")但这个过程似乎有不必要的开销，因为我会很快轮询。

Answer 1

一个小的改进，但使用 TIFF 压缩选项进行screencapture会更快一些：

$ time screencapture -t png /tmp/test.png
real        0m0.235s
user        0m0.191s
sys         0m0.016s
$ time screencapture -t tiff /tmp/test.tiff
real        0m0.079s
user        0m0.028s
sys         0m0.026s

正如您所说，这确实有很多开销（子进程创建、从光盘写入/读取、压缩/解压缩）。

相反，您可以使用 PyObjC 使用CGWindowListCreateImage捕获屏幕。 我发现捕获一个 1680x1050 像素的屏幕大约需要 70 毫秒（~14fps），并且可以在内存中访问这些值

一些随机笔记：

• 导入Quartz.CoreGraphics模块是最慢的部分，大约 1 秒。 导入大多数 PyObjC 模块也是如此。 在这种情况下不太重要，但对于短暂的流程，您最好用 ObjC 编写工具
• 指定较小的区域会更快一些，但速度不会太快（100x100 像素块大约需要 40 毫秒，1680x1050 块大约需要 70 毫秒）。 大部分时间似乎都花在了CGDataProviderCopyData调用上——我想知道是否有直接访问数据的方法，因为我们不需要修改它？
• ScreenPixel.pixel函数非常快，但访问大量像素仍然很慢（因为0.01ms * 1650*1050大约需要 17 秒） - 如果您需要访问大量像素，可能更快地struct.unpack_from them all in一去。

这是代码：

import time
import struct

import Quartz.CoreGraphics as CG


class ScreenPixel(object):
    """Captures the screen using CoreGraphics, and provides access to
    the pixel values.
    """

    def capture(self, region = None):
        """region should be a CGRect, something like:

        >>> import Quartz.CoreGraphics as CG
        >>> region = CG.CGRectMake(0, 0, 100, 100)
        >>> sp = ScreenPixel()
        >>> sp.capture(region=region)

        The default region is CG.CGRectInfinite (captures the full screen)
        """

        if region is None:
            region = CG.CGRectInfinite
        else:
            # TODO: Odd widths cause the image to warp. This is likely
            # caused by offset calculation in ScreenPixel.pixel, and
            # could could modified to allow odd-widths
            if region.size.width % 2 > 0:
                emsg = "Capture region width should be even (was %s)" % (
                    region.size.width)
                raise ValueError(emsg)

        # Create screenshot as CGImage
        image = CG.CGWindowListCreateImage(
            region,
            CG.kCGWindowListOptionOnScreenOnly,
            CG.kCGNullWindowID,
            CG.kCGWindowImageDefault)

        # Intermediate step, get pixel data as CGDataProvider
        prov = CG.CGImageGetDataProvider(image)

        # Copy data out of CGDataProvider, becomes string of bytes
        self._data = CG.CGDataProviderCopyData(prov)

        # Get width/height of image
        self.width = CG.CGImageGetWidth(image)
        self.height = CG.CGImageGetHeight(image)

    def pixel(self, x, y):
        """Get pixel value at given (x,y) screen coordinates

        Must call capture first.
        """

        # Pixel data is unsigned char (8bit unsigned integer),
        # and there are for (blue,green,red,alpha)
        data_format = "BBBB"

        # Calculate offset, based on
        # http://www.markj.net/iphone-uiimage-pixel-color/
        offset = 4 * ((self.width*int(round(y))) + int(round(x)))

        # Unpack data from string into Python'y integers
        b, g, r, a = struct.unpack_from(data_format, self._data, offset=offset)

        # Return BGRA as RGBA
        return (r, g, b, a)


if __name__ == '__main__':
    # Timer helper-function
    import contextlib

    @contextlib.contextmanager
    def timer(msg):
        start = time.time()
        yield
        end = time.time()
        print "%s: %.02fms" % (msg, (end-start)*1000)


    # Example usage
    sp = ScreenPixel()

    with timer("Capture"):
        # Take screenshot (takes about 70ms for me)
        sp.capture()

    with timer("Query"):
        # Get pixel value (takes about 0.01ms)
        print sp.width, sp.height
        print sp.pixel(0, 0)


    # To verify screen-cap code is correct, save all pixels to PNG,
    # using http://the.taoofmac.com/space/projects/PNGCanvas

    from pngcanvas import PNGCanvas
    c = PNGCanvas(sp.width, sp.height)
    for x in range(sp.width):
        for y in range(sp.height):
            c.point(x, y, color = sp.pixel(x, y))

    with open("test.png", "wb") as f:
        f.write(c.dump())

Answer 2

我在搜索用于在 Mac OS X 中获取用于实时处理的屏幕截图的解决方案时遇到了这篇文章。 我已经尝试按照其他一些帖子中的建议使用 PIL 的 ImageGrab，但无法足够快地获取数据（只有大约 0.5 fps）。

这篇文章中使用 PyObjC 的答案https://stackoverflow.com/a/13024603/3322123拯救了我！ 谢谢@dbr！

但是，我的任务需要获取所有像素值，而不仅仅是单个像素，并且还要评论@dbr 的第三个注释，我在此类中添加了一个新方法来获取完整图像，以防其他人可能需要它.

图像数据作为维度为（高度、宽度、3）的 numpy 数组返回，可以直接用于 numpy 或 opencv 等中的后处理……使用 numpy 索引从中获取单个像素值也变得非常简单。

我用 1600 x 1000 的屏幕截图测试了代码——在我的 Macbook 上使用 capture() 获取数据花费了约 30 毫秒并将其转换为 np 数组 getimage() 仅花费了约 50 毫秒。 所以现在我有 >10 fps，对于较小的区域甚至更快。

import numpy as np

def getimage(self):
    imgdata=np.fromstring(self._data,dtype=np.uint8).reshape(len(self._data)/4,4)
    return imgdata[:self.width*self.height,:-1].reshape(self.height,self.width,3)

请注意，我从 BGRA 4 通道中删除了“alpha”通道。

Answer 3

这一切都非常有帮助，我不得不回来发表评论/但是我没有声誉..但是，我有一个示例代码，上面的答案组合用于闪电般的快速屏幕捕获/保存感谢@dbr 和@qqg！

import time
import numpy as np
from scipy.misc import imsave
import Quartz.CoreGraphics as CG

image = CG.CGWindowListCreateImage(CG.CGRectInfinite, CG.kCGWindowListOptionOnScreenOnly, CG.kCGNullWindowID, CG.kCGWindowImageDefault)

prov = CG.CGImageGetDataProvider(image)
_data = CG.CGDataProviderCopyData(prov)

width = CG.CGImageGetWidth(image)
height = CG.CGImageGetHeight(image)

imgdata=np.fromstring(_data,dtype=np.uint8).reshape(len(_data)/4,4)
numpy_img = imgdata[:width*height,:-1].reshape(height,width,3)
imsave('test_fast.png', numpy_img)