PixelTools

Windows 下的窗口截图、颜色查找、OCR 文字识别工具集，专为游戏 / 桌面自动化脚本设计。 通过 Plugin 聚合类统一对外提供能力，所有方法均为类方法，无需实例化。

⚠️ 仅支持 Windows。底层依赖 pywin32 与 windows-capture 进行窗口绑定与截图，且 screenshot 基于 mss。

名称说明

环境要求

• Windows 10 / 11
• Python >= 3.12
• 已安装对应 Python 版本的 pywin32（安装包后会自动作为依赖拉取）

安装

从 PyPI 安装：

pip install PyAutoPlugin

导入方式：

from PyAutoPlugin import Plugin

快速上手

from PyAutoPlugin import Plugin, Ocr

# 1. 绑定目标窗口（按标题 + 类名查找；也可直接传 hwnd）
Plugin.bind_window(title="Last Epoch", clazz="UnityWndClass")

# 2. 区域截图（客户区坐标，DPI 自动换算）
img = Plugin.screenshot(478, 970, 548, 1003)

# 3. OCR 识别（需先配置自建 OCR 服务地址）
Ocr.url = "http://127.0.0.1:9000/ocr"
items = Plugin.ocr(478, 970, 548, 1003)
for it in items:
    print(it.text, it.score, it.box)

# 4. 颜色查找
x, y = Plugin.findColor(0, 0, 800, 600, "e9e8e8-000000", sim=0.9)
print("found at", x, y)

# 5. 多点找色，返回所有命中
points = Plugin.findMultiColorEx(
    0, 0, 800, 600,
    first_color="e9e8e8-000000",
    offset_colors="10|5|ffffff-101010,20|0|123456-000000",
    sim=0.9,
)

# 6. 预览截图（会弹 OpenCV 窗口，按任意键关闭）
Plugin.preview(img, x=x, y=y)

# 用完解绑
Plugin.unbind_window()

API 参考

窗口 Window

OCR Ocr

走自建 / 通用 HTTP 接口：把截图编码为图片字节后 base64，POST 给 Ocr.url，返回 PP-Structure / PaddleOCR 风格结构。

找色 Color

颜色格式为 "RRGGBB-DRDGDB"（与按键精灵相反），多色用 | 分隔；偏色全 0 且给定 sim 时，用相似度推导三通道总差容差，使 sim 真正生效。

offset_colors 格式："dx|dy|RRGGBB-DRDGDB,dx|dy|..."，例如 "10|5|ffffff-101010"。

调试 Debug

配置 OCR 服务

ocr() 依赖外部 OCR 服务（本项目不含模型）。使用前设置：

from PyAutoPlugin import Ocr

Ocr.url = "http://127.0.0.1:9000/ocr"
Ocr.headers = {"Authorization": "Bearer <你的token>"}   # 如服务需要鉴权

返回结构约定（PP-Structure / PaddleOCR 风格）：

result.ocrResults[0].prunedResult.rec_texts   -> list[str]  按行/块文本
result.ocrResults[0].prunedResult.rec_scores  -> list[float] 置信度 0~1
result.ocrResults[0].prunedResult.rec_boxes   -> list        原始文本框

注意事项

• 全局单例状态：hwnd/ox/oy/is_bind 为类级变量，一个进程内只能绑定一个窗口。多窗口场景请使用多个独立进程。
• DPI 感知：绑定时会开启进程 DPI 感知，保证 ClientToScreen 与 mss 坐标统一为物理像素，无需手动乘缩放系数。
• Windows-only：非 Windows 平台无法安装 / 运行核心功能。