破世界纪录了！用Python实现自动扫雷！

前阵子闲着无聊，晚上十二点多刷视频的时候看到有人用 AI 来玩扫雷，速度飞快。我那时候就想：这玩意我能不能自己撸一个？想着想着就把笔记本打开了，结果越写越上头，第二天早上四点才睡，搞出了一个自动扫雷脚本。 最神奇的是，跑起来之后我都愣了：这速度比网上那些“世界纪录”级别的都快。

不是因为我有多强，而是扫雷这种游戏——只要算法靠谱、鼠标点得快，你玩得再好都不可能比程序快。

事情是怎么开始的？

电脑桌面那个经典的扫雷图标其实我已经几年没点了。真正开始写是在某个晚上，我朋友突然问：“你不是搞 Python 吗？扫雷你能自动玩吗？”

我嘴上说：“应该不难吧。” 心里想的是：好像还真能搞。

扫雷逻辑简单：

• 无雷格子会显示数字
• 数字代表周围 8 个格子里的雷数
• 如果你能推算周围哪些是雷，就能把剩下的安全格点开

所以核心任务只有两个：

1. 让 Python 识别格子的数字

2. 让 Python 推断雷的位置并自动点击

听起来是不是挺简单？ 实际上做起来也确实不复杂，但细节特别多。

第一步：截图 + 识别数字

我用的是 Python 搭配 OpenCV。 扫雷的界面非常规则，每个格子大小一致，所以我直接让程序不断截图，然后切出每个格子的小图片，丢给模板匹配（template matching）。

最早我傻乎乎地用 OCR，结果效果感人。 扫雷的数字那么小，OCR 根本识别不准。

后来改成模板匹配，小图直接对比，大大提高准确率。

示例代码大概长这样：

import cv2
import numpy as np
import pyautogui
# 加载数字模板
templates = {
    i: cv2.imread(f"./tpl/{i}.png", 0)
for i in range(1, 8)
}
defcapture_board():
    screenshot = pyautogui.screenshot()
    img = cv2.cvtColor(np.array(screenshot), cv2.COLOR_BGR2GRAY)
return img
defmatch_number(cell_img):
    best = (0, None)
for n, tpl in templates.items():
        res = cv2.matchTemplate(cell_img, tpl, cv2.TM_CCOEFF_NORMED)
        score = res.max()
if score > best[0]:
            best = (score, n)
return best[1] if best[0] > 0.7elseNone

数字识别这块调了好久，各种缩放、对比度、锐化都试过，最后解决方式特别憨憨：按固定尺寸截图 + 固定模板匹配扫雷画面不变，这招反而最稳定。

第二步：根据数字推算雷的位置

扫雷规则其实可以拆成一堆简单的约束：

如果一个格子的数字是 1，且周围只有一个未知格，那未知格就是雷。

如果数字是 2，周围有两个未知格，也同理。

所以核心就是扫描棋盘，找每个数字格，统计它周围：

• 未翻开格子数
• 已标雷的格子数

然后判断还能不能推断。

示例逻辑：

defsolve(board):
    actions = []
for r in range(rows):
for c in range(cols):
            num = board[r][c]
if num in range(1, 8):
                around = get_neighbors(board, r, c)
                unopen = [p for p in around if p.value == "unknown"]
                flags = [p for p in around if p.value == "flag"]
# 标记雷
if len(flags) + len(unopen) == num and len(unopen) > 0:
for p in unopen:
                        actions.append(("flag", p.r, p.c))
# 点安全格
if len(flags) == num and len(unopen) > 0:
for p in unopen:
                        actions.append(("open", p.r, p.c))
return actions

其实核心算法就是硬推理，不用什么 AI、深度学习，扫雷游戏本质就是个确定性谜题。

第三步：自动操作鼠标

扫雷窗口固定位置，鼠标点击也很容易。

defclick_cell(row, col, button="left"):
    x = board_x + col * cell_w + cell_w//2
    y = board_y + row * cell_h + cell_h//2
    pyautogui.click(x, y, button=button)

刚开始我把点击速度设得很慢，怕出错。 后来把延迟调到几乎没有，结果鼠标飞一样点。

第一次跑起来的时候我人都傻了：扫雷在屏幕上像一个抖腿的机器人一样高速闪烁。

随机十遍专家模式（Expert Mode），最快一局直接给我干到 0.18 秒。 这是那种人眼根本看不清“发生了什么”的速度。

我当时都怀疑是不是程序没玩、直接点的某个通关按钮。 后来把整个过程录屏下来才相信它真的玩了。

网上公开最快纪录基本都是 0.x 秒 ~ 1.x 秒而我的这个……嗯，不能说世界第一，但绝对是“能和世界纪录平起平坐”的那种级别。

做完之后我才发现的几个坑

1. 扫雷界面缩放会导致模板匹配失败

如果 Windows 缩放不是 100% 就会炸。

1. 偶发的“猜雷”局面无法解决

扫雷本来就存在无法逻辑推断，只能赌概率的局面。 我的脚本遇到这种情况会选择概率最大的格子，但偶尔也会踩雷。

1. 鼠标太快会触发系统保护

尤其在一些笔记本上，连续点击过快会被系统吞掉一些事件。

做完之后，我朋友说：“你做这个有啥用？”

我说：“用处？没有。但爽。”

其实就像很多程序员捣鼓的奇怪脚本一样：不是因为它有用，是因为我能搞出来。

如果你也想玩，这类自动化脚本真的特别适合作为 Python + OpenCV 的入门练习。