突发奇想，动手去做。
截图1920*1080。
HSV，一种颜色模型，类似于常见的红绿蓝RGB。
H：色调
S：饱满度
V：明度
在Matlab中将手机截图分解成这三个层次。如下图。
图1 原图
图2 HSV三个层次
从图上可以观察到：
- 人物处在图像中间。
- 目标跳台总是在人物上面。
- 图像上下一定区域对识别无用。
- S层背景，有从上到下存在渐变。
去掉上下部分。如下图3。
图3 去掉上下
首先确定人物坐标
三个图中的人物明显区别周围区域，利用Matlab对人物区域数据进行统计分析。或者简单粗暴如下图4。
图4 H层人物区域部分数据
H层，人物主要落在范围A：0.6458—0.7222。
S层，人物主要落在范围B：0.3000—0.4500。（S层井盖落在0-0.1500）红色区域受到动物眼睛的干扰。
V层，人物主要落在范围C：0.2200—0.3400。红色区域受到动物眼睛的干扰。
由此，我们在三个图层加限制条件。
在H层找到值落在A的像素点，这些像素点都固定为0.7222。再找值不是0.7222的像素点全固定为0。
同理在S层，V层重复上一句话的操作。S层固定为1，V层固定为0.36。总体效果如下图5。
图6 取出人物
H层：
S层：
V层：
红色区域为笑脸眼睛的干扰。发现H层并没有受到干扰。如果将H、S、V层点对点元素相乘，那么最后得到的矩阵Image_HSV在上图红色矩形框定的区域即为0了。因为H层红色矩形框定的区域框定的区域对应的像素值为0。0乘任何都为0。
Image_HSV = H .* S.* V;
Image_HSV，如下图6。
图6 HSV三层再合成
可见，人物只有可怜的一点。
利用形态学的膨胀。
结构元素对象用15*15的正方形
两次膨胀后的效果。
四次膨胀后的效果，并二值化。
接下来找到人物坐标（x,y）
从上往下，从左到右扫描，最后一个白点取y。
从左到右，从上到下扫描，最后一个白点取x。
特别地，当遇到井盖时，要对S层再附加一层约束条件，去除井盖。
H层井盖：
V层井盖：
S层加约束条件井盖：
接下来确定跳台坐标。
我们采用HSV的S层来作为母板，进行处理。如下图7
图7 跳台母板
下一个跳台的随机性，会有时向左跳，有时向右跳。
故将图像转置。我们就不用判断左右了。如下图8。
转置：原来（x,y），转置后变成（y,x）。
图8 跳台母板转置
可以看到背景色是渐变的。如下图9。
图9 渐变的背景色
把背景色统一为一种颜色。只看第一行，统一的背景色规定为从左边黑色部分到第一次出现背景色的值。
用unique函数找到第一行中所有出现的背景色的值。则下图中统一的背景色的值为0.3412。
则遍历所有像素点，只要像素点的值不与统一背景色相同，则置为统一背景色。效果如下图10。
图10 统一背景色
我们只要如下图11，从左到右，从上到下找到第一个不与背景色相同的点（蓝点），则为跳台最左边的顶点。最左边的点里包含跳台的行坐标x3。接下来要确定列坐标y4。
图11 含背景区域
要确定列坐标y4还需要进一步处理图片。
固定在蓝点所在的行x3，从左往右，每次往右一个像素点(y3+m)。则点(x3，y3+m)垂直往上找最后一个不与背景色相同的点，则这个点的坐标应为(x3-n，y3+m)。如下图12。统计m个数据中，找到使n最大的点（红线最长的点）。第一个出现n最大的点（第一个红线最长的点）则为黄点。所以可以确定跳台的坐标（x3,y4）。测试得m取200合适所有情况，n取最大上限100合适。
图12
因为图片先前转置，所以得到的跳台坐标实际应为（y4,x3），记得加上开始删除分数那部分的坐标。此方法同样适用于圆形。
特别地，当人物目前所在跳台和下一个跳台之间过近，会出现人物头比跳台还靠左的现象。根据算法，则会找到人头顶的点。这是不正确的。
解决办法：将人物全部置为统一背景色，则不会对上述找跳台坐标产生影响。
因为之前在确定人物坐标的时候，经过四次膨胀
图13 人物清除
综上，人物坐标（x,y）,跳台坐标（y4,x3）。
根据勾股定理，距离dis,
以上方法，经测试不能100%准确测量距离，当遇到诡异花纹时，将出现小范围跳动，恰好不能100%落入图像中间，也规避了作弊机制，但值得一提的是，连续跳入中点的概率越往后越高。
经过测试可得按压时间time（单位：毫秒）与距离dis的关系大致为：
time = k × dis，其中k取1.3~1.5。
例子1：
跳台和人物的距离：406.6018
例子2：
跳台和人物的距离：384.8428
例子3：
魔方将会跳到顺着蓝线最远的那一格。
跳台和人物的距离：692.6074
例子4：
看看圆形的表现。
跳台和人物的距离： 302.7689
经过测试，跳到1000分没问题，超过1000分基本不会上榜。
vs2017 如何控制手机，调用 matlab函数部分，待更。