0.工程源码
https://github.com/Raytto/AIforMinesweeper
由于是几年前写着玩的，代码质量比较一般。但思路和运行效果个人认为还是可以的。
1.说明
整体逻辑结构如下图。
实现了全自动玩扫雷的目的，可以主要分为三步：
- 识别屏幕中的扫雷窗口和游戏当前的信息（如格子矩阵大小、每个格子中的数字、旗子、还是未开状态）。
- 策略计算，或者找到一个一定是雷的格子，或者找到一个一定非雷的格子，或者在完全无法确定任意格子时停止。
- 控制鼠标将一定是雷的格子查旗，或者将一定非雷的格子点开。
经过测试，可以快速完成大部分局，但有少量的情况下确实无法确定，需要靠猜
比如上图，左下角的两个格子一定有一个格子是雷，但我们完全无法确定是哪个格子。
如果全图都只剩下这种需要猜的情况时，脚本就会停下。当然，你也可以修改脚本，让它去猜。
下面从游戏识别、策略计算、控制鼠标操作三块进行说明
2.游戏识别
2.1 自动截屏
首先用代码自动截屏，截屏的代码见工程中的这个文件：
AIforMineClearance/src/tools/ScreenShotWindow.java
并将图片保存为一个 BufferedImage 实例
代码中我设置是用鼠标大致框选一个包含扫雷窗口的区域，可以略提升首次识别游戏位置的效率
2.2 识别扫雷区域
接着需要根据截屏内容找到扫雷的区域
这块的代码在工程中的 AIforMineClearance/src/ai/Recognizer.java 文件中
由于扫雷的格子特征挺明显的：格子分割线均匀分布，且分割线的像素颜色基本一致（当时用的win7的扫雷，分割线可能会有一个像素的浮动，win10 或 xp 的扫雷就老实多了，识别分割线更容易）
所以可以用这个特征进行查找。
判断某行或某列是否有分割线的逻辑，详见函数 private boolean hasDivLine(int t, boolean isWE, boolean isSN,BufferedImage image)。大致思路是找连续的灰色像素。
并且外部再用函数 public void judgeSelectedArea() 对所有行与所有列进行遍历，找出整个雷区的分割线位置。
确定了分割线的数量和坐标，格子的数量和坐标也就容易确定了。
于是可以先生成出对应大小的空矩阵。
2.3 识别雷区矩阵信息
当我们已经确定了每个格子的坐标后，就可以容易地把每个格子的图从整张截屏中切割出来。
这是我之前切割后导出的一些格子样本（基于win7版扫雷，win10的话替换一下样本即可）。
由于毕竟是游戏程序，而非手写或者照片，识别用非常简单的方式就能达到足够的效果：
将从截屏中切割出的格子的每个像素按尺寸映射（直接按尺寸缩放）到样本图中的对应像素，计算其RGB各个分量的差值，取绝对值求和，作为一个差异度量。
对样本库中每个图都进行一次差异度量，最后取差异最小的那个图作为成功匹配图，就可以得到结果。
当时由于 win7 整个界面背景是会渐变的，由浅蓝渐变至深蓝，导致有时差异过大，而匹配错误，于是我多导出了几种颜色的格子，只要有一个能最接近实际就行。
这块代码相见 AIforMineClearance/src/ai/Recognizer.java 中的函数 private int judgeImageWithSamples(BufferedImage image)
根据之前的测试，识别几乎无误。如果有兴趣也可以再替换为模糊处理、边沿识别再匹配、或者直接神经网络等等识别方式。不过对于扫雷游戏而言必要性不大。
总之，这样就识别完成后，就获得了当前雷区矩阵大小和矩阵内容等信息。
3. 策略计算
策略计算是相对比较有趣的一块，也是我当时主要想实践的部分。
核心而言就是模拟我自己玩扫雷时的策略。
相关代码主要位于 AIforMineClearance/src/ai/Executor.java
下面一步步考虑扫雷的策略应该是什么。
3.1 直接信息
由于我们的目标是确定一块没有开的方块的内容。
所以个人选择将知识的对象确立为未开的方块。
对于一个盘面而言，未开的方块的信息由其周围八格中开了的方块提供。（其实游戏提供的剩余雷数量，理论上还能提供一些信息，但个人发现遇见的绝大多数情况下此信息并无用处，所以暂时没将其考虑在策略内）
所以可以首先将整个盘面的信息整理一下，盘中每个周围有空格的数字，都可以在用其数字减去周围旗子数量后，得到如下格式知识：
- 未开的{A,B,C}方块集合有2个雷，未开的{A,C,D,E}方块集合有3个雷….等等
个人是采用 HashMap<String, HashMap<String, Object>> cOfdotCollection 这样的比较丑的数据结构来保存这些信息
3.2 目标信息
整理完全局提供的信息后，我们可以先看看什么是我们最后想要的信息。
遇见如图情景，我们可以容易且肯定这三个空地都是雷。这是由于中间显示3而周围有且仅有3个格子。
类似的，这种情况下无论根据中间的3进行判断还时根据两边的2进行判断，都可以确定地应把这三个格子插满旗。（白色是已打开的 0）
总之，对于信息：“n个未开格子集合且其中有n个雷”可以显然地推导出此n个格子都是雷，继而达到了找确定格子的目标，完成此步策略计算。
且“对n个未开格子集合”这样的信息，往往是直接根据盘面就可以发现的。
除此之外，还有一种可以完成策略计算的信息：“n个未开格子集合且其中有0个雷”，也可以显然地去点开任意一个格子。
比如对于上图的情况，红框格子就理应无雷，可以放心点开（虽然并不显然，因为不是直接信息，需要基于直接信息进行推导）。
3.3 信息推导
如果直接得到的信息中没有 “n个未开格子集合且其中有n个雷”或“n个未开格子集合且其中有0个雷” 两种直接可用的，则需要我们去基于已有信息推导新信息。
而信息推导实际并不复杂，且个人发现，说到底可以归纳为一种推导模式
- 如果某条信息对应的格子集合是另外一条信息的格子集合的子集，则可以推导一条关于差集的新信息
如图
基于第二行的3，可得信息:坐下三格 {A,B,C}有2雷
基于第二行的1，可得信息:{A,B}有1雷
两个信息满足子集条件，则可以作差得到新信息：{C}有1雷
又如上图
已知信息1: {A,B,C}有1雷
已知信息2:{A,B}有1雷
满足子集条件，则可以得到新信息：{C}有0雷。
如果这样推导后，得到的新信息满足目标信息格式，则可以直接用结束推导。
但有时，一次推导得到的信息依旧可能是不可用的，比如已知信息1: {A,B,C,D}有2雷，信息2:{A,B}有1雷，满足子集条件，可以得到新信息：{C,D}有1雷。无法直接使用，但没有关系，我们把这条新信息加入原有的信息集合，并使其和所有信息配对，很可能就在多次推导之后得到可用的信息。
如果某次完整的两两匹配都没有成功推导出新信息，并且也无可用信息，则意味着陷入类似二选一的命运局，也或者可能是已经玩完，不剩未开的格子了，总之这时候停止程序即可。
个人尝试下来，这种逻辑简单粗暴，但实则非常有效。主要扫雷确实也不是一个太策略的游戏。
4.控制鼠标操作
这块也不复杂，主要就是将格子的逻辑坐标转化为屏幕坐标，再调用 Window 提供的 API 操作即可。