首页
/ StarRailCopilot项目中的网页截图性能优化实践

StarRailCopilot项目中的网页截图性能优化实践

2025-06-19 02:58:06作者:魏献源Searcher

背景与问题分析

在网页自动化测试和游戏辅助工具开发中,快速获取网页截图是一个常见但关键的需求。StarRailCopilot项目最初使用Chrome调试协议进行网页截图,但发现每次截图耗时高达100多毫秒,这在需要频繁截图的场景下会成为性能瓶颈。

优化思路

借鉴了ADB和DroidCast等工具在移动设备上的优化经验,我们决定在浏览器端直接处理图像数据,避免传统截图方法中的多次数据转换和传输延迟。核心思想是"用带宽换速度",即在本地设备上直接处理图像数据流。

技术实现方案

浏览器端JavaScript实现

在浏览器端,我们通过JavaScript直接操作视频元素和Canvas来实现高效截图:

function scr() {
  const video = document.querySelector(".game-player__video");
  const canvas = document.createElement("canvas");
  canvas.width = video.videoWidth | video.width;
  canvas.height = video.videoHeight | video.height;

  const ctx = canvas.getContext("2d");
  ctx.drawImage(video, 0, 0, canvas.width, canvas.height);
  let imageArray = ctx.getImageData(0, 0, canvas.width, canvas.height).data;
  let blob = new Blob([imageArray], {type: "application/octet-stream"});

  let formData = new FormData();
  formData.append("width", canvas.width);
  formData.append("height", canvas.height);
  formData.append("image", blob);

  fetch("http://127.0.0.1:5000/upload", {
    method: "POST",
    body: formData
  });
}

这段代码实现了:

  1. 获取视频元素并创建临时Canvas
  2. 将视频帧绘制到Canvas上
  3. 提取原始图像数据并打包为二进制流
  4. 通过HTTP POST发送到本地服务

服务端Python实现

服务端使用Python的HTTP服务器接收并处理图像数据:

class PostJsServer(HTTPServer):
    def __init__(self, host='127.0.0.1', port=5000):
        self.log_message('PostJsServer start')
        super().__init__((host, port), RequestHandler)
        self.image = None

    def serve(self, poll_interval=0.01):
        # 实现了一个可中断的HTTP服务
        # 仅在有请求时处理,处理完成后立即返回
        ...

关键优化点包括:

  1. 自定义表单解析器,比通用库更高效
  2. 实现了可中断的HTTP服务,只在需要时运行
  3. 使用生成器模式控制服务流程
  4. 直接处理二进制图像数据,减少转换步骤

性能对比

相比传统Chrome调试协议截图方法:

  1. 减少了数据转换次数
  2. 避免了不必要的协议开销
  3. 本地传输带宽利用率更高
  4. 服务按需启动,资源占用更低

应用场景

这种优化方案特别适合以下场景:

  1. 需要高频截图的自动化测试
  2. 实时游戏画面分析
  3. 对延迟敏感的视觉处理应用
  4. 资源受限的本地开发环境

总结

通过将图像处理逻辑前移到浏览器端,并优化数据传输流程,StarRailCopilot项目成功将网页截图性能提升了一个数量级。这种"本地优先"的设计思路不仅适用于截图场景,也可以推广到其他需要高效数据交换的Web自动化场景中。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
24
7
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
376
3.31 K
flutter_flutterflutter_flutter
暂无简介
Dart
622
140
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
20
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
263
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
794
77