Icon Counter — 游戏图标数量统计

Overview

从游戏背包/仓库/图鉴截图（通常是网格排列的物品图标）中，按稀有度统计每种稀有度物品的总数量。

适用场景：

• 用户发来一张游戏背包截图，要求"数一下有多少个 SSR / UR"
• 截图中每个格子包含：物品图标 + 稀有度标签（文字或颜色）+ 右上角数量角标
• 需要逐格识别稀有度、读取数量、汇总输出

依赖

本 skill 附带一个 Python 量化脚本 assets/count_icons.py，用于切网格、判激活、判稀有度候选、生成 preview 图。

运行脚本需要：

• Python 3.x
• Pillow 和 numpy
• （OCR 模式，推荐）rapidocr-onnxruntime —— 纯 pip、基于 ONNX、不依赖 torch，用于直接读稀有度文字标签与数量角标。

若当前环境没有这些包，先用 pip 安装：

pip install Pillow numpy rapidocr-onnxruntime

如果环境确实无法运行脚本（例如没有 Python），可退回到纯 LLM 视觉模式，但准确率会下降，且建议对结果进行抽样复核。

核心规则（务必遵守）

1. 默认不统计 SR（及更低稀有度）

• 默认只统计 SSR 和 UR，明确排除 SR（以及 R / N 等更低档）。
• 只有当用户明确强调"需要数 SR / 把 SR 也算上"时，才把 SR 纳入统计。
• 脚本的 rarity 颜色候选若判定为 SR，默认在汇总时排除；用户强调后再计入。

2. 计数分两步：脚本量化 + LLM 读高清单格

这是本 skill 当前版本的首选计数逻辑：

1. 用 count_icons.py 把截图按规则网格切分成单格 tile；
   • 脚本会自动检测列数/行数（自相关周期检测 + 谷检测 + 内容段分析），不再默认死定 7 列；
   • 若自动检测明显错位，可手动传 --cols / --rows。
2. 脚本自动判暗淡（OFF），并用 RapidOCR 对整图做一次彩色 OCR，将检测到的稀有度文字（SSR / UR / SR / SSR+ 等）按坐标映射到对应格；
   • v1.2.0 核心改进：不再逐格做 OCR。实测 4~5 行布局（单格仅 ~50px 高）逐格 OCR 几乎全失败（0%~6%），且每图 200+ 次重复调用触发 onnxruntime 间歇性段错误导致进程崩溃。改用「整图放大后单次彩色 OCR」→ 文字尺寸充足、单次调用稳定、识别率大幅提升（61%~86%）。
   • 整图 OCR 未命中的 active 格回退用边框颜色候选（橙=SSR / 红=UR / 紫=SR）判定，并在输出标注。
   • 整体 OCR 识别率 < 50% 时（多见于重度压缩/模糊截图），脚本会警告：未读格依赖边框颜色，可能与真实文字标签不符，需人工或 LLM 核对 contact sheet。
3. 脚本生成一张高分辨率 contact sheet（--contact），每格放大 6 倍并带行列号；
4. LLM 直接读 contact sheet，按文字标签读取稀有度、读取右上角数量角标；
5. 按四规则（A/B/C/D）汇总输出。

为什么数量角标不用 OCR？ 实测 RapidOCR 对这种小尺寸、孤立的游戏数字角标识别率几乎为 0；但放大后的单格对 LLM 视觉非常清晰。因此数量交给 LLM 读 contact sheet，比用户逐张复核更快，也比直接看整屏更准确。

回退：若 OCR 装不上，脚本仍可生成 preview.png / contact.png，LLM 读图完成统计。

禁止直接拿原图让 LLM "凭感觉数"——那是最旧流程，误差极大。

3. 稀有度判定：文字标签优先（OCR 读），脚本颜色候选仅作参考

• UR / SSR 的区分以图标底部的文字标签为准（用户明确要求），OCR 直接读该文字（多区域投票增强，清晰图可 100% 命中）。
• 脚本边框颜色候选（橙=SSR、红=UR、紫=SR）仅作OCR 失败时的兜底；当文字与颜色矛盾时，以文字为准。
• 边框颜色对相近色（橙 vs 红、SR vs SSR）容易误判，这正是不完全依赖边框的原因。
• OCR 失败回退：当某格底部文字读不出时，用边框颜色候选判定，并在 JSON 的 rarity_border / rarity_ocr 字段区分（LLM 读 contact sheet 可进一步校正）。
• 常见陷阱：SSR+、SP、限定等边框可能是紫色/金色，但文字仍属 SSR 档，按文字归入 SSR。

4. 计数核心四规则（优先级最高）

若本 skill 任何旧规则与上述四条冲突，一律以本版新规则为准。

规则 A — 暗淡 = 不计入（最高优先级）

• 脚本标记为 OFF 的灰暗/未点亮格，以及视觉上明显变暗/灰化的格子，直接跳过，不计入任何稀有度。
• 暗淡判定由脚本量化（亮度/饱和度阈值）完成，LLM 不必逐格肉眼判断。

规则 B — 角标数量优先统计（有角标 = 一定激活）

• 只要格子有右上角数量角标（显示数字），它一定是激活的。
• 按角标数值统计（例如角标 "3" → 记 3 个）；角标数值优先于任何亮度/颜色/边框判断。
• 若存在 "0" 角标（极少见），按 0 计入（不增加总数），仍属激活判定，无需跳过。

规则 C — 无角标但非暗淡 = 记 1 个

• 物品格确实非暗淡（脚本判为 active、未标 OFF），但没有数量角标 → 记 1 个。
• 典型场景：该物品在背包中恰好只有 1 个，游戏不显示角标。

规则 D — SR 默认排除

• 默认不统计 SR（及 R / N 更低档）。
• 仅当用户明确强调"要数 SR / 把 SR 也算上"时才纳入。

5. 非物品格（按钮 / 装饰）排除

以下格子即使非暗淡也不计入，靠 tile 内文字识别排除：

• 按钮、徽章、标题、成就等 UI 元素，常见关键词：玩家专属、CLAM、通行证、重置抽奖、活动、奖励 等；
• 这类格子通常无真正数量角标，或右上角数字并非物品数量，需结合文字判断。

6. 批量多图：每图独立生成 preview，分别统计

• 一次处理多张图片时，对每张图分别跑脚本、生成 preview、读取数字。
• 最后再合并合计。

7. 用户复核改为兜底机制

不再"每张图都让用户复核"。仅在以下情况才需要用户确认：

• preview 的网格切分明显错位（行列不对）；
• 某格角标数字实在模糊，无法判断；
• 脚本与 LLM 对"是否激活 / 稀有度"判断冲突；
• 遇到全新游戏布局，脚本参数（--cols / --rows）需要首次标定；
• 脚本报告 OCR 稀有度识别率 < 50%（多见于重度压缩/模糊截图）：此时未读格回退边框颜色，可能误判，需人工或 LLM 核对 contact sheet。

正常流程下，脚本 + LLM 读 preview 应直接给出结果。

详细工作流程

Step 0: 脚本自动检测网格参数

脚本默认自动检测列数/行数，不再死定 7 列。当前版本列数检测用自相关（autocorrelation）周期检测（对重复网格结构比原 FFT 主频更稳健，可正确处理 7/8/9 列），并叠加**谷检测（valley）**交叉验证；行数用水平内容段检测。该游戏背包常见布局为 7 / 8 / 9 列 × 3~5 行。

若检测明显错位（如 9 列误判、或疑似非网格图），再手动指定：

python assets/count_icons.py screenshot.png --cols 8 --rows 4 --contact contact.png

Step 1: 运行 count_icons.py 生成 contact sheet（首选）

python assets/count_icons.py screenshot.png \
  --contact contact.png \
  --preview preview.png \
  --json result.json

脚本会输出：

• 原图尺寸、自动检测到的网格参数；
• 检测到的 active / OFF cell 数量；
• 每格 OCR 读到的稀有度文字（rarity_ocr）与边框颜色候选（rarity_border）；
• contact.png：高分辨率单格拼接图，供 LLM 读数量角标；
• preview.png：带标注的原图放大预览，便于全局核对。

加 --include-sr 可把 SR 纳入汇总（仅当用户明确要求）。

Step 2: LLM 读取 contact.png

按行/列逐格观察（严格遵循规则 A~D）：

• OFF 格跳过（规则 A，暗淡不计入）。
• 按钮/装饰跳过（规则 5，靠文字识别）。
• 文字标签是什么？（SSR / UR / SR 等）
• 右上角数量角标是多少？→ 有数字就按数字记（规则 B）；没有角标但格子非暗淡 → 记 1（规则 C）。

把结果填入下表：

| 行/列 | 稀有度 | 数量 | 备注 | |-------|--------|------|------| | 1,1 | SSR | 5 | | | 1,2 | SSR | 2 | | | 1,3 | UR | 1 | 无角标，规则C记1 | | ... | ... | ... | |

Step 3: 汇总

SSR: 各格数量之和 = XX（不含 SR，除非用户强调）
UR:  各格数量之和 = XX
SR:  各格数量之和 = XX（默认不输出，仅用户强调时）
合计: XX 个物品
跳过: XX 格（暗淡 OFF / 按钮装饰）

Step 4: 输出

单图输出：

📊 图标数量统计结果（SSR + UR，跳过未激活/非物品）

🔍 逐格明细：...（表格）

📋 汇总：
  • SSR：X 个
  • UR：X 个
  • 合计：XX 个物品
  • 跳过：XX 格

多图输出：

📊 批量统计结果（共 N 张图）

图1：SSR X / UR X
图2：SSR X / UR X
...

📋 全部合计：SSR XX / UR XX

典型陷阱（必读）

1. 把按钮当物品

   • "玩家专属"、"CLAM"、"通行证"、"重置抽奖" 等按钮常有彩色边框，看起来像物品格，但没有真正的数量角标，应排除。
   • 判断方法：这类格子通常有横幅文字或特殊形状，右上角没有数字角标。

2. 把 SSR+ / 限定当 SR

   • 有些 SSR+ 或限定物品边框是紫色/金色，但文字标签明确是 SSR，应归入 SSR。
   • 永远以文字为准。

3. 灰暗格误算

   • 未点亮格虽然带稀有度标，但颜色暗淡、角标为 0。脚本已标 OFF，LLM 直接跳过。

4. 角标数字看错

   • 数量角标很小，contact sheet 已放大 6 倍。若仍模糊，可打开对应 tile 图进一步放大确认；实在不行再询问用户。

5. 列数检测错误

   • 不同截图可能是 7 列或 8 列。脚本已做自相关周期检测 + 谷检测，但若遇到特殊布局（如带侧边栏、大面积空白），可能仍需手动 --cols 校正。

6. 矮格布局（4~5 行）逐格 OCR 失效 ⚠️ v1.2.0 已修复

   • 当背包页有 4~5 行时，单格高度仅 ~50px（3 行时 ~65-70px），底部稀有度文字被压缩到极小尺寸。
   • 旧版逐格 OCR 在此场景下识别率骤降至 0%~6%，回退边框颜色判定不可靠（橙/红相近色易混淆），导致 SSR/UR 分类错误。
   • v1.2.0 修复：改用整图单次彩色 OCR + 坐标映射，识别率恢复至 61%~86%，且消除了 onnxruntime 段错误风险。
   • 若新版仍出现低识别率（<50%），LLM 读 contact sheet 时应优先以视觉看到的文字标签为准，覆盖脚本的边框颜色判定。

环境变量 / 路径约定

• skill 根目录：~/.workbuddy/skills/icon-counter/
• 脚本路径：~/.workbuddy/skills/icon-counter/assets/count_icons.py
• 工作方式：进入 skill 目录或直接用绝对路径调用脚本，输出 preview 到临时目录，然后用 Read 工具读取 preview。

回退策略

如果脚本无法运行（无 Python 或缺包）：

1. 向用户说明无法使用量化脚本；
2. 改用纯 LLM 视觉逐格清点；
3. 此时因准确率下降，建议对结果进行抽样复核。