基于python定位棋子位置及識別棋子顏色
發(fā)布日期：2022-02-21 15:28 | 文章來源：腳本之家
這一篇主要實現(xiàn)定位棋子位置及識別棋子顏色。
圍棋棋盤原圖如下：
經(jīng)過上一章節(jié)處理，已經(jīng)將棋盤位置找到，如下圖:
現(xiàn)在根據(jù)新圖，進行棋子位置的定位
1、將棋盤分割成19x19的小方格
為了定位出棋盤每個交叉點上，是否有棋子，需要將棋盤分割成19X19的小方格，由于圍棋棋盤每個交叉線直接距離相同，是矩形，因此分割成小方格十分容易，如下圖：
若想將棋盤分割成19x19的小方格，需要知道以下幾個參數(shù)。
small_length=38 #每個小格寬高 qizi_zhijing=38#棋子直徑 zuoshangjiao=20#棋盤四周的寬度
這些可以使用imagewathch（VS下opencv的插件）工具，方便的知道，這個工具可以實時查看圖像的寬高，某個位置的像素值。這個工具的使用可以看我另外一篇文章：opencv用VS2013調(diào)試時用Image Watch插件查看圖片，代替一堆數(shù)據(jù)，直觀很多。
下面是將原圖分割成19X19小方格的代碼
img = cv2.imread("src.jpg")
cv2.imshow("src",img)
#變量定義
small_length=38 #每個小格寬高
qizi_zhijing=38#棋子直徑
zuoshangjiao=20#棋盤四周的寬度
for i in range(19):
for j in range(19):
#print(i,j)
lie = i
hang = j
Tp_x = small_length * lie
Tp_y = small_length * hang
Tp_width = qizi_zhijing
Tp_height = qizi_zhijing
#測試用
cv2.rectangle(img, (Tp_x, Tp_y), (Tp_x + Tp_width, Tp_y + Tp_height),(255, 0, 0), 2)
cv2.imwrite('img.jpg', img)
img_temp=img[Tp_y:Tp_y+Tp_height, Tp_x:Tp_x+Tp_width]#參數(shù)含義分別是：y、y+h、x、x+w
cv2.imwrite('img_temp3.jpg', img_temp)
cv2.imshow("3", img_temp)
cv2.waitKey(20)
2、根據(jù)像素占比識別是否是黑色棋子
上面三種圖像是我們分割成小方格后的三種主要形態(tài)，分別代表黑色棋子，白色棋子以及無棋子。其中黑色棋子最好查找，我們將圖像進行灰度化——二值化后，通過統(tǒng)計黑色像素占比超過一定數(shù)值，就能知道該處是否有黑色棋子。
這里我將統(tǒng)計黑色占比的代碼，封裝成了一個函數(shù)，如下;
""" "*******************************************************************************************
*函數(shù)功能 ：統(tǒng)計二值化圖片黑色像素點百分比
*輸入?yún)?shù) ：輸入裁剪后圖像，
*返 回 值 ：返回黑色像素點占比0-1之間
*編寫時間 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def Heise_zhanbi(img):
[height, width, tongdao] = img.shape
#print(width, height, tongdao)
# cv2.imshow("3", img)
# cv2.waitKey(20)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow("binary", gray)
# cv2.waitKey(100)
etVal, threshold = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)
# cv2.imshow("threshold", threshold)
# cv2.waitKey(200)
a = 0
b = 0
counter = 0#;/*目標像素點個數(shù)*/
zhanbi = 0#;/*目標像素點比值*/
for row in range(height):
for col in range(width):
val = threshold[row][col]
if (val) == 0:#黑色
a = a + 1
else:
b = b + 1
zhanbi = (float)(a) / (float)(height*width)
#print("黑色像素個數(shù)", a, "黑色像素占比", zhanbi)
return zhanbi
3、根據(jù)像素占比識別是否是白色棋子
同樣的，我們可以統(tǒng)計像素中白色占比，來進行識別該位置是否是白色棋子，但是這里需要注意一個問題，如果按照上面黑色棋子識別方法進行灰度化、二值化會造成白色棋子和無棋子分辨不了，二者都有大面積的白色，因此這里需要調(diào)整二值化的閾值，分開無棋子和白色棋子的圖像。
封裝好的代碼如下：
""" "*******************************************************************************************
*函數(shù)功能 ：統(tǒng)計二值化圖片白色像素點百分比
*輸入?yún)?shù) ：輸入裁剪后圖像，
*返 回 值 ：返回白色像素點占比0-1之間
*編寫時間 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def Baise_zhanbi(img):
[height, width, tongdao] = img.shape
#print(width, height, tongdao)
# cv2.imshow("3", img)
# cv2.waitKey(20)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow("binary", gray)
# cv2.waitKey(100)
etVal, threshold = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY)
# cv2.imshow("threshold", threshold)
# cv2.waitKey(200)
a = 0
b = 0
counter = 0#;/*目標像素點個數(shù)*/
zhanbi = 0#;/*目標像素點比值*/
for row in range(height):
for col in range(width):
val = threshold[row][col]
if (val) == 0:#黑色
a = a + 1
else:
b = b + 1
zhanbi = (float)(b) / (float)(height*width)
#print("白色像素個數(shù)", b, "白色像素占比", zhanbi)
return zhanbi
效果圖如下:
4、將棋盤棋子位置通過列表表示
我們新建一個19*19的列表來存儲棋子，列表中：
0：代表無棋子
1：代表白色
2：代表黑色
代碼如下：
list = [[0 for i in range(19)] for j in range(19)]
當為黑色棋子時：
list[hang][lie]=2#黑色
#print("當前棋子為黑色")
print("第", i, "行，第", j, "列棋子為黑色：", i, j)
當為白色棋子時：
list[hang][lie] = 1 # 白色
#print("當前棋子為白色")
print("第", i, "行，第", j, "列棋子為白色：", i, j)
效果圖如下：
完整代碼如下：
from PIL import ImageGrab
import numpy as np
import cv2
from glob import glob
import os
import time
#Python將數(shù)字轉(zhuǎn)換成大寫字母
def getChar(number):
factor, moder = divmod(number, 26) # 26 字母個數(shù)
modChar = chr(moder + 65) # 65 -> 'A'
if factor != 0:
modChar = getChar(factor-1) + modChar # factor - 1 : 商為有效值時起始數(shù)為 1 而余數(shù)是 0
return modChar
def getChars(length):
return [getChar(index) for index in range(length)]
""" "*******************************************************************************************
*函數(shù)功能 ：統(tǒng)計二值化圖片黑色像素點百分比
*輸入?yún)?shù) ：輸入裁剪后圖像，
*返 回 值 ：返回黑色像素點占比0-1之間
*編寫時間 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def Heise_zhanbi(img):
[height, width, tongdao] = img.shape
#print(width, height, tongdao)
# cv2.imshow("3", img)
# cv2.waitKey(20)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow("binary", gray)
# cv2.waitKey(100)
etVal, threshold = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)
# cv2.imshow("threshold", threshold)
# cv2.waitKey(200)
a = 0
b = 0
counter = 0#;/*目標像素點個數(shù)*/
zhanbi = 0#;/*目標像素點比值*/
for row in range(height):
for col in range(width):
val = threshold[row][col]
if (val) == 0:#黑色
a = a + 1
else:
b = b + 1
zhanbi = (float)(a) / (float)(height*width)
#print("黑色像素個數(shù)", a, "黑色像素占比", zhanbi)
return zhanbi
""" "*******************************************************************************************
*函數(shù)功能 ：統(tǒng)計二值化圖片白色像素點百分比
*輸入?yún)?shù) ：輸入裁剪后圖像，
*返 回 值 ：返回白色像素點占比0-1之間
*編寫時間 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def Baise_zhanbi(img):
[height, width, tongdao] = img.shape
#print(width, height, tongdao)
# cv2.imshow("3", img)
# cv2.waitKey(20)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow("binary", gray)
# cv2.waitKey(100)
etVal, threshold = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY)
# cv2.imshow("threshold", threshold)
# cv2.waitKey(200)
a = 0
b = 0
counter = 0#;/*目標像素點個數(shù)*/
zhanbi = 0#;/*目標像素點比值*/
for row in range(height):
for col in range(width):
val = threshold[row][col]
if (val) == 0:#黑色
a = a + 1
else:
b = b + 1
zhanbi = (float)(b) / (float)(height*width)
#print("白色像素個數(shù)", b, "白色像素占比", zhanbi)
return zhanbi
""" "*******************************************************************************************
*函數(shù)功能 ：定位棋盤位置
*輸入?yún)?shù) ：截圖
*返 回 值 ：裁剪后的圖像
*編寫時間 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def dingweiqizi_weizhi(img):
'''********************************************
1、定位棋盤位置
********************************************'''
#img = cv2.imread("./screen/1.jpg")
image = img.copy()
w, h, c = img.shape
img2 = np.zeros((w, h, c), np.uint8)
img3 = np.zeros((w, h, c), np.uint8)
# img = ImageGrab.grab() #bbox specifies specific region (bbox= x,y,width,height *starts top-left)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower = np.array([10, 0, 0])
upper = np.array([40, 255, 255])
mask = cv2.inRange(hsv, lower, upper)
erodeim = cv2.erode(mask, None, iterations=2) # 腐蝕
dilateim = cv2.dilate(erodeim, None, iterations=2)
img = cv2.bitwise_and(img, img, mask=dilateim)
frame = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, dst = cv2.threshold(frame, 100, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(dst, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
#cv2.imshow("0", img)
i = 0
maxarea = 0
nextarea = 0
maxint = 0
for c in contours:
if cv2.contourArea(c) > maxarea:
maxarea = cv2.contourArea(c)
maxint = i
i += 1
# 多邊形擬合
epsilon = 0.02 * cv2.arcLength(contours[maxint], True)
if epsilon < 1:
print("error :epsilon < 1")
pass
# 多邊形擬合
approx = cv2.approxPolyDP(contours[maxint], epsilon, True)
[[x1, y1]] = approx[0]
[[x2, y2]] = approx[2]
checkerboard = image[y1:y2, x1:x2]
# cv2.imshow("1", checkerboard)
# cv2.waitKey(1000)
#cv2.destroyAllWindows()
return checkerboard
""" "*******************************************************************************************
*函數(shù)功能 ：定位棋子顏色及位置
*輸入?yún)?shù) ：裁剪后的圖像
*返 回 值 ：棋子顏色及位置列表
*編寫時間 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def dingweiqizi_yanse_weizhi(img):
'''********************************************
2、識別棋盤棋子位置及顏色及序號；
********************************************'''
#img = cv2.imread("./checkerboard/checkerboard_1.jpg")
img = cv2.resize(img, (724,724), interpolation=cv2.INTER_AREA)
#cv2.imshow("src",img)
#cv2.waitKey(1000)
#變量定義
small_length=38 #每個小格寬高
qizi_zhijing=38#棋子直徑
zuoshangjiao=20#棋盤四周的寬度
list = [[0 for i in range(19)] for j in range(19)]
#print(list)
for i in range(19):
for j in range(19):
lie = i
hang = j
Tp_x = small_length * lie
Tp_y = small_length * hang
Tp_width = qizi_zhijing
Tp_height = qizi_zhijing
img_temp=img[Tp_y:Tp_y+Tp_height, Tp_x:Tp_x+Tp_width]#參數(shù)含義分別是：y、y+h、x、x+w
heise_zhanbi=Heise_zhanbi(img_temp)
if heise_zhanbi>0.5:
list[hang][lie]=2#黑色
print("第", j+1, "行，第", i+1, "列棋子為黑色")
#print("當前棋子為黑色")
else:
baise_zhanbi = Baise_zhanbi(img_temp)
if baise_zhanbi > 0.15:
list[hang][lie] = 1 # 白色
print("第", j+1, "行，第",i+1 , "列棋子為白色")
#print("當前棋子為白色")
else:
list[hang][lie] = 0 # 無棋子
#print("當前位置沒有棋子")
#print(heise_zhanbi)
#cv2.imshow("2",img)
#print("\n")
#print(list)
return list
if __name__ =="__main__":
list0 = [[0 for i in range(19)] for j in range(19)]
list_finall = []
img = cv2.imread("./screen/9.jpg")
'''********************************************
1、定位棋盤位置
********************************************'''
img_after=dingweiqizi_weizhi(img)
#cv2.imshow("src",img)
'''********************************************
2、識別棋盤棋子位置及顏色及序號；
********************************************'''
list1=dingweiqizi_yanse_weizhi(img_after)
print(list1)
到此這篇關(guān)于基于python定位棋子位置及識別棋子顏色的文章就介紹到這了,更多相關(guān)python定位棋子位置及識別棋子顏色內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
相關(guān)文章
關(guān)注官方微信