基于python定位棋子位置及识别棋子颜色
目录
- 1、将棋盘分割成19x19的小方格
- 2、根据像素占比识别是否是黑色棋子
- 3、根据像素占比识别是否是白色棋子
- 4、将棋盘棋子位置通过列表表示
- 完整代码如下：
这一篇主要实现定位棋子位置及识别棋子颜色。
围棋棋盘原图如下：
经过上一章节处理，已经将棋盘位置找到，如下图:
现在根据新图，进行棋子位置的定位
1、将棋盘分割成19x19的小方格
为了定位出棋盘每个交叉点上，是否有棋子，需要将棋盘分割成19X19的小方格，由于围棋棋盘每个交叉线直接距离相同，是矩形，因此分割成小方格十分容易，如下图：
若想将棋盘分割成19x19的小方格，需要知道以下几个参数。
small_length=38 #每个小格宽高 qizi_zhijing=38#棋子直径 zuoshangjiao=20#棋盘四周的宽度
这些可以使用imagewathch（VS下opencv的插件）工具，方便的知道，这个工具可以实时查看图像的宽高，某个位置的像素值。这个工具的使用可以看我另外一篇文章：opencv用VS2013调试时用Image Watch插件查看图片，代替一堆数据，直观很多。
下面是将原图分割成19X19小方格的代码
img = cv2.imread("src.jpg")
cv2.imshow("src",img)
#变量定义
small_length=38 #每个小格宽高
qizi_zhijing=38#棋子直径
zuoshangjiao=20#棋盘四周的宽度
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
#测试用
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]#参数含义分别是：y、y+h、x、x+w
cv2.imwrite('img_temp3.jpg', img_temp)
cv2.imshow("3", img_temp)
cv2.waitKey(20)
2、根据像素占比识别是否是黑色棋子
上面三种图像是我们分割成小方格后的三种主要形态，分别代表黑色棋子，白色棋子以及无棋子。其中黑色棋子最好查找，我们将图像进行灰度化——二值化后，通过统计黑色像素占比超过一定数值，就能知道该处是否有黑色棋子。
这里我将统计黑色占比的代码，封装成了一个函数，如下;
""" "*******************************************************************************************
*函数功能 ：统计二值化图片黑色像素点百分比
*输入参数 ：输入裁剪后图像，
*返 回 值 ：返回黑色像素点占比0-1之间
*编写时间 ： 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#;/*目标像素点个数*/
zhanbi = 0#;/*目标像素点比值*/
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("黑色像素个数", a, "黑色像素占比", zhanbi)
return zhanbi
3、根据像素占比识别是否是白色棋子
同样的，我们可以统计像素中白色占比，来进行识别该位置是否是白色棋子，但是这里需要注意一个问题，如果按照上面黑色棋子识别方法进行灰度化、二值化会造成白色棋子和无棋子分辨不了，二者都有大面积的白色，因此这里需要调整二值化的阈值，分开无棋子和白色棋子的图像。
封装好的代码如下：
""" "*******************************************************************************************
*函数功能 ：统计二值化图片白色像素点百分比
*输入参数 ：输入裁剪后图像，
*返 回 值 ：返回白色像素点占比0-1之间
*编写时间 ： 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#;/*目标像素点个数*/
zhanbi = 0#;/*目标像素点比值*/
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("白色像素个数", b, "白色像素占比", zhanbi)
return zhanbi
效果图如下:
4、将棋盘棋子位置通过列表表示
我们新建一个19*19的列表来存储棋子，列表中：
0：代表无棋子
1：代表白色
2：代表黑色
代码如下：
list = [[0 for i in range(19)] for j in range(19)]
当为黑色棋子时：
list[hang][lie]=2#黑色
#print("当前棋子为黑色")
print("第", i, "行，第", j, "列棋子为黑色：", i, j)
当为白色棋子时：
list[hang][lie] = 1 # 白色
#print("当前棋子为白色")
print("第", i, "行，第", j, "列棋子为白色：", i, j)
效果图如下：
完整代码如下：
from PIL import ImageGrab
import numpy as np
import cv2
from glob import glob
import os
import time
#Python将数字转换成大写字母
def getChar(number):
factor, moder = divmod(number, 26) # 26 字母个数
modChar = chr(moder + 65) # 65 -> 'A'
if factor != 0:
modChar = getChar(factor-1) + modChar # factor - 1 : 商为有效值时起始数为 1 而余数是 0
return modChar
def getChars(length):
return [getChar(index) for index in range(length)]
""" "*******************************************************************************************
*函数功能 ：统计二值化图片黑色像素点百分比
*输入参数 ：输入裁剪后图像，
*返 回 值 ：返回黑色像素点占比0-1之间
*编写时间 ： 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#;/*目标像素点个数*/
zhanbi = 0#;/*目标像素点比值*/
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("黑色像素个数", a, "黑色像素占比", zhanbi)
return zhanbi
""" "*******************************************************************************************
*函数功能 ：统计二值化图片白色像素点百分比
*输入参数 ：输入裁剪后图像，
*返 回 值 ：返回白色像素点占比0-1之间
*编写时间 ： 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#;/*目标像素点个数*/
zhanbi = 0#;/*目标像素点比值*/
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("白色像素个数", b, "白色像素占比", zhanbi)
return zhanbi
""" "*******************************************************************************************
*函数功能 ：定位棋盘位置
*输入参数 ：截图
*返 回 值 ：裁剪后的图像
*编写时间 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def dingweiqizi_weizhi(img):
'''********************************************
1、定位棋盘位置
********************************************'''
#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) # 腐蚀
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
# 多边形拟合
epsilon = 0.02 * cv2.arcLength(contours[maxint], True)
if epsilon < 1:
print("error : epsilon < 1")
pass
# 多边形拟合
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
""" "*******************************************************************************************
*函数功能 ：定位棋子颜色及位置
*输入参数 ：裁剪后的图像
*返 回 值 ：棋子颜色及位置列表
*编写时间 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def dingweiqizi_yanse_weizhi(img):
'''********************************************
2、识别棋盘棋子位置及颜色及序号；
********************************************'''
#img = cv2.imread("./checkerboard/checkerboard_1.jpg")
img = cv2.resize(img, (724,724), interpolation=cv2.INTER_AREA)
#cv2.imshow("src",img)
#cv2.waitKey(1000)
#变量定义
small_length=38 #每个小格宽高
qizi_zhijing=38#棋子直径
zuoshangjiao=20#棋盘四周的宽度
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]#参数含义分别是：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, "列棋子为黑色")
#print("当前棋子为黑色")
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 , "列棋子为白色")
#print("当前棋子为白色")
else:
list[hang][lie] = 0 # 无棋子
#print("当前位置没有棋子")
#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、定位棋盘位置
********************************************'''
img_after=dingweiqizi_weizhi(img)
#cv2.imshow("src",img)
'''********************************************
2、识别棋盘棋子位置及颜色及序号；
********************************************'''
list1=dingweiqizi_yanse_weizhi(img_after)
print(list1)
到此这篇关于基于python定位棋子位置及识别棋子颜色的文章就介绍到这了,更多相关python定位棋子位置及识别棋子颜色内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！
【转自：荷兰服务器 】