正在播放国产精品,亚洲素人一区二区,欧美午夜视频

主頁 > 知識庫 > 基于python定位棋子位置及識別棋子顏色

基于python定位棋子位置及識別棋子顏色

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(biāo)像素點個數(shù)*/
    zhanbi = 0#;/*目標(biāo)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(biāo)像素點個數(shù)*/
    zhanbi = 0#;/*目標(biāo)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(dāng)為黑色棋子時：

list[hang][lie]=2#黑色
#print("當(dāng)前棋子為黑色")
print("第", i, "行，第", j, "列棋子為黑色：", i, j)

當(dāng)為白色棋子時：

list[hang][lie] = 1  # 白色
#print("當(dāng)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(biāo)像素點個數(shù)*/
    zhanbi = 0#;/*目標(biāo)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(biāo)像素點個數(shù)*/
    zhanbi = 0#;/*目標(biāo)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(dāng)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(dāng)前棋子為白色")
                else:
                    list[hang][lie] = 0  # 無棋子
                    #print("當(dāng)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)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

python識別圍棋定位棋盤位置

標(biāo)簽：雅安西安贛州渭南辛集七臺河濰坊許昌

巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《基于python定位棋子位置及識別棋子顏色》，本文關(guān)鍵詞基于,python,定位,棋子,位置,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題，煩請?zhí)峁┫嚓P(guān)信息告之我們，我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無關(guān)。