最近在做一个围棋棋盘棋子识别项目，这是该项目第二篇，系列文章如下：

1、基于python及图像识别的围棋棋盘棋子识别1——定位棋盘位置
2、基于python及图像识别的围棋棋盘棋子识别2——定位棋子位置及识别棋子颜色
3、基于python及图像识别的围棋棋盘棋子识别3——耗时优化（一行代码速度提高600倍）
4、基于python及图像识别的围棋棋盘棋子识别4——源码及使用说明

基于python及图像识别的围棋棋盘棋子识别2——定位棋子位置及识别棋子颜色

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

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 = ihang = jTp_x = small_length * lieTp_y = small_length * hangTp_width = qizi_zhijingTp_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+wcv2.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 = 0b = 0counter = 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 + 1else:b = b + 1zhanbi = (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 = 0b = 0counter = 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 + 1else:b = b + 1zhanbi = (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 osimport 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 0return 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 = 0b = 0counter = 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 + 1else:b = b + 1zhanbi = (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 = 0b = 0counter = 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 + 1else:b = b + 1zhanbi = (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.shapeimg2 = 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 = 0maxarea = 0nextarea = 0maxint = 0for c in contours:if cv2.contourArea(c) > maxarea:maxarea = cv2.contourArea(c)maxint = ii += 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 = ihang = jTp_x = small_length * lieTp_y = small_length * hangTp_width = qizi_zhijingTp_height = qizi_zhijingimg_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+wheise_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  listif __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)

基于python及图像识别的围棋棋盘棋子识别2——定位棋子位置及识别棋子颜色相关推荐

基于python及图像识别的围棋棋盘棋子识别4——源码及使用说明
最近在做一个围棋棋盘棋子识别项目,这是该项目第四篇,系列文章如下: 1.基于python及图像识别的围棋棋盘棋子识别1--定位棋盘位置 2.基于python及图像识别的围棋棋盘棋子识别2--定位棋子位 ...
基于Python实现的微信好友数据分析——抓取好友性别、位置、头像签名
最近微信迎来了一次重要的更新,允许用户对"发现"页面进行定制.不知道从什么时候开始,微信朋友圈变得越来越复杂,当越来越多的人选择"仅展示最近三天的朋友圈",大概 ...
基于Python实现图画转换字符画
微信改版,加星标不迷路! 基于Python实现图画转换字符画作者:阿广概述前言准备工作识别原理静态图像处理动态图像处理结果阿广说群聊交流福利一刻推荐阅读前言前几天写了基于P ...
python动图转换成字符画动图_基于Python实现图画转换字符画
微信改版,加星标不迷路! 基于Python实现图画转换字符画作者:阿广概述前言准备工作识别原理静态图像处理动态图像处理结果阿广说群聊交流福利一刻推荐阅读前言前几天写了基于P ...
基于Python的人脸表情管理系统设计与实现
目录摘要 I Abstract II 第一章绪论 1 1.1 研究背景及意义 1 1.2 研究现状 1 1.3 本文研究的主要内容 3 第二章人脸表情识别基础 4 2.1 常见的表情数据库 ...
基于Python，dlib实现人脸关键点检测
@代码实现及安装过程基于Python,dlib实现人脸关键点检测 dilb 在做人脸检测人脸识别方面用到比较多的.face_recognition就是基于dlib实现的. 这篇文章将使用Python ...
基于python pyqt的围棋游戏制作
文章目录 1.初始化棋盘 2.初始化棋子 3.开始游戏 4.落子设置 5.吃子判断 6 悔棋和弃一子 7 重新开始.推出与切换棋盘 8 显示 9 初始化本文使用python中的pygame库设计制作 ...
python 用turtle库画围棋棋盘和正、余弦函数图形
一.如何画围棋棋盘. 围棋棋盘共有19纵19横.其中,位于(0,0)的星位叫天元,其余8个星位坐标分别是:(-6,6),(0,6),(6,6),(-6,0),(6,0),(-6,-6),(0,-6), ...
python 绘制围棋棋盘_围棋之规则基础（一）
★本期导读: 一.围棋的下法二.气 ★正文: 一.围棋的下法 1. 对局双方各执一色棋子. 2. 空枰开局. 3. 黑先白后,交替着一子于棋盘的交叉点上. 4. 棋子下定后,不再向其它点移动. 5. ...
基于python 使用sikuli图像识别
基于python使用sikuli图像识别 import time from jpype import * 参考如下代码段: if __name__ == '__main__':startJVM(r'C ...

基于python及图像识别的围棋棋盘棋子识别2——定位棋子位置及识别棋子颜色

基于python及图像识别的围棋棋盘棋子识别2——定位棋子位置及识别棋子颜色

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

基于python及图像识别的围棋棋盘棋子识别2——定位棋子位置及识别棋子颜色相关推荐

最新文章

热门文章