目錄1、將棋盤分割成19x19的小方格2、根據像素占比識別是否是黑色棋子3、根據像素占比識別是否是白色棋子4、將棋盤棋子位置通過列表表示完整代碼如下：

這一篇主要實現定位棋子位置及識別棋子顏色。

圍棋棋盤原圖如下：

經過上一章節處理，已經將棋盤位置找到，如下圖:

現在根據新圖，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。

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調試時用Image Watch插件查看圖片，代替一堆數據，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 = ihang = jTp_x = small_length * lieTp_y = small_length * hangTp_width = qizi_zhijingTp_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]#參數含義分別是：y、y+h、x、x+wcv2.imwrite(’img_temp3.jpg’, img_temp)cv2.imshow('3', img_temp)cv2.waitKey(20)2、根據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，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，通過統計黑色像素占比超過一定數值，就能知道該處是否有黑色棋子。

這里我將統計黑色占比的代碼，封裝成了一個函數，如下;

''' '********************************************************************************************函數功能 ：統計二值化圖片黑色像素點百分比*輸入參數 ：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*/ 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', a, '黑色像素占比', zhanbi) return zhanbi3、根據像素占比識別是否是白色棋子

同樣的，我們可以統計像素中白色占比，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：

''' '********************************************************************************************函數功能 ：統計二值化圖片白色像素點百分比*輸入參數 ：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*/ 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', 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 ImageGrabimport numpy as npimport cv2from glob import globimport osimport time#Python將數字轉換成大寫字母def getChar(number): factor, moder = divmod(number, 26) # 26 字母個數 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為 1 而余數是 0 return modChardef getChars(length): return [getChar(index) for index in range(length)]''' '********************************************************************************************函數功能 ：統計二值化圖片黑色像素點百分比*輸入參數 ：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*/ 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', a, '黑色像素占比', zhanbi) return zhanbi''' '********************************************************************************************函數功能 ：統計二值化圖片白色像素點百分比*輸入參數 ：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*/ 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', b, '白色像素占比', zhanbi) return zhanbi''' '********************************************************************************************函數功能 ：定位棋盤位置*輸入參數 ：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 = ii += 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''' '********************************************************************************************函數功能 ：定位棋子顏色及位置*輸入參數 ：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 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python定位棋子位置及識別棋子顏色內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！