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：

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python博客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python博客！