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

水深无声 2022-10-12 12:57 445阅读 0赞

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][python_1]  
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][python_2]  
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）][python_3_600]  
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][python_4]

### 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：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70]  
经过上一章节处理，已经将棋盘位置找到，如下图:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70 1]  
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：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70 2]  
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][opencv_VS2013_Image Watch]。  
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 #

![在这里插入图片描述][2021070511161616.jpg]  
![在这里插入图片描述][20210705111622268.jpg]  
![在这里插入图片描述][2021070511162657.jpg]  
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:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70 3]

# 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：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70 4]

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)

[python_1]: https://blog.csdn.net/mao_hui_fei/article/details/118363347
[python_2]: https://blog.csdn.net/mao_hui_fei/article/details/118481877
[python_3_600]: https://blog.csdn.net/mao_hui_fei/article/details/118495923
[python_4]: https://blog.csdn.net/mao_hui_fei/article/details/118546899
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70]: /images/20221005/a9e914862b2242eb8817a8cae6495d5b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70 1]: /images/20221005/3c14cd3cf69a4b82bab114be7a688d33.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70 2]: /images/20221005/43ff641efc6e4fffbb1b97e4197d6cb8.png
[opencv_VS2013_Image Watch]: https://blog.csdn.net/mao_hui_fei/article/details/80951075
[2021070511161616.jpg]: /images/20221005/330fcb0f4b0a4700b5f543c805dd7d21.png
[20210705111622268.jpg]: /images/20221005/550e700d6f674d939500d1d56868a552.png
[2021070511162657.jpg]: /images/20221005/33c96dbbea8d47b7b56caed96da21be5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70 3]: /images/20221005/7bf154e520f94e6b816907f7899ea360.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21hb19odWlfZmVp_size_16_color_FFFFFF_t_70 4]: /images/20221005/125b6c418ec449a3bb2ddac1f7a84c9a.png