python微信跳一跳系列之棋子定位顏色識別
python微信跳一跳,前言
這是python玩跳一跳系列博文中一篇,主要內(nèi)容是用顏色識別的方法來進行跳跳小人的定位。
顏色識別
通過觀察,我們可以發(fā)現(xiàn),盡管背景和棋子在不停的變化,但跳跳小人的形狀和顏色基本保持不變,對于形狀,我們在上一篇博文中已經(jīng)采用模板匹配的方法來進行識別定位,效果非常好。這一篇博文就來對顏色識別進行驗證。
基本思路
用HSV顏色空間對輸入的圖片進行處理,用某種指定的顏色進行蒙版mask處理進而得到二值化的黑白圖像,膨脹和腐蝕后去除噪點,對輪廓區(qū)域進行計算,畫出圓心和質(zhì)心位置,并實現(xiàn)動態(tài)的跟蹤。
其基本的步驟如下:
設(shè)定需要的顏色閾值
讀入圖像
轉(zhuǎn)化為HSV圖像
采用顏色的蒙版進行二值化處理得到黑白圖像
降噪和輪廓處理
繪出圓心
python3.6代碼
import cv2 import numpy as np import time lower_blue = np.array([115,75,75]) #設(shè)定藍色的閾值 upper_blue = np.array([130,255,125]) frame=cv2.imread('001.png') hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) #轉(zhuǎn)到HSV空間 mask_blue = cv2.inRange(hsv, lower_blue, upper_blue) cnts = cv2.findContours(mask_blue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] if len(cnts) > 0: c = max(cnts, key = cv2.contourArea) #找到面積最大的輪廓 ((x, y), radius) = cv2.minEnclosingCircle(c) #確定面積最大的輪廓的外接圓 center= (int(x),int(y)) cv2.circle(frame, center, int(radius+10), (0, 0, 255), 3) #畫出圓心 cv2.circle(frame, center, 3, (0, 0, 255), -1) cv2.circle(hsv, center, int(radius+10), (255, 255, 255), 3) #畫出圓心 cv2.circle(hsv, center, 3, (0, 0, 255), -1) cv2.circle(mask_blue, center, int(radius+10), (255, 255, 255), 3) #畫出圓心 cv2.circle(mask_blue, center, 3, (0, 0, 255), -1) cv2.imshow('frame',frame) cv2.imshow('hsv',hsv) cv2.imshow('mask',mask_blue) if cv2.waitKey(0)==ord('q'): cv2.destroyAllWindows()
靜態(tài)圖片識別效果
左邊是原始圖片,中間是蒙版后的二值圖,右邊就是HSV圖像,識別效果還是不錯的。
可以看到,目前選定的顏色基本可以將小人的輪廓全部篩選出來,其最大的部分恰好就在底盤,圓心位置正是我們需要的。
動態(tài)實時識別
我們給出動態(tài)圖,可以看一下動態(tài)實時識別的效果。
評價
采用顏色來對跳跳小人的底盤位置進行識別和定位效果不錯,而且這種方法和手機的像素及屏幕大小無關(guān),真正實現(xiàn)了各平臺通用。
預告
在下一篇博文中,我會對github上wechat-jump所采用的顏色遍歷方法進行驗證,敬請期待。
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
python數(shù)據(jù)分析之聚類分析(cluster analysis)
聚類分析本身不是一個特定的算法,而是要解決的一般任務。它可以通過各種算法來實現(xiàn),這些算法在理解群集的構(gòu)成以及如何有效地找到它們方面存在顯著差異。這篇文章主要介紹了python數(shù)據(jù)分析之聚類分析(cluster analysis),需要的朋友可以參考下2021-11-11