【学科实践实验六】围棋棋盘棋子实时识别与定位的思路、可能出现的问题以及解决方案

实验要求

• 学习掌握利用opencv实现基础的图像采集及处理
• 围棋棋盘棋子实时识别与定位
• 主要任务：定位棋子位置及识别棋子颜色
• 给出某行列是何颜色棋子
  • 扩展：当出现五子联排时，给出提示信息

关于OpenCV的安装

有朋友跟我说ta的OpenCV安装总是不成功。可能会出现的原因如下：

1. numpy版本落后
   更新numpy版本后再尝试安装

pip install numpy --upgrade   

2. 下载OpenCV时用的官方源
   使用官方源会导致下载及其缓慢，可能是几kb/s
   解决方法：更换成镜像源，此处以阿里源为例

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

在命令行中执行完这一条指令后再重新执行pip intsall opencv-python安装

关于opencv读写中文路径报错

如果使用opencv的库函数读取图片，中文路径会导致无法正确读取，以下为解决方案

读

其中File_path为图片所在文件夹路径，imgeName为文件名（eg. chessboard.png）

def cv_imread(file_path):
    cv_img = cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), cv2.IMREAD_COLOR)
    return cv_img
srcMat = cv_imread(File_path+imgeName)

写

第一个参数为图片类型，可换为’.jpg’，需要根据自己的图片类型进行替换。stcMat为图像数组。其中File_path为图片所在文件夹路径，imgeName为文件名（eg. chessboard.png）

cv2.imencode('.png', srcMat)[1].tofile(File_path+imgeName) 

关于VNC连接不成功的问题

树莓派默认关闭了VNC选项，需要手动将其开启。我是通过显示器和树莓派连接来做的图形化操作，命令行的操作可以去搜索一下。。。

开启后重新连接VNC就会出现如下页面。

关于棋盘的种类

广义上分为两种棋盘，一种是棋子落在交叉线上的（以下称为交叉棋盘），一种是棋子落在格子中间的（以下称为中心棋盘）。我会提供关于两类棋盘适用的库函数以及参数。

交叉棋盘

使用的函数如下。参数为本人使用的参数，可以进行替换

• cv2.cvtColor(srcMat, cv2.COLOR_BGR2GRAY)
  灰度化
• cv2.equalizeHist(grayMat)
  增加对比度
• cv2.GaussianBlur(grayMat, (19, 19), 0)
  高斯模糊减少噪点
• cv2.Canny(blurred, 70, 150)
  边缘检测
• cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, dp=1, minDist=20, param1=70, param2=10, minRadius=10, maxRadius=20)
  检测圆形棋子的位置

注意的点：

• 对于给出的例子来说，为彩色棋盘，需要先进行灰度化
• 白色棋子容易与背景糊到一起，因此灰度化后应该将加大图片对比度，将白色棋子与背景拉开差距。
• 高斯内核数量越小，保留的细节越多。

最终结果参考图：

中心棋盘

方法一

使用的函数如下。参数为本人使用的参数，可以进行替换

• cv2.cvtColor(srcMat, cv2.COLOR_BGR2GRAY)
  灰度化
• cv2.equalizeHist(grayMat)
  增加对比度
• cv2.GaussianBlur(grayMat, (11, 11), 0)
  高斯模糊减少噪点
• cv2.Canny(blurred, 30, 150)
  边缘检测
• cv2.findChessboardCorners(参数用默认的即可)
  检测角点

注意的点：

• 对于给出的例子来说，为黑白棋盘，做不做灰度化无所谓。
• 白色棋子容易与背景糊到一起，因此灰度化后应该将加大图片对比度，将白色棋子与背景拉开差距。（可以不做灰度化，但是仍需拉对比度）
• 高斯内核数量越小，保留的细节越多。
• 检测角点和棋子时需要给出每行/每列的角点数。注意仅数内圈的点，最外圈的点不计入
  • 本例中

  chessboardColCornerCount = 7
  chessboardRowCornerCount = 12
  

最终结果参考图：

感觉这种最麻烦，但是最酷欸！！

方法二

也可以使用cv2.HoughCircles来做，不多赘述。
最终结果参考图如下：