opencv-python实际演练(二）军棋自动裁判（2）棋子图像采集效果分析

引子

在前一篇文章《opencv-python实际演练(二）军棋自动裁判（1）棋子图像采集设备DIY》介绍了棋子图像采集设备的制作过程，在取得棋子图像后发现提取目标区域的效果还不够好，有时不能正确地找出目标区域。本文试图找出影响目标区域提取的关键因素，为棋子图像采集设备的改进做出理论上的指导。

提取过程的实例分析

Canny 边缘检查结果如下：

直观上看，这个外边缘很完整，接下来查找外轮廓
contours,_ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

从上图可见，查找得到的外轮廓是相当准确的，而且已有的两个外轮廓都找到了，而且找得很准。

但是如果前一步的边缘检测的结果并没有两个清晰的外轮廓，比如用LED灯时，图像中间有很强的反光，则边缘检测就会出现很多不规则的区域，两个棋子区域可能还会连成在一起，棋子区域的边缘可能会出现断裂，这时查找外轮廓，得到的就不是两个轮廓了，而是可能找到几十个外轮廓，有一个实例中有反光的图片时，查找到了72个外轮廓，这时再继续提取区域意义就不大了，

如果棋子的周围有一个噪声点，形成了一些小的外轮廓，只要有两个面积较大的外轮廓将两个棋子包住 ，就可以通过计算轮廓的面积，将一些面积较小的噪声点形成的轮廓去掉。

但是在图片明暗不均，棋子外边缘没有完整呈现的情况下，通过去掉面积较小的轮廓并不能解决问题。

因此这一步的关键是在边缘检测时，能得到封闭的，包住两个棋子的边缘线，比如有一次实例中这个边缘线断裂了，，“团长”的“团”字形成的轮廓会被当成一个面积较大的轮廓并检测出来，但这并不我们想要的。

所以在采集图像时，我们要想办法在硬件上做一些调整，在二值化阈值等等参数上作一些调整，确保两个棋子的外框边线完整封闭，这样外轮廓检测算法才能找到正确的轮廓。直观上看来，就是边缘检查的结果中，两个外框线不能有断裂现象。

接下来对轮廓做多边形拟合
approxBox = cv2.approxPolyDP(c,epsilon,True)

如果将精度设得较高，误差值epsilon设得较小，则拟合得到的多边形边数较多，与原始轮廓比较接近，如下图所示，“连长”部分拟合得到一个7边形，团长部分得到一个5边形

通过增加epsilon的值 ，再次拟合：

这时发现拟合结果的边数减少了，减到了4，得到了一个4边形

然后再针对以上的4边形，获取最小矩形包络
rect = cv2.minAreaRect(approxBox)
用一个面积最小的矩形包住4边形。

这时得到的矩形可能有倾斜的情况，如果摄像头平面与棋子平面不平行，还有可能出现梯形状变形。从实际情况来看，保证摄像头平面与棋子平面的基本平行比较容易做到，所以梯形状变形出现的可能性不大。当然，这一类变形都可以通过透视变换进行一定程度的纠正。

影响目标区域提取效果的硬件因素分析

通过对硬件设备的调试，结合软件处理过程，我们得到影响提取效果的一些因素

1，棋子区域与非棋子区域的明暗对比，再者相差越大越好，如果两者相差不大，很难通过二值化将这两个区域区分开来，通过实验发现，盖板朝向摄像头的底面采用黑色，效果最好。

2，图像中不要出现反光，高光，明暗不均的现象，否则会造成很多不规则的轮廓。通过实现发现，用摄像头自带的LED会造成明显的明暗不均现象，目前看来，使用外部光源要比led照明效果发好很多。此外盖板朝向摄像头的底面不要采用反光材料，用黑纸或黑布效果最好，不要用塑料膜或塑料片。

3，放置棋子的矩形孔的边缘越平直越好，为什么呢？不是可以通过软件纠正吗？从上一节的分析可知，如果矩形孔的边缘不够平直，有许多毛刺，将会使拟合得到的初始多边形有许多的边，虽然通过迭代，最终可以得到4边形，但这个4边形可能发生严重的倾斜，变形等，很可能与棋子的原始区域并不相符。所以在制作盖析的棋子孔时，要尽可能地让边缘平直

4，放置棋子的矩形孔的大小要刚好使得棋子可以放入，不能太小，也不能太大。如果太大了，棋子放在其中，倾斜较大，也会对提取效果有一定的影响。