使用cv2在2048中检测方块

Question

我正在学习cv2，并尝试从2048游戏中（动态）检测板载数字磁贴，并以绿色勾勒出轮廓。

首先，我在检测橙色到红色范围（8、16、32、64）中的像素时遇到了麻烦，如果我降低阈值，整个板似乎都包括在内。 有时，较小的部分（包括6的圆形部分）或整个图块将被忽略。 我将如何检测像这样的板上的瓷砖？

这是我到目前为止的代码：

import cv2
import mss
import time
import numpy as np

# Static screenshot for board
monitor = {"top": 135, "left": 425, "width": 500, "height": 500}
sct = mss.mss()

# Run for a maximum of 150s or until 'q' is pressed
last_time = time.time()
while time.time() - last_time < 150:
    img = np.asarray(sct.grab(monitor))
    resized_img = cv2.resize(img, (100, 100))
    gray_img = cv2.cvtColor(resized_img, cv2.COLOR_BGR2GRAY)
    thresh = cv2.threshold(gray_img, 200, 255, 0)[1]
    contours = cv2.findContours(thresh, 1, 2)[1]
    for cnt in contours:
        if len(cnt) == 4:
            cv2.drawContours(resized_img, [cnt], 0, (0, 255, 0), 2)
    cv2.imshow("2048", resized_img)

    if cv2.waitKey(25) & 0xFF == ord("q"):
        break

cv2.destroyAllWindows()

样品检测：

编辑：根据要求添加示例输入

样本输入：

样本输出：

谢谢您的任何回应，即使它们是正确方向上的重点

Answer 1

您可以使用cv2.inRange对彩色图像进行阈值处理，而不是对灰度图像进行阈值cv2.inRange 。 您可以设置允许的颜色的上限和下限，以包括编号的图块，但排除空的图块和边缘。

此外，我假设您要检查if len(cnt) == 4:是仅返回正方形轮廓。 但是，调整大小可能会导致轮廓与瓷砖的正方形不完全相同，并且不会通过此检查。 相反，您可以通过将findContours的第二个输入更改为0（ contours = cv2.findContours(thresh, 0, 2)[1] ）来获得图块的外部轮廓，这contours = cv2.findContours(thresh, 0, 2)[1]检索模式设置为cv2.RETR_EXTERNAL 。

这是进行了更改的代码，并为您提供的示例图像设置了适当的上下色范围。

import cv2
import mss
import time
import numpy as np

# Static screenshot for board
monitor = {"top": 135, "left": 425, "width": 500, "height": 500}
sct = mss.mss()

# inRange bounds
lower_bound = (0, 0, 210)
upper_bound = (230, 240, 250)

# Run for a maximum of 150s or until 'q' is pressed
last_time = time.time()
while time.time() - last_time < 150:
    img = np.asarray(sct.grab(monitor))[:,:,:3]
    resized_img = cv2.resize(img, (100, 100))
    mask = cv2.inRange(resized_img, lower_bound, upper_bound)
    contours = cv2.findContours(mask, 0, 2)[1]
    for cnt in contours:
        cv2.drawContours(resized_img, [cnt], 0, (0, 255, 0), 2)
    cv2.imshow("2048", resized_img)

    if cv2.waitKey(25) & 0xFF == ord("q"):
        break

cv2.destroyAllWindows()

这是创建的输出图像：

编辑：这是直接使用示例图像的代码：

import cv2
import numpy as np

img = cv2.imread('2048.jpg')
resized_img = cv2.resize(img, (100, 100))
lower_bound = (0,0,210)
upper_bound = (230,240,250)
mask = cv2.inRange(resized_img, lower_bound, upper_bound)

contours = cv2.findContours(mask, 0, 2)[1]
for cnt in contours:
    cv2.drawContours(resized_img, [cnt], 0, (0, 255, 0), 2)
cv2.imshow('2048', resized_img)
cv2.waitKey(0)

Answer 2

可以采取的一种方法是从所有图块都为空的快照中获取该帧的差异。 这将以最少的计算为您提供所需的蒙版。

由于您没有在问题中提到可以访问所有空图块快照，因此，我还将介绍另一种称为color segmentation技术。 由于背景颜色是一致的，但是编号的颜色块会发生变化，因此我们将首先分割出背景，然后反转遮罩以找到轮廓：

import cv2
import numpy as np


def threshold_tiles(board_img):
    board_bgd_color_low = np.array([155, 170, 140])
    board_bgd_color_high = np.array([200, 185, 195])

    board_empty_low = np.array([175, 180, 200])
    board_empty_high = np.array([185, 195, 210])

    mask_bgd = cv2.inRange(board_img, board_bgd_color_low, board_bgd_color_high)
    mask_tile = cv2.inRange(board_img, board_empty_low, board_empty_high)

    mask = cv2.max(mask_bgd, mask_tile)

    kernel = np.ones((7, 7), np.uint8)
    mask = cv2.dilate(mask, kernel)

    return ~mask


def get_box_contours(mask):
    _, cnt, hierarchy = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

    cnt = filter(lambda x:cv2.contourArea(x) > 100, cnt)

    return cnt


def main():
    game_snapshot = cv2.imread("/path/to/img.jpg")

    # Crop the white borders
    game_snapshot = game_snapshot[5:-5, 5:-5]

    mask = threshold_tiles(game_snapshot)
    contours = get_box_contours(mask)

    for i in xrange(len(contours)):
        cv2.drawContours(game_snapshot, contours, i, (0, 255, 0), 3)

    cv2.imwrite("output.png", game_snapshot)


if __name__ == "__main__":
    main()