使用OpenCV在棋盘中检测中国象棋棋子

如何使用OpenCV在此图像中检测中国象棋棋子？

我尝试过使用HoughCircles,但没有找到圆圈.

Mat src = imread( "x.jpg", CV_LOAD_IMAGE_GRAYSCALE);
GaussianBlur( src, src, Size(9, 9), 2, 2 );

vector circles;
HoughCircles( src, circles, CV_HOUGH_GRADIENT, 1, src.rows/16);
cout << circles.size() << endl;
// The output is: 0

还测试了斑点检测器,但结果不正确.

Mat im = imread( "x.jpg", IMREAD_GRAYSCALE );

vector kps;
SimpleBlobDetector().detect(im, kps);

Mat im_kps;
drawKeypoints( im, kps, im_kps, Scalar(0,0,255), DrawMatchesFlags::DRAW_RICH_KEYPOINTS );
imshow("keypoints", im_kps );
waitKey(0);

Patrick Yu.. 5

当从图像m中隔离红色时可能出现的一个问题是棋子与红色背景的混合.运行时inRange(),会发生这种情况:

乍看之下判断跳棋的位置真是太难了!但是我们可以使用技巧克隆扩张和侵蚀来移除次要部分(网格),同时保留重要部分(圆形检查器).

这是解决检查问题的扩张和侵蚀的代码:

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include 

using namespace cv;
using namespace std;

Mat getElement(int erosion_size)
{
  return getStructuringElement(cv::MORPH_ELLIPSE,
         cv::Size(2 * erosion_size + 1, 2 * erosion_size + 1),
         cv::Point(erosion_size, erosion_size) );
}
int main( )
{
    vector > contours;
    //vector hierarchy;
    //int largest_area,largest_contour,largest_contour_index;
    //RotatedRect bounding_ellipse;

     Mat image,dst,filtered;
     Mat a1,a2;

     //Color ranging red (from both left & right spectrums)
     image = imread("circles.jpg");
     cvtColor(image,filtered,CV_BGR2HSV);

     Scalar low = Scalar(0, 100, 50);
     Scalar up = Scalar(10, 255, 255);

     Scalar low2 = Scalar(160, 100, 50);
     Scalar up2 = Scalar(179, 255, 255);

     inRange(filtered, low2, up2, a1);
     inRange(filtered, low2, up2, a2);
     bitwise_or(a1,a2,filtered);

     imshow("troll", filtered);


     // Fill in small holes from Chinese lettering
     dilate(filtered,filtered,getElement(11));

     imshow("better", filtered);
     // Erode to remove minor (like square lines) objects
     erode(filtered,filtered,getElement(25));
     imshow("best",filtered);

     findContours(filtered, contours, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE);

     for( int i = 0; i< contours.size(); i++ )
     {
       //Only draw big contours, not minor details
        double area =contourArea( contours[i],false);
        if(area > 1500)
        {
          drawContours(image, contours, i, Scalar(0,255,0), 5);
        }
    }
     imshow( "Result window", image );

     waitKey(0);
     return 0;
}

说明:

1.扩张

我们从膨胀开始,它允许图像的较亮部分"扩展"在"较暗"部分上.因此,在这里,我们将使用它来删除中文字母(因此,当扩张时,我们将不会在圆圈中间有大洞):

2.侵蚀

如你所见,现在圆圈已经填满,我们可以继续进行侵蚀.我们需要扩张更比我们侵蚀量,因为我们需要从图像中去除尘棒.应用侵蚀,我们只得到棋盘上的棋子(以及我们稍后会处理的一些噪音):

3.轮廓处理

现在,我们可以处理检查器,但我们需要滤除图像周围的噪音.要做到这一点,我们findContours()将从我们的侵蚀结果出发,但我们还将检查该区域,即contourArea()轮廓区域,以确保它是我们的检查器.如果面积小于1500,我们知道它是噪音,我们可以把它丢弃.否则,我们可以将它绘制到屏幕上.

当从图像m中隔离红色时可能出现的一个问题是棋子与红色背景的混合.运行时inRange(),会发生这种情况:

乍看之下判断跳棋的位置真是太难了!但是我们可以使用技巧克隆扩张和侵蚀来移除次要部分(网格),同时保留重要部分(圆形检查器).

这是解决检查问题的扩张和侵蚀的代码:

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include 

using namespace cv;
using namespace std;

Mat getElement(int erosion_size)
{
  return getStructuringElement(cv::MORPH_ELLIPSE,
         cv::Size(2 * erosion_size + 1, 2 * erosion_size + 1),
         cv::Point(erosion_size, erosion_size) );
}
int main( )
{
    vector > contours;
    //vector hierarchy;
    //int largest_area,largest_contour,largest_contour_index;
    //RotatedRect bounding_ellipse;

     Mat image,dst,filtered;
     Mat a1,a2;

     //Color ranging red (from both left & right spectrums)
     image = imread("circles.jpg");
     cvtColor(image,filtered,CV_BGR2HSV);

     Scalar low = Scalar(0, 100, 50);
     Scalar up = Scalar(10, 255, 255);

     Scalar low2 = Scalar(160, 100, 50);
     Scalar up2 = Scalar(179, 255, 255);

     inRange(filtered, low2, up2, a1);
     inRange(filtered, low2, up2, a2);
     bitwise_or(a1,a2,filtered);

     imshow("troll", filtered);


     // Fill in small holes from Chinese lettering
     dilate(filtered,filtered,getElement(11));

     imshow("better", filtered);
     // Erode to remove minor (like square lines) objects
     erode(filtered,filtered,getElement(25));
     imshow("best",filtered);

     findContours(filtered, contours, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE);

     for( int i = 0; i< contours.size(); i++ )
     {
       //Only draw big contours, not minor details
        double area =contourArea( contours[i],false);
        if(area > 1500)
        {
          drawContours(image, contours, i, Scalar(0,255,0), 5);
        }
    }
     imshow( "Result window", image );

     waitKey(0);
     return 0;
}

说明:

1.扩张

我们从膨胀开始,它允许图像的较亮部分"扩展"在"较暗"部分上.因此,在这里,我们将使用它来删除中文字母(因此,当扩张时,我们将不会在圆圈中间有大洞):

2.侵蚀

如你所见,现在圆圈已经填满,我们可以继续进行侵蚀.我们需要扩张更比我们侵蚀量,因为我们需要从图像中去除尘棒.应用侵蚀,我们只得到棋盘上的棋子(以及我们稍后会处理的一些噪音):

3.轮廓处理

现在,我们可以处理检查器,但我们需要滤除图像周围的噪音.要做到这一点,我们findContours()将从我们的侵蚀结果出发,但我们还将检查该区域,即contourArea()轮廓区域,以确保它是我们的检查器.如果面积小于1500,我们知道它是噪音,我们可以把它丢弃.否则,我们可以将它绘制到屏幕上.