时光不负，创作不停，本文正在参加2021年终总结征文大赛

前言

利用Python实现OpenCV实现边缘检测。废话不多说。

让我们愉快地开始吧~

开发工具

Python版本： 3.6.4

相关模块：

cv2模块；

numpy模块；

以及一些Python自带的模块。

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

边缘检测则是使用OpenCV的Canny函数实现，算法虽然很复杂，但是代码却很简单。

5个步骤，使用高斯滤波器对图像去噪、计算梯度、在边缘上使用非最大抑制(NMS)、在检测到的边缘上使用双(double)阈值去除阳性(false positive)、分析所有的边缘及其连接，保留真正的边缘并消除不明显的边缘。

下面就来实现一下「跳一跳」的边缘检测，得以获取方块的中心位置。

边缘检测

Canny边缘检测代码

import cv2
import numpy as np

# 读取原图像
img = cv2.imread('game.png', 0)

# 显示原图像
cv2.namedWindow('img', 0)
cv2.resizeWindow('img', 400, 600)
cv2.imshow('img', img)

# 高斯模糊
img_rgb = cv2.GaussianBlur(img, (5, 5), 0)
canny_img = cv2.Canny(img_rgb, 1, 10)

# 显示边缘检测图像
cv2.namedWindow('canny', 0)
cv2.resizeWindow('canny', 400, 600)
cv2.imshow('canny', canny_img)

# 输出边缘检测图像的高和宽
H, W = canny_img.shape
print(H, W)

输出的图像高宽分别为1920和1080

下面是原图像灰度图和边缘检测图像

通过边缘检测图像找到方块的第一个顶点(上顶点)

# 第一个顶点的高度,row为列表(代表每一行的像素值),max(row)获取列表中最大的像素值\
y_top = np.nonzero([max(row) for row in canny_img[400:]])[0][0] + 400

对图像高度大于400的行进行遍历(这样可以去除上方数字270以及小程序块的影响)

np.nonzero()表示获取列表元素数值不为0的位置，第一个即为上顶点的高度值

获取上顶点的宽度值

# 第一个顶点的宽度\
x_top = int(np.mean(np.nonzero(canny_img[y_top])))

确定方块下顶点的位置

为了跳过小白圈的影响，在上顶点高度的基础上加上80个像素大小

然后往下方遍历，宽度值保持不变，直至找到像素值不为0的点

便得到了方块的下顶点坐标

# 跳过小白圈,然后遍历
y_bottom = y_top + 80
for row in range(y_bottom, H):
    if canny_img[row, x_top] != 0:
        y_bottom = row
        break

# 得到方块的中心点
x_center, y_center = x_top, (y_top + y_bottom) // 2

# 绘制以方块中心点为圆心的圆
cv2.circle(canny_img, (x_center, y_center), 33, (255, 0, 255), 2)

# 显示得到的图像
cv2.namedWindow('result', 0)
cv2.resizeWindow('result', 400, 600)
cv2.imshow('result', canny_img)

# 结束
cv2.waitKey(0)
cv2.destroyAllWindows()

通过上下顶点的坐标，得到方块的中心点

左图为边缘检测原图，右图为找到方块中心点并以中心点为圆心绘制圆形的图像

跳动实现

现在结合之前模板匹配获得到的小跳棋位置，计算两中心的距离

勾三股四弦五，便能得到两个中心的距离了

玩过跳一跳的应该都知道，对于不同的距离，我们需要按压的时间是不同的

可以给距离和按压时间设置一个相关参数，此处设置为1.35

通过adb命令完成一定的按压时间，完成「跳一跳」自动化

Python图像处理，cv2模块，OpenCV实现边缘检测

前言

开发工具

环境搭建

边缘检测

跳动实现