我正在尝试在游戏屏幕中查找事件对象,如下所示:
事件意味着它们有灰白色边框,所以这里的正方形位于左上角,五张卡片位于中间。
这乍一看很简单,但边框是半透明的并且是渐变的,因此实际的灰度值在很大程度上取决于背景,范围可以从 ~180 到 240。只需 inRange() 处理所有这些值就会产生很多噪音。这是边框特写供引用:
然后我尝试为每条边使用一个模板进行模板匹配,例如对于右边缘,我采用一堆黑色边框像素和旁边 4 个灰色像素的渐变,例如
然后我在模板匹配结果上添加阈值,它有点起作用:
k = ['right', 'left', 'top', 'bottom']
mode = cv2.TM_CCOEFF_NORMED
matches = {}
addimg = []
for side in k:
template = cv2.imread('./img/ab_' + side + '.png', cv2.IMREAD_GRAYSCALE)
matches[side] = cv2.matchTemplate(im0, template, mode)
v = cv2.inRange(matches[side], 0.987, 1)
#Tools.show(side, v)
addimg.append(v)
im1 = sum(addimg)
但是获取 TM 系数的正确值仍然很困难。此外,当对象较大时,边框渐变比我在模板中使用的灰色像素更宽,因此匹配会变得更糟。
总而言之,我认为我缺少一种可以匹配不同大小和强度的梯度的智能算法。有什么好主意吗?
PS https://github.com/rc9000/modoscrape/tree/master/img 中有更多这样的屏幕截图
最佳答案
好的,这是我的两分钱。这与梯度检测无关,而是如何检测这些卡的另一个想法。
我认为关于如何检测事件卡的唯一线索就是这个边框。当然,您可以尝试检测梯度之类的东西,但我的解决方案依赖于这样一个事实
a/边框可以通过简单的“inRange()”与图像的其余部分明显分离(作为一个组件)[在 Piglet 的评论后进行编辑:这也可以在黑色上工作 - 并且可能会更容易边框而不是渐变]
b/边框具有特定的形状,尤其是其周围的边界矩形将是直的并且具有特定的比例。我的意思是,由于您总是选择一张扑克牌,因此它的高/宽比将始终相同。
所以我的想法是
1/阈值
2/查找组件
3/找到这些组件的边界矩形
4/仅选择具有特定比例的边界矩形
代码如下。它有点“快速而肮脏”,有些东西可能会被优化。例如,我没有检查矩形方向,这是一个很好的线索。此外,您可能对卡片的尺寸有所了解,即使一张图像与另一张图像的尺寸可能有所不同。另外,您可以消除其他矩形内的矩形,或者明显小于其他矩形的矩形...
将此视为探索的“另一种方式”,而不是交 key 解决方案:)
import cv2
import sys
import numpy as np
import csv
#just converting formats of numpy arrays to pass it from one cv2 function to another.
def convert_for_bounding(coords):
nb_pts=len(coords[0])
coordz=np.zeros((nb_pts,2))
for i in range(nb_pts):
coordz[i,:]=np.array([int(coords[0][i]),int(coords[1][i])])
return coordz
#finding width and length of bounding boxes
def find_wid(xs):
maxx=0
for i in range(4):
for j in range(i+1,4):
if abs(xs[i]-xs[j])>=maxx:
maxx=abs(xs[i]-xs[j])
return maxx
img=cv2.imread(your image)
orig=np.copy(img)
img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
h,w=img.shape
#thresholding with your "180 - 240" range
img = cv2.inRange(img, 180, 240)
#finding all components
nb_edges, output, stats, centroids = cv2.connectedComponentsWithStats(img, connectivity=8)
size_edges = stats[1:, -1]; nb_edges = nb_edges - 1
contours=[]
for i in range(0, nb_edges):
#eliminating small components
if size_edges[i]>=100:
img2=np.zeros((h,w))
img2[output == i + 1] = 255
contours.append(convert_for_bounding(np.nonzero(img2)))
#finding bounding rectangle for each component
for i in range(0,len(contours)):
c=np.array(contours[i]).astype(int)
ar=cv2.minAreaRect(c)
box = cv2.boxPoints(ar)
box = np.int0([box[:,1],box[:,0]]).T
xs=box[:,0]
ys=box[:,1]
wid=find_wid(xs)
hei=find_wid(ys)
#for each rectangle, we'll check if its ratio is like a card one
card_ratio = 285 / 205
if hei!=0:
if hei/wid <=card_ratio*1.05 and hei/wid >= card_ratio*0.95:
cv2.drawContours(orig, [box], -1, (0,0,255), 2)
关于opencv:分割透明边框,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43116220/