今天小编给大家分享一下如何使用OpenCV实现迷宫解密的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。
如下图所示,可以看到是一张较为复杂的迷宫图,相信也有人尝试过自己一点一点的找出口,但我们肉眼来解谜恐怕眼睛有点小难受,特别是走了半天发现这迷宫无解,代入一下已经生气了,所以我们何必不直接开挂,使用opencv来代替我们寻找最优解。
恩,不错,那就整!
此时我们的图像就反了过来,我们只需要找到一条从入口连续到出口的黑线即可。
import cv2 import numpy as np img = cv2.imread('../photos/1.png') # cv2.imshow('maze',img) # cv2.waitKey(0) # cv2.destroyAllWindows() #对图像进行二值化 # Binary conversion gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #反转tholdolding将给我们一个二进制的图像与白色的墙壁和黑色的背景。 ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV) cv2.imshow('THRESH_BINARY_INV',thresh) cv2.waitKey(0) cv2.destroyAllWindows()
可以看到大致路线已经出现。
#对二值化处理的图像进行轮廓检测并标注 # Contours contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) print('len(contours):',len(contours)) # dc=cv2.drawContours(thresh, contours, 0, (255, 255, 255), -1) #用不同颜色来标注 dc=cv2.drawContours(thresh, contours, 0, (255, 255, 255), 5) # TODO 大迷宫的len(contours): 26 dc=cv2.drawContours(dc, contours, 1, (0, 0, 0), 5) cv2.imshow('drawContours',dc) cv2.waitKey(0) cv2.destroyAllWindows()
#对图像阈值进行处理 ret, thresh = cv2.threshold(dc, 240, 255, cv2.THRESH_BINARY) # ret, thresh = cv2.threshold(thresh, 240, 255, cv2.THRESH_BINARY) cv2.imshow('thresh3',thresh) cv2.waitKey(0) cv2.destroyAllWindows()
扩张是数学形态领域的两个基本操作者之一,另一个是侵蚀。它通常应用于二进制图像,但有一些版本可用于灰度图像。
操作者对二进制图像的基本效果是逐渐扩大前景像素区域的边界(通常为白色像素)。因此,前景像素的面积大小增加,而这些区域内的孔变小。
# Dilate ke = 10 # kernel = np.ones((19, 19), np.uint8) kernel = np.ones((ke, ke), np.uint8) dilation = cv2.dilate(thresh, kernel, iterations=1) cv2.imshow('dilation',dilation) cv2.waitKey(0) cv2.destroyAllWindows()
侵蚀是第二个形态运算符。它也适用于二进制图像。操作者对二进制图像的基本效果是消除前景像素区域的边界(通常为白色像素)。
因此,前景像素的面积缩小,并且这些区域内的孔变大。
# Erosion erosion = cv2.erode(dilation, kernel, iterations=1) cv2.imshow('erosion',erosion) cv2.waitKey(0) cv2.destroyAllWindows()
为了在原始迷宫图像上显示解决方案,首先将原来的迷宫分割成r,g,b组件。现在通过反转diff图像创建一个掩码。使用在最后一步中创建的掩码的原始迷宫的按位和r和g分量。这一步将从迷宫解决方案的图像部分去除红色和绿色成分。最后一个是合并所有组件,我们将使用蓝色标记的解决方案。
#找到两个图像的差异 diff = cv2.absdiff(dilation, erosion) # 分迷宫的通道 b, g, r = cv2.split(img) mask_inv = cv2.bitwise_not(diff) # masking out the green and red colour from the solved path r = cv2.bitwise_and(r, r, mask=mask_inv) g = cv2.bitwise_and(g, g, mask=mask_inv) res = cv2.merge((b, g, r)) cv2.imshow('Solved Maze', res) cv2.waitKey(0) cv2.destroyAllWindows()
import cv2 import numpy as np img = cv2.imread('../photos/1.png') cv2.imshow('maze',img) cv2.waitKey(0) cv2.destroyAllWindows() #对图像进行二值化 # Binary conversion gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #反转tholdolding将给我们一个二进制的图像与白色的墙壁和黑色的背景。 ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV) cv2.imshow('THRESH_BINARY_INV',thresh) cv2.waitKey(0) cv2.destroyAllWindows() #对二值化处理的图像进行轮廓检测并标注 # Contours contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) print('len(contours):',len(contours)) # dc=cv2.drawContours(thresh, contours, 0, (255, 255, 255), -1) #用不同颜色来标注 dc=cv2.drawContours(thresh, contours, 0, (255, 255, 255), 5) # TODO 大迷宫的len(contours): 26 dc=cv2.drawContours(dc, contours, 1, (0, 0, 0), 5) cv2.imshow('drawContours',dc) cv2.waitKey(0) cv2.destroyAllWindows() #对图像阈值进行处理 ret, thresh = cv2.threshold(dc, 240, 255, cv2.THRESH_BINARY) # ret, thresh = cv2.threshold(thresh, 240, 255, cv2.THRESH_BINARY) cv2.imshow('thresh3',thresh) cv2.waitKey(0) cv2.destroyAllWindows() ''' 扩张 扩张是数学形态领域的两个基本操作者之一,另一个是侵蚀。它通常应用于二进制图像,但有一些版本可用于灰度图像。 操作者对二进制图像的基本效果是逐渐扩大前景像素区域的边界(通常为白色像素)。因此,前景像素的面积大小增加,而这些区域内的孔变小。 ''' # Dilate ke = 10 # kernel = np.ones((19, 19), np.uint8) kernel = np.ones((ke, ke), np.uint8) dilation = cv2.dilate(thresh, kernel, iterations=1) cv2.imshow('dilation',dilation) cv2.waitKey(0) cv2.destroyAllWindows() # Erosion #侵蚀是第二个形态运算符。它也适用于二进制图像。操作者对二进制图像的基本效果是消除前景像素区域的边界(通常为白色像素)。 # 因此,前景像素的面积缩小,并且这些区域内的孔变大。 erosion = cv2.erode(dilation, kernel, iterations=1) cv2.imshow('erosion',erosion) cv2.waitKey(0) cv2.destroyAllWindows() #找到两个图像的差异 diff = cv2.absdiff(dilation, erosion) cv2.imshow('diff',diff) cv2.waitKey(0) cv2.destroyAllWindows() # 分迷宫的通道 b, g, r = cv2.split(img) mask_inv = cv2.bitwise_not(diff) #为了在原始迷宫图像上显示解决方案,首先将原来的迷宫分割成r,g,b组件。现在通过反转diff图像创建一个掩码。 # 使用在最后一步中创建的掩码的原始迷宫的按位和r和g分量。这一步将从迷宫解决方案的图像部分去除红色和绿色成分。 # 最后一个是合并所有组件,我们将使用蓝色标记的解决方案。 # masking out the green and red colour from the solved path r = cv2.bitwise_and(r, r, mask=mask_inv) g = cv2.bitwise_and(g, g, mask=mask_inv) res = cv2.merge((b, g, r)) cv2.imshow('Solved Maze', res) cv2.waitKey(0) cv2.destroyAllWindows()
以上就是“如何使用OpenCV实现迷宫解密”这篇文章的所有内容,感谢各位的阅读!相信大家阅读完这篇文章都有很大的收获,小编每天都会为大家更新不同的知识,如果还想学习更多的知识,请关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。