使用OpenCV實(shí)現(xiàn)迷宮解密的全過程
更新時(shí)間：2022年10月16日 15:21:54 作者：醉翁之意不在酒~
同學(xué)發(fā)了我張迷宮圖片,讓我走迷宮來緩解暴躁,于是乎就碼了一個(gè)程序出來,下面這篇文章主要給大家介紹了關(guān)于使用OpenCV實(shí)現(xiàn)迷宮解密的相關(guān)資料,需要的朋友可以參考下
一、你能自己走出迷宮嗎？
如下圖所示，可以看到是一張較為復(fù)雜的迷宮圖，相信也有人嘗試過自己一點(diǎn)一點(diǎn)的找出口，但我們?nèi)庋蹃斫庵i恐怕眼睛有點(diǎn)小難受，特別是走了半天發(fā)現(xiàn)這迷宮無解，代入一下已經(jīng)生氣了，所以我們何必不直接開掛，使用opencv來代替我們尋找最優(yōu)解。
恩，不錯(cuò)，那就整！
注：圖像自己截圖獲取即可。
二、使用OpenCV找出出口。
1、對(duì)圖像進(jìn)行二值化處理。
此時(shí)我們的圖像就反了過來，我們只需要找到一條從入口連續(xù)到出口的黑線即可。
import cv2
import numpy as np
img = cv2.imread('../photos/1.png')
# cv2.imshow('maze',img)
# cv2.waitKey(0)
# cv2.destroyAllWindows()
#對(duì)圖像進(jìn)行二值化
# Binary conversion
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#反轉(zhuǎn)tholdolding將給我們一個(gè)二進(jìn)制的圖像與白色的墻壁和黑色的背景。
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
cv2.imshow('THRESH_BINARY_INV',thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
2、 對(duì)二值化后的圖像進(jìn)行輪廓檢測(cè)并標(biāo)注
可以看到大致路線已經(jīng)出現(xiàn)。
#對(duì)二值化處理的圖像進(jìn)行輪廓檢測(cè)并標(biāo)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)
#用不同顏色來標(biāo)注
dc=cv2.drawContours(thresh, contours, 0, (255, 255, 255), 5)
# TODO 大迷宮的len(contours): 26
dc=cv2.drawContours(dc, contours, 1, (0, 0, 0), 5)
cv2.imshow('drawContours',dc)
cv2.waitKey(0)
cv2.destroyAllWindows()
3、對(duì)圖像閾值進(jìn)行處理。
#對(duì)圖像閾值進(jìn)行處理
ret, thresh = cv2.threshold(dc, 240, 255, cv2.THRESH_BINARY)
# ret, thresh = cv2.threshold(thresh, 240, 255, cv2.THRESH_BINARY)
cv2.imshow('thresh2',thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
4、對(duì)圖像進(jìn)行擴(kuò)展操作。
擴(kuò)張是數(shù)學(xué)形態(tài)領(lǐng)域的兩個(gè)基本操作者之一，另一個(gè)是侵蝕。它通常應(yīng)用于二進(jìn)制圖像，但有一些版本可用于灰度圖像。
操作者對(duì)二進(jìn)制圖像的基本效果是逐漸擴(kuò)大前景像素區(qū)域的邊界（通常為白色像素）。因此，前景像素的面積大小增加，而這些區(qū)域內(nèi)的孔變小。
# 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()
5、對(duì)圖像進(jìn)行侵蝕操作。
侵蝕是第二個(gè)形態(tài)運(yùn)算符。它也適用于二進(jìn)制圖像。操作者對(duì)二進(jìn)制圖像的基本效果是消除前景像素區(qū)域的邊界（通常為白色像素）。
因此，前景像素的面積縮小，并且這些區(qū)域內(nèi)的孔變大。
# Erosion
erosion = cv2.erode(dilation, kernel, iterations=1)
cv2.imshow('erosion',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()
6、分迷宮通道找出路徑。
為了在原始迷宮圖像上顯示解決方案，首先將原來的迷宮分割成r，g，b組件。現(xiàn)在通過反轉(zhuǎn)diff圖像創(chuàng)建一個(gè)掩碼。使用在最后一步中創(chuàng)建的掩碼的原始迷宮的按位和r和g分量。這一步將從迷宮解決方案的圖像部分去除紅色和綠色成分。最后一個(gè)是合并所有組件，我們將使用藍(lán)色標(biāo)記的解決方案。
到此我們的迷宮也就走通了，總得來說還是比人眼快一些，當(dāng)然如果你眼觀八方那當(dāng)我沒說￣□￣｜｜
#找到兩個(gè)圖像的差異
diff = cv2.absdiff(dilation, erosion)
# 分迷宮的通道
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()
三、完整代碼如下。
import cv2
import numpy as np
img = cv2.imread('../photos/1.png')
cv2.imshow('maze',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#對(duì)圖像進(jìn)行二值化
# Binary conversion
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#反轉(zhuǎn)tholdolding將給我們一個(gè)二進(jìn)制的圖像與白色的墻壁和黑色的背景。
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
cv2.imshow('THRESH_BINARY_INV',thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
#對(duì)二值化處理的圖像進(jìn)行輪廓檢測(cè)并標(biāo)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)
#用不同顏色來標(biāo)注
dc=cv2.drawContours(thresh, contours, 0, (255, 255, 255), 5)
# TODO 大迷宮的len(contours): 26
dc=cv2.drawContours(dc, contours, 1, (0, 0, 0), 5)
cv2.imshow('drawContours',dc)
cv2.waitKey(0)
cv2.destroyAllWindows()
#對(duì)圖像閾值進(jìn)行處理
ret, thresh = cv2.threshold(dc, 240, 255, cv2.THRESH_BINARY)
# ret, thresh = cv2.threshold(thresh, 240, 255, cv2.THRESH_BINARY)
cv2.imshow('thresh2',thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
'''
擴(kuò)張
擴(kuò)張是數(shù)學(xué)形態(tài)領(lǐng)域的兩個(gè)基本操作者之一，另一個(gè)是侵蝕。它通常應(yīng)用于二進(jìn)制圖像，但有一些版本可用于灰度圖像。
操作者對(duì)二進(jìn)制圖像的基本效果是逐漸擴(kuò)大前景像素區(qū)域的邊界（通常為白色像素）。因此，前景像素的面積大小增加，而這些區(qū)域內(nèi)的孔變小。
'''
# 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
#侵蝕是第二個(gè)形態(tài)運(yùn)算符。它也適用于二進(jìn)制圖像。操作者對(duì)二進(jìn)制圖像的基本效果是消除前景像素區(qū)域的邊界（通常為白色像素）。
# 因此，前景像素的面積縮小，并且這些區(qū)域內(nèi)的孔變大。
erosion = cv2.erode(dilation, kernel, iterations=1)
cv2.imshow('erosion',erosion)
cv2.waitKey(0)
cv2.destroyAllWindows()
#找到兩個(gè)圖像的差異
diff = cv2.absdiff(dilation, erosion)
cv2.imshow('diff',diff)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 分迷宮的通道
b, g, r = cv2.split(img)
mask_inv = cv2.bitwise_not(diff)
#為了在原始迷宮圖像上顯示解決方案，首先將原來的迷宮分割成r，g，b組件?，F(xiàn)在通過反轉(zhuǎn)diff圖像創(chuàng)建一個(gè)掩碼。
# 使用在最后一步中創(chuàng)建的掩碼的原始迷宮的按位和r和g分量。這一步將從迷宮解決方案的圖像部分去除紅色和綠色成分。
# 最后一個(gè)是合并所有組件，我們將使用藍(lán)色標(biāo)記的解決方案。
# 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()總結(jié)
到此這篇關(guān)于使用OpenCV實(shí)現(xiàn)迷宮解密的文章就介紹到這了,更多相關(guān)OpenCV迷宮解密內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
相關(guān)文章
今天小編就為大家分享一篇python 使用opencv 把視頻分割成圖片示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12
Python中的os.path路徑模塊中的操作方法總結(jié)
os.path模塊主要集成了針對(duì)路徑文件夾的操作功能,這里我們就來看一下Python中的os.path路徑模塊中的操作方法總結(jié),需要的朋友可以參考下2016-07-07
大家好，本篇文章主要講的是Python3.10和Python3.9版本之間的差異介紹，感興趣的同學(xué)趕快來看一看吧，對(duì)你有幫助的話記得收藏一下哦2021-12-12
wxpython中利用線程防止假死的實(shí)現(xiàn)方法
上午抽空學(xué)習(xí)了一下在wxpython中啟用線程的方法，將GUI和功能的執(zhí)行分開，果然程序運(yùn)行起來杠杠滴。因?yàn)槲夷莻€(gè)軟件的代碼暫時(shí)不能公開，這里專門寫個(gè)小程序，作為今天的筆記吧2014-08-08
PYQT5 vscode聯(lián)合操作qtdesigner的方法
這篇文章主要介紹了PYQT5 vscode聯(lián)合操作qtdesigner的方法，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03
字典是Python中的一種數(shù)據(jù)類型,它是一個(gè)無序的鍵值對(duì)集合,在實(shí)際的編程中,我們經(jīng)常需要?jiǎng)h除字典中的某個(gè)鍵值對(duì),本文將從多個(gè)角度分析Python刪除字典中的某個(gè)key的方法,需要的朋友可以參考下2024-10-10
這篇文章主要介紹了Python抓取百度查詢結(jié)果的方法,涉及Python正則匹配及字符串與URL操作的相關(guān)技巧,需要的朋友可以參考下2015-07-07
Python利用arcpy模塊實(shí)現(xiàn)柵格的創(chuàng)建與拼接
這篇文章主要為大家詳細(xì)介紹了如何基于Python語言arcpy模塊，實(shí)現(xiàn)柵格影像圖層建立與多幅遙感影像數(shù)據(jù)批量拼接（Mosaic）的操作，感興趣的可以了解一下2023-02-02
TensorFlow可視化工具TensorBoard默認(rèn)圖與自定義圖
這篇文章主要介紹了TensorFlow可視化工具TensorBoard默認(rèn)圖與自定義圖的使用操作示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-10-10
Python接口測(cè)試數(shù)據(jù)庫封裝實(shí)現(xiàn)原理
這篇文章主要介紹了Python接口測(cè)試數(shù)據(jù)庫封裝實(shí)現(xiàn)原理,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-05-05