是的的俄罗丝方块程序代码,轻松颜色辨别并追踪

H5游戏开荒:一笔画

2017/11/07 · HTML5 ·
游戏

初稿出处: 坑坑洼洼实验室   

图片 1

#include <windows.h>
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <conio.h>

本次来大家用opencv来贯彻识别追踪铁锈棕物体并重返地点坐标的功效。

H5游戏开垦:一笔画

by leeenx on 2017-11-02

一笔画是图论[科普](https://zh.wikipedia.org/wiki/%E5%9B%BE%E8%AE%BA)中一个老品牌的主题材料,它源点于柯拿骚堡七桥主题素材[科普](https://zh.wikipedia.org/wiki/%E6%9F%AF%E5%B0%BC%E6%96%AF%E5%A0%A1%E4%B8%83%E6%A1%A5%E9%97%AE%E9%A2%98)。地教育学家欧拉在他1736年见报的诗歌《柯莱切斯特堡的七桥》中不但化解了七桥主题素材,也提议了一笔画定理,顺带解决了一笔画难点。用图论的术语来讲,对于三个加以的连通图[科普](https://zh.wikipedia.org/wiki/%E8%BF%9E%E9%80%9A%E5%9B%BE)存在一条恰巧含有全部线段并且未有再一次的门道,这条路径正是「一笔画」。

检索连通图那条门路的进程正是「一笔画」的娱乐经过,如下:

图片 2

class Console
{
public:
Console()
{
hStdOutput = INVALID_HANDLE_VALUE;
hStdError = INVALID_HANDLE_VALUE;
}
bool Open( void )
{
hStdOutput = GetStdHandle( STD_OUTPUT_HANDLE );
hStdError = GetStdHandle( STD_ERROR_HANDLE );
return INVALID_HANDLE_VALUE!=hStdOutput &&
INVALID_HANDLE_VALUE!=hStdError;
}
inline bool SetTitle( char* title ) // 设置标题
{
return TRUE==SetConsoleTitle(title);
}
bool RemoveCursor( void ) // 去处光标
{
CONSOLE_CURSOR_INFO cci;
if( !GetConsoleCursorInfo( hStdOutput, &cci ) ) return false;
cci.bVisible = false;
if( !SetConsoleCursorInfo( hStdOutput, &cci ) ) return false;
if( !GetConsoleCursorInfo( hStdError, &cci ) ) return false;
cci.bVisible = false;
if( !SetConsoleCursorInfo( hStdError, &cci ) ) return false;
return true;
}
bool SetWindowRect( short x, short y ) // 设置窗体尺寸
{
SMALL_RECT wrt = { 0, 0, x, y };
if( !SetConsoleWindowInfo( hStdOutput, TRUE, &wrt ) ) return false;
if( !SetConsoleWindowInfo( hStdError, TRUE, &wrt ) ) return false;
return true;
}
bool SetBufSize( short x, short y ) // 设置缓冲尺寸
{
COORD coord = { x, y };
if( !SetConsoleScreenBufferSize( hStdOutput, coord ) ) return false;
if( !SetConsoleScreenBufferSize( hStdError, coord ) ) return false;
return true;
}

该意义分为两有个别,识别颜色,追踪颜色。

游玩的兑现

「一笔画」的贯彻不复杂,小编把得以完结进程分成两步:

  1. 底图绘制
  2. 相互绘制

「底图绘制」把连通图以「点线」的款型体现在画布上,是游玩最轻便完结的有的;「交互作用绘制」是客商绘制解题路线的历程,这些进度会重借使管理点与点动态成线的逻辑。

bool GotoXY( short x, short y ) // 移动光标
{
COORD coord = { x, y };
if( !SetConsoleCursorPosition( hStdOutput, coord ) ) return false;
if( !SetConsoleCursorPosition( hStdError, coord ) ) return false;
return true;
}
bool SetColor( WOENCORED color ) // 设置前程色/背景观
{
if( !SetConsoleTextAttribute( hStdOutput, color ) ) return false;
if( !SetConsoleTextAttribute( hStdError, color ) ) return false;
return true;
}
bool OutputString( const char* pstr, size_t len=0 ) // 输出字符串
{
DWORD n = 0;
return TRUE==WriteConsole( hStdOutput, pstr, len?len:strlen(pstr), &n,
NULL );
}

要想完成颜色的辨识,大家要开拓摄像头,读取捕获的图像。将图像的水彩通道转变为HSV,设置选拔的一定颜色的参数。使用inRange函数将图像转变为二值图,其鲜绿杏黄部分显得为紫藤色,其余为威尼斯绿。

底图绘制

「单笔画」是多关卡的娱乐格局,笔者决定把关卡(连通图卡塔 尔(英语:State of Qatar)的定制以一个配置接口的款式对外揭露。对外暴光关卡接口须要有大器晚成套描述连通图形状的正经,而在小编眼前有七个选取:

  • 点记法
  • 线记法

举个连通图 —— 五角星为例来讲一下那多少个选项。

图片 3

点记法如下:

JavaScript

levels: [ // 当前关卡 { name: “五角星”, coords: [ {x: Ax, y: Ay}, {x:
Bx, y: By}, {x: Cx, y: Cy}, {x: Dx, y: Dy}, {x: Ex, y: Ey}, {x: Ax, y:
Ay} ] } … ]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
levels: [
// 当前关卡
{
name: "五角星",
coords: [
{x: Ax, y: Ay},
{x: Bx, y: By},
{x: Cx, y: Cy},
{x: Dx, y: Dy},
{x: Ex, y: Ey},
{x: Ax, y: Ay}
]
}
]

线记法如下:

JavaScript

levels: [ // 当前关卡 { name: “五角星”, lines: [ {x1: Ax, y1: Ay, x2:
Bx, y2: By}, {x1: Bx, y1: By, x2: Cx, y2: Cy}, {x1: Cx, y1: Cy, x2: Dx,
y2: Dy}, {x1: Dx, y1: Dy, x2: Ex, y2: Ey}, {x1: Ex, y1: Ey, x2: Ax, y2:
Ay} ] } ]

1
2
3
4
5
6
7
8
9
10
11
12
13
levels: [
// 当前关卡
{
name: "五角星",
lines: [
{x1: Ax, y1: Ay, x2: Bx, y2: By},
{x1: Bx, y1: By, x2: Cx, y2: Cy},
{x1: Cx, y1: Cy, x2: Dx, y2: Dy},
{x1: Dx, y1: Dy, x2: Ex, y2: Ey},
{x1: Ex, y1: Ey, x2: Ax, y2: Ay}
]
}
]

「点记法」记录关卡通关的三个答案,即端点要按自然的相继贮存到数组
coords中,它是有序性的笔录。「线记法」通过两点描述连通图的线条,它是冬季的笔录。「点记法」最大的优势是表现越来越精短,但它必需记录一个合格答案,作者只是关卡的苦力不是关卡创设者,所以作者最后采摘了「线记法」。:卡塔尔

bool OutputStringNoMove( short x, short y, const char* pstr, size_t
len=0 ) // 输出字符串
{
COORD coord = { x, y };
DWORD n = 0;
return TRUE==WriteConsoleOutputCharacter( hStdOutput, pstr,
len?len:strlen(pstr), coord, &n );
}
private:
HANDLE hStdOutput;
HANDLE hStdError;
};

代码:

相互绘制

在画布上制图路径,从视觉上实属「接收或三回九转连通图端点」的进度,那几个历程必要减轻2个难点:

  • 手指下是或不是有端点
  • 当选点到待选中式茶食时期是不是成线

搜聚连通图端点的坐标,再监听手指滑过的坐标能够知晓「手指下是还是不是有一点」。以下伪代码是采摘端点坐标:

JavaScript

// 端点坐标消息 let coords = []; lines.forEach(({x1, y1, x2, y2})
=> { // (x1, y1) 在 coords 数组不设有 if(!isExist(x1, y1))
coords.push([x1, y1]); // (x2, y2) 在 coords 数组空头支票if(!isExist(x2, y2)) coords.push([x2, y2]); });

1
2
3
4
5
6
7
8
// 端点坐标信息
let coords = [];
lines.forEach(({x1, y1, x2, y2}) => {
// (x1, y1) 在 coords 数组不存在
if(!isExist(x1, y1)) coords.push([x1, y1]);
// (x2, y2) 在 coords 数组不存在
if(!isExist(x2, y2)) coords.push([x2, y2]);
});

以下伪代码是监听手指滑动:

JavaScript

easel.addEventListener(“touchmove”, e => { let x0 =
e.targetTouches[0].pageX, y0 = e.targetTouches[0].pageY; // 端点半径
—— 取连通图端点半径的2倍,提高活动端体验 let r = radius * 2;
for(let [x, y] of coords){ if(Math.sqrt(Math.pow(x – x0, 2) +
Math.pow(y – y0), 2) <= r){ // 手指下有端点,剖断是还是不是连线
if(canConnect(x, y)) { // todo } break; } } })

1
2
3
4
5
6
7
8
9
10
11
12
13
14
easel.addEventListener("touchmove", e => {
let x0 = e.targetTouches[0].pageX, y0 = e.targetTouches[0].pageY;
// 端点半径 —— 取连通图端点半径的2倍,提升移动端体验
let r = radius * 2;
for(let [x, y] of coords){
if(Math.sqrt(Math.pow(x – x0, 2) + Math.pow(y – y0), 2) <= r){
// 手指下有端点,判断能否连线
if(canConnect(x, y)) {
// todo
}
break;
}
}
})

在未绘制任何线段或端点以前,手指滑过的大肆端点都会被用作「一笔画」的发轫点;在绘制了线段(或有选中式茶食卡塔尔后,手指滑过的端点能还是不可能与选中式点心串连成线段必要基于现存条件举行剖断。

图片 4

上海体育场地,点A与点B可连续几天来成线段,而点A与点C不可能三番五次。小编把「能够与钦定端点连接成线段的端点称作卓有成效连接点」。连通图端点的卓有作用连接点从连通图的线条中领到:

JavaScript

coords.forEach(coord => { // 有效连接点(坐标卡塔尔国挂载在端点坐标下
coord.validCoords = []; lines.forEach(({x1, y1, x2, y2}) => { //
坐标是近日线段的源点 if(coord.x === x1 && coord.y === y1) {
coord.validCoords.push([x2, y2]); } // 坐标是日前线段的终极 else
if(coord.x === x2 && coord.y === y2) { coord.validCoords.push([x1,
y1]); } }) })

1
2
3
4
5
6
7
8
9
10
11
12
13
14
coords.forEach(coord => {
// 有效连接点(坐标)挂载在端点坐标下
coord.validCoords = [];
lines.forEach(({x1, y1, x2, y2}) => {
// 坐标是当前线段的起点
if(coord.x === x1 && coord.y === y1) {
coord.validCoords.push([x2, y2]);
}
// 坐标是当前线段的终点
else if(coord.x === x2 && coord.y === y2) {
coord.validCoords.push([x1, y1]);
}
})
})

But…有效连接点只可以判定七个点是还是不是为底图的线条,那只是二个静态的参阅,在其实的「交互绘制」中,会遇上以下处境:

图片 5
如上海教室,AB已串连成线段,当前选中式茶食B的实惠连接点是 A 与 C。AB
已经延续成线,假诺 BA 也串连成线段,那么线段就再也了,所以那个时候 BA
不能够成线,独有 AC 技艺成线。

对选中式茶食来说,它的实用连接点有三种:

  • 与选中式茶食「成线的卓有成效连接点」
  • 与选中式茶食「未成线的有用连接点」

个中「未成线的实惠连接点」才干参预「人机联作绘制」,何况它是动态的。

图片 6

回头本节内容初步提的七个难题「手指下是还是不是有端点」 与
「选中式糕点到待选中式茶食时期是还是不是成线」,其实可统后生可畏为二个难点:手指下是还是不是留存「未成线的有效性连接点」。只须把监听手指滑动遍历的数组由连通图全数的端点坐标
coords 替换为日前选中式茶食的「未成线的卓有作用连接点」就能够。

时至明日「一笔画」的首要成效已经达成。能够当先体验一下:

图片 7

const char bg[] =
“┏━━━━━━━━━━━┓ “
“┃■■■■■■■■■■■┃ ←↓→ ↑”
“┃■■■■■■■■■■■┃ Begin “
“┃■■■■■■■■■■■┃ Voice = Yes”
“┃■■■■■■■■■■■┃ Sleep “
“┃■■■■■■■■■■■┃ Quit “
“┃■■■■■■■■■■■┃ “
“┃■■■■■■■■■■■┃ “
“┃■■■■■■■■■■■┃ NEXT “
“┃■■■■■■■■■■■┃┏━━━━┓”
“┃■■■■■■■■■■■┃┃    ┃”
“┃■■■■■■■■■■■┃┃    ┃”
“┃■■■■■■■■■■■┃┗━━━━┛”
“┃■■■■■■■■■■■┃ LEVEL “
“┃■■■■■■■■■■■┃┏━━━━┓”
“┃■■■■■■■■■■■┃┃ 0┃”
“┃■■■■■■■■■■■┃┗━━━━┛”
“┃■■■■■■■■■■■┃ SCORE “
“┃■■■■■■■■■■■┃┏━━━━┓”
“┃■■■■■■■■■■■┃┃ 00000┃”
“┗━━━━━━━━━━━┛┗━━━━┛”;

VideoCapture cap(0);//张开摄像头

机动识图

小编在录加入关贸总协定协会卡配置时,发掘一个7条边以上的接入图非常轻便录错或录重线段。小编在思索是还是不是开辟三个自动识别图形的插件,毕竟「一笔画」的图形是有准则的几何图形。

图片 8

地点的关卡「底图」,一眼就可以识出多少个颜色:

  • 白底
  • 端点颜色
  • 线条颜色

与此同偶尔间那三种颜色在「底图」的面积大小顺序是:白底 > 线段颜色 >
端点颜色。底图的「搜聚色值表算法」相当轻便,如下伪代码:

JavaScript

let imageData = ctx.getImageData(); let data = imageData.data; // 色值表
let clrs = new Map(); for(let i = 0, len = data.length; i < len; i +=
4) { let [r, g, b, a] = [data[i], data[i + 1], data[i + 2],
data[i + 3]]; let key = `rgba(${r}, ${g}, ${b}, ${a})`; let value =
clrs.get(key) || {r, g, b, a, count: 0}; clrs.has(key) ? ++value.count :
clrs.set(rgba, {r, g, b, a, count}); }

1
2
3
4
5
6
7
8
9
10
let imageData = ctx.getImageData();
let data = imageData.data;
// 色值表
let clrs = new Map();
for(let i = 0, len = data.length; i < len; i += 4) {
let [r, g, b, a] = [data[i], data[i + 1], data[i + 2], data[i + 3]];
let key = `rgba(${r}, ${g}, ${b}, ${a})`;
let value = clrs.get(key) || {r, g, b, a, count: 0};
clrs.has(key) ? ++value.count : clrs.set(rgba, {r, g, b, a, count});
}

对于连通图来讲,只要把端点识别出来,连通图的轮廓也就出去了。

const char bk[7][4][4][4] =
{
{
{ { 0,1,1,0 },{ 1,1,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,0,0,0 },{ 1,1,0,0 },{ 0,1,0,0 },{ 0,0,0,0 } },
{ { 0,1,1,0 },{ 1,1,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,0,0,0 },{ 1,1,0,0 },{ 0,1,0,0 },{ 0,0,0,0 } }
}
,
{
{ { 1,1,0,0 },{ 0,1,1,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 0,1,0,0 },{ 1,1,0,0 },{ 1,0,0,0 },{ 0,0,0,0 } },
{ { 1,1,0,0 },{ 0,1,1,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 0,1,0,0 },{ 1,1,0,0 },{ 1,0,0,0 },{ 0,0,0,0 } }
}
,
{
{ { 1,1,1,0 },{ 1,0,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,0,0,0 },{ 1,0,0,0 },{ 1,1,0,0 },{ 0,0,0,0 } },
{ { 0,0,1,0 },{ 1,1,1,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,1,0,0 },{ 0,1,0,0 },{ 0,1,0,0 },{ 0,0,0,0 } }
}
,
{
{ { 1,1,1,0 },{ 0,0,1,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,1,0,0 },{ 1,0,0,0 },{ 1,0,0,0 },{ 0,0,0,0 } },
{ { 1,0,0,0 },{ 1,1,1,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 0,1,0,0 },{ 0,1,0,0 },{ 1,1,0,0 },{ 0,0,0,0 } }
}
,
{
{ { 1,1,0,0 },{ 1,1,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,1,0,0 },{ 1,1,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,1,0,0 },{ 1,1,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,1,0,0 },{ 1,1,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } }
}
,
{
{ { 0,1,0,0 },{ 1,1,1,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 0,1,0,0 },{ 1,1,0,0 },{ 0,1,0,0 },{ 0,0,0,0 } },
{ { 1,1,1,0 },{ 0,1,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,0,0,0 },{ 1,1,0,0 },{ 1,0,0,0 },{ 0,0,0,0 } }
}
,
{
{ { 1,1,1,1 },{ 0,0,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,0,0,0 },{ 1,0,0,0 },{ 1,0,0,0 },{ 1,0,0,0 } },
{ { 1,1,1,1 },{ 0,0,0,0 },{ 0,0,0,0 },{ 0,0,0,0 } },
{ { 1,0,0,0 },{ 1,0,0,0 },{ 1,0,0,0 },{ 1,0,0,0 } }
}
};

if ( !cap.isOpened() )

端点识别

辩白上,通过访问的「色值表」能够直接把端点的坐标志别出来。作者设计的「端点识别算法」分以下2步:

  1. 按像素扫描底图直到遇见「端点颜色」的像素,步向第二步
  2. 从底图上海消防弭端点并记下它的坐标,重回继续第一步

伪代码如下:

JavaScript

for(let i = 0, len = data.length; i < len; i += 4) { let [r, g, b,
a] = [data[i], data[i + 1], data[i + 2], data[i + 3]]; //
当前像素颜色归属端点 if(isBelongVertex(r, g, b, a)) { // 在 data
中清空端点 vertex = clearVertex(i); // 记录端点消息vertexes.push(vertext); } }

1
2
3
4
5
6
7
8
9
10
for(let i = 0, len = data.length; i < len; i += 4) {
let [r, g, b, a] = [data[i], data[i + 1], data[i + 2], data[i + 3]];
// 当前像素颜色属于端点
if(isBelongVertex(r, g, b, a)) {
// 在 data 中清空端点
vertex = clearVertex(i);
// 记录端点信息
vertexes.push(vertext);
}
}

But…
上边的算法只可以跑无损图。作者在选用了一张手提式有线电话机截屏做测量检验的时候开掘,搜聚到的「色值表」长度为
5000+ !那直接形成端点和线条的色值不能够直接得到。

通过深入分析,能够窥见「色值表」里好多色值都以周围的,约等于在原先的「收罗色值表算法」的根基上加多叁个好像颜色过滤即能够寻找端点和线条的主色。伪代码实现如下:

JavaScript

let lineColor = vertexColor = {count: 0}; for(let clr of clrs) { //
与底色周边,跳过 if(isBelongBackground(clr)) continue; //
线段是数额第二多的水彩,端点是第三多的颜料 if(clr.count >
lineColor.count) { [vertexColor, lineColor] = [lineColor, clr] } }

1
2
3
4
5
6
7
8
9
let lineColor = vertexColor = {count: 0};
for(let clr of clrs) {
// 与底色相近,跳过
if(isBelongBackground(clr)) continue;
// 线段是数量第二多的颜色,端点是第三多的颜色
if(clr.count > lineColor.count) {
[vertexColor, lineColor] = [lineColor, clr]
}
}

取到端点的主色后,再跑一次「端点识别算法」后居识别出 203
个端点!这是为啥呢?

图片 9

上海体育场所是推广5倍后的底图局地,豆青端点的方圆和个中充斥着多量噪点(杂色块卡塔 尔(阿拉伯语:قطر‎。事实上在「端点识别」进度中,由于噪点的存在,把原先的端点被分解成19个或数12个小端点了,以下是跑过「端点识别算法」后的底图:

图片 10

经过上海教室,可以直观地搜查缴获一个定论:识别出来的小端点只在对象(大卡塔 尔(英语:State of Qatar)端点上汇聚分布,况兼大端点范围内的小端点叠合交错。

万生机勃勃把叠合交错的小端点合并成贰个五头点,那么那几个大端点将那些相像目的端点。小端点的联合伪代码如下:

JavaScript

for(let i = 0, len = vertexes.length; i < len – 1; ++i) { let vertexA
= vertexes[i]; if(vertextA === undefined) continue; // 注意这里 j = 0
并非 j = i +1 for(let j = 0; j < len; ++j) { let vertexB =
vertexes[j]; if(vertextB === undefined) continue; //
点A与点B有增大,点B合并到点A并剔除点B if(isCross(vertexA, vertexB)) {
vertexA = merge(vertexA, vertexB); delete vertexA; } } }

1
2
3
4
5
6
7
8
9
10
11
12
13
14
for(let i = 0, len = vertexes.length; i < len – 1; ++i) {
let vertexA = vertexes[i];
if(vertextA === undefined) continue;
// 注意这里 j = 0 而不是 j = i +1
for(let j = 0; j < len; ++j) {
let vertexB = vertexes[j];
if(vertextB === undefined) continue;
// 点A与点B有叠加,点B合并到点A并删除点B
if(isCross(vertexA, vertexB)) {
vertexA = merge(vertexA, vertexB);
delete vertexA;
}
}
}

加了小端点归拢算法后,「端点识别」的正确度就上去了。经小编本地质度量试已经得以
百分之百 识别有损的连通图了。

const WORD COLOR_A =
FOREGROUND_RED|FOREGROUND_GREEN|FOREGROUND_INTENSITY; //
运动中的颜色
const WORD COLOR_B = FOREGROUND_GREEN; // 固定不动的水彩
const WORD COLOR_C =
FOREGROUND_RED|FOREGROUND_GREEN|FOREGROUND_BLUE; // 空白处的颜料

{

线条识别

作者分多个步骤完成「线段识别」:

  1. 加以的七个端点连接成线,并收罗连线上N个「样品点」;
  2. 遍历样板点像素,要是像素色值不对等线段色值则意味这八个端点之间海市蜃楼线段

何以搜罗「样式点」是个难点,太密集会影响属性;太疏松精准度不可能保障。

在小编前边有多少个选项:N 是常量;N 是变量。
假设 N === 5。局地提取「样式点」如下:

图片 11

上海体育场所,会识别出三条线条:AB, BC 和 AC。而事实上,AC不能够成线,它只是因为
AB 和 BC 视觉上共一线的结果。当然把 N 值向上进步可以缓慢解决这一个主题材料,但是 N
作为常量的话,那几个常量的取量需求靠阅世来判断,果然扬弃。

为了幸免 AB 与 BC 同处一向线时 AC 被辨认成线段,其实很简短 ——
多少个「样品点」的间距小于或等于端点直径
假设 N = S / (2 * R),S 代表两点的相距,PRADO表示端点半径。局部提取「样式点」如下:

图片 12

如上海体育场面,成功地绕过了 AC。「线段识别算法」的伪代码达成如下:

JavaScript

for(let i = 0, len = vertexes.length; i < len – 1; ++i) { let {x: x1,
y: y1} = vertexes[i]; for(let j = i + 1; j < len; ++j) { let {x:
x2, y: y2} = vertexes[j]; let S = Math.sqrt(Math.pow(x1 – x2, 2) +
Math.pow(y1 – y2, 2)); let N = S / (R * 2); let stepX = (x1 – x2) / N,
stepY = (y1 – y2) / n; while(–N) { // 样板点不是线段色
if(!isBelongLine(x1 + N * stepX, y1 + N * stepY)) break; } //
样板点都合格 —- 表示两点成线,保存 if(0 === N) lines.push({x1, y1, x2,
y2}) } }

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
for(let i = 0, len = vertexes.length; i < len – 1; ++i) {
let {x: x1, y: y1} = vertexes[i];
for(let j = i + 1; j < len; ++j) {
let {x: x2, y: y2} = vertexes[j];
let S = Math.sqrt(Math.pow(x1 – x2, 2) + Math.pow(y1 – y2, 2));
let N = S / (R * 2);
let stepX = (x1 – x2) / N, stepY = (y1 – y2) / n;
while(–N) {
// 样本点不是线段色
if(!isBelongLine(x1 + N * stepX, y1 + N * stepY)) break;
}
// 样本点都合格 —- 表示两点成线,保存
if(0 === N) lines.push({x1, y1, x2, y2})
}
}

bool voice = true;
int score = 0, level = 0;
char data[19][11] = { 0 };
int next = -1;
int x=4, y=-2, c=-1, z=0; // x坐标,坐标,当前方块,方向

cout << “Cannot open the camera” << endl;

质量优化

鉴于「自动识图」要求对图像的的像素点进行围观,那么质量确实是个须求关心的标题。小编设计的「自动识图算法」,在辨明图像的经过中须求对图像的像素做两遍扫描:「搜罗色值表」
与 「收罗端点」。在扫描次数上实在很难下落了,可是对于一张 750 * 1334
的底图来讲,「自动识图算法」供给遍历四遍长度为
750 * 1334 * 4 = 4,002,000
的数组,压力照旧会有个别。笔者是从压缩被扫描数组的尺寸来升高质量的。

被围观数组的尺寸怎么削减?
小编直接通过减弱画布的尺寸来完成缩短被扫描数组尺寸的。伪代码如下:

JavaScript

// 要减少的翻番 let resolution = 4; let [width, height] = [img.width
/ resolution >> 0, img.height / resolution >> 0];
ctx.drawImage(img, 0, 0, width, height); let imageData =
ctx.getImageData(), data = imageData;

1
2
3
4
5
// 要压缩的倍数
let resolution = 4;
let [width, height] = [img.width / resolution >> 0, img.height / resolution >> 0];
ctx.drawImage(img, 0, 0, width, height);
let imageData = ctx.getImageData(), data = imageData;

把源图片降低4倍后,拿到的图样像素数组独有原本的
4^2 = 16倍。那在性质上是超大的晋级。

Console csl; // 定义调控台对象

return -1;

行使「自动识图」的提议

纵然作者在地面测验的时候能够把装有的「底图」识别出来,不过并不可能担保别的开垦者上传的图形是不是被很好的分辨出来。作者提出,能够把「自动识图」做为一个独门的工具使用。

小编写了二个「自动识图」的独门工具页面:
能够在此个页目生成对应的卡子配置。

void VoiceBeep( void )
{
if( voice )
Beep( 1760, 10 );
}

}

结语

下边是本文介绍的「一笔画」的线上
DEMO 的二维码:

图片 7

娱乐的源码托管在:
个中游戏实现的主导代码在:
机动识图的代码在:

谢谢耐心阅读完本小说的读者。本文仅表示小编的个人观点,如有不妥之处请多都赐教。

谢谢您的开卷,本文由 坑坑洼洼实验室
版权所有。假设转发,请注脚出处:凹凸实验室()

1 赞 1 收藏
评论

图片 14

void DrawScoreLevel( void ) // 绘制得分
{
char tmp[6];
sprintf( tmp, “%05d”, score );
csl.OutputStringNoMove( 31, 19, tmp, 5 );
sprintf( tmp, “%1d”, level );
csl.OutputStringNoMove( 35, 15, tmp, 1 );
}

int iLowH = 100; int iHighH = 140; int iLowS = 90; int iHighS = 255; int
iLowV = 90; int iHighV = 255;//设置浅橙的水彩参量。

void DrawVoice( void )
{
csl.OutputStringNoMove( 35, 3, voice?”Yes”:”No ” );
}

Mat imgOriginal; bool bSuccess = cap.read(imgOriginal); if (!bSuccess) {
cout << “Cannot read a frame from video stream” << endl;
break; } Mat imgHSV; vectorhsvSplit;

void DrawNext( void ) // 绘制 “next框” 中的图形
{
for( int i=0; i<2; ++i )
{
for( int j=0; j<4; ++j )
{
csl.OutputStringNoMove( 28+j*2, 10+i,
bk[next][0][i][j]==0?” ”:”■”, 2 );
}
}
}

cvtColor(imgOriginal, imgHSV, COLOR_BGRubicon2HSV); 
//因为我们读取的是紫气东来图,直方图均衡化须求在HSV空间做

void DrawOver( void ) // 游戏结束
{
csl.OutputStringNoMove( 28, 10, “GAME” );
csl.OutputStringNoMove( 28, 11, “OVER” );
}

split(imgHSV, hsvSplit);

void Draw( WORD color )
{
for( int i=0; i<4; ++i )
{
if( y+i<0 || y+i>= 19 ) continue;
for( int j=0; j<4; ++j )
{
if( bk[c][z][i][j] == 1 )
{
csl.SetColor( color );
csl.GotoXY( 2+x*2+j*2, 1+y+i );
csl.OutputString( “■”, 2 );
}
}
}
}

equalizeHist(hsvSplit[2],hsvSplit[2]);

bool IsFit( int x, int y, int c, int z ) // 给定的x,y,c,z是不是管用
{
for( int i=0; i<4; ++i )
{
for( int j=0; j<4; ++j )
{
if( bk[c][z][i][j]==1 )
{
if( y+i < 0 ) continue;
if( y+i>=19 || x+j<0 || x+j>=11 || data[y+i][x+j]==1 )
return false;
}
}
}
return true;
}

merge(hsvSplit,imgHSV);

void RemoveRow( void ) // 消行
{
const char FULLLINE[] = { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 };
int linecount = 0;
for( int i=0; i<19; ++i )
{
if( 0 == memcmp( data[i], FULLLINE, 11 ) )
{
++linecount;
for( int m=0; m<11; ++m )
{
for( int n=i; n>1; –n )
{
data[n][m] = data[n-1][m];

Mat imgThresholded;

csl.SetColor( data[n][m]==1?COLOR_B:COLOR_C );
csl.GotoXY( 2+m*2, 1+n );
csl.OutputString( “■”, 2 );
}
data[0][m] = 0;
csl.OutputStringNoMove( 2+m*2, 1, “■”, 2 );
}
}
}
char data[19][11] = { 0 };

inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS,
iHighV), imgThresholded);  //开操作 (去除一些噪点)

if( linecount == 0 ) return;
int _score = 0;
switch( linecount )
{
case 1: _score = 100; break;
case 2: _score = 300; break;
case 3: _score = 700; break;
case 4: _score = 1500;break;
}
score += _score;
if( score > 99999 ) score = 99999;
level = score/10000;
DrawScoreLevel();
}

Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));

void MoveTrans( void ) // 逆时针翻转
{
if( IsFit( x, y, c, (z+1)%4 ) )
{
VoiceBeep();
Draw( COLOR_C );
z=(z+1)%4;
Draw( COLOR_A );
}
}

morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);
//闭操作 (连接一些连通域)

void MoveLeft( void ) // 向左移
{
if( IsFit( x-1, y, c, z ) )
{
VoiceBeep();
Draw( COLOR_C );
–x;
Draw( COLOR_A );
}
}

morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);

void MoveRight( void ) // 向右移
{
if( IsFit( x+1, y, c, z ) )
{
VoiceBeep();
Draw( COLOR_C );
++x;
Draw( COLOR_A );
}
}

//对灰度图进行滤波

void MoveDown( void ) // 向下移
{
if( IsFit( x, y+1, c, z ) )
{
VoiceBeep();
Draw( COLOR_C );
++y;
Draw( COLOR_A );
}
else if( y != -2 ) // 触底
{
Draw( COLOR_B );

GaussianBlur(imgThresholded,imgThresholded, Size(3, 3), 0, 0);

for( int i=0; i<4; ++i )
{
if( y+i<0 ) continue;
for( int j=0; j<4; ++j )
{
if( bk[c][z][i][j] == 1 )
{
data[y+i][x+j] = 1;
}
}
}

imshow(“滤波后的图像”, imgThresholded);

RemoveRow();

图片 15

x=4, y=-2, c=next, z=0;
next = rand()%7;
DrawNext();
}
else // 游戏甘休
{
DrawOver();
}
}

二值图

void MessageDeal( void )
{
int cycle = 10 – level;
for( ; ; )
{
for( int i=0; i<cycle; ++i )
{
if( _kbhit() )
{
switch( _getch() )
{
case ‘Q’:
case ‘q’: // 退出
return;
break;
case ‘S’: // 暂停
case ‘s’:
for( ; ; )
{
switch( _getch() )
{
case ‘Q’:
case ‘q’: // 退出
return;
case ‘V’: // 声音
case ‘v’:
voice = !voice;
DrawVoice();
break;
case ‘S’:
case ‘s’:
goto LABLE_CONTINUE;
break;
}
}
LABLE_CONTINUE:
break;
case ‘V’: // 声音
case ‘v’:
voice = !voice;
DrawVoice();
break;
case 0xe0: // ←↓→ ↑
switch( _getch() )
{
case 0x4B: // ←
MoveLeft();
break;
case 0x50: // ↓
MoveDown();
break;
case 0x4d: // →
MoveRight();
break; // ↑ 变形
case 0x48:
MoveTrans();
default:
break;
}
break;
default:
break;
}
}

水彩辨别进程至此停止。

Sleep( 55 );
}
MoveDown();
}
}

要想追踪蓝绿,将其在原图像中用矩形框出,首先要将二值图中古铜黑的大约描出

int main()
{
csl.Open();
// 设置标题
csl.SetTitle( “俄罗丝方块 alpha” );
// 去处光标
csl.RemoveCursor();
// 设置窗体尺寸
csl.SetWindowRect( 38-1, 21-1 );
// 设置缓冲尺寸
csl.SetBufSize( 38, 21 );
// 输出背景字符
csl.OutputStringNoMove( 0,0,bg );
// 设置随机种子
srand( time(0) );

Mat cannyImage;

next = rand()%7;
DrawNext();
{
for( char c = (char)_getch(); c!=’B’&&c!=’b’; c=(char)_getch() ) //
开始 Begin
{
if( c==’V’ || c==’v’ ) // 铃声 Vocie
{
if( voice )
{
voice = false;
csl.OutputStringNoMove( 35, 3, “No ” );
}
else
{
voice = true;
csl.OutputStringNoMove( 35, 3, “Yes” );
}
}
}
}
x=4, y=-2, c=next, z=0;
next = rand()%7;
DrawNext();

Canny(imgThresholded, cannyImage, 128, 255, 3);

MessageDeal();
return 0;
}

图片 16

canny图

接下去正是选用vector总结出外边缘的像素个数,之后再用矩形框圈出。并在主导画出十字,再次来到十字的坐标。

vector> contours; vectorhierarchy; findContours(cannyImage, contours,
hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0)); //绘制轮廓for (int i = 0; i < (int)contours.size(); i++) {
drawContours(cannyImage, contours, i, Scalar(255), 1, 8); }
imshow(“管理后的图像”, cannyImage); //用矩形圈出大概并再次回到地点坐标
for(int i=0;ipoints=contours[i];

//对给定的2D点集,搜索最小面积的包围矩形

RotatedRect box=minAreaRect(Mat(points));

Point2f vertex[4];

box.points(vertex);

//绘制出最小面积的重围矩形

line(imgOriginal,vertex[0],vertex[1],Scalar(100,200,211),6,LINE_AA);

line(imgOriginal,vertex[1],vertex[2],Scalar(100,200,211),6,LINE_AA);

line(imgOriginal,vertex[2],vertex[3],Scalar(100,200,211),6,LINE_AA);

line(imgOriginal,vertex[3],vertex[0],Scalar(100,200,211),6,LINE_AA);

//绘制大旨的光标

Point s1,l,r,u,d;

s1.x=(vertex[0].x+vertex[2].x)/2.0;

s1.y=(vertex[0].y+vertex[2].y)/2.0;

l.x=s1.x-10;

l.y=s1.y;

r.x=s1.x+10;

r.y=s1.y;

u.x=s1.x;

u.y=s1.y-10;

d.x=s1.x;

d.y=s1.y+10;

line(imgOriginal,l,r,Scalar(100,200,211),2,LINE_AA);

line(imgOriginal,u,d,Scalar(100,200,211),2,LINE_AA);

cout<<“Blue\n”<<“( “<<x<<“,”<<y<<”
)”<<endl;

图片 17

效果图

但是这么些代码的职能照旧贫乏,中期可思虑提升成效,如只展现最大的矩形,自动依据光照来改造阈值来应对各异颜色情况下的景况。总体上看,有一点极度意思了,再接再砺。

全体代码(文本有缺点和失误,上传图片卡塔尔国

图片 18

图片 19

爱你呦,方宇。

Post Author: admin

发表评论

电子邮件地址不会被公开。 必填项已用*标注