亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

使用OpenCV實(shí)現(xiàn)迷宮解密的全過(guò)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(lái)緩解暴躁,于是乎就碼了一個(gè)程序出來(lái),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(guò)自己一點(diǎn)一點(diǎn)的找出口，但我們?nèi)庋蹃?lái)解謎恐怕眼睛有點(diǎn)小難受，特別是走了半天發(fā)現(xiàn)這迷宮無(wú)解，代入一下已經(jīng)生氣了，所以我們何必不直接開(kāi)掛，使用opencv來(lái)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(guò)來(lái)，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(lái)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(lái)的迷宮分割成r，g，b組件。現(xiàn)在通過(guò)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(lái)說(shuō)還是比人眼快一些，當(dāng)然如果你眼觀八方那當(dāng)我沒(méi)說(shuō)￣□￣｜｜

#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(lái)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(lái)的迷宮分割成r，g，b組件。現(xiàn)在通過(guò)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！

相關(guān)文章

最新評(píng)論