基于Python怎么自制視覺桌上冰球小游戲

本篇內(nèi)容主要講解“基于Python怎么自制視覺桌上冰球小游戲”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“基于Python怎么自制視覺桌上冰球小游戲”吧!

介紹

規(guī)則如下：左手控制白色球拍；右手控制紫色球拍；球拍只能上下移動；紅色圓形就是冰球；球碰撞到上下兩側(cè)的藍(lán)色邊框，和兩側(cè)的球拍就會反彈；如果球進(jìn)入了黃色區(qū)域，游戲結(jié)束；下面的粉色計數(shù)板，記錄左右兩側(cè)各擊球多少次。

1. 文件配置

1.1 導(dǎo)入工具包

pip install opencv_python==4.2.0.34  # 安裝opencv
pip install mediapipe  # 安裝mediapipe
# pip install mediapipe --user  #有user報錯的話試試這個
pip install cvzone  # 安裝cvzone
 
# 導(dǎo)入工具包
import cv2
import cvzone
from cvzone.HandTrackingModule import HandDetector  # 導(dǎo)入手部檢測模塊

21個手部關(guān)鍵點坐標(biāo)如下：

1.2 素材圖片準(zhǔn)備

開始之前，先準(zhǔn)備球桌的圖片，球的圖片，球拍的圖片。我是用PPT畫的圖，球和球拍的圖片一定要保存成 .png 格式的。放在同一個文件夾中以備讀取。

2. 手部關(guān)鍵點檢測、素材導(dǎo)入

2.1 方法介紹

（1） cvzone.HandTrackingModule.HandDetector()手部關(guān)鍵點檢測方法

參數(shù)：

mode： 默認(rèn)為 False，將輸入圖像視為視頻流。它將嘗試在第一個輸入圖像中檢測手，并在成功檢測后進(jìn)一步定位手的坐標(biāo)。在隨后的圖像中，一旦檢測到所有 maxHands 手并定位了相應(yīng)的手的坐標(biāo)，它就會跟蹤這些坐標(biāo)，而不會調(diào)用另一個檢測，直到它失去對任何一只手的跟蹤。這減少了延遲，非常適合處理視頻幀。如果設(shè)置為 True，則在每個輸入圖像上運(yùn)行手部檢測，用于處理一批靜態(tài)的、可能不相關(guān)的圖像。

maxHands： 最多檢測幾只手，默認(rèn)為 2

detectionCon： 手部檢測模型的最小置信值（0-1之間），超過閾值則檢測成功。默認(rèn)為 0.5

minTrackingCon： 坐標(biāo)跟蹤模型的最小置信值 (0-1之間)，用于將手部坐標(biāo)視為成功跟蹤，不成功則在下一個輸入圖像上自動調(diào)用手部檢測。將其設(shè)置為更高的值可以提高解決方案的穩(wěn)健性，但代價是更高的延遲。如果 mode 為 True，則忽略這個參數(shù)，手部檢測將在每個圖像上運(yùn)行。默認(rèn)為 0.5

它的參數(shù)和返回值類似于官方函數(shù) mediapipe.solutions.hands.Hands()

MULTI_HAND_LANDMARKS： 被檢測/跟蹤的手的集合，其中每只手被表示為21個手部地標(biāo)的列表，每個地標(biāo)由x, y, z組成。

MULTI_HANDEDNESS： 被檢測/追蹤的手是左手還是右手的集合。每只手由label(標(biāo)簽)和score(分?jǐn)?shù))組成。 label 是 'Left' 或 'Right' 值的字符串。 score 是預(yù)測左右手的估計概率。

（2）cvzone.HandTrackingModule.HandDetector.findHands() 找到手部關(guān)鍵點并繪圖

參數(shù)：

img： 需要檢測關(guān)鍵點的幀圖像，格式為BGR

draw： 是否需要在原圖像上繪制關(guān)鍵點及識別框

flipType： 圖像是否需要翻轉(zhuǎn)，當(dāng)視頻圖像和我們自己不是鏡像關(guān)系時，設(shè)為True就可以了

返回值：

hands： 檢測到的手部信息，由0或1或2個字典組成的列表。如果檢測到兩只手就是由兩個字典組成的列表。字典中包含：21個關(guān)鍵點坐標(biāo)(x,y,z)，檢測框左上坐標(biāo)及其寬高，檢測框中心點坐標(biāo)，檢測出是哪一只手。

img： 返回繪制了關(guān)鍵點及連線后的圖像

（3）cv2.addWeighted()圖像融合

將兩張圖像按一定比例融合在一起，需要兩張圖像的size和通道數(shù)相同

兩張圖像按一定比例融合： cv2.addWeighted(圖像1, 權(quán)重1, 圖像2, 權(quán)重2, 亮度偏置)

相當(dāng)于 y = a x1 + b x2 + c，其中 a、b 代表權(quán)重，c 代表亮度上提亮多少

2.2 代碼展示

首先 cv2.imread() 中的參數(shù) cv2.IMREAD_UNCHANGED 是指用圖片的原來格式打開，包含Alpha通道。即以不改變圖片的方式打開，圖片是彩色那么讀進(jìn)來就是彩色，圖片是灰度圖那么讀進(jìn)來就是灰度圖，讀進(jìn)來的圖片的shape如下：

該部分代碼主要負(fù)責(zé)手部關(guān)鍵點檢測，融合背景圖像和視頻幀圖像

import cv2
import cvzone
from cvzone.HandTrackingModule import HandDetector  # 導(dǎo)入手部檢測模塊
 
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0)  # 0代表電腦自帶的攝像頭
cap.set(3, 1280)  # 讀入的圖像的寬
cap.set(4, 720)   # 讀入的圖像的高
 
 
#（2）文件配置
# 導(dǎo)入所有需要對圖片文件
imgDesk = cv2.imread('games/desk.jpg')  # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED)  # 球的圖片
imgBlock1 = cv2.imread('games/block1', cv2.IMREAD_UNCHANGED)  # 球拍的圖片
imgBlock2 = cv2.imread('games/block2', cv2.IMREAD_UNCHANGED)  # 球拍的圖片
# 調(diào)整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
 
 
#（3）參數(shù)設(shè)置
# 接收手部關(guān)鍵點識別的方法，最小手部檢測模塊置信度0.8，最多檢測2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
 
 
#（4）處理幀圖像
while True:
 
    # 返回是否讀取成功，以及讀取后的幀圖像
    success, img = cap.read()  # 每次執(zhí)行讀取一幀
    
    # 圖片翻轉(zhuǎn)呈鏡像關(guān)系，1代表左右翻轉(zhuǎn)，0代表上下翻轉(zhuǎn)
    img = cv2.flip(img, flipCode=1)
    
    # 手部關(guān)鍵點檢測，返回每個只手的信息和繪制后的圖像
    hands, img = detector.findHands(img, flipType=False)  # 上面翻轉(zhuǎn)過了這里就不用翻轉(zhuǎn)了
 
    # 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
    # 給出每張圖片的融合權(quán)重, 亮度偏置為0，這樣就變成了半透明的顯示形式
    img = cv2.addWeighted(img, 0.3, imgDesk, 0.7, 0)
 
    
    #（5）添加桌球的圖片，將imgBall放在球桌img的指定坐標(biāo)位置
    img = cvzone.overlayPNG(img, imgBall, (100,100))
    
    # 圖像展示
    cv2.imshow('img', img)
    # 每幀滯留1ms后消失
    k = cv2.waitKey(1)
    # ESC鍵退出程序
    if k & 0XFF==27:
        break
 
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()

效果圖如下：

3. 關(guān)鍵點處理、球拍移動

3.1 方法介紹

這部分主要完成兩項工作，第一是左右手分別控制左側(cè)和右側(cè)的球拍，第二個是球以一定的速度移動。

（1）控制球拍

hand['bbox'] 中包含了手部檢測框的左上角坐標(biāo)和檢測框的寬高，使用手掌中心點的 y 坐標(biāo)來控制球拍的上下移動。由于兩個球拍的shape是相同的，因此只要獲取一個球拍的高度 h2 即可。使用掌心中點 y 坐標(biāo)控制球拍中點的 y1 坐標(biāo)，公式為：y1 = (y + h) // 2 - h2 // 2

接著使用 cvzone.overlayPNG() 就可以將球拍圖片覆蓋在原圖片的指定區(qū)域，其中坐標(biāo)參數(shù)是指覆蓋區(qū)域的左上角坐標(biāo)。固定橫坐標(biāo)，只上下移動。

（2）球移動

首先要規(guī)定球的移動速度 speedx, speedy = 10, 10 代表球每一幀沿x軸正方向移動10個像素，沿y軸正方向移動10個像素，那么球的初始合速度方向是沿圖片的正右下角移動

如果球碰撞到了球桌的上下邊框，就反彈。speedy = -speedy。代表x方向每幀移動的步長不變，y方向每幀移動的方向反轉(zhuǎn)，即入射角等于出射角。

3.2 代碼展示

在上述代碼中補(bǔ)充

import cv2
import cvzone
import numpy as np
from cvzone.HandTrackingModule import HandDetector  # 導(dǎo)入手部檢測模塊
 
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0)  # 0代表電腦自帶的攝像頭
cap.set(3, 1280)  # 讀入的圖像的寬
cap.set(4, 720)   # 讀入的圖像的高
 
 
#（2）文件配置
# 導(dǎo)入所有需要對圖片文件
imgDesk = cv2.imread('games/desk.jpg')  # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED)  # 球的圖片
imgBlock1 = cv2.imread('games/block1.png', cv2.IMREAD_UNCHANGED)  # 球拍的圖片
imgBlock2 = cv2.imread('games/block2.png', cv2.IMREAD_UNCHANGED)  # 球拍的圖片
# 調(diào)整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
# 調(diào)整球拍的size
imgBlock1 = cv2.resize(imgBlock1, dsize=(50,200))
imgBlock2 = cv2.resize(imgBlock2, dsize=(50,200))
 
 
#（3）參數(shù)設(shè)置
# 接收手部關(guān)鍵點識別的方法，最小手部檢測模塊置信度0.8，最多檢測2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
 
# 球的默認(rèn)位置
ballpos = [100, 100]
 
# 球的移動速度，每幀15個像素
speedx, speedy = 10, 10
 
 
#（4）處理幀圖像
while True:
 
    # 返回是否讀取成功，以及讀取后的幀圖像
    success, img = cap.read()  # 每次執(zhí)行讀取一幀
    
    # 圖片翻轉(zhuǎn)呈鏡像關(guān)系，1代表左右翻轉(zhuǎn)，0代表上下翻轉(zhuǎn)
    img = cv2.flip(img, flipCode=1)
    
    # 手部關(guān)鍵點檢測，返回每個只手的信息和繪制后的圖像
    hands, img = detector.findHands(img, flipType=False)  # 上面翻轉(zhuǎn)過了這里就不用翻轉(zhuǎn)了
 
    # 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
    # 給出每張圖片的融合權(quán)重, 亮度偏置為0，這樣就變成了半透明的顯示形式
    img = cv2.addWeighted(img, 0.4, imgDesk, 0.6, 0)
    
    
    #（5）處理手部關(guān)鍵點，如果檢測到手了就進(jìn)行下一步
    if hands:
        
        # 遍歷每檢測的2只手，獲取每一只手的坐標(biāo)
        for hand in hands:
            
            # 獲取手部檢測框的左上坐標(biāo)xy，寬高wh
            x, y, w, h = hand['bbox']
            
            # 獲取球拍的寬高
            h2, w1 = imgBlock1.shape[0:2]
            
            # 球拍的中心y坐標(biāo)，隨著掌心移動
            y1 = (y + h) // 2 - h2 // 2
 
            # 如果檢測到了左手
            if hand['type'] == 'Left':
                
                # 左側(cè)的球拍x軸固定,y坐標(biāo)隨左手掌間中點移動
                img = cvzone.overlayPNG(img, imgBlock1, (55,y1))
                
            # 如果檢測到了右手
            if hand['type'] == 'Right':
                
                # 右側(cè)的球拍x軸固定,y坐標(biāo)隨右手掌間中點移動
                img = cvzone.overlayPNG(img, imgBlock2, (1280-55,y1))
                      
    #（6）改變球的位置
    # 如果球的y坐標(biāo)在超出了桌面的上或下邊框范圍，調(diào)整移動方向
    if ballpos[1] >= 600 or ballpos[1] <= 50:
        
        # y方向的速度調(diào)整為反方向，那么x方向和y方向的合速度方向調(diào)整了
        speedy = -speedy
 
    ballpos[0] = ballpos[0] + speedx  # 調(diào)整球的x坐標(biāo)
    ballpos[1] = ballpos[1] + speedy  # 調(diào)整球的y坐標(biāo)
 
    
    #（5）添加桌球的圖片，將imgBall放在球桌img的指定坐標(biāo)位置
    img = cvzone.overlayPNG(img, imgBall, ballpos)
    
    # 圖像展示
    cv2.imshow('img', img)
    # 每幀滯留1ms后消失
    k = cv2.waitKey(1)
    # ESC鍵退出程序
    if k & 0XFF==27:
        break
 
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()

效果圖如下：

4. 球拍擊球、游戲完善

4.1 方法介紹

這一部分主要完成三項工作，第一是球拍擊打到球，球需要反彈；第二是如果球進(jìn)入黃色區(qū)域，游戲結(jié)束；第三是左右側(cè)擊球得分計數(shù)器。

（1）球拍擊球

看到代碼中的第（5）步，ballpos 代表球的左上角坐標(biāo)(x,y)，100 < ballpos[0] < 100+w1 代表球到了球拍橫坐標(biāo)區(qū)域范圍內(nèi)部了，y1 < ballpos[1] < y1+h2 代表球的y坐標(biāo)在球拍y坐標(biāo)內(nèi)部，這時表明擊球成功，speedx = -speedx 只改變沿x軸的速度方向，不改變沿y軸的速度方向。

（2）球進(jìn)黃區(qū)，游戲結(jié)束

if ballpos[0] < 50 or ballpos[0] > 1150，如果球圖片的左上坐標(biāo)的 x 坐標(biāo)，在黃區(qū)邊緣，整個程序退出。當(dāng)然也可以做一個游戲結(jié)束界面，我之前的博文里也有介紹，我偷個懶不寫了。

（3）計數(shù)器

首先定義個變量初始化記錄左右側(cè)的擊球次數(shù) score = [0, 0]，如果有一側(cè)的球拍擊中球，那么對應(yīng)該側(cè)計數(shù)加一。

4.2 代碼展示

上面代碼是掌心控制球拍，這里改成食指指尖控制球拍中點移動。

import cv2
import cvzone
from cvzone.HandTrackingModule import HandDetector  # 導(dǎo)入手部檢測模塊
 
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0)  # 0代表電腦自帶的攝像頭
cap.set(3, 1280)  # 讀入的圖像的寬
cap.set(4, 720)   # 讀入的圖像的高
 
 
#（2）文件配置
# 導(dǎo)入所有需要對圖片文件
imgDesk = cv2.imread('games/desk.jpg')  # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED)  # 球的圖片
imgBlock1 = cv2.imread('games/block1.png', cv2.IMREAD_UNCHANGED)  # 球拍的圖片
imgBlock2 = cv2.imread('games/block2.png', cv2.IMREAD_UNCHANGED)  # 球拍的圖片
# 調(diào)整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
# 調(diào)整球拍的size
imgBlock1 = cv2.resize(imgBlock1, dsize=(50,200))
imgBlock2 = cv2.resize(imgBlock2, dsize=(50,200))
 
 
#（3）參數(shù)設(shè)置
# 接收手部關(guān)鍵點識別的方法，最小手部檢測模塊置信度0.8，最多檢測2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
 
# 球的默認(rèn)位置
ballpos = [100, 100]
 
# 球的移動速度，每幀15個像素
speedx, speedy = 10, 10
 
# 記錄是否游戲結(jié)束
gameover = False
 
# 記錄左右的擊球數(shù)
score = [0, 0]
 
 
#（4）處理幀圖像
while True:
 
    # 返回是否讀取成功，以及讀取后的幀圖像
    success, img = cap.read()  # 每次執(zhí)行讀取一幀
    
    # 圖片翻轉(zhuǎn)呈鏡像關(guān)系，1代表左右翻轉(zhuǎn)，0代表上下翻轉(zhuǎn)
    img = cv2.flip(img, flipCode=1)
    
    # 手部關(guān)鍵點檢測，返回每個只手的信息和繪制后的圖像
    hands, img = detector.findHands(img, flipType=False)  # 上面翻轉(zhuǎn)過了這里就不用翻轉(zhuǎn)了
 
    # 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
    # 給出每張圖片的融合權(quán)重, 亮度偏置為0，這樣就變成了半透明的顯示形式
    img = cv2.addWeighted(img, 0.4, imgDesk, 0.6, 0)
    
    
    #（5）處理手部關(guān)鍵點，如果檢測到手了就進(jìn)行下一步
    if hands:
        
        # 遍歷每檢測的2只手，獲取每一只手的坐標(biāo)
        for hand in hands:
            
            # 獲取食指坐標(biāo)(x,y,z)
            x, y, z = hand['lmList'][8]
            
            # 獲取球拍的寬高
            h2, w1 = imgBlock1.shape[0:2]
            
            # 球拍的中心y坐標(biāo)，隨著掌心移動
            y1 = y - h2 // 2
 
            # 如果檢測到了左手
            if hand['type'] == 'Left':
                
                # 左側(cè)的球拍x軸固定,y坐標(biāo)隨左手掌間中點移動
                img = cvzone.overlayPNG(img, imgBlock1, (100,y1))
                
                # 檢查球是否被左球拍擊中, 球的xy坐標(biāo)是否在球拍xy坐標(biāo)附近
                if 100 < ballpos[0] < 100+w1 and y1 < ballpos[1] < y1+h2:
                    
                    # 滿足條件代表球拍擊中了，改變球的移動方向
                    speedx = -speedx  # x方向設(shè)為反方向
                    
                    # 得分加一
                    score[0] += 1
                
                
            # 如果檢測到了右手
            if hand['type'] == 'Right':
                
                # 右側(cè)的球拍x軸固定,y坐標(biāo)隨右手掌間中點移動
                img = cvzone.overlayPNG(img, imgBlock2, (1150,y1))
                
                # 檢查球是否被右球拍擊中
                if 1050 < ballpos[0] < 1050+w1 and y1 < ballpos[1] < y1+h2:
                    
                    # 滿足條件代表球拍擊中了，改變球的移動方向
                    speedx = -speedx  # x方向設(shè)為反方向
                    
                    # 得分加一
                    score[1] += 1
 
 
    #（6）檢查球是否沒接到，那么游戲結(jié)束
    if ballpos[0] < 50 or ballpos[0] > 1150:
        gameover = True
    
    # 游戲結(jié)束，畫面就不動了
    if gameover is True:
        break
     
    # 游戲沒結(jié)束就接下去執(zhí)行
    else:
         #（7）調(diào)整球的坐標(biāo)
         # 如果球的y坐標(biāo)在超出了桌面的上或下邊框范圍，調(diào)整移動方向
         if ballpos[1] >= 600 or ballpos[1] <= 50:
             
             # y方向的速度調(diào)整為反方向，那么x方向和y方向的合速度方向調(diào)整了
             speedy = -speedy
         
         # 每一整都調(diào)整xy坐標(biāo)
         ballpos[0] = ballpos[0] + speedx  # 調(diào)整球的x坐標(biāo)
         ballpos[1] = ballpos[1] + speedy  # 調(diào)整球的y坐標(biāo)
    
         #（8）添加桌球的圖片，將imgBall放在球桌img的指定坐標(biāo)位置
         img = cvzone.overlayPNG(img, imgBall, ballpos)
    
    
    #（9）顯示記分板
    cvzone.putTextRect(img, f'Left:{score[0]} and Right:{score[1]}', (400,710))
 
    #（10）圖像展示
    cv2.imshow('img', img)
    # 每幀滯留1ms后消失
    k = cv2.waitKey(1)
    # ESC鍵退出程序
    if k & 0XFF==27:
        break
 
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()

效果圖如下：

到此，相信大家對“基于Python怎么自制視覺桌上冰球小游戲”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！