如何使用OpenCV實現(xiàn)迷宮解密

今天小編給大家分享一下如何使用OpenCV實現(xiàn)迷宮解密的相關知識點，內(nèi)容詳細，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

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雜的迷宮圖，相信也有人嘗試過自己一點一點的找出口，但我們?nèi)庋蹃斫庵i恐怕眼睛有點小難受，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，那就整！

二、使用OpenCV找出出口。

1、對圖像進行二值化處理。

此時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()
 
#對圖像進行二值化
# Binary conversion
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 
#反轉(zhuǎn)tholdolding將給我們一個二進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、 對二值化后的圖像進行輪廓檢測并標注

可以看到大致路線已經(jīng)出現(xiàn)。

#對二值化處理的圖像進行輪廓檢測并標注
# 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、對圖像閾值進行處理。

#對圖像閾值進行處理
ret, thresh = cv2.threshold(dc, 240, 255, cv2.THRESH_BINARY)
 
# ret, thresh = cv2.threshold(thresh, 240, 255, cv2.THRESH_BINARY)
cv2.imshow('thresh3',thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

4、對圖像進行擴展操作。

擴張是數(shù)學形態(tài)領域的兩個基本操作者之一，另一個是侵蝕。它通常應用于二進制圖像，但有一些版本可用于灰度圖像。

操作者對二進制圖像的基本效果是逐漸擴大前景像素區(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、對圖像進行侵蝕操作。 

侵蝕是第二個形態(tài)運算符。它也適用于二進制圖像。操作者對二進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?，F(xiàn)在通過反轉(zhuǎn)diff圖像創(chuàng)建一個掩碼。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。最后一個是合并所有組件，我們將使用藍色標記的解決方案。

#找到兩個圖像的差異
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()
 
 
 
#對圖像進行二值化
# Binary conversion
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 
#反轉(zhuǎn)tholdolding將給我們一個二進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()
 
#對二值化處理的圖像進行輪廓檢測并標注
# 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()
 
#對圖像閾值進行處理
ret, thresh = cv2.threshold(dc, 240, 255, cv2.THRESH_BINARY)
 
# ret, thresh = cv2.threshold(thresh, 240, 255, cv2.THRESH_BINARY)
cv2.imshow('thresh3',thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
 
 
'''
擴張
擴張是數(shù)學形態(tài)領域的兩個基本操作者之一，另一個是侵蝕。它通常應用于二進制圖像，但有一些版本可用于灰度圖像。
操作者對二進制圖像的基本效果是逐漸擴大前景像素區(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
#侵蝕是第二個形態(tài)運算符。它也適用于二進制圖像。操作者對二進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。現(xiàn)在通過反轉(zhuǎn)diff圖像創(chuàng)建一個掩碼。
# 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。
# 最后一個是合并所有組件，我們將使用藍色標記的解決方案。
# 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()

以上就是“如何使用OpenCV實現(xiàn)迷宮解密”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學習更多的知識，請關注億速云行業(yè)資訊頻道。