科学的俄罗斯四方程序代码,H5游戏开拓

时间:2019-11-04 00:11来源:2020欧洲杯冠军竞猜官方网站
H5游戏开采:一笔画 2017/11/07 · HTML5 ·游戏 原著出处: 坑坑洼洼实验室    #include windows.h #include stdio.h #include stdlib.h #include time.h #include conio.h 本次来我们用opencv来落到实处识别追踪水草

H5游戏开采:一笔画

2017/11/07 · HTML5 · 游戏

原著出处: 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>

本次来我们用opencv来落到实处识别追踪水草绿物体并回到地方坐标的作用。

H5游戏开拓:一笔画

by leeenx on 2017-11-02

一笔画是图论[科普](https://zh.wikipedia.org/wiki/图论)中一个无人不知的标题,它起点于柯阿拉木图堡七桥主题材料[科普](https://zh.wikipedia.org/wiki/柯尼斯堡七桥问题)。地管理学家欧拉在她1736年见报的舆论《柯圣Pedro苏拉堡的七桥》中不但化解了七桥主题素材,也提议了一笔画定理,顺带消除了一笔画难点。用图论的术语来讲,对于一个加以的连通图[科普](https://zh.wikipedia.org/wiki/连通图)存在一条正巧含有全体线段并且没有重新的门路,那条路子便是「一笔画」。

搜索连通图那条门路的进度正是「一笔画」的二十八日游经过,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;
}

该功效分为两片段,识别颜色,追踪颜色。

娱乐的兑现

「一笔画」的落到实处不复杂,小编把实现过程分成两步:

  1. 底图绘制
  2. 相互影响绘制

「底图绘制」把连通图以「点线」的款型浮现在画布上,是玩玩最轻便完结的有的;「交互作用绘制」是客户绘制解题路径的进度,这些进度会首固然处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( WO大切诺基D color ) // 设置前景观/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 );
}

要想达成颜色的辨识,我们要打开录制头,读取捕获的图像。将图像的颜料通道转变为HSV,设置选择的特定颜色的参数。使用inRange函数将图像转变为二值图,其深青黄色部分显得为品绿,别的为黄铜色。

底图绘制

「单笔画」是多关卡的游艺格局,作者决定把关卡(连通图卡塔 尔(阿拉伯语:قطر‎的定制以一个配置接口的款型对外暴光。对外揭穿关卡接口须要有大器晚成套描述连通图形状的正规化,而在小编前边有三个筛选:

  • 点记法
  • 线记法

举个连通图 —— 五角星为例来讲一下这五个采用。

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」记录关卡通过海关的叁个答案,即端点要按自然的逐风度翩翩贮存到数组 coords中,它是有序性的记录。「线记法」通过两点描述连通图的线条,它是严节的记录。「点记法」最大的优势是显现越来越精短,但它必需记录一个过关答案,作者只是关卡的苦力不是关卡创建者,所以作者最后甄选了「线记法」。:卡塔 尔(英语:State of Qatar)

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:

相互之间绘制

在画布上制图路径,从视觉上实属「选取或一而再连续连通图端点」的进度,这么些进程需求解决2个难点:

  • 手指下是不是有端点
  • 当选点到待选中式茶食之间是不是成线

采集连通图端点的坐标,再监听手指滑过的坐标可知「手指下是或不是有一点」。以下伪代码是访谈端点坐标:

JavaScript

// 端点坐标音信 let coords = []; lines.forEach(({x1, y1, x2, y2}) => { // (x1, y1) 在 coords 数组不真实 if(!isExist(x1, y1)) coords.push([x1, y1]); // (x2, y2) 在 coords 数组不设有 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,判别是还是不是连线 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从前,手指滑过的任意端点都会被作为「一笔画」的开头点;在绘制了线段(或有选中式茶食卡塔 尔(阿拉伯语:قطر‎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供给基于现存基准进行判断。

图片 4

上海体育地方,点A与点B可总是成线段,而点A与点C不能够三翻五次。小编把「能够与内定端点连接成线段的端点称作实用连接点」。连通图端点的低价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}) => { // 坐标是近年来线段的起源 if(coord.x === x1 && coord.y === y1) { coord.validCoords.push([x2, y2]); } // 坐标是时下线段的顶峰 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…有效连接点只好推断多少个点是或不是为底图的线条,那只是二个静态的参照,在实际的「人机联作绘制」中,会遇上以下情况:

图片 5
如上图,AB已串连成线段,当前选中式茶食B的立竿见影连接点是 A 与 C。AB 已经一而再成线,假若 BA 也串连成线段,那么线段就重新了,所以那时候 BA 不可能成线,唯有 AC 技艺成线。

对选中式茶食来讲,它的得力连接点有二种:

  • 与选中式茶食「成线的平价连接点」
  • 与选中式茶食「未成线的灵光连接点」

里面「未成线的卓有效能连接点」技能参与「交互作用绘制」,并且它是动态的。

图片 6

回头本节内容开端提的四个难题「手指下是或不是有端点」 与 「选中式点心到待选中式茶食之间是还是不是成线」,其实可统黄金年代为三个主题素材:手指下是不是留存「未成线的可行连接点」。只须把监听手指滑动遍历的数组由连通图全体的端点坐标 coords 替换为当下选中式茶食的「未成线的实用连接点」就能够。

时至明天「一笔画」的基本点功能已经达成。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);//张开录制头

机动识图

小编在录加入关贸总协定组织卡配置时,发掘多个7条边以上的连接图非常轻松录错或录重线段。作者在思忖是或不是开采二个自动识别图形的插件,毕竟「一笔画」的图形是有平整的几何图形。

图片 8

下边包车型客车关卡「底图」,一眼就足以识出八个颜色:

  • 白底
  • 端点颜色
  • 线条颜色

并且那三种颜色在「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」超级轻便,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});
}

对此连通图来讲,只要把端点识别出来,连通图的概貌也就出去了。

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

答辩上,通过募集的「色值表」能够一向把端点的坐标志别出来。笔者设计的「端点识别算法」分以下2步:

  1. 按像素扫描底图直到蒙受「端点颜色」的像素,步入第二步
  2. 从底图上消亡端点并记录它的坐标,重临继续第一步

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]]; // 当前像素颜色归于端点 if(isBelongVertex(r, g, b, a)) { // 在 data 中清空端点 vertex = clearVertex(i); // 记录端点音信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… 下边包车型大巴算法只好跑无损图。小编在动用了一张手提式有线电电话机截屏做测验的时候发掘,搜集到的「色值表」长度为 5000 !那直接招致端点和线条的色值不可能直接获得。

透过解析,能够窥见「色值表」里超越一半色值都以看似的,相当于在本来的「搜罗色值表算法」的基本功上增添八个近乎颜色过滤即能够找寻端点和线条的主色。伪代码完成如下:

JavaScript

let lineColor = vertexColor = {count: 0}; for(let clr of clrs) { // 与底色周围,跳过 if(isBelongBackground(clr)) continue; // 线段是数码第二多的水彩,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,再跑一遍「端点识别算法」后居识别出 203 个端点!那是为啥吗?

图片 9

上海教室是加大5倍后的底图局部,浅绿灰端点的左近和里面充斥着多量噪点(杂色块卡塔尔国。事实上在「端点识别」进程中,由于噪点的存在,把本来的端点被分解成贰十个或数十三个小端点了,以下是跑过「端点识别算法」后的底图:

图片 10

透过上海教室,能够直观地搜查捕获一个定论:识别出来的小端点只在对象(大卡塔 尔(英语:State of Qatar)端点上聚焦布满,何况大端点范围内的小端点叠合交错。

假定把叠合交错的小端点归并成贰个多方点,那么那么些大端点将那么些好像指标端点。小端点的联结伪代码如下:

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 实际不是 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;
}
}
}

加了小端点归总算法后,「端点识别」的正确度就上去了。经我本地质度量试已经足以 百分百 识别有损的连接图了。

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; // 空白处的颜色

{

线条识别

作者分多个步骤达成「线段识别」:

  1. 加以的多个端点连接成线,并征集连线上N个「样板点」;
  2. 遍历样板点像素,假诺像素色值不等于线段色值则意味着那三个端点之间海市蜃楼线段

如何搜罗「样式点」是个难题,太密集会潜濡默化属性;太疏松精准度不可能保障。

在小编前面有多少个筛选:N 是常量;N 是变量。
假设 N === 5。局地提取「样式点」如下:

图片 11

上海教室,会识别出三条线条:AB, BC 和 AC。而其实,AC不可能成线,它只是因为 AB 和 BC 视觉上共一线的结果。当然把 N 值向上升高能够缓慢解决那么些主题素材,可是 N 作为常量的话,这一个常量的取量要求靠经历来决断,果然废弃。

为了制止 AB 与 BC 同处向来线时 AC 被识别成线段,其实超级粗略 —— 多少个「样板点」的间距小于或等于端点直径
假设 N = S / (2 * R),S 表示两点的间隔,大切诺基代表端点半径。局地提取「样式点」如下:

图片 12

如上航海用体育场合,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) { // 样品点不是线段色 if(!isBelongLine(x1 N * stepX, y1 N * stepY)) break; } // 样品点都合格 ---- 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;

属性优化

由于「自动识图」需求对图像的的像素点举办扫描,那么品质确实是个要求关爱的难题。作者设计的「自动识图算法」,在甄别图像的长河中需求对图像的像素做两遍扫描:「搜聚色值表」 与 「收集端点」。在围观次数上其实很难下跌了,不过对于一张 750 * 1334 的底图来讲,「自动识图算法」要求遍历五次长度为 750 * 1334 * 4 = 4,002,000 的数组,压力照旧会有的。作者是从压缩被围观数组的尺码来进步品质的。

被扫描数组的尺寸怎么压缩?
小编直接通过缩短画布的尺码来完成减少被扫描数组尺寸的。伪代码如下:

JavaScript

// 要减少的倍数 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;

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;

把源图片减少4倍后,获得的图片像素数组独有原本的 4^2 = 16倍。那在性能上是超大的晋级换代。

Console csl; // 定义调控台对象

return -1;

利用「自动识图」的提出

固然作者在本土测量试验的时候可以把具备的「底图」识别出来,不过并不可能担保其余开荒者上传的图样是不是被很好的鉴定区别出来。作者建议,能够把「自动识图」做为三个单独的工具使用。

小编写了二个「自动识图」的单独工具页面:
能够在这里个页不熟习成对应的卡子配置。

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

}

结语

上面是本文介绍的「一笔画」的线上 DEMO 的二维码:

图片 13

游玩的源码托管在:
中间游戏达成的重点代码在:
自动识图的代码在:

多谢耐性阅读完本随笔的读者。本文仅表示小编的个人观点,如有不妥之处请多多支持。

多谢您的读书,本文由 坑坑洼洼实验室 版权全数。倘使转发,请评释出处: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, "d", score );
csl.OutputStringNoMove( 31, 19, tmp, 5 );
sprintf( tmp, "", 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;//设置浅莲灰的颜料参量。

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_BG宝马X32HSV);  //因为我们读取的是五光十色图,直方图均衡化要求在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是或不是可行
{
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;
}
}

水彩辨别进度至此截止。

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

要想追踪铁灰,将其在原图像中用矩形框出,首先要将二值图中水绿的大约描出

int main()
{
csl.Open();
// 设置标题
csl.SetTitle( "俄罗丝方块 阿尔法" );
// 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

接下去正是使用vector总计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,重临十字的坐标。

vector> contours; vectorhierarchy; findContours(cannyImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0)); //绘制概略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); //用矩形圈出差相当少并赶回地方坐标 for(int i=0;ipoints=contours[i];

//对给定的2D点集,寻觅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<<"Bluen"<<"( "<<x<<","<<y<<" )"<<endl;

图片 17

效果图

唯独那个代码的作用如故远远不足,早先时期可构思加强效率,如只显示最大的矩形,自动依据光照来改动阈值来回答分化颜色处境下的场馆。一言以蔽之,有一点点极其意思了,百尺竿头更进一竿。

总体代码(文本有缺点和失误,上传图片卡塔 尔(英语:State of Qatar)

图片 18

图片 19

爱你呦,方宇。

编辑:2020欧洲杯冠军竞猜官方网站 本文来源:科学的俄罗斯四方程序代码,H5游戏开拓

关键词: 欧洲杯竞猜