24电赛E题 — 三子棋棋盘视觉识别

2024 年全国大学生电子设计竞赛 E 题（三子棋对弈系统）的视觉识别部分。基于 OpenCV 实现棋盘定位、棋子检测与实时跟踪。

功能概览

模块	文件	说明
棋盘定位 & 棋子检测	img_detect.py	对单帧图像进行 HSV 色彩分割、形态学处理、轮廓检测，定位九宫格棋盘并标注棋子
棋子检测器	piece_detector.py	基于 Hough 圆检测 + 灰度均值判别的黑白棋子识别模块，支持图像标注
PDF 棋盘生成	pdf.py	生成可打印的 A4 PDF 棋盘（绿底黑线，用于实物对弈）
视频检测	vedio_detect.py	对录制视频逐帧进行棋盘与棋子检测
摄像头实时检测	wecam_detect.py	调用摄像头实时进行棋盘与棋子检测

项目结构

.
├── img_detect.py          # 主图像处理脚本（单帧检测入口）
├── piece_detector.py      # 棋子检测类（Hough 圆检测）
├── pdf.py                 # PDF 棋盘生成（reportlab）
├── vedio_detect.py        # 视频文件检测
├── wecam_detect.py        # 摄像头实时检测
├── grid_with_border.pdf   # 已生成的棋盘 PDF
├── board.mp4              # 测试视频
├── board1.jpg             # 测试图片 1
├── board2.jpg             # 测试图片 2
└── __pycache__/           # Python 缓存

环境依赖

• Python 3.10+
• OpenCV (opencv-python)
• NumPy
• ReportLab

安装

pip install opencv-python numpy reportlab

使用方式

1. 检测图片中的棋盘

python img_detect.py

默认读取 board2.jpg，可通过修改脚本中的 filename 变量切换图片。运行后将弹出多个窗口展示中间处理结果（二值化、膨胀/腐蚀、掩膜等），按任意键关闭。

2. 检测视频中的棋盘

python vedio_detect.py

逐帧处理 board.mp4，按 ESC 退出。

3. 摄像头实时检测

python wecam_detect.py

调用默认摄像头（cv2.VideoCapture(0)），按 ESC 退出。如有多摄像头可修改脚本中的设备编号（0, 1, 2...）。

4. 生成棋盘 PDF

python pdf.py

生成 grid_with_border.pdf，A4 纸居中打印，九宫格净尺寸 30 mm × 30 mm，线宽 2 mm。

核心算法说明

棋盘定位

1. HSV 色彩分割 — 将图像转换到 HSV 空间，根据预设的 HSV 范围（绿/红/灰）进行二值化
2. 形态学处理 — 膨胀（找到棋盘整体区域）+ 腐蚀（分离出每个格子）
3. 轮廓检测 — 取最大轮廓确定棋盘外框，用 minAreaRect 定位左上角与右上角
4. 网格排序 — 以每个格子中心与左上角—右上角连线构成的夹角进行排序，实现 3×3 网格从左到右、从上到下的编号

棋子检测

1. Hough 圆检测 — 在灰度图上使用 cv2.HoughCircles 检测圆形棋子
2. 颜色判别 — 取圆心区域的灰度均值，高于阈值（默认 150）判为白棋，否则判为黑棋
3. 排序标注 — 按从上到下、从左到右排序，分别对黑白棋子编号（b1, b2... / w1, w2...）

注意事项

• 棋盘背景色、棋子颜色需要与 img_detect.py 中的 HSV 范围匹配（默认为绿色棋盘）
• 光照条件变化时可能需要调整 HSV 阈值和 PieceDetector 的检测参数
• 摄像头分辨率过低可能影响棋子检测精度，建议使用 720p 以上