基于python及图像识别的围棋棋盘棋子识别3——耗时优化（一行代码速度提高600倍）
最近在做一个围棋棋盘棋子识别项目，这是该项目第三篇，系列文章如下：
1、基于python及图像识别的围棋棋盘棋子识别1——定位棋盘位置
2、基于python及图像识别的围棋棋盘棋子识别2——定位棋子位置及识别棋子颜色
3、基于python及图像识别的围棋棋盘棋子识别3——耗时优化（一行代码速度提高600倍）
4、基于python及图像识别的围棋棋盘棋子识别4——源码及使用说明
基于python及图像识别的围棋棋盘棋子识别3——耗时优化
- 一、原始耗时计算
- 二、耗时优化
- 三、所有代码
一、原始耗时计算
根据上篇的代码，我们测量了一下代码耗时，耗时测量加在如下位置
if __name__ =="__main__":
list0 = [[0 for i in range(19)] for j in range(19)]
list_finall = []
img = cv2.imread("./screen/9.jpg")
start_time = time.time()
'''********************************************
1、定位棋盘位置
********************************************'''
img_after=dingweiqizi_weizhi(img)
time1= time.time()
print(time1- start_time )
#cv2.imshow("src",img)
'''********************************************
2、识别棋盘棋子位置及颜色及序号；
********************************************'''
list1=dingweiqizi_yanse_weizhi(img_after)
time2= time.time()
print(time2 - time1)
print(time2- start_time )
运行一下输出：
0.013026714324951172
1.3209905624389648
1.334017276763916
二、耗时优化
可见在统计黑白像素的时候，耗时很大，占用了总耗时的98%+，因此在这里必须进行耗时优化。我们现在来看看统计黑白像素占比时程序是如何做的
def Heise_zhanbi(img):
[height, width, tongdao] = img.shape
#print(width, height, tongdao)
# cv2.imshow("3", img)
# cv2.waitKey(20)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow("binary", gray)
# cv2.waitKey(100)
etVal, threshold = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)
# cv2.imshow("threshold", threshold)
# cv2.waitKey(200)
a = 0
b = 0
for row in range(height):
for col in range(width):
val = threshold[row][col]
if (val) == 0:#黑色
a = a + 1
else:
b = b + 1
zhanbi = (float)(a) / (float)(height*width)
#print("黑色像素个数", a, "黑色像素占比", zhanbi)
return zhanbi
可以看到代码里先将图像转换成灰度图，再转换成二值化图像，然后再遍历了图像的像素点进行黑色像素总数的统计。通过观察我们发现这里的操作很多都是可以并行进行的。因此此处我们可以借助python的矩阵运算，简化时间。
即将代码：
etVal, threshold = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)
# cv2.imshow("threshold", threshold)
# cv2.waitKey(200)
a = 0
b = 0
for row in range(height):
for col in range(width):
val = threshold[row][col]
if (val) == 0:#黑色
a = a + 1
else:
b = b + 1
用下面一句话即可代替：
a = np.sum(gray < 125)
最终再次运行，测试耗时结果如下：
0.02299642562866211
0.00600123405456543
0.02899765968322754
耗时2ms，速度大大提高，提高了600倍+。
三、所有代码
from PIL import ImageGrab
import numpy as np
import cv2
from glob import glob
import os
import time
#Python将数字转换成大写字母
def getChar(number):
factor, moder = divmod(number, 26) # 26 字母个数
modChar = chr(moder + 65) # 65 -> 'A'
if factor != 0:
modChar = getChar(factor-1) + modChar # factor - 1 : 商为有效值时起始数为 1 而余数是 0
return modChar
def getChars(length):
return [getChar(index) for index in range(length)]
""" "*******************************************************************************************
*函数功能 ：统计二值化图片黑色像素点百分比
*输入参数 ：输入裁剪后图像，
*返 回 值 ：返回黑色像素点占比0-1之间
*编写时间 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def Heise_zhanbi(img):
[height, width, tongdao] = img.shape
#print(width, height, tongdao)
# cv2.imshow("3", img)
# cv2.waitKey(20)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow("binary", gray)
# cv2.waitKey(100)
# etVal, threshold = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)
# # cv2.imshow("threshold", threshold)
# # cv2.waitKey(200)
# a = 0
# b = 0
# for row in range(height):
# for col in range(width):
# val = threshold[row][col]
# if (val) == 0:#黑色
# a = a + 1
# else:
# b = b + 1
a = np.sum(gray < 125)
zhanbi = (float)(a) / (float)(height*width)
#print("黑色像素个数", a, "黑色像素占比", zhanbi)
return zhanbi
""" "*******************************************************************************************
*函数功能 ：统计二值化图片白色像素点百分比
*输入参数 ：输入裁剪后图像，
*返 回 值 ：返回白色像素点占比0-1之间
*编写时间 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def Baise_zhanbi(img):
[height, width, tongdao] = img.shape
#print(width, height, tongdao)
# cv2.imshow("3", img)
# cv2.waitKey(20)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow("binary", gray)
# cv2.waitKey(100)
# etVal, threshold = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY)
# # cv2.imshow("threshold", threshold)
# # cv2.waitKey(200)
# a = 0
# b = 0
# for row in range(height):
# for col in range(width):
# val = threshold[row][col]
# if (val) == 0:#黑色
# a = a + 1
# else:
# b = b + 1
b=np.sum(gray>235)
zhanbi = (float)(b) / (float)(height*width)
#print("白色像素个数", b, "白色像素占比", zhanbi)
return zhanbi
""" "*******************************************************************************************
*函数功能 ：定位棋盘位置
*输入参数 ：截图
*返 回 值 ：裁剪后的图像
*编写时间 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def dingweiqizi_weizhi(img):
'''********************************************
1、定位棋盘位置
********************************************'''
#img = cv2.imread("./screen/1.jpg")
image = img.copy()
w, h, c = img.shape
img2 = np.zeros((w, h, c), np.uint8)
img3 = np.zeros((w, h, c), np.uint8)
# img = ImageGrab.grab() #bbox specifies specific region (bbox= x,y,width,height *starts top-left)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower = np.array([10, 0, 0])
upper = np.array([40, 255, 255])
mask = cv2.inRange(hsv, lower, upper)
erodeim = cv2.erode(mask, None, iterations=2) # 腐蚀
dilateim = cv2.dilate(erodeim, None, iterations=2)
img = cv2.bitwise_and(img, img, mask=dilateim)
frame = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, dst = cv2.threshold(frame, 100, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(dst, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
#cv2.imshow("0", img)
i = 0
maxarea = 0
nextarea = 0
maxint = 0
for c in contours:
if cv2.contourArea(c) > maxarea:
maxarea = cv2.contourArea(c)
maxint = i
i += 1
# 多边形拟合
epsilon = 0.02 * cv2.arcLength(contours[maxint], True)
if epsilon < 1:
print("error : epsilon < 1")
pass
# 多边形拟合
approx = cv2.approxPolyDP(contours[maxint], epsilon, True)
[[x1, y1]] = approx[0]
[[x2, y2]] = approx[2]
checkerboard = image[y1:y2, x1:x2]
# cv2.imshow("1", checkerboard)
# cv2.waitKey(1000)
#cv2.destroyAllWindows()
return checkerboard
""" "*******************************************************************************************
*函数功能 ：定位棋子颜色及位置
*输入参数 ：裁剪后的图像
*返 回 值 ：棋子颜色及位置列表
*编写时间 ： 2021.6.30
*作 者 ： diyun
********************************************************************************************"""
def dingweiqizi_yanse_weizhi(img):
'''********************************************
2、识别棋盘棋子位置及颜色及序号；
********************************************'''
#img = cv2.imread("./checkerboard/checkerboard_1.jpg")
img = cv2.resize(img, (724,724), interpolation=cv2.INTER_AREA)
#cv2.imshow("src",img)
#cv2.waitKey(1000)
#变量定义
small_length=38 #每个小格宽高
qizi_zhijing=38#棋子直径
list = [[0 for i in range(19)] for j in range(19)]
#print(list)
for i in range(19):
for j in range(19):
lie = i
hang = j
Tp_x = small_length * lie
Tp_y = small_length * hang
Tp_width = qizi_zhijing
Tp_height = qizi_zhijing
img_temp=img[Tp_y:Tp_y+Tp_height, Tp_x:Tp_x+Tp_width]#参数含义分别是：y、y+h、x、x+w
heise_zhanbi=Heise_zhanbi(img_temp)
if heise_zhanbi>0.5:
list[hang][lie]=2#黑色
print("第", j+1, "行，第", i+1, "列棋子为黑色")
#print("当前棋子为黑色")
else:
baise_zhanbi = Baise_zhanbi(img_temp)
if baise_zhanbi > 0.15:
list[hang][lie] = 1 # 白色
print("第", j+1, "行，第",i+1 , "列棋子为白色")
#print("当前棋子为白色")
else:
list[hang][lie] = 0 # 无棋子
#print("当前位置没有棋子")
#print(heise_zhanbi)
#cv2.imshow("2",img)
#print("\n")
#print(list)
return list
if __name__ =="__main__":
list0 = [[0 for i in range(19)] for j in range(19)]
list_finall = []
img = cv2.imread("./screen/9.jpg")
start_time = time.time()
'''********************************************
1、定位棋盘位置
********************************************'''
img_after=dingweiqizi_weizhi(img)
time1= time.time()
print(time1- start_time )
#cv2.imshow("src",img)
'''********************************************
2、识别棋盘棋子位置及颜色及序号；
********************************************'''
list1=dingweiqizi_yanse_weizhi(img_after)
time2= time.time()
print(time2 - time1)
print(time2- start_time )
#print(list1)