### 使用 OpenCV 进行颜色检测以确定棋盘上黑棋的确切位置 为了实现这一目标，可以采用以下方法： #### 图像预处理 首先读入图像并将其转换为 HSV 色彩空间，因为HSV色彩空间更适合表示和分离色调、饱和度以及亮度信息。 ```python import cv2 import numpy as np image = cv2.imread('chess_board.jpg') hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) ``` #### 定义黑色范围 定义一个合理的阈值区间来区分黑白两色。由于实际拍摄环境中的光照条件可能会影响颜色表现，在这里设定较宽泛的上下限[^1]。 ```python lower_black = np.array([0, 0, 0]) upper_black = np.array([180, 255, 46]) # 可能需要根据具体情况进行调整 mask = cv2.inRange(hsv_image, lower_black, upper_black) ``` #### 形态学操作去除噪声 利用形态学闭运算填充前景物体内部的小洞；开运算则用来消除背景区域内的白色噪点。 ```python kernel = np.ones((5, 5), np.uint8) opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) closing = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel) ``` #### 查找轮廓获取中心坐标 通过`findContours()`函数找到所有封闭图形，并计算其质心作为候选黑子位置。 ```python contours, _ = cv2.findContours(closing.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:] centers = [] for contour in contours: M = cv2.moments(contour) cX = int(M["m10"] / (M["m00"] + 1e-7)) cY = int(M["m01"] / (M["m00"] + 1e-7)) centers.append((cX, cY)) # 将符合条件的对象加入列表中保存起来 ``` #### 结合棋盘格角点匹配 最后一步是将上述得到的黑子中心与之前提到过的棋盘格角点进行关联配对，从而精确定位到具体的方格内[^3]。 ```python criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) corners = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria) # 假设已经得到了corner_points 和 black_stones_centers两个数组， # 接下来就是寻找最近邻关系完成映射... ```