opencv实现石头剪刀布代码

import cv2
import numpy
import time
import random
import os
def judge（）:
    # 构造一个3×3的结构元素
    # return 0 stone 1 jiandao 2 bu
    img = cv2.imread（“wif.jpg“ 0）
    element = cv2.getStructuringElement（cv2.MORPH_RECT （11 11））#矩形：MORPH_RECT  交叉形：MORPH_CROSS  椭圆形：MORPH_ELLIPSE
    dilate = cv2.dilate（img element）
    erode = cv2.erode（img element）
    # 将两幅图像相减获得边，第一个参数是膨胀后的图像，第二个参数是腐蚀后的图像
    result = cv2.absdiff（dilate erode）;
    # 上面得到的结果是灰度图，将其二值化以便更清楚的观察结果
    retval result = cv2.threshold（result 40 255 cv2.THRESH_BINARY）;
    # 反色，即对二值图每个像素取反
    result = cv2.bitwise_not（result）;
    “““
python-opencv图像的位操作：图像与运算cv2.bitwise_and，图像或运算cv2.bitwise_or，图像非运算cv2.bitwise_not与图像异或运算cv2.bitwise_xor。
1）图像与运算-cv2.bitwise_and（src1 src2 dst=None mask = None）
2）图像或运算-cv2.bitwise_or（src1 src2 dst=None mask = None）
3）图像非运算-cv2.bitwise_not（src1 src2 dst=None mask = None）
图像非运算的效果：一个二值图，将黑色转为白色，白色转为黑色。
    “““
    result = cv2.medianBlur（result 23）
    #cv2.imshow（“test“result）
    “““
这里介绍非线性过滤器——中值滤波器。
由于中值滤波器对消除椒盐现象特别有用。所以我们使用第二篇教程中椒盐函数先对图像进行处理，将处理结果作为示例图片。
调用中值滤波器的方法与调用其他滤波器的方法类似，如下：
result = cv2.medianBlur（image5）  
函数返回处理结果，第一个参数是待处理图像，
第二个参数是孔径的尺寸，一个大于1的奇数。
比如这里是5，中值滤波器就会使用5×5的范围来计算。即对像素的中心值及其5×5邻域组成了一个数值集，对其进行处理计算，当前像素被其中值替换掉。
    “““
    a = []
    posi = []
    width = []
    count = 0
    area = 0
    #这个大神的计算方法，我一时也解析不出来，应该是依靠手势面积来计算的
    for i in range（result.shape[1]）:
        for j in range（result.shape[0]）:
            if （result[j][i] == 0）:
                area += 1
    for i in range（result.shape[1]）:
        if （result[5 * result.shape[0] // 16][i] == 0 and result[5 * result.shape[0] // 16][i - 1] != 0）:
            count += 1
            width.append（0）
            posi.append（i）
        if （result[5 * result.shape[0] // 16][i] == 0）:
            width[count-1]+= 1    # 如果在这里报错，是因为背景问题，请让手的背景尽量整洁
    #这里是调试用的代码可以注释掉
    print （‘the pic width is ‘result.shape[1]‘\n‘）
    for i in range（count）:
        print （‘the ‘i‘th‘‘ ‘‘is‘）
        print （‘width ‘width[i] ）
        print （‘posi ‘posi[i]‘\n‘）
    print （count‘\n‘）
    print （‘area is ‘area‘\n‘）
    cv2.line（result（05*result.shape[0]//16）（2145*result.shape[0]//16）（000））
    cv2.namedWindow（“test“）
    cv2.imshow（“test“result）
    cv2.waitKey（0）
    #这里是调试用的代码可以注释掉
    # 判定时间
    width_length = 0
    width_jiandao = True
    for i in range（count）:
        if width[i] > 45:
            # print ‘bu1‘;
            return 2;
        if width[i] <= 20 or width[i] >= 40:
            width_jiandao = False
        width_length += width[i]
    if width_jiandao == True and count == 2:
        return 1;
    if （area < 8500）:
        print （‘shi tou‘）
        return 0;
    print（“width_leng“ width_length）
    if （width_length < 35）:
        # 这个时候说明照片是偏下的，所以需要重新测定。
        a = []