H5游戏开发,canvas学习总计六

H5游戏开发,canvas学习总计六

H5游戏开发:一笔画

2017/11/07 · HTML5 ·
游戏

初稿出处: 坑坑洼洼实验室   

图片 1

本次来咱们用opencv来促成识别跟踪银灰物体并回到地点坐标的效益。

在第叁章中(canvas学习计算三:绘制路径-线段)大家增强Canvas绘图环境中约略属于马上绘制图形方法,有个别绘图方法是基于路径的。

H5游戏开发:一笔画

by leeenx on 2017-11-02

一笔画是图论[科普](https://zh.wikipedia.org/wiki/%E5%9B%BE%E8%AE%BA)中贰个盛名的难点,它源点于柯温尼伯堡七桥题材[科普](https://zh.wikipedia.org/wiki/%E6%9F%AF%E5%B0%BC%E6%96%AF%E5%A0%A1%E4%B8%83%E6%A1%A5%E9%97%AE%E9%A2%98)。物军事学家欧拉在她1736年刊出的舆论《柯黎波里堡的七桥》中不仅消除了七桥题材,也提议了一笔画定理,顺带化解了一笔画难题。用图论的术语来说,对于1个加以的连通图[科普](https://zh.wikipedia.org/wiki/%E8%BF%9E%E9%80%9A%E5%9B%BE)留存一条恰好含有全体线段并且没有再一次的不二法门,那条路子正是「一笔画」。

寻找连通图那条路子的进程正是「一笔画」的玩耍进程,如下:

图片 2

该功效分为两部分,识别颜色,跟踪颜色。

当时绘制图形方法仅有八个strokeRect(),fillRect(),多个点子都以用来绘制矩形的。

游戏的贯彻

「一笔画」的兑现不复杂,笔者把落成进度分成两步:

  1. 底图绘制
  2. 相互绘制

「底图绘制」把连通图以「点线」的款式浮今后画布上,是十130日游最不难实现的有的;「交互绘制」是用户绘制解题路径的进程,这么些历程会首即使处理点与点动态成线的逻辑。

要想完毕颜色的辨识,大家要打开摄像头,读取捕获的图像。将图像的颜料通道转化为HSV,设置选择的一定颜色的参数。使用inRange函数将图像转变为二值图,其钴浅蓝部分显得为杏黄,别的为中绿。

Canvas的API提供了之类多少个措施,分别用于矩形的解除,描边与填充

底图绘制

「一笔画」是多关卡的娱乐形式,我决定把关卡(连通图)的定制以贰个布署接口的款式对外揭示。对外暴光关卡接口必要有一套描述连通图形状的正统,而在我前边有多少个选项:

  • 点记法
  • 线记法

举个连通图 —— 五角星为例来说一下这五个挑选。

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」记录关卡通关的叁个答案,即端点要按自然的逐一存放到数组
coords中,它是有序性的笔录。「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」最大的优势是呈现更不难,但它必须记录一个合格答案,作者只是关卡的苦力不是关卡创设者,所以作者最后挑选了「线记法」。:)

代码:

  • clearRect(x, y, w, h):
    清除钦赐区域,使其为全透明
  • strokeRect(x, y, w, h):
    绘制多个描边的矩形
  • fillRect(x, y, w, h):
    绘制二个填写的矩形

互相绘制

在画布上制图路径,从视觉上正是「采取或一而再连通图端点」的进度,这一个进度必要化解2个难点:

  • 手指下是或不是有端点
  • 入选点到待选中式点心时期是还是不是成线

采访连通图端点的坐标,再监听手指滑过的坐标可以明白「手指下是还是不是有点」。以下伪代码是采访端点坐标:

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]); });

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,进步活动端体验 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,判断是不是连线
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之前,手指滑过的任意端点都会被当作「一笔画」的起头点;在绘制了线段(或有选中式点心)后,手指滑过的端点能或不能够与选中式点心串连成线段须求遵照现有标准进行判定。

图片 4

上图,点A与点B可连接成线段,而点A与点C无法延续。作者把「能够与钦命端点连接成线段的端点称作使得连接点」。连通图端点的得力连接点从连通图的线条中领取:

JavaScript

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}) => { //
坐标是当下线段的源点 if(coord.x === x1 && coord.y === y1) {
coord.validCoords.push([x2, y2]); } // 坐标是近年来线段的极端 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…有效连接点只可以判断四个点是或不是为底图的线条,那只是四个静态的参考,在实际上的「交互绘制」中,会赶上以下情况:

图片 5
如上海教室,AB已串连成线段,当前选中式点心B的得力连接点是 A 与 C。AB
已经再而三成线,若是 BA 也串连成线段,那么线段就再次了,所以此时 BA
无法成线,唯有 AC 才能成线。

对选中式点心而言,它的卓有成效连接点有三种:

  • 与选中式点心「成线的有效性连接点」
  • 与选中式点心「未成线的管用连接点」

内部「未成线的管事连接点」才能参加「交互绘制」,并且它是动态的。

图片 6

回头本节内容开首提的八个难点「手指下是还是不是有端点」 与
「选中式点心到待选中式点心之间是或不是成线」,其实可统一为3个标题:手指下是不是留存「未成线的管用连接点」。只须把监听手指滑动遍历的数组由连通图全部的端点坐标
coords 替换为当下选中式点心的「未成线的灵光连接点」即可。

至此「一笔画」的首要职能已经落到实处。能够超过体验一下:

图片 7

VideoCapture cap(0);//打开录像头

咱俩先来探望基于路径的绘图矩形的办法

自动识图

作者在录加入关贸总协定协会卡配置时,发现二个7条边以上的接入图很简单录错或录重线段。小编在动脑筋是或不是开发一个自动识别图形的插件,究竟「一笔画」的图样是有平整的几何图形。

图片 8

下边包车型地铁卡子「底图」,一眼就足以识出多少个颜色:

  • 白底
  • 端点颜色
  • 线条颜色

还要那三种颜色在「底图」的面积大小顺序是:白底 > 线段颜色 >
端点颜色。底图的「采集色值表算法」一点也不细略,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});
}

对此连通图来说,只要把端点识别出来,连通图的大约也就出来了。

if ( !cap.isOpened() )

moveTo(), lineTo()

端点识别

辩驳上,通过采访的「色值表」能够一向把端点的坐标识别出来。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遇到「端点颜色」的像素,进入第叁步
  2. 从底图上打消端点并记下它的坐标,重临继续第2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]]; //
当前像素颜色属于端点 if(isBelongVertex(r, g, b, a)) { // 在 data
中清空端点 vertex = clearVertex(i); // 记录端点新闻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…
下面的算法只可以跑无损图。小编在使用了一张手提式无线电话机截屏做测试的时候发现,收集到的「色值表」长度为
陆仟+ !那直接促成端点和线条的色值无法直接拿走。

由此分析,能够发现「色值表」里多数色值都以看似的,也正是在原来的「采集色值表算法」的根基上添加一个近乎颜色过滤即能够找出端点和线条的主色。伪代码完成如下:

JavaScript

let lineColor = vertexColor = {count: 0}; for(let clr of clrs) { //
与底色相近,跳过 if(isBelongBackground(clr)) continue; //
线段是数码第①多的水彩,端点是第一多的水彩 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,再跑二回「端点识别算法」后居识别出 20三个端点!这是干吗吧?

图片 9

上航海用体育场合是松开5倍后的底图局地,血红端点的方圆和里面充斥着大批量噪点(杂色块)。事实上在「端点识别」进度中,由于噪点的存在,把本来的端点被分解成十八个或数十一个小端点了,以下是跑过「端点识别算法」后的底图:

图片 10

经过上海体育地方,能够直观地搜查捕获三个结论:识别出来的小端点只在指标(大)端点上集中分布,并且大端点范围内的小端点叠加交错。

固然把叠加交错的小端点归并成三个多方点,那么这几个大端点将不胜近乎目的端点。小端点的合并伪代码如下:

JavaScript

for(let i = 0, len = vertexes.length; i < len – 1; ++i) { let vertexA
= vertexes[i]; if(vertextA === undefined) continue; // 注意那里 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有增大,点B合并到点A并删除点B if(is克罗斯(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;
}
}
}

加了小端点归并算法后,「端点识别」的准确度就上来了。经小编本地测试已经足以
百分之百 识别有损的联网图了。

{

function drawRect(){
  // 描边矩形
  ctx.beginPath();
  ctx.moveTo(20, 20);
  ctx.lineTo(200, 20);
  ctx.lineTo(200, 200);
  ctx.lineTo(200, 200);
  ctx.lineTo(20, 200);
  ctx.lineTo(20, 20);
  ctx.stroke();

  //填充矩形
  ctx.beginPath();
  ctx.moveTo(220, 20);
  ctx.lineTo(400, 20);
  ctx.lineTo(400, 200);
  ctx.lineTo(220, 200);
  ctx.lineTo(220, 200);
  ctx.lineTo(220, 20);
  ctx.fill();
}

线条识别

小编分八个步骤完结「线段识别」:

  1. 加以的三个端点连接成线,并收集连线上N个「样本点」;
  2. 遍历样本点像素,假使像素色值不对等线段色值则代表那多个端点之间不设有线段

何以收集「样式点」是个难题,太密集会影响属性;太疏松精准度不可能保险。

在我前边有三个挑选:N 是常量;N 是变量。
假设 N === 5。局地提取「样式点」如下:

图片 11

上图,会识别出三条线条:AB, BC 和 AC。而实际,AC不能够成线,它只是因为
AB 和 BC 视觉上共一线的结果。当然把 N 值向上进步能够缓解这几个难点,然则 N
作为常量的话,那一个常量的取量供给靠经验来判定,果然放任。

为了幸免 AB 与 BC 同处一贯线时 AC 被辨认成线段,其实很不难 ——
七个「样本点」的区间小于或等于端点直径
假设 N = S / (2 * R),S 代表两点的离开,Highlander表示端点半径。局地提取「样式点」如下:

图片 12

如上海教室,成功地绕过了 AC。「线段识别算法」的伪代码实现如下:

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) { // 样本点不是线段色
if(!isBelongLine(x1 + N * stepX, y1 + N * stepY)) break; } //
样本点都过关 —- 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})
}
}

cout << “Cannot open the camera” << endl;

图片 13

品质优化

是因为「自动识图」必要对图像的的像素点进行围观,那么质量确实是个须要关爱的难点。作者设计的「自动识图算法」,在辨认图像的长河中须要对图像的像素做四回扫描:「采集色值表」
与 「采集端点」。在围观次数上实际很难下落了,可是对于一张 750 * 1334
的底图来说,「自动识图算法」须求遍历四次长度为
750 * 1334 * 4 = 4,002,000
的数组,压力依然会有个别。笔者是从压缩被扫描数组的尺寸来提高品质的。

被扫描数组的尺码怎么削减?
小编间接通过缩短画布的尺寸来完毕裁减被扫描数组尺寸的。伪代码如下:

JavaScript

// 要减小的倍数 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;

把源图片收缩4倍后,得到的图片像素数组唯有原来的
4^2 = 16倍。那在性质上是一点都不小的升高。

return -1;

rect()绘制矩形
rect(x, y, w,
h):绘制3个查封的矩形路径
参数x, y 分别为矩形左上角的坐标,w, h
分别为矩形的宽高

选择「自动识图」的提出

就算小编在本土测试的时候能够把具有的「底图」识别出来,可是并不可能确定保障别的开发者上传的图样是或不是被很好的鉴定区别出来。小编提出,能够把「自动识图」做为一个独门的工具使用。

小编写了八个「自动识图」的单身工具页面:
能够在这几个页素不相识成对应的卡子配置。

}

function drawRect(){
  ctx.beginPath();
  ctx.rect(20, 20, 180, 180);
  ctx.stroke();
  
  ctx.beginPath();
  ctx.rect(220, 20, 180, 180);
  ctx.fill();
}

结语

下边是本文介绍的「一笔画」的线上
DEMO 的二维码:

图片 7

221日游的源码托管在:
其中游戏完成的关键性代码在:
电动识图的代码在:

谢谢耐心阅读完本小说的读者。本文仅表示作者的个人观点,如有不妥之处请不吝赐教。

谢谢您的翻阅,本文由 坑坑洼洼实验室
版权全体。如果转发,请注明出处:凹凸实验室()

1 赞 1 收藏
评论

图片 15

int iLowH = 100; int iHighH = 140; int iLowS = 90; int iHighS = 255; int
iLowV = 90; int iHighV = 255;//设置中黄的颜料参量。

图片 16

Mat imgOriginal; bool bSuccess = cap.read(imgOriginal); if (!bSuccess) {
cout << “Cannot read a frame from video stream” << endl;
break; } Mat imgHSV; vectorhsvSplit;

 

cvtColor(imgOriginal, imgHSV, COLOR_BG福特Explorer2HSV); 
//因为大家读取的是万紫千红图,直方图均衡化必要在HSV空间做

立即绘图函数

split(imgHSV, hsvSplit);

strokeRect(x, y, w, h):
 绘制1个描边的矩形

equalizeHist(hsvSplit[2],hsvSplit[2]);

参数x, y 分别为矩形左上角的坐标,w, h
分别为矩形的宽高

merge(hsvSplit,imgHSV);

function drawRect(){
  ctx.strokeRect(20, 20, 180, 180);
}

Mat imgThresholded;

图片 17

inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS,
iHighV), imgThresholded);  //开操作 (去除一些噪点)

fillRect(x, y, w, h):
绘制3个填写的矩形

Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));

参数x, y 分别为矩形左上角的坐标,w, h
分别为矩形的宽高

morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);
//闭操作 (连接一些连通域)

function drawRect(){
    ctx.fillRect(20, 20, 180, 180);
}

morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);

图片 18

//对灰度图实行滤波

clearRect(x, y, w, h):
清除钦命区域内的具有像素
参数x, y 分别为矩形左上角的坐标,w, h
分别为矩形的宽高

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图