溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容主要講解“基于Python怎么自制視覺桌上冰球小游戲”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“基于Python怎么自制視覺桌上冰球小游戲”吧!
規則如下：左手控制白色球拍；右手控制紫色球拍；球拍只能上下移動；紅色圓形就是冰球；球碰撞到上下兩側的藍色邊框，和兩側的球拍就會反彈；如果球進入了黃色區域，游戲結束；下面的粉色計數板，記錄左右兩側各擊球多少次。
pip install opencv_python==4.2.0.34 # 安裝opencv pip install mediapipe # 安裝mediapipe # pip install mediapipe --user #有user報錯的話試試這個 pip install cvzone # 安裝cvzone # 導入工具包 import cv2 import cvzone from cvzone.HandTrackingModule import HandDetector # 導入手部檢測模塊
21個手部關鍵點坐標如下：
開始之前，先準備球桌的圖片，球的圖片，球拍的圖片。我是用PPT畫的圖，球和球拍的圖片一定要保存成 .png 格式的。放在同一個文件夾中以備讀取。
（1） cvzone.HandTrackingModule.HandDetector()手部關鍵點檢測方法
參數：
mode： 默認為 False，將輸入圖像視為視頻流。它將嘗試在第一個輸入圖像中檢測手，并在成功檢測后進一步定位手的坐標。在隨后的圖像中，一旦檢測到所有 maxHands 手并定位了相應的手的坐標，它就會跟蹤這些坐標，而不會調用另一個檢測，直到它失去對任何一只手的跟蹤。這減少了延遲，非常適合處理視頻幀。如果設置為 True，則在每個輸入圖像上運行手部檢測，用于處理一批靜態的、可能不相關的圖像。
maxHands： 最多檢測幾只手，默認為 2
detectionCon： 手部檢測模型的最小置信值（0-1之間），超過閾值則檢測成功。默認為 0.5
minTrackingCon： 坐標跟蹤模型的最小置信值 (0-1之間)，用于將手部坐標視為成功跟蹤，不成功則在下一個輸入圖像上自動調用手部檢測。將其設置為更高的值可以提高解決方案的穩健性，但代價是更高的延遲。如果 mode 為 True，則忽略這個參數，手部檢測將在每個圖像上運行。默認為 0.5
它的參數和返回值類似于官方函數 mediapipe.solutions.hands.Hands()
MULTI_HAND_LANDMARKS： 被檢測/跟蹤的手的集合，其中每只手被表示為21個手部地標的列表，每個地標由x, y, z組成。
MULTI_HANDEDNESS： 被檢測/追蹤的手是左手還是右手的集合。每只手由label(標簽)和score(分數)組成。 label 是 'Left' 或 'Right' 值的字符串。 score 是預測左右手的估計概率。
（2）cvzone.HandTrackingModule.HandDetector.findHands() 找到手部關鍵點并繪圖
參數：
img： 需要檢測關鍵點的幀圖像，格式為BGR
draw： 是否需要在原圖像上繪制關鍵點及識別框
flipType： 圖像是否需要翻轉，當視頻圖像和我們自己不是鏡像關系時，設為True就可以了
返回值：
hands： 檢測到的手部信息，由0或1或2個字典組成的列表。如果檢測到兩只手就是由兩個字典組成的列表。字典中包含：21個關鍵點坐標(x,y,z)，檢測框左上坐標及其寬高，檢測框中心點坐標，檢測出是哪一只手。
img： 返回繪制了關鍵點及連線后的圖像
（3）cv2.addWeighted()圖像融合
將兩張圖像按一定比例融合在一起，需要兩張圖像的size和通道數相同
兩張圖像按一定比例融合： cv2.addWeighted(圖像1, 權重1, 圖像2, 權重2, 亮度偏置)
相當于 y = a x1 + b x2 + c，其中 a、b 代表權重，c 代表亮度上提亮多少
首先 cv2.imread() 中的參數 cv2.IMREAD_UNCHANGED 是指用圖片的原來格式打開，包含Alpha通道。即以不改變圖片的方式打開，圖片是彩色那么讀進來就是彩色，圖片是灰度圖那么讀進來就是灰度圖，讀進來的圖片的shape如下：
該部分代碼主要負責手部關鍵點檢測，融合背景圖像和視頻幀圖像
import cv2
import cvzone
from cvzone.HandTrackingModule import HandDetector # 導入手部檢測模塊
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0) # 0代表電腦自帶的攝像頭
cap.set(3, 1280) # 讀入的圖像的寬
cap.set(4, 720) # 讀入的圖像的高
#（2）文件配置
# 導入所有需要對圖片文件
imgDesk = cv2.imread('games/desk.jpg') # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED) # 球的圖片
imgBlock1 = cv2.imread('games/block1', cv2.IMREAD_UNCHANGED) # 球拍的圖片
imgBlock2 = cv2.imread('games/block2', cv2.IMREAD_UNCHANGED) # 球拍的圖片
# 調整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
#（3）參數設置
# 接收手部關鍵點識別的方法，最小手部檢測模塊置信度0.8，最多檢測2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
#（4）處理幀圖像
while True:
# 返回是否讀取成功，以及讀取后的幀圖像
success, img = cap.read() # 每次執行讀取一幀
# 圖片翻轉呈鏡像關系，1代表左右翻轉，0代表上下翻轉
img = cv2.flip(img, flipCode=1)
# 手部關鍵點檢測，返回每個只手的信息和繪制后的圖像
hands, img = detector.findHands(img, flipType=False) # 上面翻轉過了這里就不用翻轉了
# 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
# 給出每張圖片的融合權重, 亮度偏置為0，這樣就變成了半透明的顯示形式
img = cv2.addWeighted(img, 0.3, imgDesk, 0.7, 0)
#（5）添加桌球的圖片，將imgBall放在球桌img的指定坐標位置
img = cvzone.overlayPNG(img, imgBall, (100,100))
# 圖像展示
cv2.imshow('img', img)
# 每幀滯留1ms后消失
k = cv2.waitKey(1)
# ESC鍵退出程序
if k & 0XFF==27:
break
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()效果圖如下：
這部分主要完成兩項工作，第一是左右手分別控制左側和右側的球拍，第二個是球以一定的速度移動。
（1）控制球拍
hand['bbox'] 中包含了手部檢測框的左上角坐標和檢測框的寬高，使用手掌中心點的 y 坐標來控制球拍的上下移動。由于兩個球拍的shape是相同的，因此只要獲取一個球拍的高度 h2 即可。使用掌心中點 y 坐標控制球拍中點的 y1 坐標，公式為：y1 = (y + h) // 2 - h2 // 2
接著使用 cvzone.overlayPNG() 就可以將球拍圖片覆蓋在原圖片的指定區域，其中坐標參數是指覆蓋區域的左上角坐標。固定橫坐標，只上下移動。
（2）球移動
首先要規定球的移動速度 speedx, speedy = 10, 10 代表球每一幀沿x軸正方向移動10個像素，沿y軸正方向移動10個像素，那么球的初始合速度方向是沿圖片的正右下角移動
如果球碰撞到了球桌的上下邊框，就反彈。speedy = -speedy。代表x方向每幀移動的步長不變，y方向每幀移動的方向反轉，即入射角等于出射角。
在上述代碼中補充
import cv2
import cvzone
import numpy as np
from cvzone.HandTrackingModule import HandDetector # 導入手部檢測模塊
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0) # 0代表電腦自帶的攝像頭
cap.set(3, 1280) # 讀入的圖像的寬
cap.set(4, 720) # 讀入的圖像的高
#（2）文件配置
# 導入所有需要對圖片文件
imgDesk = cv2.imread('games/desk.jpg') # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED) # 球的圖片
imgBlock1 = cv2.imread('games/block1.png', cv2.IMREAD_UNCHANGED) # 球拍的圖片
imgBlock2 = cv2.imread('games/block2.png', cv2.IMREAD_UNCHANGED) # 球拍的圖片
# 調整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
# 調整球拍的size
imgBlock1 = cv2.resize(imgBlock1, dsize=(50,200))
imgBlock2 = cv2.resize(imgBlock2, dsize=(50,200))
#（3）參數設置
# 接收手部關鍵點識別的方法，最小手部檢測模塊置信度0.8，最多檢測2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
# 球的默認位置
ballpos = [100, 100]
# 球的移動速度，每幀15個像素
speedx, speedy = 10, 10
#（4）處理幀圖像
while True:
# 返回是否讀取成功，以及讀取后的幀圖像
success, img = cap.read() # 每次執行讀取一幀
# 圖片翻轉呈鏡像關系，1代表左右翻轉，0代表上下翻轉
img = cv2.flip(img, flipCode=1)
# 手部關鍵點檢測，返回每個只手的信息和繪制后的圖像
hands, img = detector.findHands(img, flipType=False) # 上面翻轉過了這里就不用翻轉了
# 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
# 給出每張圖片的融合權重, 亮度偏置為0，這樣就變成了半透明的顯示形式
img = cv2.addWeighted(img, 0.4, imgDesk, 0.6, 0)
#（5）處理手部關鍵點，如果檢測到手了就進行下一步
if hands:
# 遍歷每檢測的2只手，獲取每一只手的坐標
for hand in hands:
# 獲取手部檢測框的左上坐標xy，寬高wh
x, y, w, h = hand['bbox']
# 獲取球拍的寬高
h2, w1 = imgBlock1.shape[0:2]
# 球拍的中心y坐標，隨著掌心移動
y1 = (y + h) // 2 - h2 // 2
# 如果檢測到了左手
if hand['type'] == 'Left':
# 左側的球拍x軸固定,y坐標隨左手掌間中點移動
img = cvzone.overlayPNG(img, imgBlock1, (55,y1))
# 如果檢測到了右手
if hand['type'] == 'Right':
# 右側的球拍x軸固定,y坐標隨右手掌間中點移動
img = cvzone.overlayPNG(img, imgBlock2, (1280-55,y1))
#（6）改變球的位置
# 如果球的y坐標在超出了桌面的上或下邊框范圍，調整移動方向
if ballpos[1] >= 600 or ballpos[1] <= 50:
# y方向的速度調整為反方向，那么x方向和y方向的合速度方向調整了
speedy = -speedy
ballpos[0] = ballpos[0] + speedx # 調整球的x坐標
ballpos[1] = ballpos[1] + speedy # 調整球的y坐標
#（5）添加桌球的圖片，將imgBall放在球桌img的指定坐標位置
img = cvzone.overlayPNG(img, imgBall, ballpos)
# 圖像展示
cv2.imshow('img', img)
# 每幀滯留1ms后消失
k = cv2.waitKey(1)
# ESC鍵退出程序
if k & 0XFF==27:
break
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()效果圖如下：
這一部分主要完成三項工作，第一是球拍擊打到球，球需要反彈；第二是如果球進入黃色區域，游戲結束；第三是左右側擊球得分計數器。
（1）球拍擊球
看到代碼中的第（5）步，ballpos 代表球的左上角坐標(x,y)，100 < ballpos[0] < 100+w1 代表球到了球拍橫坐標區域范圍內部了，y1 < ballpos[1] < y1+h2 代表球的y坐標在球拍y坐標內部，這時表明擊球成功，speedx = -speedx 只改變沿x軸的速度方向，不改變沿y軸的速度方向。
（2）球進黃區，游戲結束
if ballpos[0] < 50 or ballpos[0] > 1150，如果球圖片的左上坐標的 x 坐標，在黃區邊緣，整個程序退出。當然也可以做一個游戲結束界面，我之前的博文里也有介紹，我偷個懶不寫了。
（3）計數器
首先定義個變量初始化記錄左右側的擊球次數 score = [0, 0]，如果有一側的球拍擊中球，那么對應該側計數加一。
上面代碼是掌心控制球拍，這里改成食指指尖控制球拍中點移動。
import cv2
import cvzone
from cvzone.HandTrackingModule import HandDetector # 導入手部檢測模塊
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0) # 0代表電腦自帶的攝像頭
cap.set(3, 1280) # 讀入的圖像的寬
cap.set(4, 720) # 讀入的圖像的高
#（2）文件配置
# 導入所有需要對圖片文件
imgDesk = cv2.imread('games/desk.jpg') # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED) # 球的圖片
imgBlock1 = cv2.imread('games/block1.png', cv2.IMREAD_UNCHANGED) # 球拍的圖片
imgBlock2 = cv2.imread('games/block2.png', cv2.IMREAD_UNCHANGED) # 球拍的圖片
# 調整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
# 調整球拍的size
imgBlock1 = cv2.resize(imgBlock1, dsize=(50,200))
imgBlock2 = cv2.resize(imgBlock2, dsize=(50,200))
#（3）參數設置
# 接收手部關鍵點識別的方法，最小手部檢測模塊置信度0.8，最多檢測2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
# 球的默認位置
ballpos = [100, 100]
# 球的移動速度，每幀15個像素
speedx, speedy = 10, 10
# 記錄是否游戲結束
gameover = False
# 記錄左右的擊球數
score = [0, 0]
#（4）處理幀圖像
while True:
# 返回是否讀取成功，以及讀取后的幀圖像
success, img = cap.read() # 每次執行讀取一幀
# 圖片翻轉呈鏡像關系，1代表左右翻轉，0代表上下翻轉
img = cv2.flip(img, flipCode=1)
# 手部關鍵點檢測，返回每個只手的信息和繪制后的圖像
hands, img = detector.findHands(img, flipType=False) # 上面翻轉過了這里就不用翻轉了
# 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
# 給出每張圖片的融合權重, 亮度偏置為0，這樣就變成了半透明的顯示形式
img = cv2.addWeighted(img, 0.4, imgDesk, 0.6, 0)
#（5）處理手部關鍵點，如果檢測到手了就進行下一步
if hands:
# 遍歷每檢測的2只手，獲取每一只手的坐標
for hand in hands:
# 獲取食指坐標(x,y,z)
x, y, z = hand['lmList'][8]
# 獲取球拍的寬高
h2, w1 = imgBlock1.shape[0:2]
# 球拍的中心y坐標，隨著掌心移動
y1 = y - h2 // 2
# 如果檢測到了左手
if hand['type'] == 'Left':
# 左側的球拍x軸固定,y坐標隨左手掌間中點移動
img = cvzone.overlayPNG(img, imgBlock1, (100,y1))
# 檢查球是否被左球拍擊中, 球的xy坐標是否在球拍xy坐標附近
if 100 < ballpos[0] < 100+w1 and y1 < ballpos[1] < y1+h2:
# 滿足條件代表球拍擊中了，改變球的移動方向
speedx = -speedx # x方向設為反方向
# 得分加一
score[0] += 1
# 如果檢測到了右手
if hand['type'] == 'Right':
# 右側的球拍x軸固定,y坐標隨右手掌間中點移動
img = cvzone.overlayPNG(img, imgBlock2, (1150,y1))
# 檢查球是否被右球拍擊中
if 1050 < ballpos[0] < 1050+w1 and y1 < ballpos[1] < y1+h2:
# 滿足條件代表球拍擊中了，改變球的移動方向
speedx = -speedx # x方向設為反方向
# 得分加一
score[1] += 1
#（6）檢查球是否沒接到，那么游戲結束
if ballpos[0] < 50 or ballpos[0] > 1150:
gameover = True
# 游戲結束，畫面就不動了
if gameover is True:
break
# 游戲沒結束就接下去執行
else:
#（7）調整球的坐標
# 如果球的y坐標在超出了桌面的上或下邊框范圍，調整移動方向
if ballpos[1] >= 600 or ballpos[1] <= 50:
# y方向的速度調整為反方向，那么x方向和y方向的合速度方向調整了
speedy = -speedy
# 每一整都調整xy坐標
ballpos[0] = ballpos[0] + speedx # 調整球的x坐標
ballpos[1] = ballpos[1] + speedy # 調整球的y坐標
#（8）添加桌球的圖片，將imgBall放在球桌img的指定坐標位置
img = cvzone.overlayPNG(img, imgBall, ballpos)
#（9）顯示記分板
cvzone.putTextRect(img, f'Left:{score[0]} and Right:{score[1]}', (400,710))
#（10）圖像展示
cv2.imshow('img', img)
# 每幀滯留1ms后消失
k = cv2.waitKey(1)
# ESC鍵退出程序
if k & 0XFF==27:
break
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()效果圖如下：
到此，相信大家對“基于Python怎么自制視覺桌上冰球小游戲”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
