程序可以通过以下方法识别棋子：
霍夫圆变换
使用OpenCV的霍夫圆变换检测圆形棋子，返回棋子的圆心坐标和半径。这种方法适用于检测标准大小的圆形棋子，如中国象棋或围棋的棋子。
图像特征提取与比较
对任意对局画面，通过OpenCV提取图像特征，并进行比较，返回特征最大相似的图片，完成棋子识别。
轮廓检测与筛选
通过预处理后的图像，寻找图像中的轮廓，并根据轮廓的面积筛选出可能的棋子轮廓，最后在原图像中提取棋子区域。
像素占比识别
将图像进行灰度化、二值化后，通过统计黑色像素占比超过一定数值，判断该处是否有黑色棋子。同样地，可以通过统计白色像素占比来识别白色棋子。
计算机视觉技术
利用计算机视觉技术和卷积神经网络（CNN）创建分类算法，确定棋子在棋盘上的位置。这种方法通常涉及更复杂的图像处理和深度学习技术。
模板匹配
通过手动选取棋子模板，与图像中的棋子进行匹配，识别棋子的种类和位置。
透视矫正与棋盘定位
对图像进行透视矫正，定位棋盘格子，然后识别棋子及其颜色。
建议
选择合适的方法：根据具体应用场景和需求选择合适的棋子识别方法。例如，对于中国象棋，霍夫圆变换和图像特征提取可能比较适用；而对于围棋，可能需要结合深度学习技术。
优化图像预处理：图像预处理步骤对于提高棋子识别的准确性至关重要，包括灰度化、二值化、去噪等操作。
训练深度学习模型：如果需要更高的识别准确率，可以考虑使用深度学习模型，如卷积神经网络（CNN），进行训练和优化。
测试与验证：在实际应用中，需要对识别算法进行充分的测试和验证，确保其在不同场景下的稳定性和准确性。