CN102750538B - 一种基于图像处理技术的围棋比赛结果分析方法 - Google Patents

Abstract

本发明公开了一种基于图像处理技术的围棋比赛结果分析方法，包括以下步骤：步骤一，棋盘图像的预处理：根据采集的图像，通过空间变换和灰度级插值，去除采集图像中除棋盘以外的其它物体；步骤二，棋盘图像中黑白棋子的分割：将校正后的图像，设置合适的阈值，分别分割出黑白棋子图像；步骤三，黑白棋子的检测与结果判定：将分割出的黑白棋子图像分别经过开运算、投影、画线、检测线与线交点处的棋盘的属性、空白处棋子填补、结果判定等操作来完成比赛结果的判定。本发明在不增加额外装置的情况下，通过软件方法进行图像处理，快速、准确地判定比赛结果。

Description

一种基于图像处理技术的围棋比赛结果分析方法

技术领域

本发明涉及图像数据处理和识别领域，特别是一种基于图像处理技术的围棋比赛结果分析方法。

背景技术

在围棋类比赛中，对于采用普通棋盘和实体的棋子比赛结果的统计基本上仍然采用传统的人工数棋子的方法，不仅耗费时间较长，准确度很多时候也不能保证。在计算机视觉技术日益普及的今天，采用机器辅助判读是一种更优的方法。本专利技术首先用数码相机(或摄像头)对围棋比赛后的棋盘进行图像采集，再用数字图像处理技术进行机器判读。这样做不仅可以大大缩减判读时间，还可以保证结果的准确度。本发明中利用计算机技术和数字图像处理技术自动分割黑棋和白棋，定位黑白棋子的位置，快速得到对弈的结果。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于图像处理技术的围棋比赛结果分析方法，从而使得在人们下围棋的时候能够快速准确的统计出棋盘的棋子的状态以及比赛结果。

为了解决上述技术问题，本发明公开了一种基于图像处理技术的围棋比赛结果分析方法，包括以下步骤：

步骤一，棋盘图像的预处理：根据采集的图像，通过空间变换和灰度级插值，去除采集图像中除棋盘以外的其它物体；

步骤二，棋盘图像中黑白棋子的分割：将校正后的图像，设置合适的阈值，分别分割出黑白棋子图像；

步骤三，黑白棋子的检测与结果判定：将分割出的黑白棋子图像分别经过开运算、投影、画线、检测线与线交点处的棋盘的属性、空白处棋子填补、结果判定等操作来完成比赛结果的判定。本发明在不增加额外装置的情况下，通过软件方法进行图像处理，快速、准确地判定比赛结果。

本发明中，优选地，所述步骤一包括以下步骤：

步骤(11)，在采集的图像中，标记出棋盘的四个角的坐标点，因为在下面的几何变换中需要使用这四个坐标点进行仿射变换；

步骤(12)，图像进行几何变换，由于棋盘图像在采集时，难免会有变形，所以使用几何变换将整个棋盘图像进行空间变换和灰度级插值，去除采集棋盘图像中除棋盘部分的其余部分，得到规则的矩形图像。

本发明中，优选地，所述步骤二包括以下步骤：

步骤(21)，在采集的围棋棋盘图像中，经过几何变换后，图像中只会出现三种物体，黑色棋子、白色棋子和底色为黄色的棋盘，可以通过直方图直接阈值分割方法分割出黑色棋子。对校正后的图像计算灰度直方图，然后通过一维邻域平滑滤波器(下文将介绍)进行滤波，滤波后的灰度直方图会出现峰谷值，第一个峰与第二个峰之间的谷点之前是黑色棋子出现的概率，第一个谷点之后的是棋盘和白色棋子，所以只需要找到灰度直方图曲线中第一个峰值与第二个峰值之间的谷值即为黑色棋子的分割阈值，将此值作为分割黑色棋子的阈值，并且二值化，将灰度图像中的黑色棋子赋值为255，其余的图像赋值为0。

步骤(22)，因为在实际采集的图像中，经过灰度化之后棋盘灰度值与白色棋子的灰度值有交叉，这样通过灰度阈值分割就不能将白色棋子与棋盘分开。经过研究黑色、白色与黄色棋子的红绿蓝三分量的值发现，黑色的红绿蓝三分量的值都比较小，白色的红绿蓝三分量的值都比较大，黄色的红绿蓝三分量中红绿分量的值比较大，蓝色分量的值比较小。黑色、白色、黄色棋子中它们的蓝色分量相差比较大，只有白色棋子的蓝色分量比较大，黑色与黄色棋子的蓝色分量都比较小，所以只需要提取出彩色图像中的蓝色分量，然后设置适当的阈值，即可以将白色棋子与棋盘分开。在选择阈值时，同样采用自动阈值提取。画出校正后图像蓝色分量的灰度直方图，然后通过一维邻域平滑滤波器进行滤波，滤波后的灰度直方图会出现峰谷值，第一个峰是蓝色分量中黑色棋子出现的概率，第二个峰是棋盘出现的概率，第三个峰是和白色棋子出现的概率。所以求取第二个峰值与第三个峰值之间的谷值即是分割白色棋子的阈值。将此值作为分割白色棋子的阈值，并且二值化，将灰度图像中的白色棋子赋值为255，其余的图像赋值为0。

本发明中，优选地，所述步骤三包括以下步骤：

步骤(31)，对分割出的黑白棋子图像分别作开运算，这样可以消除图像中在分割时由于阈值选择不准确而出现的细小噪声，还可以平滑物体的边界；

步骤(32)，将开运算后的图像进行相加，然后做一次腐蚀操作，腐蚀操作的作用是消除物体边界点，这样便于在投影时方便的找出极值点；

步骤(33)，将腐蚀后的图像使用图像投影的方法，分别在水平和垂直方向上做投影，并记录其值；

步骤(34)，根据记录的水平和垂直方向投影的值，画出投影曲线，经过一维邻域平滑滤波器后求出极值，这些极值就对应着棋盘中的棋盘线的位置，因为棋盘的大小是19×19的，所以求出的极值也分别是19条；

步骤(35)，根据检测到的棋盘线，检测黑白棋子位置，在检测棋子位置时使用M×M的窗口去检测棋子，M表示窗口大小，M取3，在得到黑白棋子位置后使用围棋棋子填补规则：空到黑或白，空被填补为黑或白、黑或白到空，空被填补为黑或白、白到空到白，空被填补为白、黑到空到黑，空被填补为黑，使用以上规则将相应的空白处填补为黑或白棋。

步骤(36)，统计填补后黑白棋子的个数，然后根据比赛规则判定比赛结果。

本发明的原理是根据采集的图像，首先分别分割出黑色棋子与白色棋子图像，其次将分割图像分别进行开运算操作，将开运算之后的图像相加再做一次腐蚀，然后将腐蚀后的图像进行投影，检测出棋盘的19×19的棋盘线，在线的交点处检测黑白棋子的，根据检测的黑白棋子根据围棋填补规则进行填补棋子，填补后统计黑白棋子个数，使用围棋判决规则判定比赛结果。

有益效果：本发明通过软件方法进行图像处理，在对棋盘进行采集后，即可快速准确的检测出棋盘中每格状态。本发明在统计围棋比赛结果、以及围棋策略的分析有广泛的应用前景。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和或其他方面的优点将会变得更加清楚。

图1是几何校正示意图。

图2是本发明分割黑色棋子的过程图。

图3是本发明分割白色棋子的过程图。

图4是本发明黑自棋子检测与结果判定的流程图

图5是本发明方法简化流程图。

具体实施方式：

本发明，核心思路是利用采集的图像进行黑白棋子分割，分别分割出黑白棋子图像，其次将分割图像分别进行开运算操作，将开运算之后的图像相加再做一次腐蚀，然后根据分割出的图像进行水平和垂直方向的投影，画出棋盘中的线，然后在线的交点处寻找棋子，然后记录下棋子的状态，然后根据算法，统计围棋比赛结果。

如图5所示，本发明公开了一种基于图像处理技术的围棋比赛结果分析方法，包括以下步骤：

步骤一，棋盘图像的预处理：通过空间变换和灰度级插值，去除采集图像中除棋盘以外的其它物体；

所述步骤一包括以下步骤：步骤11，在采集的图像中，标记出棋盘的四个角的坐标点；步骤12，根据标记的坐标点，通过几何变换去掉采集的图像中除棋盘以外的其它物体，并变换为一个矩形图像。

步骤12，对棋盘图像预处理；

对采集的图像进行预处理，对图像进行预处理使其使其能够适应算法的要求显得尤为必要，本发明中涉及到的图像预处理包括空间变换和灰度级插值。

几何变换是图像中点与点的空间映射关系，可将图像中一点变换到图像中任意位置，保持变换前后两幅图像间局部特征相似即源图像上局部特征的连续性与相通性不变。

基于双线性变换的几何变换：

令

G(x，y)＝F(x′，y′)＝F(ax′+by′+cx′y′+d，ex′+fy′+gx′y′+h)(1)

式(1)中G(x，y)表示变换后的图像，F(x′，y′)表示原始图像

即

x＝ax′+by′+cx′y′+d(2)

y＝ex′+fy′+gx′y′+h(3)

式(2)、(3)中x，y表示变换后图像的坐标，x′，y′表示原始图像的坐标，a，b，c，d，e，f，g，h表示变换系数

原始图像的4个点(x′₁，y′₁)，(x′₂，y′₂)，(x′₃，y′₃)，(x′₄，y′₄)

校正后图像的4个点(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，(x₄，y₄)

根据这4对点，可以列出8个方程组，方程中有8个系数，只需知道8个方程，就可以解出8个未知数，用矩阵表示即为：

$\left[\begin{array}{cccc}{x}_1& y_1& 0& 0\\ x_2& y_2& 0& 0\\ x_3& y_3& 0& 0\\ x_4& y_4& 0& 0\end{array}\right]=\left[\begin{array}{cccc}{x}_1^{\′}& y_1^{\′}& x_1^{\′}{y}_1^{\′}& 1\\ x_2^{\′}& y_2^{\′}& x_2^{\′}{y}_2^{\′}& 1\\ x_3^{\′}& y_3^{\′}& x_3^{\′}{y}_3^{\′}& 1\\ x_4^{\′}& y_4^{\′}& x_4^{\′}{y}_4^{\′}& 1\end{array}\right]\left[\begin{array}{cccc}a& e& 0& 0\\ b& f& 0& 0\\ c& g& 0& 0\\ d& h& 0& 0\end{array}\right]---\left(4\right)$

令

$\begin{array}{ccc}B=\left[\begin{array}{cccc}{x}_1& y_1& 0& 0\\ x_2& y_2& 0& 0\\ x_3& y_3& 0& 0\\ x_4& y_4& 0& 0\end{array}\right]& A=\left[\begin{array}{cccc}{x}_1^{\′}& y_1^{\′}& x_1^{\′}{y}_1^{\′}& 1\\ x_2^{\′}& y_2^{\′}& x_2^{\′}{y}_2^{\′}& 1\\ x_3^{\′}& y_3^{\′}& x_3^{\′}{y}_3^{\′}& 1\\ x_4^{\′}& y_4^{\′}& x_4^{\′}{y}_4^{\′}& 1\end{array}\right]& X=\left[\begin{array}{cccc}a& e& 0& 0\\ b& f& 0& 0\\ c& g& 0& 0\\ d& h& 0& 0\end{array}\right]\end{array}$

即可得到AX＝B

根据AX＝B，可以求出X＝A^-1B，这样就可以得到变换矩阵B。

原始图像经过以上变换就可以得到校正后的图像。变换前与变换后的示意图如图1所示。

步骤二，棋盘图像中黑白棋子的分割：将校正后的图像进行灰度化处理，使用直方图阈值分割方法，分割出黑色棋子图像；取出校正后彩色图像的红绿蓝三分量中的蓝分量，根据蓝分量，同样使用直方图阈值分割方法分割出白色棋子图像；

所述步骤二包括以下步骤：步骤21，在采集的围棋棋盘图像中，经过几何变换后，图像中只会出现三种物体，黑色棋子、白色棋子和底色为黄色的棋盘，可以通过直方图直接阈值分割方法分割出黑色棋子。在选择阈值时，采用自动阈值提取方法，对校正后的图像计算灰度直方图，然后通过一维邻域平滑滤波器进行滤波，滤波后的灰度直方图会出现峰谷值，第一个峰与第二个峰之间的谷点之前是黑色棋子出现的概率，第一个谷点之后的是棋盘和白色棋子，所以只需要找到灰度直方图曲线中第一个峰值与第二个峰值之间的谷值即为黑色棋子的分割阈值，将此值作为分割黑色棋子的阈值，并且二值化，将灰度图像中的黑色棋子赋值为255，其余的图像赋值为0。黑色棋子的分割过程图如图2；

步骤22，因为在实际采集的图像中，经过灰度化之后棋盘灰度值与白色棋子的灰度值有交叉，这样通过灰度阈值分割就不能将白色棋子与棋盘分开。经过研究黑色、白色与黄色棋子的红绿蓝三分量的值发现，黑色的红绿蓝三分量的值都比较小，白色的红绿蓝三分量的值都比较大，黄色的红绿蓝三分量中红绿分量的值比较大，蓝色分量的值比较小。黑色、白色、黄色棋子中它们的蓝色分量相差比较大，只有白色棋子的蓝色分量比较大，黑色与黄色棋子的蓝色分量都比较小，所以只需要提取出彩色图像中的蓝色分量，然后设置适当的阈值，既可以将白色棋子与棋盘分开。在选择阈值时，同样采用自动阈值提取。画出校正后图像的蓝色分量的灰度直方图，然后通过一维邻域平滑滤波器进行滤波，滤波后的灰度直方图会出现峰谷值，第一个峰是蓝色分量中黑色棋子出现的概率，第二个峰是棋盘出现的概率，第三个峰是和白色棋子出现的概率。所以求取第二个峰值与第三个峰值之间的谷值即是分割白色棋子的阈值。将此值作为分割白色棋子的阈值，并且二值化，将灰度图像中的白色棋子赋值为255，其余的图像赋值为0。白色棋子图像分割过程图如图3所示。

灰度级[0，1，…，L-1]范围的数字图像的直方图是离散函数h(r_k)＝n_k，其中r_k是第k级灰度，n_k是图像中灰度级为r_k的像素出现的个数。经常以图像中像素的总数(用n表示)来除它的每个值，以得到归一化的直方图。因此，一个归一化的直方图由P(r_k)＝n_k/n给出，其中k＝0，1，…，L-1。简单地说，P(r_k)给出了灰度级为r_k发生的概率估计值。注意，一个归一化的直方图的所有部分之和应等于1。

$P_r\left(r_k\right)=\frac{n_k}{n},k=\mathrm{0,1,2},...,L-1---\left(5\right)$

式中，n是图像中像素的总和，n_k是灰度级为r_k的像素个数，L为图像中可能的灰度级总数。

直方图阈值分割是根据图像中直方图的特征来确定分割阈值进行图像分割，该方法比较简单，首先计算图像的直方图，根据计算出的直方图，选择可以分开目标与背景的阈值，即可以准确地分割出目标或背景。

步骤21与步骤22都是使用的直方图阈值分割方法，只是在分割时使用的分割图像不同，在分割黑色棋子时，使用的是校正后图像的灰度图像进行分割；在分割白色棋子时，使用的是校正后图像的蓝色分量进行分割。

一维邻域平滑滤波器：

一维邻域平滑线性滤波器的输出时包含在滤波掩模邻域内信号的简单平均值，这种平滑滤波器用滤波掩模确定的邻域内信号平均值代替原始信号每个像素点的值，这种处理减小了一维信号尖锐的变化。设一维信号h(n)，滤波掩模的大小为M，M取奇数，平滑线性滤波器的输出h′(n)可以使用下式表示：

式(6)中，T是一维平滑滤波的阈值。设置这个阈值可以去除由于邻域平滑产生的模糊效应：当一些点和它邻域内点的灰度的平均值的差不超过规定的阈值T时，就保留其原灰度值不变；如果大于阈值T时，就用他们的平均值来代替该点的灰度值。使用这种方式来平滑一维信号，既可以使得输出信号比较平滑，又不改变信号原来的特征。

步骤三，黑白棋子的检测与结果判定：将分割出的黑白棋子图像分别经过开运算、投影、画线、检测线与线交点处的棋盘的属性、空白处棋子填补、结果判定等操作来完成比赛结果的判定。

如图4所示，所述步骤三包括以下步骤：步骤31，将分割出的黑白棋子图像分别做开运算；

开运算时先腐蚀后膨胀的过程，可以消除图像上细小的噪声，并平滑物体边界。假设A，B为Z²中的集合，A被B开运算，用数学表达式表示可以表示为：

开运算可用表达式表示为：

使用集合的表达式可以表示为：

步骤32，将开运算后的图像进行相加，然后做一次腐蚀操作；步骤33，将腐蚀后的图像分别在水平和垂直方向上做投影，并记录其值；

图像的投影：

图像在某一方向上的投影可以定义为该图像像素灰度值在该方向上累加后之和。图像投影和，其特征空间由二位压缩为一维，从而将大量的图像信息压缩为少量的图像特征信息，不仅计算简单，而且有唯一性和可区别性的特点，从而可以有效地进行图像识别。图像的投影特征可以用数学方法表示如下：

设有一数字图像F(x，y)(其中x＝1，2，3，...，w-1，w；y＝1，2，3，...，h-1，h)，那么该数字图像在水平轴x轴和垂直轴y轴的投影特征可以表示称为以下两式：

水平方向投影：

$P\left(x\right)=\underset{y=1}{\overset{h}{\mathrm{\Σ}}}F(x,y),x=\mathrm{1,2},...,w---\left(9\right)$

垂直方向投影：

$P\left(y\right)=\underset{x=1}{\overset{w}{\mathrm{\Σ}}}F(x,y),y=\mathrm{1,2},...,h---\left(10\right)$

其中：w和h分别为图像的宽度和高度，F(x，y)是图像的灰度值。

步骤34，根据记录的水平和垂直方向投影的值，画出投影曲线，并经过一维邻域平滑滤波器，并求出极值；

步骤35，根据棋盘线，检测黑白棋子位置，由于围棋棋盘的大小为19×19，所以水平和垂直方向的极大值个数分别保留19个，然后画出19×19的棋盘，在棋盘的交点处，检测棋子的状态，然后记录棋子对应的位置然后根据棋子填补规则，将空白处填补棋子；

步骤36，统计填补后黑白棋子的个数，然后根据比赛规则判定比赛结果。

本发明提供了一种基于图像处理技术的围棋比赛结果分析方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (1)

1.一种基于图像处理技术的围棋比赛结果分析方法，其特征在于，包括以下步骤：

步骤一，棋盘图像的预处理：根据采集的图像，通过空间变换和灰度级插值，去除采集图像中除棋盘以外的其它物体；

步骤二，棋盘图像中黑白棋子的分割：将校正后的图像，设置合适的阈值，分别分割出黑白棋子图像；

步骤三，黑白棋子的检测与结果判定：将分割出的黑白棋子图像分别经过开运算、投影、画线、检测线与线交点处的棋盘的属性、空白处棋子填补、结果判定操作来完成比赛结果的判定；

所述步骤一包括以下步骤：

步骤(11)，在采集的图像中，标记出棋盘的四个角的坐标点；

步骤(12)，根据标记的坐标点通过几何变换得到棋盘的图像；

所述步骤二包括以下步骤：

步骤(21)，在校正后的图像中使用灰度图像，设置合适的阈值分割出黑色棋子图像，具体包括：在采集的围棋棋盘图像中，经过几何变换后，图像中只会出现三种物体，黑色棋子、白色棋子和底色为黄色的棋盘，用直方图直接阈值分割方法分割出黑色棋子，对校正后的图像计算灰度直方图，然后通过一维邻域平滑滤波器进行滤波，滤波后的灰度直方图会出现峰谷值，第一个峰与第二个峰之间的谷点之前是黑色棋子出现的概率，第一个谷点之后的是棋盘和白色棋子，所以只需要找到灰度直方图曲线中第一个峰值与第二个峰值之间的谷值即为黑色棋子的分割阈值，将此值作为分割黑色棋子的阈值，并且二值化，将灰度图像中的黑色棋子赋值为255，其余的图像赋值为0；

步骤(22)，在校正后的图像中使用彩色图像的蓝色分量，设置合适的阈值来分割白色棋子图像，具体包括：在实际采集的图像中，经过灰度化之后棋盘灰度值与白色棋子的灰度值有交叉，这样通过灰度阈值分割就不能将白色棋子与棋盘分开，经过研究黑色、白色与黄色棋子的红绿蓝三分量的值发现，黑色的红绿蓝三分量的值都比较小，白色的红绿蓝三分量的值都比较大，黄色的红绿蓝三分量中红绿分量的值比较大，蓝色分量的值比较小，黑色、白色、黄色棋子中它们的蓝色分量相差比较大，只有白色棋子的蓝色分量比较大，黑色与黄色棋子的蓝色分量都比较小，所以只需要提取出彩色图像中的蓝色分量，然后设置适当的阈值，即可以将白色棋子与棋盘分开，在选择阈值时，同样采用自动阈值提取，画出校正后图像蓝色分量的灰度直方图，然后通过一维邻域平滑滤波器进行滤波，滤波后的灰度直方图会出现峰谷值，第一个峰是蓝色分量中黑色棋子出现的概率，第二个峰是棋盘出现的概率，第三个峰是和白色棋子出现的概率，所以求取第二个峰值与第三个峰值之间的谷值即是分割白色棋子的阈值，将此值作为分割白色棋子的阈值，并且二值化，将灰度图像中的白色棋子赋值为255，其余的图像赋值为0；

所述步骤三包括以下步骤：

步骤(31)，对分割出的黑白棋子图像分别作开运算，去除因分割阈值选择不正确分割出的图像含有孤立的噪声；

步骤(32)，将开运算后的图像进行相加，然后做一次腐蚀操作；消除物体边界点，这样便于在投影时方便的找出极值点；

步骤(33)，将腐蚀后的图像分别在水平和垂直方向上做投影，并记录其值；

步骤(34)，根据记录的水平和垂直方向投影的值，画出投影曲线，并求出极值；

步骤(35)，根据棋盘线，检测黑白棋子位置，然后根据棋子填补规则，将空白处填补棋子；

步骤(36)，统计填补后黑白棋子的个数，然后根据比赛规则判定比赛结果。