CN104680519B - 基于轮廓和颜色的七巧板识别方法 - Google Patents

Abstract

本发明公开了一种基于轮廓和颜色的七巧板识别方法，它包括以下步骤：S1、通过摄像头获取七巧板的彩色图像；S2、对步骤S1中的彩色图像进行预处理；S3、对步骤S1中的彩色图像进行轮廓检测；S4、对步骤S3中的轮廓信息进行颜色检测；S5、形状识别；本发明的有益效果为：本发明适用于任何电子设备和人机交互等平台，通过先进的计算机算法巧妙地将传统游戏中的实体玩具和电子设备结合在一起，实现将现实世界和虚拟技术结合在一起的游戏，并有效的解决了嵌入式平台处理速度缓慢、内存资源有限时对七巧板游戏的局限性问题。

Description

基于轮廓和颜色的七巧板识别方法

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于轮廓和颜色的七巧板识别方法。

背景技术

轮廓检测在虚拟现实、自控车辆、机器人环境分析、监控系统中的物体跟踪与识别、生物医学图像处理、工业在线自动检测、形状反求等方面有着广泛的应用。轮廓检测技术就是利用物体和背景在图像的灰度、颜色或者纹理特征等方面的差异，找到一条封闭轮廓从背景中分割出最突出的对象。界定轮廓有两个标准：自然轮廓有光滑的形状，轮廓将图像分成各具特性的区域。目前我们常用经典的轮廓检测方法是构造对像素灰度级阶跃变化敏感的微分算子，如Robert梯度算子、Sobel梯度算子等，其轮廓检测速度快，但得到的往往是断续的、不完整的结构信息，这类方法对噪声较为敏感，为了有效抑制噪声，一般都首先对原图像进行平滑，再进行轮廓检测就能成功地检测到真正的轮廓。

颜色识别在现代生产中的应用越来越广泛，无论是遥感技术，工业过程控制，材料分拣识别，图像处理，产品质检，机器人视觉系统，还是某些模糊的探测系统都需要对颜色进行识别。常用的颜色识别方法：色标识别和RGB颜色识别。色标识别是通过颜色的波长来识别不同的颜色；RGB颜色识别是通过颜色的RGB(或者通过RGB转换到其他的计色体系)比例来识别不同的颜色。

发明内容

本发明提供一种基于轮廓和颜色的七巧板识别方法，其目的在于解决嵌入式平台处理速度缓慢、内存资源有限时对七巧板游戏的局限性问题。

为实现上述目的，本发明采用以下技术方案：

一种基于轮廓和颜色的七巧板识别方法，它包括以下步骤：

S1、通过摄像头获取七巧板的彩色图像；

S2、对步骤S1中的彩色图像进行预处理；

所述步骤S2具体包括以下步骤：

S21、对输入的彩色图像进行光照预处理；

S22、对彩色图像进行灰度变换，得到灰度图像；

S23、对步骤S22得到的灰度图像进行降噪处理；

S24、对步骤S23中降噪处理后的灰度图像进行高斯平滑处理；

S3、对步骤S2中的彩色图像进行轮廓检测；

所述步骤S3具体包括以下步骤：

S31、对步骤S2中高斯平滑处理后的灰度图像采用Canny梯度算子进行边缘检测，得到初步的轮廓形状；

S32、对边缘检测后的图像进行形态学腐蚀和膨胀处理；

S33、对步骤S32处理后的图像采用Teh-Chin链逼近算法进行轮廓检测，得到图像中的轮廓信息；

S34、对步骤S33中的轮廓信息进行筛选；

S35、采用Douglas-Peucker算法对筛选后的轮廓信息进行拟合，形成标准的几何图像，并对拟合后的几何图像检测其顶点，得到顶点信息；

S36、利用步骤S35中的顶点信息计算每个几何图像的中心信息；

S4、对步骤S3中的轮廓信息进行颜色检测；

所述步骤S4具体包括以下步骤：

S41、将步骤S2中光照预处理的彩色图像转换到HSV颜色空间中；

S42、采用步骤S3中的轮廓信息在HSV颜色空间中获取ROI区域；

S43、对步骤S42中的ROI区域做HSV分量的直方图统计，确定当前ROI区域的颜色；

S5、形状识别；

所述步骤S5具体包括以下步骤：

S51、计算每个ROI区域的方向，并舍弃方向错误的ROI区域；

S52、计算ROI区域之间的顶点连接信息及中心位置信息；

S53、将步骤S52中的顶点连接信息及中心位置信息与预先设定的顶点连接

信息及中心位置信息进行匹配，得到识别结果。

本技术方案中，步骤S3中先采用Canny边缘检测，再进行形态学处理，最后采用Teh-Chin链逼近算法进行轮廓检测。这样做的目的是去除干扰的信息，同时可以增加边缘的连接性，防止检测到的单一轮廓包含不同的颜色区域，步骤S35中采用Douglas–Peucker曲线拟合算法，这样可以使得到的轮廓为标准的三边形和四边形，更有利于后续的的颜色检测和匹配，步骤S3和S4，先做轮廓检测再做颜色检测来确定七巧板每一块的序号，采用这种方法的目的在于可以减少光照对颜色的影响，步骤S41中将RGB计色体系中的图像转换到HSV空间图像用于颜色检测，因为HSV计色体系对光照更具鲁棒性，更适合颜色区间的统计，步骤S43中采用直方图来统计ROI区域的HSV各分量的直方图分布情况，更符合统计学的概率分布的性质，步骤S51先计算每个ROI的方向，再做后续处理。直接舍弃方向错误的ROI，这样可以减少运行时间，提高识别的效率，达到实时的效果，步骤S53中计算满足要求的ROI的顶点连接信息和每个ROI之间的中点信息，只涉及欧式距离运算和中心位置比较运算，可以大大减少运算时间，提高识别的效率。

更进一步的技术方案是，所述步骤S21中通过白平衡的方式对输入的彩色图像进行光照预处理。

更进一步的技术方案是，所述步骤S23中通过中值滤波的方式对灰度图像进行降噪处理。

更进一步的技术方案是，所述几何图像包括三角形或四边形。

更进一步的技术方案是，所述步骤S1、步骤S2、步骤S3、步骤S4和步骤S5的执行顺序为依次执行。

本技术方案中将步骤1至步骤5执行的顺序限定为依次执行，这样就实现采用先检测轮廓再检测颜色的顺序而非采用先检测颜色在检测轮廓的顺序，此顺序的目的在于可以极大地减少光照对颜色的影响，提高轮廓信息及轮廓内的颜色信息的准确性。

与现有技术相比，本发明的有益效果是：

本发明适用于任何电子设备和人机交互等平台，通过先进的计算机算法巧妙地将传统游戏中的实体玩具和电子设备结合在一起，实现将现实世界和虚拟技术结合在一起的游戏，并有效的解决了嵌入式平台处理速度缓慢、内存资源有限时对七巧板游戏的局限性问题。

附图说明

图1为本发明一种基于轮廓和颜色的七巧板识别方法的流程框图。

具体实施方式

下面结合附图对本发明作进一步阐述。

如图1所示，一种基于轮廓和颜色的七巧板识别方法包括以下步骤：S1、通过摄像头获取七巧板的彩色图像；S2、对步骤S1中的彩色图像进行预处理；S3、对步骤S1中的彩色图像进行轮廓检测；S4、对步骤S3中的轮廓信息进行颜色检测；S5、形状识别。

S2、对步骤S1中的彩色图像进行预处理具体包括以下步骤：S21、对输入的彩色图像进行光照预处理，通常采用白平衡的方法，为后续的颜色识别做准备；S22、对彩色图像进行灰度变换，得到灰度图像；S23、对步骤S22得到的灰度图像采用中值滤波进行降噪处理，减少噪点对后续的影响；S24、对步骤S23中降噪处理后的灰度图像进行高斯平滑处理，为后续的Canny边缘检测减少断点。

S3、对步骤S2中的彩色图像进行轮廓检测具体包括以下步骤：S31、对步骤S2中高斯平滑处理后的灰度图像采用Canny梯度算子进行边缘检测，得到初步的轮廓形状；S32、对边缘检测后的图像进行形态学腐蚀和膨胀处理；S33、对步骤S32处理后的图像采用Teh-Chin链逼近算法进行轮廓检测，得到图像中的轮廓信息；S34、对S33中的轮廓进行筛选；S35、采用Douglas-Peucker算法对筛选后的轮廓信息进行拟合，并得到顶点信息；S36、根据顶点信息计算中心点信息。

S4、对步骤S3中的轮廓信息进行颜色检测具体包括以下步骤：S41、将步骤S2中光照预处理的彩色图像转换到HSV颜色空间中；因为HSV的表示方法对光照更具鲁棒性，更适合用于图像处理领域，而RGB模式通常用于图像显示领域，S42、采用步骤S3中的轮廓信息在HSV颜色空间中获取ROI区域；只针对某一个区域做颜色检测可以减少更多的干扰信息，S43、对步骤S42中的ROI区域做HSV分量的直方图统计，确定当前ROI区域的颜色。

S5、形状识别具体包括以下步骤：S51、计算每个ROI区域的方向，并舍弃方向错误的ROI区域；S52、计算ROI区域之间的顶点连接信息及中心位置信息；S53、将步骤S52中的顶点连接信息及中心位置信息与预先设定的顶点连接信息及中心位置信息进行匹配，得到识别结果。

以上具体实施方式对本发明的实质进行详细说明，但并不能对本发明的保护范围进行限制，显而易见地，在本发明的启示下，本技术领域普通技术人员还可以进行许多改进和修饰，需要注意的是，这些改进和修饰都落在本发明的权利要求保护范围之内。

Claims (5)

1.一种基于轮廓和颜色的七巧板识别方法，其特征在于，它包括以下步骤：

S1、通过摄像头获取七巧板的彩色图像；

S2、对步骤S1中的彩色图像进行预处理；

所述步骤S2具体包括以下步骤：

S21、对输入的彩色图像进行光照预处理；

S22、对彩色图像进行灰度变换，得到灰度图像；

S23、对步骤S22得到的灰度图像进行降噪处理；

S24、对步骤S23中降噪处理后的灰度图像进行高斯平滑处理；

S3、对步骤S2中的彩色图像进行轮廓检测；

所述步骤S3具体包括以下步骤：

S31、对步骤S2中高斯平滑处理后的灰度图像采用Canny梯度算子进行边缘检测，得到初步的轮廓形状；

S32、对边缘检测后的图像进行形态学腐蚀和膨胀处理；

S33、对步骤S32处理后的图像采用Teh-Chin链逼近算法进行轮廓检测，得到图像中的轮廓信息；

S34、对步骤S33中的轮廓信息进行筛选；

S35、采用Douglas-Peucker算法对筛选后的轮廓信息进行拟合，形成标准的几何图像，并对拟合后的几何图像检测其顶点，得到顶点信息；

S36、利用步骤S35中的顶点信息计算每个几何图像的中心信息；

S4、对步骤S3中的轮廓信息进行颜色检测；

所述步骤S4具体包括以下步骤：

S41、将步骤S2中光照预处理的彩色图像转换到HSV颜色空间中；

S42、采用步骤S3中的轮廓信息在HSV颜色空间中获取ROI区域；

S43、对步骤S42中的ROI区域做HSV分量的直方图统计，确定当前ROI区域的颜色；

S5、形状识别；

所述步骤S5具体包括以下步骤：

S51、计算每个ROI区域的方向，并舍弃方向错误的ROI区域；

S52、计算ROI区域之间的顶点连接信息及中心位置信息；

S53、将步骤S52中的顶点连接信息及中心位置信息与预先设定的顶点连接信息及中心位置信息进行匹配，得到识别结果。

2.根据权利要求1所述的基于轮廓和颜色的七巧板识别方法，其特征在于所述步骤S21中通过白平衡的方式对输入的彩色图像进行光照预处理。

3.根据权利要求1所述的基于轮廓和颜色的七巧板识别方法，其特征在于所述步骤S23中通过中值滤波的方式对灰度图像进行降噪处理。

4.根据权利要求1所述的基于轮廓和颜色的七巧板识别方法，其特征在于所述几何图像包括三角形或四边形。

5.根据权利要求1所述的基于轮廓和颜色的七巧板识别方法，其特征在于：所述步骤S1、步骤S2、步骤S3、步骤S4和步骤S5的执行顺序为依次执行。