CN107690658B - 基于计算机视觉的黑白子识别方法及系统 - Google Patents

Abstract

本发明实施例公开了一种基于计算机视觉的黑白子识别方法及系统，包括：在实际光照条件下获取棋盘的待识别图像；在待识别图像上设置第一检测区域和第二检测区域；计算第一检测区域内的第一区域平均灰度值及第二检测区域内的第二区域平均灰度值；计算第二区域平均灰度值与预设的判定阈值的差值以及求和值；将第一区域平均灰度值与差值以及求和值进行比较，进而判定第一检测区域的落子状态。通过上述方式，该方法的判定阀值依据实际环境进行设定的，使得该方法适应于不同的光线条件，减少了由于光线因素导致的误检测，提高黑白子的识别准确率。

Description

基于计算机视觉的黑白子识别方法及系统

技术领域

本发明实施例涉及图像识别技术领域，特别是涉及一种基于计算机视觉的黑白子识别方法及系统。

背景技术

目前，各类机器人的对弈系统日益丰富，然而传统的对弈系统中对棋子的检测手段还是以在棋盘上安置各类传感器，如光敏传感器或者霍尔传感器，这种检测手段需要对棋子和棋盘进行改造，从而导致成本会相应的提升，而且构造复杂。

基于视觉的棋盘识别系统不仅可以降低改造棋子及棋盘的成本，而且还可以使对弈系统更加简洁易于维护，得到越来越多的推广，然而现有基于视觉的黑白棋识别系统对于光源的强度、均匀性、稳定性均具有较高的要求，对于打光条件要求也比较苛刻，否则容易出现误检测的现象。

发明内容

本发明实施例提供一种基于计算机视觉的黑白子识别方法及系统，以解决现有技术中基于视觉的黑白棋识别系统由于光线因素产生误检测现象的技术问题。

为解决上述技术问题，本发明实施例采用的一个技术方案是：提供一种基于计算机视觉的黑白子识别方法，所述方法包括：

在实际光照条件下获取棋盘的待识别图像；

在所述待识别图像上设置第一检测区域和第二检测区域，其中所述第二检测区域的面积大于所述第一检测区域且包围所述第一检测区域；

计算所述待识别图像在所述第一检测区域内的第一区域平均灰度值及所述待识别图像在所述第二检测区域内的第二区域平均灰度值；

计算所述第二区域平均灰度值与预设的判定阈值的差值，以及计算所述第二区域平均灰度值和所述预设的判定阈值的求和值；

将所述第一区域平均灰度值与所述差值以及所述求和值进行比较，进而判定所述第一检测区域的落子状态。

其中，所述将所述第一区域平均灰度值与所述差值和所述求和值进行比较，进而判定所述第一检测区域的落子状态的步骤包括：

若所述第一区域平均灰度值小于所述差值，则所述第一检测区域内设置有黑子，若所述第一区域平均灰度值大于所述求和值，则所述第一检测区域内设置有白子，若所述第一区域平均灰度值介于所述差值与所述求和值之间，则所述第一检测区域处于无子状态。

其中，所述方法进一步包括：

在所述实际光照条件下获取所述棋盘处于无子状态时的调整参考图像；

根据所述调整参考图像计算所述棋盘的实际棋盘平均灰度值；

根据所述实际棋盘平均灰度值与所述基准光照条件下的基准棋盘平均灰度值来确定所述判定阈值，其中所述实际棋盘平均灰度值与所述基准棋盘平均灰度值的差异越大，所述判定阈值越小。

其中，所述判定阈值为基准判定阈值与一百分数的乘积，其中所述实际棋盘平均灰度值与所述基准棋盘平均灰度值的差异越大，所述百分数越小。

其中，所述判定阈值通过如下公式计算：

T＝abs(H_b-abs(H-H_b))×T_b/H_b；

其中，T为所述判定阈值，H_b为所述基准棋盘平均灰度值，T_b为所述基准判定阈值，所述H为所述实际棋盘平均灰度值，abs为绝对值函数。

其中，确定所述基准判定阈值的方法包括：

在基准光照条件下获取所述棋盘处于无子状态时的第一基准图像；

根据所述第一基准图像计算所述棋盘的所述基准棋盘平均灰度值；

在所述基准光照条件下获取所述棋盘设置有黑子和白子时的第二基准图像；

根据所述第二基准图像计算所述黑子的基准灰度值和所述白子的基准灰度值；

根据所述基准棋盘平均灰度值、所述黑子的基准灰度值和所述白子的基准灰度值设置所述基准判定阈值。

其中，所述基准光照条件为使得所述基准棋盘平均灰度值介于100到150之间，且所述黑子的基准灰度值小于所述基准棋盘平均灰度值超过50，所述白子的基准灰度值大于所述基准棋盘平均灰度值超过50的光照条件。

其中，所述方法进一步包括：获取所述实际光照条件下的实际环境光亮度；

根据所述实际环境光亮度与所述基准照明条件下的基准环境光亮度来调整所述判定阈值，所述实际环境光亮度与基准环境光亮度的差异越大，所述判定阈值越小。

其中，所述在所述待识别图像上设置第一检测区域和第二检测区域的步骤包括：在所述棋盘的每个网格点分别设置所述第一检测区域和所述第二检测区域，进而对每个网格点的落子状态进行判定，其中所述第一检测区域和所述第二检测区域设置成正方形，且所述第一检测区域的宽度等于所述黑子和/或所述白子的直径，所述第二检测区域的宽度等于所述棋盘的三个网格宽度。

其中，所述方法进一步包括：根据所判定的每个所述网格点的落子状态分别生成对应的字符，进而形成表示所有所述网格点的落子状态的字符串，其中不同的落子状态由不同的字符进行表示。

为解决上述技术问题，本发明实施例采用的一个技术方案是：提供一种基于计算机视觉的黑白子识别系统，所述系统包括图像采集设备以及图像处理器，所述图像采集设备用于在实际光照条件下获取棋盘的待识别图像；所述图像处理器用于在所述待识别图像上设置第一检测区域和第二检测区域，并计算所述待识别图像在所述第一检测区域内的第一区域平均灰度值及所述待识别图像在所述第二检测区域内的第二区域平均灰度值，其中所述第二检测区域的面积大于所述第一检测区域且包围所述第一检测区域，所述图像处理器进一步计算所述第二区域平均灰度值与判定阈值的差值以及所述第二区域平均灰度值和所述判定阈值的求和值，并将所述第一区域平均灰度值与所述差值和所述求和值进行比较，进而判定所述第一检测区域的落子状态。

其中，若所述图像处理器的比较结果为所述第一区域平均灰度值小于所述差值，则判定所述第一检测区域内设置有黑子，若所述图像处理器的比较结果为所述第一区域平均灰度值大于所述求和值，则判定所述第一检测区域内设置有白子，若所述图像处理器的比较结果为所述第一区域平均灰度值介于所述差值与所述求和值之间，则判定所述第一检测区域处于无子状态。

其中，所述图像采集设备进一步用于在所述实际光照条件下获取所述棋盘处于无子状态时的调整参考图像，所述图像处理器根据所述调整参考图像计算所述棋盘的实际棋盘平均灰度值，并根据所述实际棋盘平均灰度值与所述基准光照条件下的基准棋盘平均灰度值来确定所述判定阈值，其中所述实际棋盘平均灰度值与所述基准棋盘平均灰度值的差异越大，所述判定阈值越小。

其中，所述判定阈值为基准判定阈值与一百分数的乘积，其中所述实际棋盘平均灰度值与所述基准棋盘平均灰度值的差异越大，所述百分数越小。

其中，所述判定阈值通过如下公式计算：

T＝abs(H_b-abs(H-H_b))×T_b/H_b；

其中，T为所述判定阈值，H_b为所述基准棋盘平均灰度值，T_b为所述基准判定阈值，所述H为所述实际棋盘平均灰度值，abs为绝对值函数。

其中，所述图像采集设备进一步用于在基准光照条件下获取所述棋盘处于无子状态时的第一基准图像，且在所述基准光照条件下获取所述棋盘设置有黑子和白子时的第二基准图像，所述图像处理器进一步根据所述第一基准图像计算所述棋盘的所述基准棋盘平均灰度值，根据所述第二基准图像计算所述黑子的基准灰度值和所述白子的基准灰度值，并进一步根据所述基准棋盘平均灰度值、所述黑子的基准灰度值和所述白子的基准灰度值设置所述基准判定阈值。

其中，所述基准光照条件为使得所述基准棋盘平均灰度值介于100到150之间，且所述黑子的基准灰度值小于所述基准棋盘平均灰度值超过50，所述白子的基准灰度值大于所述基准棋盘平均灰度值超过50的光照条件。

其中，所述系统进一步包括光传感器，用于获取所述实际光照条件下的实际环境光亮度，所述图像处理器根据所述实际环境光亮度与所述基准照明条件下的基准环境光亮度来调整所述判定阈值，所述实际环境光亮度与基准环境光亮度的差异越大，所述判定阈值越小。

其中，所述图像处理器在所述棋盘的每个待检测网格点分别设置所述第一检测区域和所述第二检测区域，进而对每个待检测网格点的落子状态进行判定，其中所述第一检测区域和所述第二检测区域设置成正方形，且所述第一检测区域的宽度等于所述黑子和/或所述白子的直径，所述第二检测区域的宽度等于所述棋盘的三个网格宽度。

其中，所述图像处理器根据所判定的每个所述待检测网格点的落子状态分别生成对应的字符，进而形成表示所有所述待检测网格点的落子状态的字符串，其中不同的落子状态由不同的字符进行表示。

本发明实施例的有益效果是：在本发明实施例所提供的基于计算机视觉的黑白子识别方法及系统中由于设有判定阀值，根据计算第二区域平均灰度值与判定阈值的差值以及两者求和值，然后将第一区域平均灰度值与差值和求和值进行比较，进而判定第一检测区域的落子状态，因判定阀值是依据实际环境设定的，使得该方法适应于不同的光线条件，减少了由于光线因素导致的误检测，提高黑白子的识别准确率。

附图说明

图1是本发明提供的基于计算机视觉的黑白子识别方法第一实施方式的流程示意图；

图2是第一实施方式中第一检测区域和第二检测区域的结构示意图；

图3是本发明提供的基于计算机视觉的黑白子识别方法第二实施方式的流程示意图；

图4是本发明提供的基于计算机视觉的黑白子识别方法第三实施方式的部分流程示意图；

图5是本发明提供的基于计算机视觉的黑白子识别方法第四实施方式的部分流程示意图；

图6是本发明提供的基于计算机视觉的黑白子识别方法第五实施方式的流程示意图；

图7是本发明提供的基于计算机视觉的黑白子识别系统第一实施例的结构示意图；

图8是本发明提供的基于计算机视觉的黑白子识别系统第二实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请一并参阅图1和图2，图1是本发明提供的基于计算机视觉的黑白子识别方法第一实施方式的流程示意图，图2是第一实施方式中第一检测区域和第二检测区域的结构示意图。在本实施例中，根据计算第二区域平均灰度值与预设的判定阈值的差值以及两者的求和值，然后将第一区域平均灰度值与差值和求和值进行比较，进而判定第一检测区域的落子状态。具体来说，本实施例的标定方法包括以下步骤：

步骤S11：在实际光照条件下获取棋盘的待识别图像。

在实际光照条件下获取棋盘的待识别图像，实际光照条件包括光线过强、光线过暗、光线不均匀或者光线不稳定等等情况，待识别图像是整个棋盘的图像，包括19*19网格线区域(见图2的网格线区域)，而不仅仅是待检测区域的图像。

步骤S12：在待识别图像上设置第一检测区域和第二检测区域，其中第二检测区域的面积大于第一检测区域且包围第一检测区域。

如图2所示，在待识别图像上设置第一检测区域和第二检测区域是指在棋盘的每个网格点分别设置第一检测区域和第二检测区域，进而对每个网格点的落子状态进行判定，其中，第一检测区域和第二检测区域设置成正方形，且第一检测区域的宽度等于黑子和/或白子的直径，第二检测区域的宽度等于棋盘的三个网格宽度，其中，三个网格宽度具体为两个完整的网格宽度外加两个二分之一的网格宽度。

具体的，当第一检测区域位于棋盘的中部时，第一检测区域和第二检测区域同心设置，即第一检测区域和第二检测区域的中心一致；当第一检测区域位于棋盘的最边缘处时，第一检测区域和第二检测区域可以同心设置，或者不同心设置，举例来说，当第二检测区域时未超出棋盘时，第一检测区域和第二检测区域可以同心设置，当第二检测区域时超出棋盘时，第一检测区域和第二检测区域可以不同心设置，且第一检测区域的中心较第二检测区域的中心远离棋盘的边缘处。

步骤S13：计算待识别图像在第一检测区域内的第一区域平均灰度值及待识别图像在第二检测区域内的第二区域平均灰度值。

灰度值是指黑白图像中点的颜色深度或者亮暗差别，灰度值范围一般从0到255，其中，白色为255，黑色为0。平均灰度值是将所有像素点的灰度值进行求和后再除以求和的像素点个数，从而计算获得第一检测区域内的第一区域平均灰度值H_n及待识别图像在第二检测区域内的第二区域平均灰度值H_m。

步骤S14：计算第二区域平均灰度值与预设的判定阈值的差值以及第二区域平均灰度值和预设的判定阈值的求和值。

判定阈值可以是固定的。例如，判定阈值是根据经验而设定的一个固定值，或者是基准光照条件下的基准判定阈值，其中，基准判定阈值的具体确定方式请参考下文。判定阈值还可以是变化的，例如根据预设的算法计算得出，根据预设的算法计算得出判定阈值的具体计算方式请参考下文。判定阈值的单位为灰度值，判定阈值设为T，计算得出第二区域平均灰度值与判定阈值的差值设为(H_m–T)，第二区域平均灰度值和判定阈值的求和值设为(H_m+T)。

步骤S15：将第一区域平均灰度值与差值以及求和值进行比较，进而判定第一检测区域的落子状态。

在本发明实施例所提供的基于计算机视觉的黑白子识别方法及系统中由于设有判定阀值，根据计算第二区域平均灰度值与判定阈值的差值以及两者求和值，然后将第一区域平均灰度值与差值和求和值进行比较，进而判定第一检测区域的落子状态，因判定阀值是依据实际环境设定的，使得该方法适应于不同的光线条件，减少了由于光线因素导致的误检测，提高黑白子的识别准确率。

其中，步骤S15进一步具体为：若第一区域平均灰度值小于差值，则第一检测区域内设置有黑子，若第一区域平均灰度值大于求和值，则第一检测区域内设置有白子，若第一区域平均灰度值介于差值与求和值之间，则第一检测区域处于无子状态。

具体的，若第一区域平均灰度值小于差值，即(H_n<(H_m–T))，则第一检测区域内设置有黑子；若第一区域平均灰度值大于求和值，即(H_n>(H_m+T))，则第一检测区域内设置有白子；若第一区域平均灰度值介于差值与求和值之间，即((H_m–T)≤H_n≤(H_m+T))，则第一检测区域处于无子状态。

如图3所示，图3是本发明提供的基于计算机视觉的黑白子识别方法第二实施方式的流程示意图。在本实施例中，进一步根据实际棋盘平均灰度值与基准光照条件下的基准棋盘平均灰度值来确定判定阈值。具体来说，本实施例的标定方法包括以下步骤：

步骤S21-S25与第一实施例的步骤S11-S15基本一致，在此不再赘述。本实施例与第一实施例的区别之处在于，本实施例在步骤S21之前进一步包括以下步骤：

步骤S201：在实际光照条件下获取棋盘处于无子状态时的调整参考图像。

在实际光照条件下获取棋盘处于无子状态时的调整参考图像，实际光照条件包括光线过强、光线过暗、光线不均匀或者光线不稳定等等情况，无子状态时是指棋盘上还没有落入黑子或者白子，调整参考图像仅仅是19*19网格线区域。

步骤S202：根据调整参考图像计算棋盘的实际棋盘平均灰度值。

根据调整参考图像，计算19*19网格线棋盘的实际棋盘平均灰度值H。

步骤S203：根据实际棋盘平均灰度值与基准光照条件下的基准棋盘平均灰度值来确定判定阈值，其中实际棋盘平均灰度值与基准棋盘平均灰度值的差异越大，判定阈值越小。

在一组预设的光照条件下获取棋盘的待识别图像，且该待识别图像上的黑子灰度值以及白子的灰度值满足预设的条件，则该组光照条件就是基准光照条件。在基准光照条件下获取无子状态的棋盘的待识别图像的平均灰度值就是基准棋盘平均灰度值。当预设的光照条件确定时，基准棋盘平均灰度值就是一固定值。预设的条件可以是基准棋盘平均灰度值在一指定范围内。

其中，判定阈值为基准判定阈值与一百分数的乘积，其中实际棋盘平均灰度值与基准棋盘平均灰度值的差异越大，百分数越小，基准判定阈值的具体计算方式请参考下文。

具体的，判定阈值通过如下公式计算：

T＝abs(H_b-abs(H-H_b))×T_b/H_b；

其中，T为判定阈值，H_b为基准棋盘平均灰度值，T_b为基准判定阈值，H为实际棋盘平均灰度值，abs为绝对值函数。判定阈值T为整数。

在一实际应用例，设基准棋盘平均灰度值H_b为128，基准判定阈值T_b为30，则判定阈值计算得：T＝abs(128-abs(H-128))×30/128。其中，实际棋盘平均灰度值与基准棋盘平均灰度值的差异越大，判定阈值越小。

如图4所示，图4是本发明提供的基于计算机视觉的黑白子识别方法中确定基准判定阈值的流程示意图。在本实施例中，根据基准棋盘平均灰度值、黑子的基准灰度值和白子的基准灰度值设置基准判定阈值。具体来说，本实施例的标定方法包括以下步骤：

步骤S301：在基准光照条件下获取棋盘处于无子状态时的第一基准图像。

基准光照条件为使得基准棋盘平均灰度值介于100到150之间，且黑子的基准灰度值小于基准棋盘平均灰度值超过50，白子的基准灰度值大于基准棋盘平均灰度值超过50的光照条件。在实际应用中，基准光照条件下是指自然光照条件下且光线均匀的时候，获取棋盘处于无子状态时的第一基准图像，即一张灰白图像或者彩色图像。

步骤S302：根据第一基准图像计算棋盘的基准棋盘平均灰度值。

基准光照条件下是指自然光照条件下且光线均匀的时候，基准棋盘平均灰度值是固定值，以实际得出灰度级或者计算获得灰度级。灰度级指黑白显示器中显示像素点的亮暗差别，在彩色显示器中表现为颜色的不同，灰度级越多，图像层次越清楚逼真。灰度级取决于每个像素对应的刷新存储单元的位数和显示器本身的性能。当显示器是黑白时，可以直接得出灰度级；当显示器是彩色时，需要计算才能获得灰度级。

其中，任何颜色都由红、绿、蓝三基色组成，将原来某点的颜色为RGB(R，G，B)转换为灰度Gray时，可以通过下面五种方法：

一、浮点算法：Gray＝R*0.3+G*0.59+B*0.11；

二、整数方法：Gray＝(R*30+G*59+B*11)/100；

三、移位方法：Gray＝(R*77+G*151+B*28)>>8；

四、平均值法：Gray＝(R+G+B)/3；

五、仅取绿色：Gray＝G；

通过上述任一种方法求得Gray后，将原来的RGB(R,G,B)中的R,G,B统一用Gray替换，一般采用平均值法获得。以实际的应用例说明，基准光照条件下基准棋盘平均灰度值一般介于100到150之间，可选为120、130或者140。当基准光照条件下实际测得的基准棋盘平均灰度值超过100到150之间，设置成使得基准棋盘平均灰度值介于100到150之间。

步骤S303：在基准光照条件下获取棋盘设置有黑子和白子时的第二基准图像。

步骤S304：根据第二基准图像计算黑子的基准灰度值和白子的基准灰度值。

在基准光照条件下拍摄黑子和白子，分别获得黑子和白子的基准灰度值。具体计算方法参见上文。其中，黑子的基准灰度值小于基准棋盘平均灰度值超过50，白子的基准灰度值大于基准棋盘平均灰度值超过50。换句话说，黑子的基准灰度值范围为0-50，可选为20、30或者40；白子的基准灰度值范围为200-255，可选为210、225或者235。

步骤S305：根据基准棋盘平均灰度值、黑子的基准灰度值和白子的基准灰度值设置基准判定阈值。

根据基准棋盘平均灰度值、黑子的基准灰度值和白子的基准灰度值设置基准判定阈值，其中，黑子的基准灰度值和白子的基准灰度值的变化不大，主要参考基准棋盘平均灰度值。在本实施例中，所述基准判定阈值为基准棋盘平均灰度值与黑子基准灰度值的差值的二分之一或者白子基准灰度值与基准棋盘平均灰度值的差值的二分之一，此时，依据该基准判定阈值能够较好分别出棋盘黑子、白子或者无子的状态；其中，两个差值中以小者为准，且差值的二分之一四舍五入为整数。具体举例说明，当黑子的基准灰度值为25，白子的基准灰度值为235，基准棋盘平均灰度值为125时，即基准棋盘平均灰度值125与黑子基准灰度值25的差值100的二分之一或者白子基准灰度值235与基准棋盘平均灰度值125的差值110的二分之一，从而可以确定基准判定阈值为差值100的二分之一，获得基准判定阈值为50。在光照条件较好的情况下，依据上文判定落子状态的计算方式，即灰度值为75以下为黑子，灰度值为175以上为白子，灰度值为75-175之间即为无子状态。当光照条件不好的情况下，基准棋盘平均灰度值为125，实际棋盘平均灰度值为100时，根据公式T＝abs(H_b-abs(H-H_b))×T_b/H_b；可以计算得出T＝40。即灰度值为60以下为黑子，灰度值为140以上为白子，灰度值为60-140之间即为无子状态。

综上所述，在本发明实施例所提供的基于计算机视觉的黑白子识别方法中增加计算基准棋盘平均灰度值和基准判定阈值的步骤，使得判定阀值依据基准棋盘平均灰度值和基准判定阈值设定的，使得该方法进一步适应于自然光的光线条件，进一步减少了由于棋盘的光线因素导致的误检测。

如图5所示，图5是本发明提供的基于计算机视觉的黑白子识别方法第四实施方式的部分流程示意图。在本实施例中，实际环境光亮度与基准照明条件下的基准环境光亮度来调整判定阈值。具体来说，本实施例的标定方法包括以下步骤：

本实施例的流程步骤与第二实施例的流程步骤基本相同，在此不再赘述。本实施例与第二实施例的区别之处在于，将步骤S201-步骤S203更换为步骤S401-步骤S402：

步骤S401：获取实际光照条件下的实际环境光亮度。

计算实际光照条件下的实际环境光亮度。亮度是指发光体表面发光强弱的物理量，亮度的单位是坎德拉/平方米(cd/m2)，是人对光的强度的感受。依据实际环境光亮度与基准照明条件下的基准环境光亮度来调整判定阈值是另一种实施方式。

步骤S402：根据实际环境光亮度与基准照明条件下的基准环境光亮度来调整判定阈值，实际环境光亮度与基准环境光亮度的差异越大，判定阈值越小。

在预设的基准环境光照条件下，所述基准环境光亮度是固定值。假设基准环境光亮度为400cd/m2，基准判定阈值为50，若实际环境光亮度为100cd/m2时，将光亮度代入上述计算判定阈值的公式T＝abs(400-abs(100-400))×50/400，其中，实际棋盘平均灰度值替换为实际环境光亮度，基准棋盘平均灰度值替换为基准环境光亮度，可以计算获得调整判定阈值为12.5，四舍五入后为整数13。其中，实际环境光亮度与基准环境光亮度的差异越大，判定阈值越小。

如图6所示，图6是本发明提供的基于计算机视觉的黑白子识别方法第五实施方式的流程示意图。在本实施例中，根据实际环境光亮度与基准照明条件下的基准环境光亮度来调整判定阈值。具体来说，本实施例的标定方法包括以下步骤：

步骤S51-S55与第一实施例的步骤S11-S15基本一致，在此不再赘述。本实施例与第一实施例的区别之处在于，本实施例在步骤S55之后进一步包括：

步骤S56：根据所判定的每个网格点的落子状态分别生成对应的字符，进而形成表示所有网格点的落子状态的字符串，其中不同的落子状态由不同的字符进行表示。

具体的，在待识别图像上设置第一检测区域和第二检测区域是指在棋盘的每个网格点分别设置第一检测区域和第二检测区域，进而对每个网格点的落子状态进行判定，其中，第一检测区域和第二检测区域设置成正方形，且第一检测区域的宽度等于黑子和/或白子的直径，第二检测区域的宽度大于或等于棋盘的两个网格宽度。本实施例中，第二检测区域的宽度大于棋盘的两个网格宽度，包括区域为3*3，当棋子为黑子时，生成对应的字符为b，当棋子为白子时，生成对应的字符为w，当为无子，生成对应的字符为n。包括三个。结果输出前将数据打包，可以由左上角开始，按行依次打包，例如3x3网格打包后结果为字符串nnnbnwnnn，将此字符串向外发送即可。

请参阅图7，图7是本发明提供的基于计算机视觉的黑白子识别系统第一实施例的结构示意图。

如图7所示，该基于计算机视觉的黑白子识别系统10包括图像采集设备11和图像处理器13，图像采集设备11电连接图像处理器13，其中，图像采集设备11由摄像机和镜头组成，具体为CCD摄像机和CCTV镜头(“Closed Circuit Television”，简称CCTV)，CCTV镜头是闭路电视所使用的镜头，也可以叫做监控镜头。CCD摄像机安装于棋盘正上方适当距离，配以适当焦距的CCTV镜头使CCD摄像机能够恰好拍摄好整个棋盘；图像处理器13由视觉工业控制机和视觉处理软件组成。

本实施例中，图像采集设备11用于在实际光照条件下获取棋盘的待识别图像；图像处理器13用于在待识别图像上设置第一检测区域和第二检测区域，并计算待识别图像在第一检测区域内的第一区域平均灰度值及待识别图像在第二检测区域内的第二区域平均灰度值，其中第二检测区域的面积大于第一检测区域且包围第一检测区域，图像处理器13进一步计算第二区域平均灰度值与判定阈值的差值以及第二区域平均灰度值和判定阈值的求和值，并将第一区域平均灰度值与差值和求和值进行比较，进而判定第一检测区域的落子状态，其中实际光照条件与基准光照条件差异越大，判定阈值越小。

其中，图像采集设备11进一步用于在实际光照条件下获取棋盘处于无子状态时的调整参考图像、在基准光照条件下获取棋盘处于无子状态时的第一基准图像、以及在基准光照条件下获取棋盘设置有黑子和白子时的第二基准图像。而上述方法实施例中的其他对应步骤均由识别系统10的图像处理器13执行，故在此不对图像处理器13进行赘述，详细请参阅以上对应步骤的说明。

请参阅图8，图8是本发明提供的基于计算机视觉的黑白子识别系统第二实施例的结构示意图。

如图8所示，该基于计算机视觉的黑白子识别系统20进一步包括光传感器22，图像采集设备21和光传感器22分别电连接图像处理器23。本实施的光传感器22用于获取实际光照条件下的实际环境光亮度，图像处理器23根据实际环境光亮度与基准照明条件下的基准环境光亮度来确定判定阈值，实际环境光亮度与基准环境光亮度的差异越大，判定阈值越小。光传感器22为自然光传感器，即太阳光传感器。太阳光传感器可识别水平方向和垂直方向各180度，或者指定角度；还可以识别太阳所在的位置以及识别阴天、多云天、半阴天、晴天及晚上白天；还可以进行跟踪方位识别。光传感器22的光亮度测量范围为0-10000cd/m2。在其他实施例中，可以将图像采集设备21和光传感器22合二为一进行使用，还可以进一步增加特定光源，改善光照条件，也可以仅依靠自然光而不加光源。

综上所述，本领域技术人员容易理解，在本发明实施例所提供的基于计算机视觉的黑白子识别方法及系统中由于设有判定阀值，根据计算第二区域平均灰度值与预设的判定阈值的差值以及两者求和值，然后将第一区域平均灰度值与差值和求和值进行比较，进而判定第一检测区域的落子状态，因判定阀值是依据实际环境设定的，使得该方法适应于不同的光线条件，减少了由于光线因素导致的误检测，提高黑白子的识别准确率。

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (18)

1.一种基于计算机视觉的黑白子识别方法，其特征在于，所述方法包括：

在实际光照条件下获取棋盘的待识别图像；

在所述棋盘的每个网格点分别设置第一检测区域和第二检测区域，进而对每个网格点的落子状态进行判定，其中所述第一检测区域和所述第二检测区域设置成正方形，且所述第一检测区域的宽度等于黑子和/或白子的直径，所述第二检测区域的宽度等于所述棋盘的三个网格宽度，其中所述第二检测区域的面积大于所述第一检测区域且包围所述第一检测区域；

计算所述待识别图像在所述第一检测区域内的第一区域平均灰度值及所述待识别图像在所述第二检测区域内的第二区域平均灰度值；

计算所述第二区域平均灰度值与预设的判定阈值的差值，以及计算所述第二区域平均灰度值和所述预设的判定阈值的求和值；

将所述第一区域平均灰度值与所述差值以及所述求和值进行比较，进而判定所述第一检测区域的落子状态。

2.根据权利要求1所述的基于计算机视觉的黑白子识别方法，其特征在于，所述将所述第一区域平均灰度值与所述差值和所述求和值进行比较，进而判定所述第一检测区域的落子状态的步骤包括：

若所述第一区域平均灰度值小于所述差值，则所述第一检测区域内设置有所述黑子，若所述第一区域平均灰度值大于所述求和值，则所述第一检测区域内设置有所述白子，若所述第一区域平均灰度值介于所述差值与所述求和值之间，则所述第一检测区域处于无子状态。

3.根据权利要求1所述的基于计算机视觉的黑白子识别方法，其特征在于，所述方法进一步包括：

在所述实际光照条件下获取所述棋盘处于无子状态时的调整参考图像；

根据所述调整参考图像计算所述棋盘的实际棋盘平均灰度值；

根据所述实际棋盘平均灰度值与基准光照条件下的基准棋盘平均灰度值来确定所述判定阈值，其中所述实际棋盘平均灰度值与所述基准棋盘平均灰度值的差异越大，所述判定阈值越小。

4.根据权利要求3所述的基于计算机视觉的黑白子识别方法，其特征在于，所述判定阈值为基准判定阈值与一百分数的乘积，其中所述实际棋盘平均灰度值与所述基准棋盘平均灰度值的差异越大，所述百分数越小。

5.根据权利要求4所述的基于计算机视觉的黑白子识别方法，其特征在于，所述判定阈值通过如下公式计算：

T＝abs(H_b-abs(H-H_b))×T_b/H_b；

其中，T为所述判定阈值，H_b为所述基准棋盘平均灰度值，T_b为所述基准判定阈值，所述H为所述实际棋盘平均灰度值，abs为绝对值函数。

6.根据权利要求4所述的基于计算机视觉的黑白子识别方法，其特征在于，确定所述基准判定阈值的方法包括：

在基准光照条件下获取所述棋盘处于无子状态时的第一基准图像；

根据所述第一基准图像计算所述棋盘的所述基准棋盘平均灰度值；

在所述基准光照条件下获取所述棋盘设置有黑子和白子时的第二基准图像；

根据所述第二基准图像计算所述黑子的基准灰度值和所述白子的基准灰度值；

根据所述基准棋盘平均灰度值、所述黑子的基准灰度值和所述白子的基准灰度值设置所述基准判定阈值。

7.根据权利要求6所述的基于计算机视觉的黑白子识别方法，其特征在于，所述基准光照条件为使得所述基准棋盘平均灰度值介于100到150之间，且所述黑子的基准灰度值小于所述基准棋盘平均灰度值超过50，所述白子的基准灰度值大于所述基准棋盘平均灰度值超过50的光照条件。

8.根据权利要求1所述的基于计算机视觉的黑白子识别方法，其特征在于，所述方法进一步包括：

获取所述实际光照条件下的实际环境光亮度；

根据所述实际环境光亮度与基准照明条件下的基准环境光亮度来调整所述判定阈值，所述实际环境光亮度与基准环境光亮度的差异越大，所述判定阈值越小。

9.根据权利要求8所述的基于计算机视觉的黑白子识别方法，其特征在于，所述方法进一步包括：

根据所判定的每个所述网格点的落子状态分别生成对应的字符，进而形成表示所有所述网格点的落子状态的字符串，其中不同的落子状态由不同的字符进行表示。

10.一种基于计算机视觉的黑白子识别系统，其特征在于，

所述系统包括图像采集设备以及图像处理器，所述图像采集设备用于在实际光照条件下获取棋盘的待识别图像；

所述图像处理器在所述棋盘的每个待检测网格点分别设置第一检测区域和第二检测区域，进而对每个待检测网格点的落子状态进行判定，其中所述第一检测区域和所述第二检测区域设置成正方形，且所述第一检测区域的宽度等于黑子和/或白子的直径，所述第二检测区域的宽度等于所述棋盘的三个网格宽度，并计算所述待识别图像在所述第一检测区域内的第一区域平均灰度值及所述待识别图像在所述第二检测区域内的第二区域平均灰度值，其中所述第二检测区域的面积大于所述第一检测区域且包围所述第一检测区域，所述图像处理器进一步计算所述第二区域平均灰度值与预设的判定阈值的差值以及所述第二区域平均灰度值和所述预设的判定阈值的求和值，并将所述第一区域平均灰度值与所述差值和所述求和值进行比较，进而判定所述第一检测区域的落子状态。

11.根据权利要求10所述的基于计算机视觉的黑白子识别系统，其特征在于，若所述图像处理器的比较结果为所述第一区域平均灰度值小于所述差值，则判定所述第一检测区域内设置有所述黑子，若所述图像处理器的比较结果为所述第一区域平均灰度值大于所述求和值，则判定所述第一检测区域内设置有所述白子，若所述图像处理器的比较结果为所述第一区域平均灰度值介于所述差值与所述求和值之间，则判定所述第一检测区域处于无子状态。

12.根据权利要求10所述的基于计算机视觉的黑白子识别系统，其特征在于，所述图像采集设备进一步用于在所述实际光照条件下获取所述棋盘处于无子状态时的调整参考图像，所述图像处理器根据所述调整参考图像计算所述棋盘的实际棋盘平均灰度值，并根据所述实际棋盘平均灰度值与基准光照条件下的基准棋盘平均灰度值来确定所述判定阈值，其中所述实际棋盘平均灰度值与所述基准棋盘平均灰度值的差异越大，所述判定阈值越小。

13.根据权利要求12所述的基于计算机视觉的黑白子识别系统，其特征在于，所述判定阈值为基准判定阈值与一百分数的乘积，其中所述实际棋盘平均灰度值与所述基准棋盘平均灰度值的差异越大，所述百分数越小。

14.根据权利要求13所述的基于计算机视觉的黑白子识别系统，其特征在于，所述判定阈值通过如下公式计算：

T＝abs(H_b-abs(H-H_b))×T_b/H_b；

其中，T为所述判定阈值，H_b为所述基准棋盘平均灰度值，T_b为所述基准判定阈值，所述H为所述实际棋盘平均灰度值，abs为绝对值函数。

15.根据权利要求13所述的基于计算机视觉的黑白子识别系统，其特征在于，所述图像采集设备进一步用于在基准光照条件下获取所述棋盘处于无子状态时的第一基准图像，且在所述基准光照条件下获取所述棋盘设置有黑子和白子时的第二基准图像，所述图像处理器进一步根据所述第一基准图像计算所述棋盘的所述基准棋盘平均灰度值，根据所述第二基准图像计算所述黑子的基准灰度值和所述白子的基准灰度值，并进一步根据所述基准棋盘平均灰度值、所述黑子的基准灰度值和所述白子的基准灰度值设置所述基准判定阈值。

16.根据权利要求15所述的基于计算机视觉的黑白子识别系统，其特征在于，所述基准光照条件为使得所述基准棋盘平均灰度值介于100到150之间，且所述黑子的基准灰度值小于所述基准棋盘平均灰度值超过50，所述白子的基准灰度值大于所述基准棋盘平均灰度值超过50的光照条件。

17.根据权利要求10所述的基于计算机视觉的黑白子识别系统，其特征在于，所述系统进一步包括光传感器，用于获取所述实际光照条件下的实际环境光亮度，所述图像处理器根据所述实际环境光亮度与基准照明条件下的基准环境光亮度来调整所述判定阈值，所述实际环境光亮度与基准环境光亮度的差异越大，所述判定阈值越小。

18.根据权利要求17所述的基于计算机视觉的黑白子识别系统，其特征在于，所述图像处理器根据所判定的每个所述待检测网格点的落子状态分别生成对应的字符，进而形成表示所有所述待检测网格点的落子状态的字符串，其中不同的落子状态由不同的字符进行表示。

Images