CN115953603A - 图像匹配方法、装置、设备和计算机可读存储介质 - Google Patents

Abstract

本公开提供一种图像匹配方法、装置、设备和计算机可读存储介质，其中，方法包括：获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与当前堆叠图像对应的目标模板堆叠图像；生成与当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合，其中，第一颜色图层集合中包括与当前堆叠图像各个颜色通道对应的多个第一颜色图层，第二颜色图层集合中包括与目标模板堆叠图像各个颜色通道对应的多个第二颜色图层；根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理。在本公开的实施例中，结合像素点的颜色信息以图层为粒度进行堆叠图像的自动匹配检测，提升了堆叠图像匹配检测的准确性。

Description

图像匹配方法、装置、设备和计算机可读存储介质

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像匹配方法、装置、设备和计算机可读存储介质。

背景技术

目前，基于不同的带有图案的游戏卡片堆叠，实现不同组合图案，比如，作为一种常见的儿童益智类游戏，通过透明塑料卡片上的彩色图案，按照顺序在游底座上叠加对应的图案。然而相关技术中，对于叠加的图案是否与正确图案匹配依赖于人眼识别，缺乏一种自动化的匹配检测方式。

发明内容

根据本公开的一方面，提供了一种图像匹配方法，包括：获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与所述当前堆叠图像对应的目标模板堆叠图像；生成与所述当前堆叠图像对应的第一颜色图层集合，并生成与所述目标模板堆叠图像对应的第二颜色图层集合，其中，所述第一颜色图层集合中包括与所述当前堆叠图像各个颜色通道对应的多个第一颜色图层，所述第二颜色图层集合中包括与所述目标模板堆叠图像各个颜色通道对应的多个第二颜色图层；根据所述第一图层集合和所述第二图层集合对所述当前堆叠图像和所述目标模板堆叠图像进行图像匹配处理。

根据本公开的另一方面，提供了一种图像匹配装置，包括：确定模块，用于获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与所述当前堆叠图像对应的目标模板堆叠图像；生成模块，用于生成与所述当前堆叠图像对应的第一颜色图层集合，并生成与所述目标模板堆叠图像对应的第二颜色图层集合，其中，所述第一颜色图层集合中包括与所述当前堆叠图像各个颜色通道对应的多个第一颜色图层，所述第二颜色图层集合中包括与所述目标模板堆叠图像各个颜色通道对应的多个第二颜色图层；匹配处理模块，用于根据所述第一图层集合和所述第二图层集合对所述当前堆叠图像和所述目标模板堆叠图像进行图像匹配处理。

根据本公开的另一方面，提供了一种电子设备，包括：处理器；以及存储程序的存储器，其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器实现上述实施例所提到的图像匹配方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述实施例所提到的图像匹配方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述实施例所提到的图像匹配方法。

本公开实施例中提供的一个或多个技术方案，可以获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与当前堆叠图像对应的目标模板堆叠图像，生成与当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合，其中，第一颜色图层集合中包括与当前堆叠图像各个颜色通道对应的多个第一颜色图层，第二颜色图层集合中包括与目标模板堆叠图像各个颜色通道对应的多个第二颜色图层，进而，根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理。在本公开的实施例中，结合像素点的颜色信息以图层为粒度进行堆叠图像的自动匹配检测，提升了堆叠图像匹配检测的准确性。

附图说明

在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：

图1示出了根据本公开示例性实施例的一种游戏底座的结构示意图；

图2示出了根据本公开示例性实施例的一种游戏场景示意图；

图3示出了根据本公开示例性实施例的一种图像匹配方法的流程图；

图4示出了根据本公开示例性实施例的一种图像匹配场景示意图；

图5示出了根据本公开示例性实施例的另一种图像匹配方法的流程图；

图6示出了根据本公开示例性实施例的另一种图像匹配场景示意图；

图7示出了根据本公开示例性实施例的另一种图像匹配方法的流程图；

图8示出了根据本公开示例性实施例的另一种图像匹配场景示意图；

图9示出了根据本公开示例性实施例的另一种图像匹配方法的流程图；

图10示出了根据本公开示例性实施例的图像匹配装置的示意性框图；

图11示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

在对本公开的实施例图像匹配方法进行说明之前，首先对本公开涉及到的一些名词进行定义解释，解释如下：

游戏底座：可以为任意形状的用于放置游戏卡片的硬件，其中，游戏底座中通常包含卡片插入区域，卡片插入区域的形状与游戏卡片的形状一致，比如，参照图1，游戏底座中包含了矩形的卡片插入区域，卡片插入区域中可插入矩形的透明的游戏卡片。

游戏卡片：可以为透明的塑料卡片等，每个游戏卡片上包含了彩色的图案，不同的游戏卡片之间的彩色的图案包含了不重叠的部分，因此，将不同的游戏卡片叠加在一起，会在视觉上呈现堆叠图像，比如，如图2所示，将游戏卡片A和游戏卡片B按照顺序堆叠在游戏底座上，得到了堆叠图像“房子”。

以下参照附图描述本公开的方案中的图像匹配方法。

图3为根据本公开一个实施例的图像匹配方法的流程图，如图3所示，该图像匹配方法包括：

步骤301，获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与当前堆叠图像对应的目标模板堆叠图像。

在本公开的一个实施例中，获取游戏底座中游戏卡片组成的当前堆叠图像，比如，可以通过平板等便携式电子设备的前置摄像头结合反光镜来拍摄得到当前堆叠图像，通常，每隔预设的采集周期采集当前周期的堆叠图像，或者是，可以将堆叠图像拆分为多个游戏关卡，针对每个游戏关卡拍摄一个当前堆叠图像等。

其中，为了保证获取的当前堆叠图像的准确性，在本公开的一个实施例中，拍摄游戏底座的游戏底座图像，检测游戏底座图像中卡片插入区域的多个区域角点，其中，角点检测方式可以通过CenterNet算法等实现，区域角点的数量与卡片插入区域的形状有关，比如，当卡片插入区域为矩形区域，则对应的区域角点为矩形区域的四个顶点。

在确定多个区域角点后，根据多个区域角点确定卡片插入区域，比如，当卡片插入区域为矩形区域时，确定四个顶点之内的区域为卡片插入区域，从而，根据卡片插入区域来获取当前堆叠图像，比如，确定卡片插入区域内的图像为当前堆叠图像。从而，在本实施例中，通过角点提取来确定当前堆叠图像，可以不受到光照的影响、以及底座摆放位置的影响实现对当前堆叠图像的快速获取，提升了当前堆叠图像识别的鲁棒性。

考虑到在实际执行过程中，由于拍摄角度等的变换，获取到的初始的堆叠图像可能具有透视变化，因此，还可以在确定卡片插入区域后，对卡片插入区域对应的区域图像进行反透视变换处理以获取当前堆叠图像。

进一步地，在获取当前堆叠图像之后，还确定确定与当前堆叠图像对应的目标模板堆叠图像，其中，目标堆叠图像可以理解为当前堆叠图像对应的答案堆叠图像。

步骤302，生成与当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合，其中，

第一颜色图层集合中包括与当前堆叠图像各个颜色通道对应的多个第一颜色图层，第二颜色图层集合中包括与目标模板堆叠图像各个颜色通道对应的多个第二颜色图层。

在本公开的一个实施例中，为了避免光照等对当前堆叠图像的匹配的影响，结合具体的颜色来作为匹配的参考，从而，相对于传统的匹配算法中使用像素的灰度值等进行图像匹配，可以不受到光照的影响，提升了图像匹配的准确性。

在本实施例中，生成与当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合，其中，第一颜色图层集合中包括与当前堆叠图像各个颜色通道对应的多个第一颜色图层，第二颜色图层集合中包括与目标模板堆叠图像各个颜色通道对应的多个第二颜色图层。

即在一些可能的实施例中，识别当前堆叠图像中每个颜色通道对应的第一颜色图层，根据所有第一颜色图层生成第一颜色图层集合，识别目标模板堆叠图像中每个颜色通道对应的第二颜色图层，根据所有第二颜色图层生成第二颜色图层集合。

其中，各个颜色通道可以对应于R(红色通道)、G(绿色通道)、B(蓝色通道)、A(透明度颜色通道)等中的多个，举例而言，如图4所示，当各个颜色通道对应于RGBA四个颜色通道时，对于当前堆叠图像S1拆分为与RGBA对应的四个第一颜色图层，对于目标模板堆叠图像S2则拆分为与RGBA对应的四个第二颜色图层。从而，在本实施例中，基于颜色通道将当前堆叠图像拆分为多个第一颜色图层，将目标堆叠图像拆分为多个第二颜色图层，基于多个第一颜色图层和多个第二颜色图层可实现以颜色为粒度进行图像匹配，提升了图像匹配的精确度。

步骤303，根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理。

在本公开的一个实施例中，根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，从而，在图像匹配处理后，若是图像匹配成功，则确定对应的当前堆叠图像为正确的堆叠。在本实施例中，实现了对图像的自动匹配。

其中，在一些可能的实施例中，由于当前堆叠图像中的游戏卡片可能叠放角度不同，因此，为了进一步提升图像匹配的灵活性，还可以确定当前堆叠卡片可能存在的叠放角度，该叠放角度通常为与预先规定的标准叠放角度(通常为目标模板堆叠图像的显示角度)的叠放夹角，根据叠放角度旋转当前堆叠图像对应的第一图层集合，比如，当卡片堆叠区域为矩形时，则当前堆叠卡片可能存在的叠放角度为0度(与预设的标准插入角度一致)、90度、180度和270度四种情况。

因此，可以在生成与当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合之前，即将当前堆叠图像根据对应的叠放角度分别旋转后与目标模板堆叠图像进行图像匹配，确定匹配度最大的叠放角度调整当前堆叠图像的实际显示角度，继而，生成调整后的当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合，并根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理。

在一些应用场景中，当如上述实施例所提到的采用平板等电子设备拍摄当前堆叠图像时，则可以将图像匹配结果与电子设备中的有关应用实现互动，比如，在当前堆叠图像和目标模板堆叠图像匹配成功后，可以在对应的应用中展示对应的动画(比如，展示对应的当前堆叠图像)等，实现游戏底座上的操作和应用之间的映射互动。

综上，本公开实施例的图像匹配方法，获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与当前堆叠图像对应的目标模板堆叠图像，生成与当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合，其中，第一颜色图层集合中包括与当前堆叠图像各个颜色通道对应的多个第一颜色图层，第二颜色图层集合中包括与目标模板堆叠图像各个颜色通道对应的多个第二颜色图层，进而，根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理。在本公开的实施例中，结合像素点的颜色信息以图层为粒度进行堆叠图像的自动匹配检测，提升了堆叠图像匹配检测的准确性。

需要说明的是，在不同的应用场景中，确定与当前堆叠图像对应的目标模板堆叠图像的方式不同，示例如下：

在本公开的一个实施例中，如图5所示，确定与当前堆叠图像对应的目标模板堆叠图像，包括：

步骤501，对当前堆叠图像进行色块分割处理，确定当前堆叠图像包含的第一颜色色块集合，其中，第一颜色色块集合中包括至少一个第一色块颜色。

在本公开的一个实施例中，在当前堆叠图像进行色块分割处理，比如，可以识别每个像素点的像素值，根据像素值对当前堆叠图像进行聚类以实现色块分割；比如，可以将当前堆叠图像属于预先训练的图像分割模型(比如，预先训练的UNet++模型)，以实现色块分割处理，进而，获取当前堆叠图像包含的第一颜色色块集合，其中，第一颜色集合中包含了当前堆叠图像中包含的多个色块的第一色块颜色。

步骤502，根据第一颜色色块集合确定目标模板堆叠图像。

需要说明的是，在不同的应用场景中，根据第一色块颜色集合确定目标模板堆叠图像的方式不同，示例如下：

在一些可能的示例中，获取每个预设的候选模板图像包含的第二颜色色块集合，其中，第二颜色色块集合中包括至少一个第二色块颜色，即预先设置多个候选模板图像，每个候选模板图像对应于的第二色块颜色不完全相同，从而，将第一颜色色块集合与第二颜色色块集合匹配，确定与第一颜色色块集合一致的第二颜色色块集合对应的候选模板图像为目标模板堆叠图像。

在一些可能的示例中，预先设置不同的游戏关卡(比如，拼叠游戏的每一步代表一个关卡)，针对不同的游戏关卡设置不同的候选模板图像，从而，查询预设对应关系确定与第一颜色色块集合对应的目标游戏关卡，其中，不同的游戏关卡对应的色块颜色不同，可以在预设对应关系中存储不同的游戏关卡和对应的色块颜色，比如，游戏关卡1对应的色块颜色为白色和蓝色，游戏关卡2对应的色块颜色为白色、蓝色、红色等，若是检测到当前堆叠图像包含的第一色块颜色为蓝色和白色，则确定对应的目标游戏关卡为第一关，从而，在本示例中，可以确定目标游戏关卡对应的预设候选模板图像作为目标堆叠图像。

其中，在实际操作过程中，为了进一步提升图像匹配的精确度，在本公开的一个实施例中，在生成与当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合之前，还可提取当前堆叠图像对应的第一图像堆叠区域，根据预设的图像尺寸缩放第一图像堆叠区域以得到更新后的当前堆叠图像，提取目标模板堆叠图像对应的第二图像堆叠区域，根据预设的图像尺寸缩放第二图像堆叠区域以得到更新后的目标模板堆叠图像，其中，预设图像尺寸通常为一个相对较大的尺寸，以保证后续色块分割的准确性，比如，预设图像尺寸为280*280的尺寸等。

需要说明的是，在本实施例中，提取当前堆叠图像对应的第一图像堆叠区域的目的是为了去除无关像素的影响，在本实施例中，如图6所示，对当前堆叠图像二值化处理得到第一二值化图像，识别第一二值化图像中的卡片底板连通区域，该底板联通区域可以通过识别当前堆叠图像边缘位置最大连通区域得到卡片底板连通区域，卡片底板连通区域通常为卡片底座的区域，因此，去除第一二值化图像中的卡片底板连通区域以提取第一图像堆叠区域。

同样的，在本实施例中，提取目标模板堆叠图像对应的第二图像堆叠区域时，对目标模板堆叠图像二值化处理得到第二二值化图像，识别第二二值化图像中的卡片底板连通区域，去除第二二值化图像中的卡片底板连通区域以提取第二图像堆叠区域，从而，避免了其他无关区域的影响，进一步提升了图像匹配的精确度。

综上，本公开实施例的图像匹配方法，对当前堆叠图像进行色块分割处理，基于处理后的色块分割结果，可以准确的获知当前堆叠图像是否与对应的目标模板堆叠图像匹配，基于色块进行匹配避免了光照反光、光照暗淡、颜色模糊等的影响，提升了图像匹配的精确度。

基于上述实施例，下面参照具体的实施例说明如何根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理。

在本公开的一个实施例中，如图7所示，根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，包括：

步骤701，叠加第一图层集合中的所有第一颜色图层和第二图层集合中的所有第二颜色图层，以生成叠加图层。

在本公开的一个实施例中，可以叠加第一图层集合中的所有第一颜色图层和第二图层集合中的所有第二颜色图层，以生成叠加图层，比如，继续以图4所示的场景为例，叠加后生成的叠加图层为一个8层的多维图层。

步骤702，将叠加图层输入预先训练的分类模型，并获取分类模型输出的匹配度评分以实现对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，其中，在匹配度评分大于预设评分阈值时确定当前堆叠图像和目标模板堆叠图像匹配。

在获取叠加图层后，将叠加图层输入预先训练的分类模型，其中，分类模型可以为Resnet18分类模型等，并获取分类模型输出的匹配度评分以实现对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，其中，在匹配度评分大于预设评分阈值时确定当前堆叠图像和目标模板堆叠图像匹配。由此，在本实施例中，实现了将当前堆叠图像和目标模板堆叠图像进行多颜色通道的合并，提升了匹配的精确度。

在本公开的一个实施例中，根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，包括：将第一图层集合中的每个第一颜色图层，与第二图层集合中与每个第一颜色图层对应的第二颜色图层匹配，以获取与每个第一颜色图层对应的图层匹配度，以实现对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，其中，在第一图层集合中所有第一颜色图层对应的所有图层匹配度均大于预设图层匹配度阈值时确定当前堆叠图像和目标模板堆叠图像匹配。

举例而言，如图8所示，继续以图4所示的场景为例，将S1对应的R-S1图层与S2对应的R-S2图层进行匹配以获取图层匹配度1，将S1对应的G-S1图层与S2对应的G-S2图层进行匹配以获取图层匹配度2，将S1对应的B-S1图层与S2对应的B-S2图层进行匹配以获取图层匹配度3，S1对应的A-S1图层与S2对应的A-S2图层进行匹配以获取图层匹配度4，若是图层匹配度1-4均大于预设图层匹配度阈值，则确定当前堆叠图像和目标模板堆叠图像匹配。从而，分图层分别匹配，进一步提升了图像匹配的精确度。

为了使得本领域的技术人员对本公开的图像匹配方法更加全面的了解，下面结合具体的示例进行举例说明，其中，在本示例中，卡片插入区域为矩形区域，可能的叠放角度为0度、90度、180度和270度，缩放堆叠区域的预设图像尺寸为280*280。

在本示例中，如图9所示，在获取游戏底座图像后，对游戏底座图像进行四个顶点的角点检测，提取卡片插入区域中的图像区域，并将该图像区域反透视变换后，变换为一个320*320的尺寸的当前堆叠图像，对当前堆叠图像进行色块分割处理，以获取当前堆叠图像包含的第一颜色色块集合，根据第一颜色色块集合确定目标模板堆叠图像。

进而，对当前堆叠图像进行二值化处理，并去除当前叠放图像区域的底板连通区域，提取当前堆叠图像对应的第一图像堆叠区域，根据预设的图像尺寸缩放第一图像堆叠区域以得到更新后的尺寸为280*280的当前堆叠图像，对目标模板堆叠图像进行二值化处理，并去除目标模板堆叠图像的卡片底板连通区域，提取目标模板堆叠图像对应的第二图像堆叠区域，根据预设的图像尺寸缩放第二图像堆叠区域以得到更新后的尺寸为280*280目标模板堆叠图像。

进而，将当前堆叠图像分别按照0度、90度、180度和270度旋转后，与对应的目标模板堆叠图像匹配，确定匹配度最高的叠放角度为当前堆叠图像的实际显示角度，进而，根据实际显示角度调整当前堆叠图像后，识别当前堆叠图像中每个颜色通道对应的第一颜色图层，根据所有第一颜色图层生成第一颜色图层集合，识别目标模板堆叠图像中每个颜色通道对应的第二颜色图层，根据所有第二颜色图层生成第二颜色图层集合，叠加第一图层集合中的所有第一颜色图层和第二图层集合中的所有第二颜色图层，以生成叠加图层(叠加图层为8层的280*280的复合图层)，将叠加图层输入预先训练的分类模型，并获取分类模型输出的匹配度评分以实现对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，其中，在匹配度评分大于预设评分阈值时确定当前堆叠图像和目标模板堆叠图像匹配。

综上，本公开实施例的图层匹配方法，结合像素点的颜色信息，将对应的图像拆分为对应的颜色图层进行堆叠图像的自动匹配检测，避免了环境光照对图像颜色的影响，提升了堆叠图像匹配检测的准确性。

为了实现上述实施例，本公开还提出了一种图像匹配装置。

图10是根据本公开一个实施例的图像匹配装置的结构示意性框图，包括：确定模块1010、生成模块1020、匹配处理模块1030，其中，

确定模块1010，用于获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与所述当前堆叠图像对应的目标模板堆叠图像；

生成模块1020，用于生成与当前堆叠图像对应的第一颜色图层集合，并生成与目标模板堆叠图像对应的第二颜色图层集合，其中，

第一颜色图层集合中包括与当前堆叠图像各个颜色通道对应的多个第一颜色图层，第二颜色图层集合中包括与目标模板堆叠图像各个颜色通道对应的多个第二颜色图层；

匹配处理模块1030，用于根据第一图层集合和第二图层集合对当前堆叠图像和目标模板堆叠图像进行图像匹配处理。

一种可选的实施例中，确定模块1010，用于：

拍摄游戏底座的游戏底座图像，检测游戏底座图像中卡片插入区域的多个区域角点；

根据多个区域角点确定卡片插入区域，并根据卡片插入区域获取当前堆叠图像。

一种可选的实施例中，确定模块1010，用于：

对卡片插入区域对应的区域图像进行反透视变换处理以获取当前堆叠图像。

一种可选的实施例中，确定模块1010，用于：

对当前堆叠图像进行色块分割处理，以获取当前堆叠图像包含的第一颜色色块集合，其中，第一颜色色块集合中包括至少一个第一色块颜色；

根据第一颜色色块集合确定目标模板堆叠图像。

一种可选的实施例中，确定模块1010，用于：

获取每个预设的候选模板图像包含的第二颜色色块集合，其中，第二颜色色块集合中包括至少一个第二色块颜色；

将第一颜色色块集合与第二颜色色块集合匹配，确定与第一颜色色块集合一致的第二颜色色块集合对应的候选模板图像为目标模板堆叠图像。

一种可选的实施例中，确定模块1010，用于：

查询预设对应关系确定与第一颜色色块集合对应的目标游戏关卡；

确定与目标游戏关卡对应的预设候选模板图像为目标模板堆叠图像。

一种可选的实施例中，还包括：

第一提取模块，用于提取当前堆叠图像对应的第一图像堆叠区域，根据预设的图像尺寸缩放第一图像堆叠区域以得到更新后的当前堆叠图像；

第二提取模块，用于提取目标模板堆叠图像对应的第二图像堆叠区域，根据预设的图像尺寸缩放第二图像堆叠区域以得到更新后的目标模板堆叠图像。

一种可选的实施例中，第一提取模块，用于对当前堆叠图像二值化处理得到第一二值化图像，识别第一二值化图像中的卡片底板连通区域，去除第一二值化图像中的卡片底板连通区域以提取第一图像堆叠区域；

第二提取模块，用于对目标模板堆叠图像二值化处理得到第二二值化图像，识别第二二值化图像中的卡片底板连通区域，去除第二二值化图像中的卡片底板连通区域以提取第二图像堆叠区域。

一种可选的实施例中，生成模块1020，用于：

识别当前堆叠图像中每个颜色通道对应的第一颜色图层，根据所有第一颜色图层生成第一颜色图层集合；

识别目标模板堆叠图像中每个颜色通道对应的第二颜色图层，根据所有第二颜色图层生成第二颜色图层集合。

一种可选的实施例中，匹配处理模块1030，用于：叠加第一图层集合中的所有第一颜色图层和第二图层集合中的所有第二颜色图层，以生成叠加图层；

将叠加图层输入预先训练的分类模型，并获取分类模型输出的匹配度评分以实现对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，其中，在匹配度评分大于预设评分阈值时确定当前堆叠图像和目标模板堆叠图像匹配。

一种可选的实施例中，匹配处理模块1030，用于：将第一图层集合中的每个第一颜色图层，与第二图层集合中与每个第一颜色图层对应的第二颜色图层匹配，以获取与每个第一颜色图层对应的图层匹配度，以实现对当前堆叠图像和目标模板堆叠图像进行图像匹配处理，其中，

在第一图层集合中所有第一颜色图层对应的所有图层匹配度均大于预设图层匹配度阈值时确定当前堆叠图像和目标模板堆叠图像匹配。

本公开示例性实施例还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序，所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。

本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。

本公开示例性实施例还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。

参考图11，现将描述可以作为本公开的服务器或客户端的电子设备1100的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，电子设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

电子设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向电子设备1100输入信息的任何类型的设备，输入单元1106可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1107可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1104可以包括但不限于磁盘、光盘。通信单元1109允许电子设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理。例如，在一些实施例中，方法步骤101-步骤103可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。在一些实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法步骤101-103。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

如本公开使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

Claims (14)

1.一种图像匹配方法，包括：

获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与所述当前堆叠图像对应的目标模板堆叠图像；

生成与所述当前堆叠图像对应的第一颜色图层集合，并生成与所述目标模板堆叠图像对应的第二颜色图层集合，其中，

所述第一颜色图层集合中包括与所述当前堆叠图像各个颜色通道对应的多个第一颜色图层，所述第二颜色图层集合中包括与所述目标模板堆叠图像各个颜色通道对应的多个第二颜色图层；

根据所述第一图层集合和所述第二图层集合对所述当前堆叠图像和所述目标模板堆叠图像进行图像匹配处理。

2.如权利要求1所述的方法，其中，所述获取游戏底座中游戏卡片组成的当前堆叠图像，包括：

拍摄所述游戏底座的游戏底座图像，检测所述游戏底座图像中卡片插入区域的多个区域角点；

根据所述多个区域角点确定所述卡片插入区域，并根据所述卡片插入区域获取所述当前堆叠图像。

3.如权利要求2所述的方法，其中，所述根据所述卡片插入区域获取所述当前堆叠图像，包括：

对所述卡片插入区域对应的区域图像进行反透视变换处理，以获取所述当前堆叠图像。

4.如权利要求1所述的方法，其中，所述确定与所述当前堆叠图像对应的目标模板堆叠图像，包括：

对所述当前堆叠图像进行色块分割处理，确定所述当前堆叠图像包含的第一颜色色块集合，其中，所述第一颜色色块集合中包括至少一个第一色块颜色；

根据所述第一颜色色块集合确定所述目标模板堆叠图像。

5.如权利要求4所述的方法，其中，所述根据所述至少一个第一颜色色块确定所述目标模板堆叠图像，包括：

获取每个预设的候选模板图像包含的第二颜色色块集合，其中，所述第二颜色色块集合中包括至少一个第二色块颜色；

将所述第一颜色色块集合与所述第二颜色色块集合匹配，确定与所述第一颜色色块集合一致的第二颜色色块集合对应的候选模板图像为所述目标模板堆叠图像。

6.如权利要求4所述的方法，其中，所述根据所述第一颜色色块集合确定所述目标模板堆叠图像，包括：

查询预设对应关系确定与所述第一颜色色块集合对应的目标游戏关卡；

确定与所述目标游戏关卡对应的预设候选模板图像为所述目标模板堆叠图像。

7.如权利要求1所述的方法，其中，在所述生成与所述当前堆叠图像对应的第一颜色图层集合，并生成与所述目标模板堆叠图像对应的第二颜色图层集合之前，还包括：

提取所述当前堆叠图像对应的第一图像堆叠区域，根据预设的图像尺寸缩放所述第一图像堆叠区域以得到更新后的当前堆叠图像；

提取所述目标模板堆叠图像对应的第二图像堆叠区域，根据预设的图像尺寸缩放所述第二图像堆叠区域以得到更新后的所述目标模板堆叠图像。

8.如权利要求7所述的方法，其中，所述提取所述当前堆叠图像对应的第一图像堆叠区域，包括：

对所述当前堆叠图像二值化处理得到第一二值化图像，识别所述第一二值化图像中的卡片底板连通区域，去除所述第一二值化图像中的卡片底板连通区域以提取所述第一图像堆叠区域；

所述提取所述目标模板堆叠图像对应的第二图像堆叠区域，包括：

对所述目标模板堆叠图像二值化处理得到第二二值化图像，识别所述第二二值化图像中的卡片底板连通区域，去除所述第二二值化图像中的卡片底板连通区域以提取所述第二图像堆叠区域。

9.如权利要求1-8任一所述的方法，其中，所述生成与所述当前堆叠图像对应的第一颜色图层集合，并生成与所述目标模板堆叠图像对应的第二颜色图层集合，包括：

识别所述当前堆叠图像中每个颜色通道对应的第一颜色图层，根据所有所述第一颜色图层生成所述第一颜色图层集合；

识别所述目标模板堆叠图像中每个颜色通道对应的第二颜色图层，根据所有所述第二颜色图层生成所述第二颜色图层集合。

10.如权利要求9所述的方法，其中，所述根据所述第一图层集合和所述第二图层集合对所述当前堆叠图像和所述目标模板堆叠图像进行图像匹配处理，包括：

叠加所述第一图层集合中的所有所述第一颜色图层和所述第二图层集合中的所有所述第二颜色图层，以生成叠加图层；

将所述叠加图层输入预先训练的分类模型，并获取所述分类模型输出的匹配度评分以实现对所述当前堆叠图像和所述目标模板堆叠图像进行图像匹配处理，其中，在所述匹配度评分大于预设评分阈值时确定所述当前堆叠图像和所述目标模板堆叠图像匹配。

11.如权利要求9所述的方法，其中，所述根据所述第一图层集合和所述第二图层集合对所述当前堆叠图像和所述目标模板堆叠图像进行图像匹配处理，包括：

将所述第一图层集合中的每个第一颜色图层，与所述第二图层集合中与所述每个第一颜色图层对应的第二颜色图层匹配，以获取与每个所述第一颜色图层对应的图层匹配度，以实现对所述当前堆叠图像和所述目标模板堆叠图像进行图像匹配处理，其中，

在所述第一图层集合中所有所述第一颜色图层对应的所有图层匹配度均大于预设图层匹配度阈值时确定所述当前堆叠图像和所述目标模板堆叠图像匹配。

12.一种图像匹配装置，包括：

确定模块，用于获取游戏底座中游戏卡片组成的当前堆叠图像，并确定与所述当前堆叠图像对应的目标模板堆叠图像；

生成模块，用于生成与所述当前堆叠图像对应的第一颜色图层集合，并生成与所述目标模板堆叠图像对应的第二颜色图层集合，其中，

所述第一颜色图层集合中包括与所述当前堆叠图像各个颜色通道对应的多个第一颜色图层，所述第二颜色图层集合中包括与所述目标模板堆叠图像各个颜色通道对应的多个第二颜色图层；

匹配处理模块，用于根据所述第一图层集合和所述第二图层集合对所述当前堆叠图像和所述目标模板堆叠图像进行图像匹配处理。

13.一种电子设备，包括：

处理器；以及

存储程序的存储器，

其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-11中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。

Images