WO2017128606A1 - 一种教育玩具套件及其七巧板颜色识别方法 - Google Patents

Abstract

一种教育玩具套件及其七巧板颜色识别方法，涉及计算机视觉检测处理技术领域，包括支架（1）安装于底板（3）上，头盔探测器（2）安装于支架（1）上，底板（3）上设置有第一凹槽（301）；支架（1）底部具有凸起（101），凸起（101）安装在第一凹槽（301）内，顶部具有第二（102）、第三凹槽（103）；头盔探测器（2）安装于第三凹槽（103）内；还包括定位孔（104）。将安装有游戏程序的平板电脑安装于教育玩具套件上，将七巧板放置于底板上；通过平板电脑采集图像；对图像进行视角转换；计算各块七巧板边缘轮廓的边长、角度和边长比例，在HSV图像中得出颜色值，判断出各块七巧板的颜色。该方法能够快速的检测出各块七巧板的形状和尺寸，同时在HSV图像中分析出颜色，将各块七巧板的形状、尺寸与颜色相结合识别出各块七巧板的颜色。

Description

一种教育玩具套件及其七巧板颜色识别方法 技术领域

本发明涉及计算机视觉检测处理技术领域，特别涉及一种教育玩具套件及其七巧板颜色识别方法。

背景技术

现在平板电脑上有许多有趣的幼教游戏应用程序或者儿童游戏，但往往只是让小朋友在屏幕上指指画画，互动性欠缺，长时间看着屏幕容易对眼睛造成伤害；而当下一些互动性强的传统性游戏玩具已经脱离了时代的发展，形式上无法满足孩子学习、玩耍的需求，也不便于孩子和家长的互动沟通。

为了解决上述问题，计算机视觉识别处理技术领域成功的开发了一种教育玩具套件，包括：支架、头盔探测器和底板，并且支架安装于底板上，头盔探测器安装于支架上；底板上方设置有第一凹槽；支架底部具有凸起，凸起安装在第一凹槽内，顶部具有第二凹槽和第三凹槽，第二凹槽用于放置平板电脑；头盔探测器安装于第三凹槽内。然后将七巧板放置于底板上，在平板电脑内安装游戏程序，通过平板电脑的摄像头采集放置于底板上的七巧板的拼接图像，判定七巧板图案是否与游戏程序要求的拼接程序一致，如果不一致给出最快捷的下一步拼接指导，增强游戏的趣味性、儿童动手能力以及互动性。

技术问题

上述的教育玩具套件虽然解决了平板电脑中游戏的互动性欠缺的问题，但是由于底板很大，七巧板的摆放位置常常出现偏差，导致摄像头不能采集到完整的图像，图像容易采集出错，分析结果不准确等问题的出现，并且不能够检测出七巧板的摆放形状，也不能判断出七巧板的颜色，无法分析七巧板拼接图案是否准确。

因此，计算机视觉检测处理技术领域急需一种教育玩具套件及其七巧板颜色识别方法，能够快速的检测出各块七巧板的形状和尺寸，同时将RGB图像转换为HSV图像分析出颜色，将各块七巧板的形状、尺寸与颜色相结合识别出各块七巧板的颜色。

技术解决方案

本发明为了解决上述问题，提供了一种教育玩具套件及其七巧板颜色识别方法，技术方案如下：

一种教育玩具套件，包括支架、头盔探测器和底板，并且支架安装于底板上，头盔探测器安装于支架上，底板上方设置有第一凹槽；支架底部具有凸起，凸起安装在第一凹槽内，顶部具有第二凹槽和第三凹槽，第二凹槽用于放置平板电脑；头盔探测器安装于第三凹槽内；还包括：定位孔，设置于第三凹槽侧壁的纵向中心轴上。

一种教育玩具套件中七巧板颜色识别方法，包括如下步骤：

步骤一，在平板电脑中安装游戏程序，再将平板电脑的底端安装于第二凹槽内，通过第四凹槽将头盔探测器安装于平板电脑的顶端，再将七巧板放置于底板上；

步骤二，固定安装好后，通过平板电脑的前置摄像头采集图像；

步骤三，对步骤二中采集到的图像进行视角转换，得出正视角图像；

步骤四，将步骤三中正视角图像转换为HSV图像；

步骤五，将HSV图像做二值化处理，去掉二值化图像的噪音；

步骤六，扫描步骤五中去除噪音干扰的二值化图像，得出三角形和四边形的边缘轮廓以及各个三角形、四边形的边长、角度和边长比例，进而得出各块七巧板的形状和尺寸；

步骤七，设定七巧板的七种颜色在HSV空间内的阈值区间，将步骤三中计算出各块七巧板的H色调值、S饱和度值、V亮度值，与七种颜色在HSV空间内的阈值区间相比较，同时结合步骤六中得出的各块七巧板的形状、尺寸，进而将颜色与尺寸、形状相结合判断出各块七巧板的颜色。

优选的，在上述一种教育玩具套件中七巧板颜色识别方法中，步骤二的具体步骤为：

将平板电脑前置摄像头所获取图像定义为I_xy，I_xy＝f(x，y)；

其中，(x，y)表示图像像素点的位置坐标，f(x，y)表示图像的在(x，y)上的像素值；

由于摄像头采集的图像为彩色图片，因此f(x，y)＝(R_xy，G_xy，B_xy)；

其中，R_xy表示图像像素点在红色通道的色彩值，G_xy表示图像像素点在绿色通道的色彩值，B_xy表示图像像素点在蓝色通道的色彩值。

优选的，在上述一种教育玩具套件中七巧板颜色识别方法中，步骤三的具体步骤为：

由于步骤二中平板电脑顶部的摄像头相对于底板来说是具有一个倾斜视角的，因此步骤二中采集到的图像为斜视角图像，采用透视变换原理，将斜视角图像转换为俯视的正视角图像。

优选的，在上述一种教育玩具套件中七巧板颜色识别方法中，所述步骤三的步骤a)中还包括：根据先验知识，对正视角图像进行剪切，得出感兴趣ROI区域图像。

优选的，在上述一种教育玩具套件中七巧板颜色识别方法中，步骤四的具体步骤为：

a)由于步骤二中平板电脑顶部的摄像头相对于底板来说是具有一个倾斜视角的，因此步骤二中采集到的图像为斜视角图像，采用透视变换原理，将斜视角图像转换为俯视的正视角图像；

b)将步骤a)中的正视角图像转化为HSV颜色图像；

由于各种颜色在HSV颜色空间的H色调通道数值较为稳定，不同种类间的数值间隔大，因此将正视角图像从RGB通道转化为HSV颜色空间，具体公式为：

V＝max{C(R′)、C(G′)、C(B′)}；

其中，H表示色调值，S表示饱和度值，V表示亮度值，max{C(R′)、C(G′)、C(B′)}表示在正视角图像中一个像素点在红、绿、蓝三个通道的像素最大值，min{C(R′)、C(G′)、C(B′)}表示在正视角图像中一个像素点在红、绿、蓝三个通道的像素最小值，并且H的取值范围位于0-360之间，V的取值范围位于0-1之间，S的取值范围位于0-1之间。

优选的，在上述一种教育玩具套件中七巧板颜色识别方法中，步骤五的具体步骤为：

A)二值化处理的具体公式为：

在二进制图像中B_H(x，y)＝B_S(x，y)＝B_V(x，y)，进而生成二进制图像；

B)采用腐蚀操作去除二值化图像中的噪音干扰。

优选的，在上述一种教育玩具套件中七巧板颜色识别方法中，步骤六的具体步骤为：

1)使用边缘检测算法检测二值化图像中的强边缘；

二值化图像为灰度图像，图像的边缘是指灰度图像中灰度变化比较剧烈的部分，灰度值的变化程度采用相邻像素间的梯度变化来定量表示，梯度是一阶二维导数的二维等效式，具体计算过程为：

首先，计算相邻像素的差分，具体公式为：

G_x＝f[i，j+1]-f[i，j]

G_y＝f[i，j]-f[i+1，j]

其中，G_x表示相邻像素在x方向上的差分，G_y表示相邻像素在y方向上的差分，f[i，j+1]表示图像在第i行第j+1列的像素值，f[i，j]表示图像在第i行第j列的像素值；f[i+1，j]表示图像在第i+1行第j列的像素值，

进一步地，计算相邻像素间的梯度，具体公式为：

其中，G(x，y)表示表示图像的在(x，y)点上梯度值，

表示像素值在x方向上求导，

表示像素值在y方向上求导；

进一步地，计算边缘点的梯度幅值，所有边缘点的梯度幅值集合即为提取的边缘轮廓；

由于待检测的七巧板目标，在转换为灰度图后，不同的彩色板之间反差较大，因此可以将反差很大的彩色板的轮廓视为当前图像的边缘，进而采用边缘检测的方法提 取出边缘点的梯度幅值集合，即为七巧板的边缘轮廓；常规的边缘提取算法，包括Sobel算子、Roberts算子、Prewitt算子和Canny算子等，具体公式为：

其中，|G(x，y)|表示边缘点的梯度幅值；

2)由步骤1)中得出的七巧板边缘轮廓由于是一个边缘点梯度幅值集合，所以会出现断线或者具有多条平行边缘的情况，因此，对步骤1)中得出的七巧板边缘轮廓进行膨胀处理，使平行的边缘合并为一个边缘，并且把断了的边缘连接起来，得到七巧板膨胀边缘轮廓；

3)对步骤2)中的七巧板膨胀边缘轮廓进行分析，筛选出三角形和四边形的边缘轮廓；

4)采用七巧板的特定形状、边长比例、大小、角度和位置的先验知识过滤掉步骤3)中与上述先验知识不符的的边缘轮廓；

5)计算步骤4)中剩余边缘轮廓的边长、角度和边长比例，结合平板电脑中预先设置的各块七巧板的边缘轮廓的原始像素值，计算出各块七巧板的位置和旋转角度，进而得出各块七巧板的形状和尺寸。

有益效果

1、本发明游戏交互设计巧妙；美观简单，判断更加快速，同时增强了趣味性和直观性。

2、本发明检测算法更加科学、成熟，将图像的透视变换、色彩转换、图像卷积、边缘检测、形态学处理方法等图像算法相结合使用，能够快速的计算出各块七巧板的位置和旋转角度，进而得出各块七巧板的形状和尺寸；

3、本发明计算速度快；每次定位检测耗时在100ms左右，为玩家提供流畅的使用体验。

4、本发明性能稳定，在对不同平板电脑安装于教育玩具套件内的情况下，针对3千幅图片进行了采集测试，误识别率和漏检率在0.2％以下。

附图说明

下面结合附图和具体实施方式来详细说明本发明：

图1是本实用新型一种教育玩具套件的结构示意图。

图2是本实用新型一种教育玩具套件的支架的后视图。

图3是本实用新型一种教育玩具套件的支架的立体图。

图4是本实用新型一种教育玩具套件的底板的结构示意图。

图5是一种教育玩具套件中七巧板颜色识别方法的流程图。

图6是三角形七巧板未旋转时的结构示意图。

图7是三角形七巧板旋转后的结构示意图。

其中，图1-7中的附图标记与部件名称之间的对应关系为：

支架1，凸起101，第二凹槽102，第三凹槽103，碟状底架104，圆形顶架105，露空提手106，头盔探测器2，底板3，第一凹槽301。

本发明的最佳实施方式

实施例1：

图1是本实用新型一种教育玩具套件的结构示意图。

图2是本实用新型一种教育玩具套件的支架的后视图。

图3是本实用新型一种教育玩具套件的支架的立体图。

图4是本实用新型一种教育玩具套件的底板的结构示意图。

如图1-4所示，一种教育玩具套件，包括支架1、头盔探测器2和底板3，并且支架1安装于底板3上，头盔探测器2安装于支架1上；底板3，上方设置有第一凹槽301；支架1，底部具有凸起101，凸起101安装在第一凹槽301内，顶部具有第二凹槽102和第三凹槽103，第二凹槽102用于放置平板电脑；头盔探测器2，安装于第三凹槽103内；还包括：定位孔104，设置于第三凹槽103侧壁的纵向中心轴上。

图5是一种教育玩具套件中七巧板颜色识别方法的流程图。

如图5所示，一种教育玩具套件中七巧板颜色识别方法，包括如下步骤：

步骤一，在平板电脑中安装游戏程序，再将平板电脑的底端安装于第二凹槽内，通过第四凹槽将头盔探测器安装于平板电脑的顶端，再将七巧板放置于底板上；

步骤二，固定安装好后，通过平板电脑的前置摄像头采集图像；

步骤三，对步骤二中采集到的图像进行视角转换，得出正视角图像；

步骤四，将步骤三中正视角图像转换为HSV图像；

步骤五，将HSV图像做二值化处理，去掉二值化图像的噪音；

步骤六，扫描步骤五中去除噪音干扰的二值化图像，得出三角形和四边形的边缘轮廓以及各个三角形、四边形的边长、角度和边长比例，进而得出各块七巧板的形状和尺寸；

步骤七，设定七巧板的七种颜色在HSV空间内的阈值区间，将步骤三中计算出各块七巧板的H色调值、S饱和度值、V亮度值，与七种颜色在HSV空间内的阈值区间相比较，同时结合步骤六中得出的各块七巧板的形状、尺寸，进而将颜色与尺寸、形状相结合判断出各块七巧板的颜色。

本发明的实施方式

为了使本发明技术实现的措施、创作特征、达成目的与功效易于明白了解，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，所描述的实施例仅仅是本发明一部分实施例，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作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。

实施例1：

图1是本实用新型一种教育玩具套件的结构示意图。

图2是本实用新型一种教育玩具套件的支架的后视图。

图3是本实用新型一种教育玩具套件的支架的立体图。

图4是本实用新型一种教育玩具套件的底板的结构示意图。

如图1-4所示，一种教育玩具套件，包括支架1、头盔探测器2和底板3，并且支架1安装于底板3上，头盔探测器2安装于支架1上；底板3，上方设置有第一凹槽301；支架1，底部具有凸起101，凸起101安装在第一凹槽301内，顶部具有第二凹槽102和第三凹槽103，第二凹槽102用于放置平板电脑；头盔探测器2，安装于第三凹槽103内；还包括：定位孔104，设置于第三凹槽103侧壁的纵向中心轴上。

图5是一种教育玩具套件中七巧板颜色识别方法的流程图。

如图5所示，一种教育玩具套件中七巧板颜色识别方法，包括如下步骤：

步骤一，在平板电脑中安装游戏程序，再将平板电脑的底端安装于第二凹槽内，通过第四凹槽将头盔探测器安装于平板电脑的顶端，再将七巧板放置于底板上；

步骤二，固定安装好后，通过平板电脑的前置摄像头采集图像；

步骤三，对步骤二中采集到的图像进行视角转换，得出正视角图像；

步骤四，将步骤三中正视角图像转换为HSV图像；

步骤五，将HSV图像做二值化处理，去掉二值化图像的噪音；

步骤六，扫描步骤五中去除噪音干扰的二值化图像，得出三角形和四边形的边缘轮廓以及各个三角形、四边形的边长、角度和边长比例，进而得出各块七巧板的形状和尺寸；

步骤七，设定七巧板的七种颜色在HSV空间内的阈值区间，将步骤三中计算出各块七巧板的H色调值、S饱和度值、V亮度值，与七种颜色在HSV空间内的阈值区间相比较，同时结合步骤六中得出的各块七巧板的形状、尺寸，进而将颜色与尺寸、形状相结合判断出各块七巧板的颜色。

实施例2：

图5是一种教育玩具套件中七巧板颜色识别方法的流程图。

如图5所示，一种教育玩具套件中七巧板颜色识别方法，包括如下步骤：

步骤一，在平板电脑中安装游戏程序，再将平板电脑的底端安装于第二凹槽内，通过第四凹槽将头盔探测器安装于平板电脑的顶端，再将七巧板放置于底板上；

步骤二，固定安装好后，通过平板电脑的前置摄像头采集图像，具体步骤为：

首先，将平板电脑前置摄像头所获取图像定义为I_xy，I_xy＝f(x，y)；

其中，(x，y)表示图像像素点的位置坐标，f(x，y)表示图像的在(x，y)上的像素值；

由于摄像头采集的图像为彩色图片，因此f(x，y)＝(R_xy，G_xy，B_xy)；

其中，R_xy表示图像像素点在红色通道的色彩值，G_xy表示图像像素点在绿色通道的色彩值，B_xy表示图像像素点在蓝色通道的色彩值；

步骤三，对步骤二中采集到的图像进行视角转换，得出正视角图像；

由于步骤二中平板电脑顶部的摄像头相对于底板来说是具有一个倾斜视角的，因此步骤二中采集到的图像为斜视角图像，采用透视变换原理，将斜视角图像转换为俯视的正视角图像；

步骤四，将步骤三中正视角图像转换为HSV图像，具体步骤为：

a)由于步骤二中平板电脑顶部的摄像头相对于底板来说是具有一个倾斜视角的，因此步骤二中采集到的图像为斜视角图像，采用透视变换原理，将斜视角图像转换为俯视的正视角图像；

b)将步骤a)中的正视角图像转化为HSV颜色图像；

由于各种颜色在HSV颜色空间的H色调通道数值较为稳定，不同种类间的数值间隔大，因此将正视角图像从RGB通道转化为HSV颜色空间，具体公式为：

V＝max{C(R′)、C(G′)、C(B′)}；

其中，H表示色调值，S表示饱和度值，V表示亮度值，max{C(R′)、C(G′)、C(B′)}表示在正视角图像中一个像素点在红、绿、蓝三个通道的像素最大值，min{C(R′)、C(G′)、C(B′)}表示在正视角图像中一个像素点在红、绿、蓝三个通道的像素最小值，并且H的取值范围位于0-360之间，V的取值范围位于0-1之间，S的取值范围位于0-1之间；

步骤五，将HSV图像做二值化处理，去掉二值化图像的噪音；

A)二值化处理的具体公式为：

在二进制图像中B_H(x，y)＝B_S(x，y)＝B_V(x，y)，进而生成二进制图像；

B)采用腐蚀操作去除二值化图像中的噪音干扰；

步骤六，扫描步骤五中去除噪音干扰的二值化图像，得出三角形和四边形的边缘轮廓以及各个三角形、四边形的边长、角度和边长比例；

1)使用边缘检测算法检测二值化图像中的强边缘；

二值化图像为灰度图像，图像的边缘是指灰度图像中灰度变化比较剧烈的部分，灰度值的变化程度采用相邻像素间的梯度变化来定量表示，梯度是一阶二维导数的二维等效式，具体计算过程为：

首先，计算相邻像素的差分，具体公式为：

G_x＝f[i，j+1]-f[i，j]

G_y＝f[i，j]-f[i+1，j]

其中，G_x表示相邻像素在x方向上的差分，G_y表示相邻像素在y方向上的差分，f[i，j+1]表示图像在第i行第j+1列的像素值，f[i，j]表示图像在第i行第j列的像素值；f[i+1，j]表示图像在第i+1行第j列的像素值，

进一步地，计算相邻像素间的梯度，具体公式为：

其中，G(x，y)表示表示图像的在(x，y)点上梯度值，

表示像素值在x方向上求导，

表示像素值在y方向上求导；

进一步地，计算边缘点的梯度幅值，所有边缘点的梯度幅值集合即为提取的边缘轮廓；

由于待检测的七巧板目标，在转换为灰度图后，不同的彩色板之间反差较大，因此可以将反差很大的彩色板的轮廓视为当前图像的边缘，进而采用边缘检测的方法提取出边缘点的梯度幅值集合，即为七巧板的边缘轮廓；常规的边缘提取算法，包括Sobel算子、Roberts算子、Prewitt算子和Canny算子等，具体公式为：

其中，|G(x，y)|表示边缘点的梯度幅值；

2)由步骤1)中得出的七巧板边缘轮廓由于是一个边缘点梯度幅值集合，所以会出现断线或者具有多条平行边缘的情况，因此，对步骤1)中得出的七巧板边缘轮廓进行膨胀处理，使平行的边缘合并为一个边缘，并且把断了的边缘连接起来，得到七巧板膨胀边缘轮廓；

3)对步骤2)中的七巧板膨胀边缘轮廓进行分析，筛选出三角形和四边形的边缘轮廓；

4)采用七巧板的特定形状、边长比例、大小、角度和位置的先验知识过滤掉步骤3)中与上述先验知识不符的的边缘轮廓；

5)计算步骤4)中剩余边缘轮廓的边长、角度和边长比例，结合平板电脑中预先设置的各块七巧板的边缘轮廓的原始像素值，计算出各块七巧板的位置和旋转角度，进而得出各块七巧板的形状和尺寸；

步骤七，设定七巧板的七种颜色在HSV空间内的阈值区间，将步骤三中计算出各块七巧板的H色调值、S饱和度值、V亮度值，与七种颜色在HSV空间内的阈值区间相比较，同时结合步骤六中得出的各块七巧板的形状、尺寸，进而将颜色与尺寸、形状相结合判断出各块七巧板的颜色。

本实施例中，步骤三的步骤a)中还包括：根据先验知识，对正视角图像进行剪切，得出感兴趣ROI区域图像，加快了处理运算速度。

下面以三角形形状的七巧板作为举例对本发明进行具体说明：

图6是三角形七巧板未旋转时的结构示意图，图7是三角形七巧板旋转后的结构示意图；由三角形的三个顶点计算三角形旋转角度，首先，设定参考系中正旋转方向为逆时针方向，三角形的零度位置为图6所示的位置，计算三角形旋转后如图7所示的旋转角∠A’OB；

然后，利用A点、B点和O点的坐标，计算出角度在70～90度之内的角，即可判定该角的顶点为O点，则O点就是直角三角形的顶点；

然后，找出位于O点左侧的点B，利用平面几何的向量内积公式：OA′·OB＝|OA′|·|OB|·cos(A′OB)，由于向量OA’和OB已知，所以它们的模|OA’|和|OB|也是已知的，然后利用反三角函数公式即可求出旋转角∠A’OB。

然后，取三角形区域内所有像素的平均色，计算此平均色与三角形所有可能的各个标准色，再根据配色表选择与三角形区域内的平均色最为接近的颜色作为此三角形的颜色；

然后，将三角形的颜色与七巧板形状与颜色配对关系表进行比较，即可得出七巧板的形状和与颜色，七巧板形状与颜色的配对关系表如下所示：

七巧板形状和颜色的配对关系表

形状	颜色	标准值(RGB)
大三角形	红	(249，90，100)
平行四边形	橙	(255，102，0)
小三角形	黄	(255，230，79)
中三角形	绿	(145，213，89)

大三角形	青	(0，255，255)
小三角形	蓝	(0，135，203)
正方形	紫	(125，104，196)

本发明游戏交互设计巧妙；美观简单，判断更加快速，同时增强了趣味性和直观性。

本发明检测算法更加科学、成熟，将图像的透视变换、色彩转换、图像卷积、边缘检测、形态学处理方法等图像算法相结合使用，能够快速的计算出各块七巧板的位置和旋转角度，进而得出各块七巧板的形状和尺寸；

本发明计算速度快；每次定位检测耗时在100ms左右，为玩家提供流畅的使用体验。

本发明性能稳定，在对不同平板电脑安装于教育玩具套件内的情况下，针对3千幅图片进行了采集测试，误识别率和漏检率在0.2％以下。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及等同物界定。

工业实用性

所属领域技术人员根据上文的记载容易得知，本发明技术方案适合在工业中制造并在生产、生活中使用，因此本发明具备工业实用性。

Claims (8)

1. 一种教育玩具套件，包括：支架、头盔探测器和底板，并且所述支架安装于底板上，所述头盔探测器安装于支架上，所述底板上方设置有第一凹槽；所述支架底部具有凸起，所述凸起安装在第一凹槽内，顶部具有第二凹槽和第三凹槽，所述第二凹槽用于放置平板电脑；所述头盔探测器安装于第三凹槽内；其特征在于，还包括：定位孔，设置于所述第三凹槽侧壁的纵向中心轴上。
2. 一种教育玩具套件中七巧板颜色识别方法，其特征在于，包括如下步骤：

   步骤一，在平板电脑中安装游戏程序，再将平板电脑的底端安装于第二凹槽内，通过第四凹槽将头盔探测器安装于平板电脑的顶端，再将七巧板放置于底板上；

   步骤二，固定安装好后，通过平板电脑的前置摄像头采集图像；

   步骤三，对所述步骤二中采集到的图像进行视角转换，得出正视角图像；

   步骤四，将所述步骤三中正视角图像转换为HSV图像；

   步骤五，将HSV图像做二值化处理，去掉二值化图像的噪音；

   步骤六，扫描步骤五中去除噪音干扰的二值化图像，得出三角形和四边形的边缘轮廓以及各个三角形、四边形的边长、角度和边长比例，进而得出各块七巧板的形状和尺寸；

   步骤七，设定七巧板的七种颜色在HSV空间内的阈值区间，将步骤三中计算出各块七巧板的H色调值、S饱和度值、V亮度值，与七种颜色在HSV空间内的阈值区间相比较，同时结合步骤六中得出的各块七巧板的形状、尺寸，进而将颜色与尺寸、形状相结合判断出各块七巧板的颜色。
3. 根据权利要求2所述的一种教育玩具套件中七巧板颜色识别方法中，其特征在于，所述步骤二的具体步骤为：

   将平板电脑前置摄像头所获取图像定义为I_xy，I_xy＝f(x，y)；

   其中，(x，y)表示图像像素点的位置坐标，f(x，y)表示图像的在(x，y)上的像素值；

   由于摄像头采集的图像为彩色图片，因此f(x，y)＝(R_xy，G_xy，B_xy)；

   其中，R_xy表示图像像素点在红色通道的色彩值，G_xy表示图像像素点在绿色通道的色彩值，B_xy表示图像像素点在蓝色通道的色彩值。
4. 根据权利要求2所述的一种教育玩具套件中七巧板颜色识别方法中，其特征在于，所述步骤三的具体步骤为：

   由于所述步骤二中平板电脑顶部的摄像头相对于底板来说是具有一个倾斜视角的，因此所述步骤二中采集到的图像为斜视角图像，采用透视变换原理，将斜视角图像转换为俯视的正视角图像。
5. 根据权利要求4所述的一种教育玩具套件中七巧板颜色识别方法中，其特征在于，所述步骤三中还包括：根据先验知识，对正视角图像进行剪切，得出感兴趣ROI区域图像。
6. 根据权利要求4所述的一种教育玩具套件中七巧板颜色识别方法中，其特征在于，所述步骤四的具体步骤为：

   a)由于所述步骤二中平板电脑顶部的摄像头相对于底板来说是具有一个倾斜视角的，因此步骤二中采集到的图像为斜视角图像，采用透视变换原理，将斜视角图像转换为俯视的正视角图像；

   b)将所述步骤a)中的正视角图像转化为HSV颜色图像；

   由于各种颜色在HSV颜色空间的H色调通道数值较为稳定，不同种类间的数值间隔大，因此将正视角图像从RGB通道转化为HSV颜色空间，具体公式为：

   V＝max{C(R′)、C(G′)、C(B′)]；

   

   

   其中，H表示色调值，S表示饱和度值，V表示亮度值，max{C(R′)、C(G′)、C(B′)}表示在正视角图像中一个像素点在红、绿、蓝三个通道的像素最大值，min{C(R′)、C(G′)、C(B′)}表示在正视角图像中一个像素点在红、绿、蓝三个通道的像素最小值，并且H的取值范围位于0-360之间，V的取值范围位于0-1之间，S的取值范围位于0-1之间。
7. 根据权利要求6所述的一种教育玩具套件中七巧板颜色识别方法中，其特征在于，所述步骤五的具体步骤为：

   A)二值化处理的具体公式为：

   

   

   

   在二进制图像中B_H(x，y)＝B_S(x，y)＝B_V(x，y)，进而生成二进制图像；

   B)采用腐蚀操作去除二值化图像中的噪音干扰。
8. 根据权利要求7所述的一种教育玩具套件中七巧板颜色识别方法中，其特征在于，所述步骤六的具体步骤为：

   1)使用边缘检测算法检测二值化图像中的强边缘；

   二值化图像为灰度图像，图像的边缘是指灰度图像中灰度变化比较剧烈的部分，灰度值的变化程度采用相邻像素间的梯度变化来定量表示，梯度是一阶二维导数的二维等效式，具体计算过程为：

   首先，计算相邻像素的差分，具体公式为：

   G_x＝f[i，j+1]-f[i，j]

   G_y＝f[i，j]-f[i+1，j]

   其中，G_x表示相邻像素在x方向上的差分，G_y表示相邻像素在y方向上的差分，f[i，j+1]表示图像在第i行第j+1列的像素值，f[i，j]表示图像在第i行第j列的像素值；f[i+1，j]表示图像在第i+1行第j列的像素值，

   进一步地，计算相邻像素间的梯度，具体公式为：

   

   其中，G(x，y)表示表示图像的在(x，y)点上梯度值，

   

   表示像素值在x方向上求导，

   

   表示像素值在y方向上求导；

   进一步地，计算边缘点的梯度幅值，所有边缘点的梯度幅值集合即为提取的边缘轮廓；

   由于待检测的七巧板目标，在转换为灰度图后，不同的彩色板之间反差较大，因此可以将反差很大的彩色板的轮廓视为当前图像的边缘，进而采用边缘检测的方法提取出边缘点的梯度幅值集合，即为七巧板的边缘轮廓；常规的边缘提取算法，包括Sobel算子、Roberts算子、Prewitt算子和Canny算子等，具体公式为：

   

   其中，|G(x，y)|表示边缘点的梯度幅值；

   2)由所述步骤1)中得出的七巧板边缘轮廓由于是一个边缘点梯度幅值集合，所以会出现断线或者具有多条平行边缘的情况，因此，对步骤1)中得出的七巧板边缘轮廓进行膨胀处理，使平行的边缘合并为一个边缘，并且把断了的边缘连接起来，得到七巧板膨胀边缘轮廓；

   3)对所述步骤2)中的七巧板膨胀边缘轮廓进行分析，筛选出三角形和四边形的边缘轮廓；

   4)采用七巧板的特定形状、边长比例、大小、角度和位置的先验知识过滤掉步骤3)中与上述先验知识不符的的边缘轮廓；

   5)计算所述步骤4)中剩余边缘轮廓的边长、角度和边长比例，结合平板电脑中预先设置的各块七巧板的边缘轮廓的原始像素值，计算出各块七巧板的位置和旋转角度，进而得出各块七巧板的形状和尺寸。

Images