Weiqi_generation

围棋棋谱识别

http://www.lg508.com/game/200019997.aspx 把一个静态的棋谱，通过图像识别重新转换为动态效果；

S1

  • 棋盘上的棋子定位

    方法1：自动定位
  color to hsv : 然后选择其中的H (Hue)分量
  做二值化 (做中值滤波)
  做图形学上的开闭运算 （先腐蚀后膨胀）

方法2：手动定位
  因为棋盘的大小是固定的，所以棋盘上的361个位置的坐标也是固定的，那么只需要判断每个位置是有没有子，是黑子还是白子，这样的操作相对简单很多

S2

S3

  • 定位区域中存在“黑子”，"白子"或者没有子

    关于分类器，我先将黑白子 和 没有子 做区分：黑白子它的rgb分量接近，而对于没有子的情况，，大部分会出现黄色，黄色的r和g分量远大于b分量，因此可以通过rgb来区分是否有子

    然后再区分黑子和白子，主要通过区域的rgb均值

S4

  • 提取有效数字

    棋子中的数字彼此是分离的，因此问题的重点在于去噪。

    1. 噪声区域的特点是呈现实心的连通域，而数字部分的连通域都是中空的，因此可以利用这一特征进行区分
      做联通域提取 bw2label regionprops 对于每个子连通域，做一次中值滤波，如果还剩下白色，那么说明它是非中空的，抛弃该区域，否则保留该区域

    2. 引入聚合度的概念： 在包含全部目标图像的所在矩形中，如果是噪声，因为光照等原因的会聚问题，造成二值化后1区域是聚集在一起的，可以说是聚合度较高，而0-9则是聚合度较低的. 聚合度ratio = S二值化 / S最小包含矩形

    3. 另外由于数字不会靠边，因此对于与边界有连接的区域自动去除; 但是，对于8这样的数字 它的ratio也比较大，如果把ratio阈值设的较小则可能忽略它，但如果较大则可能引入其它噪声

    4. 空洞识别 因此需要识别图像中的空洞： 空洞特征：图像S中至少存在一点，它的上下左右方向都存在目标像素，而它本身不属于目标像素，如果存在说明有空洞，否则则是没有 对于有空洞的图像可以允许ratio更大一些

S5

S6

上图是随机选择一行提取数据的结果，可见其中除了8没有被提取，其它数字均被成功分割和提取
关于这一问题，对于4进行扩展：
    填充，从任意一个点开始，填充0点，如果非闭合，那么一定可以填充所有非1的0点，否则会有部分0点无法填充，计算总共点个数，已知1点个数，判断二者差是否为所求即可
    利用一个队列去维护，四邻域提取

  • 棋子内数字识别

    将0到9的数据单独拿出来，提取能够对它们进行分类的特征 选择上面提取结果中较为标准者作为标准结果，提取特征训练

    然后将待选图像L切为小块，同时将目标图像S切为小块，计算L和S中白色点个数的协方差阵，协方差最小者为目标

S7

S8

现在主要的问题是

1. 6和9有些时候会识别反
2. 对于高光区域去噪比较困难
github project