關(guān)鍵詞： 圖像處理 五子棋落棋檢測 位置識別 MATLAB

中圖分類號： TP242 文獻(xiàn)標(biāo)識碼： A 文章編號： 1672-3791（2023）16-0057-06

人機(jī)對弈一直是機(jī)器視覺、人工智能研究與應(yīng)用的熱點(diǎn)，棋子落棋的圖像檢測和識別是其中的重要環(huán)節(jié)[1-3]。五子棋落子識別，常用方法是先識別棋盤上各行列線位置進(jìn)行棋盤建模，再應(yīng)用模板匹配確定棋盤中所有棋子位置，并與上一次的棋子位置作差分，從而得到新落棋子的位置，環(huán)節(jié)和復(fù)雜計(jì)算較多。本文提出一種改進(jìn)的五子棋落棋位置識別方法，首先通過圖像差分，得到每步的人落棋位置圖像，并對落棋位置進(jìn)行灰度增強(qiáng)，然后再進(jìn)行落棋位置識別，既簡便了每步落棋位置的檢測，又不用對棋盤中已有棋子位置重復(fù)識別，提高了人落棋位置的識別效率和準(zhǔn)確性。

1 基于全局?jǐn)z像頭的棋盤圖像獲取

1.1 基于全局?jǐn)z像頭的棋盤圖像采集

采用全局固定攝像頭的方式，采集五子棋棋盤圖像，具體如圖1 所示。人機(jī)對弈時，棋盤和攝像頭固定，所以每次采集的棋盤圖像的大小固定，而每個落子點(diǎn)在圖像中的坐標(biāo)位置，也不會因每次的圖像采集而改變。圖2 是基于全局?jǐn)z像頭采集的棋盤圖像。

棋盤為13行13列，共169個落子點(diǎn)，第7行7列（7，7）為中心落子點(diǎn)。棋盤背景為淺黃色，棋子為黑白兩色。

1.2 基于MATLAB 的棋盤圖像讀取

將圖2 在MATLAB 中讀取并轉(zhuǎn)換為灰度圖像，具體如圖3 所示。通過工作變量可知，每幅棋盤圖像像素均為600 ′ 800像素。

2 五子棋落棋位置的識別

人機(jī)對弈，只需通過圖像識別確定人的落棋位置，機(jī)器的落棋位置是通過博弈算法自動生成的。人落棋位置識別，常用方法是首先通過霍夫直線變換得到棋盤上各行列線位置，然后進(jìn)行棋盤建模，得到棋盤上每個落子點(diǎn)位置，再應(yīng)用模板匹配和計(jì)算，確定棋盤中所有棋子位置，并與上次的棋子位置作差分，從而得到新落子的棋子位置。此種方法要通過多次地檢測和復(fù)雜計(jì)算，才能確定全盤棋子位置，并且每次新落子計(jì)算，要把已有棋子全部再次匹配檢測，在人機(jī)實(shí)時對弈時，占用時間過多。

2.1 人落棋位置的識別

五子棋棋子的特點(diǎn)是大小基本一致，只有兩種顏色的圓形棋子。落子時，雙方輪流落棋，并且不可以吃棋，即棋盤中的棋子每次落棋后雙方輪流增加1 個。因此，本文提出一種改進(jìn)的五子棋落棋位置識別方法，首先通過圖像差分，得到每步的人落棋位置圖像，并對落棋位置進(jìn)行灰度增強(qiáng)；然后再進(jìn)行落棋位置識別，既簡便了每步落棋位置的檢測，又不用對棋盤中已有棋子位置進(jìn)行重復(fù)識別，提高了人落棋位置的識別效率和準(zhǔn)確性。改進(jìn)的人落棋位置識別流程具體見圖4。

2.1.1 差分求取第n步人落棋圖像

五子棋只增加棋子，不減少棋子，所以用圖像差分法，可以簡便地檢測出本步人落棋位置。

如果人執(zhí)黑色棋子，棋子像素值接近0，用第n-1步的機(jī)器落棋圖像，減去第n 步的人落棋圖像，得到人落棋位置圖像，如圖5 所示。

如果人執(zhí)白色棋子，棋子像素值接近200，用第n步的人落棋圖像，減去第n-1 步的機(jī)器落棋圖像，得到人落棋位置圖像，如圖6 所示。

2.1.2 人落棋位置的識別

利用MATLAB 中的imfindcircles 函數(shù)，對五子棋落子檢測圖像進(jìn)行霍夫圓識別[4]。其中，輸入?yún)?shù)Objectpolarity，是判別識別的圓形對象比背景亮或暗，如果亮，則輸入“ObjectPolarity”“bright”[5]。

因此，本文為了提高棋子的霍夫圓識別正確率，在識別前，利用圖像乘法，先對人落棋圖像進(jìn)行灰度增強(qiáng)，再進(jìn)行棋子圓形識別。對圖像5 中人執(zhí)黑棋落棋位置圖像進(jìn)行灰度增強(qiáng)，如圖7 所示。

圖7（a）中對圖像灰度值乘以10，落棋區(qū)域的圓形對象，相對背景亮度得到提高，但圖像中的行列線亮度也過于突出。通過測試比較，乘法系數(shù)設(shè)為3 時，圓形區(qū)域亮度提高而行列線亮度不明顯，如圖7（b）所示。

同理，對圖像6 中人執(zhí)白棋落棋位置圖像，進(jìn)行灰度增強(qiáng)，如圖8 所示。

在MATLAB 中，對圖像7（b）和8（b）進(jìn)行霍夫圓識別，如圖9 所示，代碼如下：

[centerswhite， radiiwhite， metric] = imfindcircles（Imageb1，[18，28]，ObjectPolarity'，'bright'，'Sensitivity'，0.96）；

viscircles（centerswhite，radiiwhite，'EdgeColor'，'b'）；

圖9 說明人執(zhí)白棋或者執(zhí)黑棋，都可以利用改進(jìn)的五子棋落棋位置識別方法，確定落棋位置。

2.1.3 人落棋位置的保存

人落棋位置的值，保存在imfindcircles 函數(shù)的輸出參數(shù)centerswhite 中。centerswhite 是一個1 ′ 2 的矩陣，保存所識別的圓在圖像中的x、y 坐標(biāo)，即第n 步人落棋位置的列坐標(biāo)值和行坐標(biāo)值[6]。其中，圖9（a）中棋子的列和行的位置值是[369.8871，366.1103]，圖9（b）中棋子的列和行的位置值是[326.5157，269.6242]。

通過MATLAB 中的矩陣追加方法A=[A；B]，可將每次的人落棋位置值B，加入已有的人落棋位置值矩陣A 中，得到棋盤中所有的人落棋位置值。

2.2 人落棋位置的列行數(shù)計(jì)算

為了便于五子棋博弈算法計(jì)算，模擬人下棋方式，將人落棋的位置值轉(zhuǎn)換為人落棋的列行數(shù)。表1、表2為圖9（b）和圖10（a）中的黑棋白棋通過imfindcircles 函數(shù)識別的位置值，及其對應(yīng)的實(shí)際列行數(shù)。其中，imfindcircles函數(shù)識別得到的棋子位置值順序，是根據(jù)棋子圓形度進(jìn)行的排序。

根據(jù)表1、表2 可知，將每列的位置和每行的位置求平均，得到棋盤中心位置第7 列第7 行對應(yīng)的檢測位置值為（415.461 1，316.792 2）；再對列間距和行間距求平均，得到棋盤列間距為45，行間距為43。因此，將棋子識別位置轉(zhuǎn)換為識別的列行數(shù)，計(jì)算式如式（1）和式（2）。

式（1）、式（2）中，l 為識別的列位置值；h 為識別的行位置值；L 為識別列位置對應(yīng)的列數(shù)；H為識別行位置對應(yīng)的行數(shù)。

對表1 和表2 中棋子進(jìn)行列行數(shù)計(jì)算，與實(shí)際列行數(shù)相同。表3 和表4 分別是對圖11 中棋子列行數(shù)的測試，計(jì)算的列行數(shù)與實(shí)際列行數(shù)一致。

對圖9（a）和9（b）中，每步的人落黑棋和白棋的列行數(shù)進(jìn)行測試，計(jì)算的列行數(shù)與實(shí)際列行數(shù)也一致，具體如表5 所示。

3 結(jié)語

本文提出了一種改進(jìn)的五子棋落棋位置識別方法，經(jīng)過測試，可以簡便準(zhǔn)確地識別人落棋位置值。同時，模擬人下棋方式，將人落棋的位置值轉(zhuǎn)換為人落棋的列行數(shù)，便于后續(xù)博弈算法的推演。