基于圖像處理的五子棋落棋檢測與識別

關鍵詞： 圖像處理 五子棋落棋檢測 位置識別 MATLAB

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

人機對弈一直是機器視覺、人工智能研究與應用的熱點，棋子落棋的圖像檢測和識別是其中的重要環節[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行棋盤建模，再應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，環節和復雜計算較多。本文提出一種改進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，并對落棋位置進行灰度增強，然后再進行落棋位置識別，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識別，提高了人落棋位置的識別效率和準確性。

1 基于全局攝像頭的棋盤圖像獲取

1.1 基于全局攝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，而每個落子點在圖像中的坐標位置，也不會因每次的圖像采集而改變。圖2 是基于全局攝像頭采集的棋盤圖像。

棋盤為13行13列，共169個落子點，第7行7列（7，7）為中心落子點。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

人機對弈，只需通過圖像識別確定人的落棋位置，機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，然后進行棋盤建模，得到棋盤上每個落子點位置，再應用模板匹配和計算，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雜計算，才能確定全盤棋子位置，并且每次新落子計算，要把已有棋子全部再次匹配檢測，在人機實時對弈時，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，并對落棋位置進行灰度增強；然后再進行落棋位置識別，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行重復識別，提高了人落棋位置的識別效率和準確性。改進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。

如果人執黑色棋子，棋子像素值接近0，用第n-1步的機器落棋圖像，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，對五子棋落子檢測圖像進行霍夫圓識別[4]。其中，輸入參數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，先對人落棋圖像進行灰度增強，再進行棋子圓形識別。對圖像5 中人執黑棋落棋位置圖像進行灰度增強，如圖7 所示。

圖7（a）中對圖像灰度值乘以10，落棋區域的圓形對象，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，乘法系數設為3 時，圓形區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 中人執白棋落棋位置圖像，進行灰度增強，如圖8 所示。

在MATLAB 中，對圖像7（b）和8（b）進行霍夫圓識別，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 說明人執白棋或者執黑棋，都可以利用改進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 函數的輸出參數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，即第n 步人落棋位置的列坐標值和行坐標值[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計算

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

根據表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，將棋子識別位置轉換為識別的列行數，計算式如式（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 為識別列位置對應的列數；H為識別行位置對應的行數。

對表1 和表2 中棋子進行列行數計算，與實際列行數相同。表3 和表4 分別是對圖11 中棋子列行數的測試，計算的列行數與實際列行數一致。

對圖9（a）和9（b）中，每步的人落黑棋和白棋的列行數進行測試，計算的列行數與實際列行數也一致，具體如表5 所示。

3 結語

本文提出了一種改進的五子棋落棋位置識別方法，經過測試，可以簡便準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換為人落棋的列行數，便于后續博弈算法的推演。