ARM嵌入式系统下围棋棋谱图像识别算法设计与实现

106 浏览量更新于2024-06-23 收藏 2.25MB DOC 举报

本篇毕业论文主要研究的是Visual Studio 2005下基于ARM9嵌入式系统（如mini2440开发板）的围棋棋谱图像识别算法设计及软件实现。论文的核心任务是解决围棋比赛中的计时记谱问题，当前人工完成的方式存在工作量大、误差多、易出错的局限性，因此，设计的目标是开发一个能够在嵌入式环境中实现高效、实时的棋谱识别系统。首先，课题探讨了基于摄像头采集棋谱图像的识别过程，包括图像采集、畸变校正和棋盘、棋子的识别。畸变校正是一个关键步骤，但传统方法如复杂实验和计算对嵌入式系统性能有较高要求，不适用于实时处理。论文寻求一种简化且准确的算法，以适应嵌入式环境。 ARM微处理器作为核心硬件，其特点包括体积小、低功耗、低成本、高性能，支持Thumb和ARM双指令集，便于不同设备间的兼容，使用寄存器进行快速的数据操作和寻址，指令长度固定，这些特性使其在嵌入式系统中发挥重要作用。论文将深入分析ARM在不同领域的应用，如工业控制、无线通信和网络应用，特别是其在高速无线通讯、宽带技术和多媒体处理中的广泛应用，证明其在围棋图像识别项目中的可行性。软件方面，论文将详细介绍在WINCE5.0嵌入式操作系统环境下进行C++编程的方法，包括对BMP图像格式的理解和摄像头图片处理技术。设计流程将涵盖从图像预处理、特征提取到棋谱识别算法的具体实现，目标是开发出一个能够在实际围棋比赛场景中稳定运行的高效算法。此外，论文还会讨论当前市场上的全自动围棋计时记谱工具，分析它们的优点和不足，以此为背景，突出本设计的独特性和创新性。通过综合运用ARM硬件优势和优化的图像识别算法，该研究旨在提升围棋比赛计时记谱的精确度和便利性，为嵌入式技术在围棋领域的应用提供新的解决方案。

ormat.LineSpacingLinesToPoints(2)Selection.ParagraphFormat.LineSpacingLinesToPointselection.ParagraaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaphFormat.LineSpacingLinesToPoints(2)Selection.ParagraphFormat.LineSpacingLinesToPoction.ParagraphForm Selection.ParagraphFormaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaat.LineSpacingLinesToPoints(2)Selection.ParagraphFormat.LineSpacingLinesToPointselection.ParagraphFormat.LineSpacingLinesToPoints(2)Selection.ParagraphFormat.LineSpacingLinesToPoction.ParagraphFormat.LineSpacingLinesToPoints(2Selection.ParagraphFormat.LineSpacingLinesToPoints(2)Selection.ParagraphFormat.LineSpacingLinesToPointselection.ParagraphFormat.LineSpacingLinesToPoints(2)Selection.ParagraphFormat.LineSpacingLinesToPoction.ParagraphFormat.LineSpacingLinesToPoints(2)Selection.ParagraphFaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaahF

VIII

（6）图像差值

差值就是相减所得到的值。在做图软件中，差值就是混合色与底色相减，结果

取决于亮度，用亮底值大的减去亮底值小的。

5. 棋谱图像畸形校正和识别流程

棋谱图像识别之前需要先进行棋谱图像的畸形校正，获取 361 个可落子点在棋谱

图像上的坐标值。这一步只需一次即可。如图 1 所示，流程如下：

1. 摄像头采集一帧棋盘图像；

2. 对棋盘图像进行平滑滤波；

平滑滤波采用效率较高的二维伪中值滤波算法，对脉冲噪声有很好的抑制效果。

3. 模板匹配法检测图像识别标识；

模板匹配采用最小平均绝对差值函数（MAD）或最大匹配像素统计（MPC）计

算相关性。为了减少计算量，事先确定图像识别标识可能出现的范围，在这个范围内

最小的 MAD（或最大 MPC）即为图像识别标识在棋谱图像中的位置。

4. 计算图像识别标识坐标的斜率 K；

5. 检测围棋棋盘图像上的可落子点，建立 361 个围棋点的坐标。坐标对应关系

如图 2 所示，(xi,yi)即为第 i 个棋子在棋盘图像上的坐标值。也可以采用人工检测围

棋棋盘图像的方式定位 361 个围棋点的坐标。目的就是以空间换时间，减少计算量。

结合图 3 棋谱图像识别流程图，流程描述如下：

（1）摄像头采集一帧棋盘图像作为前景图像；

（2）对前景图像进行平滑滤波（同本发明第一步）；

（3）模板匹配法检测图像识别标识（同本发明第一步）；

（4）计算图像识别标识坐标的斜率 k，若与斜率 K 误差较大，则对前景图像进行

倾斜校正；

（5）前景图像和背景图像差分，得到差值图像；

（6）差值图像二值化，形态学滤波，以及计算前景所在的矩形；

（7）经过形态学膨胀和腐蚀运算之后，一些小的空洞和毛刺能够被去除。

（8）模板圆匹配法检测棋子；

首先依次确定矩形内围棋点的坐标，再利用模板圆匹配法在前景图像上检测棋子，

为了检测出黑子、白子或无子，需计算 2 个模板的 MAD（或 MPC），然后分别和 2

个模板的阈值进行比较即可判断出黑子、白子还是无子。

（9）最后更新背景图像。

图 2 为图像处理流程图：

剩余40页未读，继续阅读

yyyyyyhhh222

粉丝: 446
资源: 6万+

ARM嵌入式系统下围棋棋谱图像识别算法设计与实现

VISUAL_STUDIO_2005_ARM棋谱图像识别算法设计及软件实现.doc

基于arm的指纹识别毕业设计.doc

五子棋人工智能算法实现研究.doc

毕业论文visualstudio2005arm棋谱图像识别算法设计及软件实现.doc

visualstudio2005arm棋谱图像识别算法及软件实现学位论文.doc

"visualstudio2005arm棋谱图像识别算法及软件实现

mysql-for-visualstudio-1.2.6.msi

最新版 mysql-for-visualstudio-1.2.7.msi

mysql-for-visualstudio-v1.2.3

Visual Studio 2012 MSDN离线包下载助手--Visual Studio Help Downloader 2012 v1.0.0.0 Beta

最新资源