【发布时间】：2016-05-26 11:01:33
【问题描述】：
我正在开发一个能够识别GO board 并创建SGF file 的Android 应用程序。
我制作了一个版本，它能够检测板并扭曲透视以使其成为方形（下面的代码和示例图片）不幸的是，添加石头时会变得有点困难。（下图）
关于普通围棋的重要事项：
- 圆形黑白石头
- 板上有黑线
- 板材颜色从白色到浅棕色不等，有时带有木纹
- 石头放置在两条线的交点上
如果我错了，请纠正我，但我认为我目前的方法不是一个好方法。 有人知道如何将石头和线条与图片的其余部分分开吗？
我的代码：
Mat input = inputFrame.rgba(); //original image
Mat gray = new Mat(); //grayscale image
//convert image to grayscale
Imgproc.cvtColor( input, gray, Imgproc.COLOR_RGB2GRAY);
//try to improve histogram (more contrast)
equalizeHist(gray, gray);
//blur image
Size s = new Size(5,5);
GaussianBlur(gray, gray, s, 0);
//apply adaptive treshold
adaptiveThreshold( gray, gray, 255, Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C, Imgproc.THRESH_BINARY,11,2);
//adding secondary treshold, removes a lot of noise
threshold(gray, gray, 0, 255, Imgproc.THRESH_BINARY + Imgproc.THRESH_OTSU);
一些图片：
（来源：eightytwo.axc.nl）
（来源：eightytwo.axc.nl）
编辑： 05-03-2016
耶！设法正确检测线石头和颜色。前提条件是图片只能是板子本身，不能看到任何其他背景。
我使用 houghLinesP（60 行）和 houghCircles（17 圈），在我的手机（第 1 代 Moto G）上的持续时间约为 5 秒。
当它必须在不同的角度和闪电条件下工作时，检测板和翘曲是一个相当大的挑战。仍然在努力
仍然欢迎提出不同方法的建议！
（来源：eightytwo.axc.nl）
编辑： 15-03-2016
我找到了一个很好的方法来让线与交叉类型的形态变换相交，当照片直接在板上方拍摄时效果惊人，不幸的是不是在一个角度时（见下文）
（来源：eightytwo.axc.nl）
在我上次的更新中，我展示了线和石头检测以及从正上方拍摄的照片，从那时起我一直致力于检测板并以某种方式扭曲它，以便我的线和石头检测变得有用。
哈里斯角检测
我努力获得正确的参数设置，我仍然不确定它们是否是最佳的，在使用哈里斯角之前找不到关于如何优化图像的太多信息。现在它检测到许多角落都是有用的。虽然感觉它可以工作。 （上面有图片的例子）
Mat corners = new Mat();
Imgproc.cornerHarris(image, corners, 5, 3, 0.03);
Mat mask = new Mat(corners.size(), CvType.CV_8U, new Scalar(1));
Core.MinMaxLocResult maxVal = Core.minMaxLoc(corners);
Core.inRange(corners, new Scalar(maxVal.maxVal * 0.01), new Scalar(maxVal.maxVal), mask);
交叉型形态变换
当直接从上方拍摄照片时效果很好，从某个角度使用或旋转板不起作用（示例中的图片中线）
Imgproc.GaussianBlur(image, image, new Size(5, 5), 0);
Imgproc.adaptiveThreshold(image, image, 255, Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C, Imgproc.THRESH_BINARY_INV, 11, 2);
int morph_elem = 1; //0: Rect - 1: Cross - 2: Ellipse
int morph_size = 5;
int morph_operator = 0; //0: Opening - 1: Closing \n 2: Gradient - 3: Top Hat \n 4: Black Hat
Mat element = getStructuringElement( morph_elem, new Size(2 * morph_size + 1, 2 * morph_size + 1), new Point( morph_size, morph_size ));
morphologyEx(image, image, morph_operator + 2, element);
等高线和 houghlines
如果外板线上没有石头并且光线条件不苛刻，它会很好地工作。轮廓通常只是棋盘的一部分（下一行以图片为例）
Imgproc.GaussianBlur(image, image, new Size(5, 5), 0);
Imgproc.adaptiveThreshold(image, image, 255, Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C, Imgproc.THRESH_BINARY_INV, 11, 2);
Mat hierarchy = new Mat();
MatOfPoint biggest = null;
int contourId = 0;
double biggestArea = 0;
double minSize = 2000;
List<MatOfPoint> contours = new ArrayList<>();
findContours(InvertedImage, contours, hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE);
//find biggest
for( int x = 0; x < contours.size() ; x++ ){
double area = Imgproc.contourArea(contours.get(x));
if( area > minSize && area > biggestArea ){
biggestArea = area;
biggest = contours.get(x);
contourId = x;
}
}
提供正确的图片所有这三种方法都有效，但还不够可靠。欢迎对参数、图像预处理、不同方法或任何可能改进检测的任何想法=)
编辑： 31-03-2016
检测线条和石头已经基本解决了，所以我将结束这个问题。 created a new one 用于准确检测和变形。
任何对我的进展感兴趣的人：this is my GOSU Snap Alpha channel 现在不要期望太多！
编辑： 2016 年 16 月 10 日
更新：我看到有些人仍在关注这个问题。 我测试了更多东西并开始使用 Tensorflow，我的神经网络看起来很有希望， you can have a look at it here. 还有很多工作要做，我当前的图像数据集很糟糕，现在我正在努力获取一个大数据集。
该应用程序最好使用带有粗线条和良好闪电的方板。
【问题讨论】：
标签： android opencv image-recognition baduk