RICONOSCIMENTO AUTOMATICO DI DADI DA GIOCO TRAMITE IMAGE PROCESSING

Slides:



Advertisements
Presentazioni simili
DI3 – Dip. Ing.Industriale e dell’Informazione
Advertisements

Le trasformazioni.
Prof. Raimondo Schettini
Le distribuzioni di probabilità continue
2. Introduzione alla probabilità
Sistema di riferimento sulla retta
Processi Aleatori : Introduzione – Parte II
Variabili aleatorie discrete e continue
Numeri casuali Cos’e’ un numero casuale? 3 e’ un numero casuale?
Istituto Professionale ZENALE – Treviglio (BG)
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
Tecniche di segmentazione delle patologie morfologiche dell’encefalo
Wavelet Analisi tempo-frequenza Cenni di Jpeg 2000
1 2. Introduzione alla probabilità Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari : è linsieme.
Bruno Mario Cesana Stefano Calza
Definizioni di probabilità
Definizioni Chiamiamo esperimento aleatorio ogni fenomeno del mondo reale alle cui manifestazioni può essere associata una situazione di incertezza. Esempi:
Sistemi di supporto alle decisioni 2. Features space
Soluzioni di problemi elettrostatici
Processi Aleatori : Introduzione – Parte I
Matematica e statistica Versione didascalica: parte 8 Sito web del corso Docente: Prof. Sergio Invernizzi, Università di Trieste
Metodi della ricerca in Psicologia
CORSO DI PROGRAMMAZIONE II Introduzione alla ricorsione
La roulette di Badino, Mosetti e Tripodi
Sistemi di equazioni lineari
Corso di biomatematica Lezione 2: Probabilità e distribuzioni di probabilità Davide Grandi.
PLATES RECOGNITION Part II
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
CONTROLLO DI SUPPLY CHAIN MEDIANTE TECNICHE H-INFINITO E NEGOZIAZIONE
Riconoscimento automatico di oggetti in immagini digitali
Laboratorio di El&Tel Elaborazione numerica dei segnali: analisi delle caratteristiche dei segnali ed operazioni su di essi Mauro Biagi.
Impostazione Assiomatica del Calcolo della Probabilità
Lezione 4 Probabilità.
Elaborazione (digitale) delle immagini
Modelli del colore 2 Daniele Marini.
si modificano le forme con operatori locali;
Università degli Studi di Cagliari
La probabilità Schema classico.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
GRANDEZZE ANALOGICHE E DIGITALI
Studio delle singolarità del robot a 7 giunti KUKA LWR4
Statistica economica (6 CFU) Corso di Laurea in Economia e Commercio a.a Docente: Lucia Buzzigoli Lezione 5 1.
La ricerca delle relazioni tra fenomeni
Teorie e Tecniche di Psicometria
PROBABILITA : se un EVENTO si verifica in h modi diversi su n possibili (POPOLAZIONE) p = h/n Questa definizione è talvolta applicabile a priori (es. lancio.
Immagini digitali immagine digitale, si intende un elemento grafico elaborato tramite computer, che si può visualizzare sul monitor e stampare su carta.
Giocare con la probabilità
LABORATORIO di FOTOGRAFIA
Alla fine degli anni quaranta nasceva il mito del cervello elettronico, e tutte le attività connesse allutilizzo del computer venivano indicate tramite.
Stima del flusso ottico per il controllo dei movimenti oculari
Università degli Studi di Cagliari
Impostazione Assiomatica del Calcolo della Probabilità
Università degli Studi di Modena e Reggio Emilia
Training Course on Architectural Heritage Conservation
è … lo studio delle caratteristiche di regolarità dei fenomeni casuali
Progetto MIUR SPA.DA. Riunione Genova 7 Giugno 2002.
FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI
Esercizi Determinare la probabilità che, lanciando due dadi da gioco, si abbia: A: somma dei risultati maggiore di 10 B: differenza dei punteggi in valore.
Trasformata di Hough.
ESPERIMENTO DI RÜCHARDT
Flusso di Costo Minimo Applicazione di algoritmi: Cammini Minimi Successivi (SSP) Esercizio 1 Sia data la seguente rete di flusso, in cui i valori riportati.
Distribuzioni di probabilità di uso frequente
La distribuzione campionaria della media
Esempio di riconoscimento biometrico
Elementi di teoria delle probabilità
Selezione del volume dei polmoni M. Antonelli, B. Lazzerini, F. Marcelloni Dipartimento Ingegneria dell’Informazione Pisa.
1 DISTRIBUZIONI DI PROBABILITÁ. 2 distribu- zione che permette di calcolare le probabilità degli eventi possibili A tutte le variabili casuali, discrete.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
1 TEORIA DELLA PROBABILITÁ. 2 Cenni storici i primi approcci alla teoria della probabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli)
Teoria dei Sistemi di Trasporto Tematica 4: Elementi minimi di teoria della probabilità.
Transcript della presentazione:

RICONOSCIMENTO AUTOMATICO DI DADI DA GIOCO TRAMITE IMAGE PROCESSING Stefano Schillani CdLS in Ingegneria Elettronica Università degli Studi di Trieste Corso: Elaborazione Elettronica delle Immagini II (A.A. 2011/2012) Docente: prof. Gabriele Guarnieri

Introduzione I dadi hanno una distribuzione di probabilità discreta uniforme e vengono solitamente utilizzati in qualsiasi ambito in cui sia necessario determinare uno possibile tra più esiti equiprobabili in maniera casuale (es: giochi, diceware...) Sono più affidabili di algoritmi pseudo-casuali Solitamente i risultati vengono determinati per ispezione visiva da parte di un operatore (es: casinò, giochi da tavolo, wargame...)

Obiettivo Riconoscere da una fotografia il risultato del lancio di una serie di dadi 3, 2, 6, 3, 1, 3, 5, 3

Problematiche Legate all'immagine Legate all'acquisizione Illuminazione, ombre, tipo di dadi... Legate all'acquisizione Risoluzione immagine, altezza e angolazione macchina fotografica... Legate all'algoritmo Complessità computazionale...

Scelta delle condizioni Si può supporre di operare all'interno di una macchina predisposta Altezza della fotocamera fissata per semplificare l'algoritmo → valido anche su un tavolo da gioco Illuminazione “decente” e sfondo nero per ridurre ombre e riflessi → abbastanza riproducibile in una sala da casinò Dadi noti Dadi uguali tra loro Dadi bianchi a pallini neri tutti uguali

Scelta delle condizioni Risoluzione immagine L'algoritmo deve poter accettare immagini a risoluzioni diverse Complessità computazionale Per trovare i dadi si usa una versione ridimensionata dell'immagine di partenza Si cercano i pallini su sottoinsiemi dell'immagine originale

Descrizione dell'algoritmo

Preprocessing Riduzione immagine a 1152x864 Aggiustamento costanti di lavoro degli operatori morfologici Filtraggio rumore e binarizzazione dell'immagine ridotta

Trovare i dadi I dadi sono regioni quadrate, ma dadi vicini possono produrre regioni contigue e una semplice apertura potrebbe non funzionare Erosione complessiva → Segmentazione → Dilatazione delle singole regioni

Trovare i dadi Una singola regione è quadrata (cioè è un dado) quando il rapporto tra perimetro al quadrato e area è vicino a 16 Perimetro2 / Area ~ (4L)2 / L2 = 16 Una volta trovato un dado, occorre delimitare la zona corrispondente Scorrendo sui vettori delle somme per colonne e per righe, si cercano i primi e gli ultimi elementi diversi da zero, che corrispondono alle 4 coordinate estreme della regione

Trovare i pallini Ritaglio immagine originale in base alle coordinate del dado Riduzione rumore, binarizzazione, mascheratura tramite intersezione, complemento, apertura, segmentazione

Trovare i pallini Una singola regione è circolare (cioè è un pallino) quando il rapporto tra perimetro al quadrato e area è vicino a 4π Perimetro2 / Area ~ (r2π)2 / r2π= 4π

Risultati e conclusioni L'algoritmo è stato testato su 12 immagini di diverse dimensioni per un totale di 86 dadi senza compiere errori L'attendibilità raggiunta è del 100%

Sviluppi Futuri Altezza variabile (es: cellulare) Illuminazione variabile (es: retinex) Sfondo variabile Segmentazione per colore (es: i dadi rossi hanno un significato diverso dai dadi neri)

Bibliografia Chin-Ho Chung, Wen-Yuan Chen, Bor-Liang Lin, “Image Identification Scheme for Dice Game”, 2009 International Conference on Advanced Information Technologies (AIT) 2009, pp. 144- 150, 24-25 April. 2009. Wen-Yuan Chen, Pei-Jung Lin, Dong-Yi Kuo, “Dice image Recognition Scheme Using Pattern Comparison Technique”, 2012 International Symposium on Computer, Consumer and Control http://world.std.com/~reinhold/diceware.html