Scaricare la presentazione
La presentazione è in caricamento. Aspetta per favore
PubblicatoMosè Donati Modificato 11 anni fa
1
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
2
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...)
3
Obiettivo Riconoscere da una fotografia il risultato del lancio di una serie di dadi 3, 2, 6, 3, 1, 3, 5, 3
4
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...
5
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
6
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
7
Descrizione dell'algoritmo
8
Preprocessing Riduzione immagine a 1152x864
Aggiustamento costanti di lavoro degli operatori morfologici Filtraggio rumore e binarizzazione dell'immagine ridotta
9
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
10
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
11
Trovare i pallini Ritaglio immagine originale in base alle coordinate del dado Riduzione rumore, binarizzazione, mascheratura tramite intersezione, complemento, apertura, segmentazione
12
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
13
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%
14
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)
15
Bibliografia Chin-Ho Chung, Wen-Yuan Chen, Bor-Liang Lin, “Image Identification Scheme for Dice Game”, International Conference on Advanced Information Technologies (AIT) 2009, pp , April 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
Presentazioni simili
© 2024 SlidePlayer.it Inc.
All rights reserved.