圖像轉換為俯視的 正視角圖像；
[0099] 步驟四，將步驟S中正視角圖像轉換為HSV圖像，具體步驟為：
[0100] a)由于步驟二中平板電腦頂部的攝像頭相對于底板來說是具有一個傾斜視角的， 因此步驟二中采集到的圖像為斜視角圖像，采用透視變換原理，將斜視角圖像轉換為俯視 的正視角圖像；
[0101] b)將步驟a)中的正視角圖像轉化為服V顏色圖像；
[0102] 由于各種顏色在服V顏色空間的H色調(diào)通道數(shù)值較為穩(wěn)定，不同種類間的數(shù)值間隔 大，因此將正視角圖像從RGB通道轉化為服V顏色空間，具體公式為：
[0103] V=max{C(R')、C(G')、C(B')};
[0106] 其中，H表示色調(diào)值，S表示飽和度值，V表示亮度值，max{C(r )、(：(6/)、(：(8/)}表示 在正視角圖像中一個像素點在紅、綠、藍S個通道的像素最大值，min{C(R/)、C(G/)、C(B/)} 表示在正視角圖像中一個像素點在紅、綠、藍=個通道的像素最小值，并且H的取值范圍位 于0-360之間，V的取值范圍位于0-1之間，S的取值范圍位于0-1之間；
[0107] 步驟五，將服V圖像做二值化處理，去掉二值化圖像的噪音；
[0108] A)二值化處理的具體公式為： r 1 ( I ，燈< /巧>、V) < 村."，'也^ 0109 B..N{x, V - 、 ' , 、/ U , J 指 rn"nl 。<y' '、 f ' '弓、巧i" ~ ,-H義y) ? 式化。X
[0110] 貸-啦，：y)= 10， 其 b
[0111] 公…巧;I.，兄)=1.0 ;,、.
[0112] 在二進制圖像中8_化義，7)=8_5^，7)=8_￥^，7)，進而生成二進制圖像；
[0113] B)采用腐蝕操作去除二值化圖像中的噪音干擾；
[0114] 步驟六，掃描步驟五中去除噪音干擾的二值化圖像，得出=角形和四邊形的邊緣 輪廓W及各個=角形、四邊形的邊長、角度和邊長比例；
[0115] 1)使用邊緣檢測算法檢測二值化圖像中的強邊緣；
[0116] 二值化圖像為灰度圖像，圖像的邊緣是指灰度圖像中灰度變化比較劇烈的部分， 灰度值的變化程度采用相鄰像素間的梯度變化來定量表示，梯度是一階二維導數(shù)的二維等 效式，具體計算過程為：
[0117] 首先，計算相鄰像素的差分，具體公式為：
[011 引 Gx=f[i，j+l]-f[i，j]
[0119] Gy = f[i，j]-f[i+l，j]
[0120] 其中，Gx表示相鄰像素在X方向上的差分，Gy表示相鄰像素在y方向上的差分，f[i，j + 1]表示圖像在第i行第j+1列的像素值，f[i，j]表示圖像在第i行第j列的像素值;f[i+l，j] 表示圖像在第i+1行第j列的像素值，
[0121 ]進一步地，計算相鄰像素間的梯度，具體公式為：
[0123] 其中，G(x，y)表示表示圖像的在(x，y)點上梯度值，
表示像素值在x方向上求導， f表示像素值在y方向上求導；
[0124] 進一步地，計算邊緣點的梯度幅值，所有邊緣點的梯度幅值集合即為提取的邊緣 輪廓；
[0125] 由于待檢測的屯巧板目標，在轉換為灰度圖后，不同的彩色板之間反差較大，因此 可W將反差很大的彩色板的輪廓視為當前圖像的邊緣，進而采用邊緣檢測的方法提取出邊 緣點的梯度幅值集合，即為屯巧板的邊緣輪廓；常規(guī)的邊緣提取算法，包括Sobel算子、 民oberts算子、Prewitt算子和C^nny算子等，具體公式為：
[0127]其中，|G(x，y)|表示邊緣點的梯度幅值；
[0128] 2)由步驟I)中得出的屯巧板邊緣輪廓由于是一個邊緣點梯度幅值集合，所W會出 現(xiàn)斷線或者具有多條平行邊緣的情況，因此，對步驟1)中得出的屯巧板邊緣輪廓進行膨脹 處理，使平行的邊緣合并為一個邊緣，并且把斷了的邊緣連接起來，得到屯巧板膨脹邊緣輪 廓；
[0129] 3)對步驟2)中的屯巧板膨脹邊緣輪廓進行分析，篩選出=角形和四邊形的邊緣輪 廓；
[0130] 4)采用屯巧板的特定形狀、邊長比例、大小、角度和位置的先驗知識過濾掉步驟3) 中與上述先驗知識不符的的邊緣輪廓；
[0131] 5)計算步驟4)中剩余邊緣輪廓的邊長、角度和邊長比例，結合平板電腦中預先設 置的各塊屯巧板的邊緣輪廓的原始像素值，計算出各塊屯巧板的位置和旋轉角度，進而得 出各塊屯巧板的形狀和尺寸；
[0132] 步驟屯，設定屯巧板的屯種顏色在HSV空間內(nèi)的闊值區(qū)間，將步驟S中計算出各塊 屯巧板的H色調(diào)值、S飽和度值、V亮度值，與屯種顏色在HSV空間內(nèi)的闊值區(qū)間相比較，同時 結合步驟六中得出的各塊屯巧板的形狀、尺寸，進而將顏色與尺寸、形狀相結合判斷出各塊 屯巧板的顏色。
[0133] 本實施例中，步驟=的步驟a)中還包括:根據(jù)先驗知識，對正視角圖像進行剪切， 得出感興趣ROI區(qū)域圖像，加快了處理運算速度。
[0134] 下面W =角形形狀的屯巧板作為舉例對本發(fā)明進行具體說明：
[0135] 圖6是S角形屯巧板未旋轉時的結構示意圖，圖7是S角形屯巧板旋轉后的結構示 意圖；由=角形的=個頂點計算=角形旋轉角度，首先，設定參考系中正旋轉方向為逆時針 方向，S角形的零度位置為圖6所示的位置，計算S角形旋轉后如圖7所示的旋轉角ZA'OB;
[0136] 然后，利用A點、B點和0點的坐標，計算出角度在70~90度之內(nèi)的角，即可判定該角 的頂點為0點，則0點就是直角S角形的頂點；
[0137] 然后，找出位于0點左側的點B，利用平面幾何的向量內(nèi)積公式:0心-08=|04/|-OBl ? cos(A'OB)，由于向量0A'和OB已知，所W它們的模|〇A' I和IobI也是已知的，然后利 用反S角函數(shù)公式即可求出旋轉角Z A ' OB。
[0138] 然后，取=角形區(qū)域內(nèi)所有像素的平均色，計算此平均色與=角形所有可能的各 個標準色，再根據(jù)配色表選擇與=角形區(qū)域內(nèi)的平均色最為接近的顏色作為此=角形的顏 色；
[0139] 然后，將=角形的顏色與屯巧板形狀與顏色配對關系表進行比較，即可得出屯巧 板的形狀和與顏色，屯巧板形狀與顏色的配對關系表如下所示：
[0140] 屯巧板形狀和顏色的配對關系表

[0143] 本發(fā)明游戲交互設計巧妙；美觀簡單，判斷更加快速，同時增強了趣味性和直觀 性。
[0144] 本發(fā)明檢測算法更加科學、成熟，將圖像的透視變換、色彩轉換、圖像卷積、邊緣檢 、形態(tài)學處理方法等圖像算法相結合使用，能夠快速的計算出各塊屯巧板的位置和旋轉 角度，進而得出各塊屯巧板的形狀和尺寸；
[0145] 本發(fā)明計算速度快;每次定位檢測耗時在looms左右，為玩家提供流楊的使用體 驗。
[0146] 本發(fā)明性能穩(wěn)定，在對不同平板電腦安裝于教育玩具套件內(nèi)的情況下，針對3千幅 圖片進行了采集測試，誤識別率和漏檢率在0.2% W下。
[0147] W上顯示和描述了本發(fā)明的基本原理、主要特征和本發(fā)明的優(yōu)點。本行業(yè)的技術 人員應該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本 發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下本發(fā)明還會有各種變化和改進，運些變 化和改進都落入要求保護的本發(fā)明范圍