RICONOSCIMENTO AUTOMATICO DI DADI DA GIOCO TRAMITE

IMAGE PROCESSING

Corso: Elaborazione Elettronica delle Immagini II (A.A. 2011/2012)

Docente: prof. Gabriele Guarnieri

Stefano Schillani

CdLS in Ingegneria Elettronica

Università degli Studi di Trieste

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 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