RICONOSCIMENTO AUTOMATICO DI DADI DA GIOCO TRAMITE IMAGE PROCESSING

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 • 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”, 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