机器视觉连连看实验报告.pdfVIP

机器视觉连连看实验报告

本次实验以“连连看”游戏为场景，尝试用传统的机器视觉思路实现

对棋盘上同色瓷砖的识别，以及两两瓷砖之间路径的判定与消除。整

个过程坚持以物理硬件输入、图像处理、几何建模与路径搜索为核心，

避免引入依赖大规模训练数据的AI训练模式或深度学习推断。目标在

于验证在受限条件下的识别鲁棒性、路径判定的可行性，以及系统的

实时表现，为后续在简易机器人抓取、教育演示等场景中的应用提供

可控的实现思路。

一、实验背景与目标

连连看作为一种简单的配对消除游戏，其核心难点在于：如何从实

时拍摄的棋盘画面中准确识别不同颜色或形状的瓷砖、并判断任意两

块同色瓷砖之间是否存在合法的连接路径（最多三段转折）。本实验

不使用AI推断或端到端学习的算法，而是通过色彩空间分割、轮廓提

取、几何坐标映射与离散化网格上的路径搜索来完成。通过比较不同

光照条件、不同瓷砖布局下的识别率与路径成功率，评估该方案在现

实场景中的可用性与局限性。

二、实验设备与环境

1）硬件设备

摄像头一台，分辨率设定在640×480像素，帧率不低于15帧/秒，

确保棋盘在拍摄过程中的稳定性与清晰度。

黑白均匀光源一个，放置在棋盘正上方，避免阴影及强反光区域的

干扰。

实验桌面上放置一个规则的棋盘格网，格点间距约为40–50像素，

网格内放置彩色瓷砖块作为识别对象。

计算单元以实现图像处理与路径算法，处理要求在桌面端完成，确

保结果的实时性。

2）被识别对象与场景控制

瓷砖具有不同的颜色编码，颜色尽量互相对比明显，以便色彩分割

能够稳定地分离出每一块瓷砖。

棋盘背景尽量单一，避免与瓷砖颜色相近或产生强色反差的背景干

扰。

实验共设计了若干种布局，包括紧贴、分散、以及同色块较多的情

形，以测试系统在不同复杂度下的鲁棒性。

三、基本原理与算法思路

核心思路分为三层：图像层、网格层与逻辑层。

1）图像层：识别瓷砖

采集画面后，先进行颜色空间转换，将图像从RGB转换到HSV，

以降低光照强度变化带来的影响。

颜色分割通过设定颜色阈值，将目标瓷砖从背景中分离出来。不同

瓷砖对应不同的颜色区间，通过简单的阈值组合实现初步分割。

对分割结果进行形态学处理（腐蚀与膨胀）以去除噪点，随后提取

轮廓并计算每个轮廓的质心与外接矩形信息。若轮廓面积落在合理范

围内，则判定为一个瓷砖对象。

将瓷砖的质心映射到棋盘的离散网格坐标系中，得到每个瓷砖在网

格中的位置以及颜色类别标签。

2）网格层：建立可匹配项的索引

以棋盘格网为基础，将识别得到的瓷砖填充到对应的网格单元。空

格保留为“空白”状态，若某格被占据则记为相应颜色类别。

瓷砖的颜色标签作为“身份标记”，同色瓷砖具有相同的身份号，便

于后续的配对判断。

3）逻辑层：路径判定与消除逻辑

目标是判断任意一对同色瓷砖之间是否存在一条有效的连接路径，

路径的形状最多可有三段转折（即最多两次转折点，通常表现为直线、

等腰折线、以及三段式折线）。

路径判定在离散网格上进行。把棋盘外扩一个空白边界，允许路径

越过边界以实现更加灵活的连接，从而降低局部阻挡带来的局部不可

达情况。

路径搜索采用广义的宽度优先搜索（BFS）变体，状态包括当前位

置、当前行进方向、以及已转折的次数。初始状态从一个瓷砖的边界

点出发，尝试在四个主方向上扩展，遇到同色瓷砖且位置是目标时判

定路径成立；若遇到非空白单元则继续搜索，遇到边界或已走过的格

子则回退。

为保证实时性，搜索过程设置若干剪枝条件，例如：当转折次数超

过3时直接停止该分支；对路径长度进行上限控制；遇到阻挡物时尽

量先尝试直线连接，减少无效分支。

一旦找到一对同色瓷砖的有效路径，即可将这两块瓷砖从网格中移

除（或标记为已消除），并重新组合网格，这一过程直至无可连的对

或所有瓷砖被消除。

四、实验设计与数据采集

为全面评估系统性能，设计了若干组对照场景：

场景A：瓷砖颜色对比强、光线稳定，网格中瓷砖分布相对均匀。

场景B：光照有波动，背景存在一定噪声，部分瓷砖边缘有轻微反

光。

场景C：多色系混合，颜色阈值需要更细分以维持较高的分割准确

性。

场景D：同色瓷砖数量较多，测试在高难度条