[发明专利]数独图像的处理方法及系统

权利要求书

1.一种数独图像的处理方法，其特征在于，包括：

数据采集步骤：采集数字0、1、2、3、4、5、6、7、8、9相关的图片，按每个数字建立相应的文件夹，构造初始数据集；

数据集构造步骤：对初始数据集中的图片进行处理，根据处理后的图片构造对应的0-9数字图像的数据集；

模型训练步骤：构建并训练用于识别数独图像中数字的KNN模型；

图像处理步骤：读取待处理的数独图像，对数独图像进行处理，从处理后的图像中截取81个单元网格，提取出单元网格的特征，在单元网格中截取特征所在区域，计算该区域的宽和高，如果面积小于预设阈值，则抛弃，否则保留；将该区域进行边界填充，得到指定大小的数组；将这些数组进行拼接，并保存为一张新的数独图片；

数字识别步骤：使用训练好的KNN模型识别图像处理步骤中保存的数独图片上的数字，并记录其位置；

数独求解步骤：寻找需要填充数字的单元网格，根据数独规则填充数字，输出填充结果。

2.如权利要求1所述的数独图像的处理方法，其特征在于，图像处理步骤包括以下子步骤：

(1)读取待处理的数独图像；

(2)定义一个卷积核，设卷积核尺寸为c*c，中心点的坐标为(xi,yi)，其概率密度函数为计算出中心点的值及其邻域内(c*c-1)个点的值，然后对其进行归一化，即使用卷积核中的每个值除以卷积核中值的和，使得卷积核中各个值的和为1；将待处理的数独图像与卷积核进行卷积；

(3)将卷积处理后的图像中的每个像素进行二值化处理，具体为：为像素设定两个值m₁和n₁(m₁n₁)，以及二值化计算时的区域大小；对于图像的每个区域，计算区域内像素点的高斯加权和，得到阈值；然后，对于区域内像素点(x,y)，若其大于阈值，则置为n₁，否则置为m₁；

(4)定义结构元，其中结构元为矩形，然后将二值化处理后的图像进行膨胀操作，具体为：设有图像A和结构元B，其中的每个像素点只有两个值m₂和n₂(m₂n₂)，扫描图像A中的每一个点，用结构元B中的点与图像A中的点做与运算，如果都为n₂则该点为n₂，否则为m₂，其公式为：

(5)检测膨胀操作处理后的图像的轮廓信息；

(6)将获得的轮廓信息排序，取得最大的轮廓；

(7)取得最大的轮廓的4个角点索引，分别为底部右侧、顶部左侧、底部左侧、顶部右侧；

(8)根据索引，取得最大的轮廓的4个角点的坐标；

(9)计算由所述4个角点围成的四边形的最大边长；

(10)定义透视变换输出的形状，然后计算透视变换矩阵M；设待处理的数独图像为src，像素点i为(x_i,y_i)，目标图像为dst，像素点i为(x′_i,y′_i)，则该矩阵应满足

(11)基于变换矩阵对待处理的数独图像进行透视变换得到新图像，其中透视变换的公式为

(12)基于数独题目的特性，将透视变换后的新图像以等分方式分割为81个单元网格；

(13)定义一个卷积核，设卷积核尺寸为c*c，中心点的坐标为(xi,yi)，其概率密度函数为计算出中心点的值及其邻域内(c*c-1)个点的值，然后对其进行归一化，即使用卷积核中的每个值除以卷积核中值的和，使得卷积核中各个值的和为1；将分割为81个单元网格的新图像与卷积核进行卷积；

(14)将子步骤(13)中卷积得到的图像中的每个像素进行二值化处理，具体为：为像素设定两个值m₃和n₃(m₃n₃)，以及二值化计算时的区域大小；对于图像的每个区域，计算区域内像素点的高斯加权和，得到阈值；然后对于区域内像素点(x,y)，若其大于阈值，则置为n₃，否则置为m₃；

(15)依次从子步骤(14)中二值化处理后的图像中截取81个单元网格；

(16)选定初始点，遍历各单元网格的领域内的点，进行颜色填充，直到封闭区域内所有像素点都被填充了颜色，然后提取出单元网格的特征；

(17)在单元网格中截取特征所在区域，这些特征即为数独图像中的数字；

(18)计算该区域的宽和高，如果面积小于预设的面积阈值，则抛弃，否则保留；

(19)将该区域进行边界填充，得到指定大小的数组；

(20)将这些数组进行拼接，并保存为一张新的数独图片。