在前面的文章中，机械设计部分和下位机的程序设计思路业已完成。接下来该讲解上位机的设计思路了，上位机主要包括两个部分，分别是:图像处理部分,用于实现棋盘网格的分割以及棋子的识别，最终得到当前棋局的棋盘数据;人工智能部分，通过输入当前棋盘的数据，进行分析下一手的棋子位置。 上位机的类和头文件中的公有函数和公有数据结构如图 
下面，我们先来讲解一下图像处理部分，实现棋盘数据的读取
2. 图像处理的思路 2.1 棋盘网格构建棋盘网格识别主要的原理就是，
对图片进行预处理（旋转和高斯滤波）在棋盘外围有一层绿色的框，通过颜色识别找出绿色区域(HSV获得绿色掩膜，与原图进行与运算即可得到边框)对绿色区域进行轮廓识别。找到识别得到的最大轮廓对找到的最大轮廓做多边形拟合，当且仅当拟合边数为4的时候，认为图片是有效的，如果边数不为4，图片无效，会进行重新采集找到四个边界点，通过仿射变换矫正图片，使得网格图片占满界面因为棋盘线是均匀的，按等分法对图像进行分割，横竖线的交界处就是棋盘网格线 //图像处理bool ImageProcessor(cv::Mat& src) //图片预处理函数，输出图片为放射变换之后的图片{// 一、图片旋转Rotation(src);//二、高斯滤波cv::GaussianBlur(src, src, cv::Size(3, 3), 0);//三、提取轮廓边界点vector rect_Point;if (!GetRectPoint(src, rect_Point))return false; //如果没有提取边界点成功，返回false//四、放射变换warp(src, rect_Point);return true;} //网格分割ChessPad chp;chp.ReloadGrid(src); //输入仿射变换之后的图片，并且进行等分分割，得到网格 2.2 棋子的识别因为棋子是红色和蓝色的，通过在网格点处进行颜色识别，即可判断棋子类型，并加入到棋盘中 默认蓝色棋子代表黑色，是人工下的。红色代表白色棋子，是计算机下的。
bool ChessPad::addBlackList() //加入黑色棋子{//01 仿射变换以后的图片转转hsv图片cv::Mat hsv;cv::cvtColor(src, hsv, CV_BGR2HSV);//02 识别黑棋(实际使用的是蓝色的)for (int i = 0; i int h, s, v; //记录格点的hsv值int flag = 0; //用于判断是否连续两次检测都是蓝色棋子for (int time = 0; time flag++;if (flag == 2){if (find(BlackList.begin(), BlackList.end(), cv::Point(i, j)) == BlackList.end())//如果这个位置的黑棋还没有加入棋盘，就加入{chess.at(j, i) = BLACK;BlackList.push_back(cv::Point(i, j));return true; //本次有插入棋子}}}else{break;}}}}return false;} 3. 盘点上位机设计中的一些问题 3.1 命名空间在写开始写库函数的时候，因为直接开放的命名空间，发现串口库中调用的一些windows函数和opencv中的函数是冲突的。而不开放命名空间，能够确认函数的来源，会更少的发生重名冲突的事件。
3.2 网格识别也使用过边缘检测+霍夫变换的方法识别过网格。但是霍夫变换会出现很多的重线，需要用最小二乘的方法进行重线合并，并且识别效率比较差。 这种方法可能开始只需要识别一次网格获得坐标，后期就不需要继续识别了(后面下了棋子了，也没有办法通过这种方法继续识别了)。不过，因为后面需要判断我什么时候下好了棋子，通过检测棋盘轮廓是否为四边形来实现的，因此需要进行实时的图片检测，因此不能只做一次网格识别。
3.3 棋子识别 一开始我是用的标准的黑白棋子来做的，因为棋盘背景也是白色的，非常不好实现。 比如用颜色识别的话，判断网格点周围一小块区域的平均灰度值，来判断是黑色、白色还是无子。但是因为网格不是非常准，有可能对着空白区域，加了很多矫正方案也不行，因此放弃了这种方案 也使用了轮廓识别+霍夫圆变换的方法识别棋子，因为背景是白色的，白色棋子轮廓区别度特别小。并且白色特别容易反光。后来在镜头端增加了一个偏振光滤光片，希望能够解决反光问题。但是发现偏振光滤光片对平面的反光效果非常好，但是对凹凸面的反光其实是没有效果的，因此也放弃了。 还用了多模板匹配的方法希望找到黑白棋，但是由于棋盘是白色的，还是与白棋比较像，模板匹配找白色棋子效果非常差。 因此最终得到一个结论，如果想非常好的识别棋子，那么，棋盘和棋子一定要具有比较好的对比度。而且如果有条件配光源的话，最后搞一个，配置好环境光，减少反光，在输入层面解决问题，比图像处理上容易多了。 展示一些中间的过程图吧。 
