在计算机视觉技术日益普及的今天，采用机器辅助五子棋游戏的判读是种非常有效的方法。五子棋是世界智力运动会竞技项目之一，随着科学技术的进步与发展，在棋谱的识别方面也有一些学者开展了研究， 例如基于链编码理论的棋谱识别系列算法， 通过扫描的纸质棋谱图像，经过二值化、倾斜检测及校正、版面分析及棋谱区域的抓取、对棋谱区域进行识别等过程识别出棋谱，主要应用于纸质棋谱的识别。 基于手机的五子棋比赛图像识别系统的流程主要包括几何变换、棋子识别、图像形态学处理、棋盘线的识别以及坐标变化。主要是通过摄像头对五子棋比赛中的棋盘进行实时图像采集，然后使用数字图像处理技术进行识别和处理，实现矢量图形的同步再现。这样子不仅实现人与计算机、计算机与计算机之间的五子棋对弈，还可以保证过程与结果的准确度。

一、计算机视觉的国内外研究状况

计算机视觉是指用摄像头和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，处理成为更适合人眼观察的图像或者适合进行进一步处理的数据。

计算机视觉技术属于人工智能领域中的一个重要分支，是一门通过图像或者视频的处理,从而使得计算机具备“看”的能力的学科。借由获取到的图像形成的几何信息以及由红外、辐射线或者其他方法进行的测定，由数据采集器的属性和物理世界的属性，就能从图像中推断出优于物体的有用的信息：比如，物体的颜色、物体的轮廓、复杂环境中的移动物体、移动智能机器人面前的障碍物、安防系统中的人物识别的人脸信息、地图中的目标位置等信息。为了能有效地完善这些功能，于是人们就开始研究计算机视觉技术。从最初的人工智能的子方向，计算机视觉技术作为一个完整的研究邻域已经活跃长达40年之久。近几年来，研究人员已经渐渐将研究的重点从图像中的静态目标慢慢过渡到了复杂环境中的动态目标的序列上面。

针对于计算机视觉技术广阔的发展前景,国外的发达国家早已瞄准了其应用市场,并且展开了大量的相关项目的开发和研究。Microsoft,IBM,Sornoff,EMITALL,MIT,CMU, ObjectVideo等尖端公司包括技术性的实验室近几年来都投入了大量的人力和物力研发人工智能的监控系统,并且伴随着研究的深入，相关的研究成果产品也已经转化为成熟的产品而投入到市场中,并且开始造福人类。当今，在军事方面应用较多的是，与研究的战场监控系统在1999年投入使用。在民用方面应用较多的是, w4[系统,其由美国的马里兰大学研制;美国FDI(Futuretel Digital Imaging)公司推出的基于视频分析处理的智能视频监控系统SmartSystem ; IBM公司Watson研究中心所研制开发的Smart Surveillance system(S3); objectvideo公司的已经发行了5个商业版本的ObjectvideoVEW系列产品。

国内的研发人员也开展了对于计算机视觉技术的研究。处于领先地位的是中国科学院北京自动化研究所下属的模式识别国家重点实验室。研究的主要方向为复杂环境中的运动物体的跟踪算法以及三维的模型定位。其在英国的雷丁大学所设计的车辆交通监控系统原型基础上,取其精华,结合自身的优势,提出了新的模糊自组织神经学习算法，自主开发的交通监控的系统。除了研究所，各大高校也以计算机视觉技术为发展前沿,自行开发各自的视觉技术,并且应用于机器人技术中，比如，上海交通大学、北京航空航天大学、北京理工大学等。

目前，在计算机视觉技术的研究中应用较为广泛的软件程序都是基于加快图像处理的计算速度的出发点来研发出来的。在整个系统项目中,调用基础程序函数是极其便利的,同时，也存在着不足:①对于未来的发展,可移植性和可嵌入性无疑是决定了未来技术发展的方向,然而目前国内应用较多的软件都无法支持这个特性;②高级计算速度快的数学计算函数并没有使用于大多数软件程序;③对于图像处理的研究问题,在软件工具的使用中,还是由MATLAB作为主要的手段，其虽然提供了较为丰富的数学函数，但令人担忧的是其运行速度;④在网络时代,网络服务器结构的应用程序同样也注定了计算机视觉技术的未来,之前投入市场的大部分软件包在设计之初并没有料想到这一情况,所以许多并不能支持网络功能的开发。

针对于上述的几项不足之处,在1999年由Intel建立了OpenCV(其全称是:Open SourceComputer Vision Library )现在,由Willow Garage对其提供支持。OpenCV是一 个开源的跨平台计算机视觉库,其具有较强的可移植性和通用性。在主流的操作系统上可以进行开发,操作:比如，Linux、Windows和Mac OS等等。其编程语言是C/C ;不仅如此，为了研发人员开发的方便，提供了Python、Ruby、 MATLAB等语言的接口;还提供了针对不同情况下的图像处理的标准算法。OpenCV的产生以及发展无疑对于图像处理和计算机视觉技术起到了和重要的作用。在不久的将来，工业生产，航天航空技术，军事，人工智能技术等各邻域都会产生极大的动力。随着人们对于图像分析,视觉技术的不断的高要求,其也在不断的发展,并且适用于各种场合。其最新的版本是2.3.1。

二、图像识别的技术现状和发展趋势

在计算机视觉技术日益普及的今天， 图像处理和模式识别是一个热门的研究领域， 特别是机器视觉很多国内外学者都在研究。近年来，研究学者们在不断研究机器视觉方面在各个方面的应用的技术，针对机器视觉也提出了很多解决方案，机器视觉的应用领域也在不断地扩大。图像的识别与分割是图像处理领域研究最多的课题之一，但它们依然是众多研究人员的研究重心，因为已经取得的成果远没有待解决的问题多。