1. 数据处理
使用opencv中的方法读取魔方6个面的图片数据,对图像数据进行分割得到魔方6个面的像素数据。由于图像有噪点,故使用高斯平滑对图像进行平滑去噪得到魔方图像数据。
图一 原始图片
图二 处理后图片
2. 数据获取
对魔方每个面中心点尽心随机采样得到训练数据,对其他各个色块进行随机采样作为需预测数据。
3. KNN算法
所谓K近邻算法,即是给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例(也就是上面所说的K个邻居),这K个实例的多数属于某个类,就把该输入实例分类到这个类中。
图三 kNN示意图
本文所使用具体方法:对每个像素点进行曼哈顿距离计算,作为数据的相似性;统计每个色块的识别数量并进行判断得到最终的识别结果判断。