人工智能是目前非常热门的一个研究领域,所产生的理论方法,逐渐为经济社会各个方面做出突出贡献,因此对人工智能相关问题进行研究,有着重要的社会意义和价值。机器视觉和人机博弈是人工智能中两个重要的方面,本文将两者结合,设计了中国象棋人机对弈系统,主要工作分为三部分:棋局图片采集、象棋定位与识别算法、人机博弈算法,最后实现三部分融合。第一部分采集图片,有两种方案,最初在嵌入式开发板上实现,移植了引导程序和内核,制作并安装了文件系统,在此基础上使用视频驱动与应用程序,采集显示棋盘视频,用截图工具截取图片,但图片质量不满足要求,最终在搭建的实验平台上利用手机采集图片,图片清晰度等达到要求。第二部分,象棋定位识别算法,对样本灰度图像使用“梯度模值”为阈值能进行较好二值化;用向量从内向外扫描确定棋盘区域,稳定性好;用比例法确定棋子位置坐标,速度快;针对棋子在子域中的存在性判断问题,利用霍夫变换检测来实现;针对棋子颜色的判断,用Lab颜色空间中的a分量作为阈值进行分割,区分效果较好;将平面直角坐标化为极坐标系然后投影,再对角度轴上的投影进行快速傅里叶变换提取幅值特征,并进行相关系数分析筛选所得特征对字体分类效果较好。为测试识别效果,训练集采集了576个棋子样本,测试集采集1024个棋子样本,在两样本集测试结果:棋子定位以及棋子颜色识别的错误率都为0,字体识别错误率为0.17%以及0.29%,本文筛选特征与其他不筛选的方法相比,字体识别错误率分别降低了0.35%和0.39%。第三部分,人机博弈算法,其中的搜索技术和评估函数是提升计算机博弈水平的关键两个方面,经过分析、裁剪和移植,将代码移植到新的VisualC++MFC当中。最后,通过制作库文件等,将图片采集、象棋定位识别、人机博弈三部分融为一个系统。进行了整盘棋的人机博弈验证,运行稳定正常。本文涉及机器视觉与人机博弈的研究成果,也可迁移到其他场景,例如:零件缺陷识别、医学图像识别等,有一定的理论和实用意义。