目錄 11.1Matlab函數(shù)介紹 11.1.1Imread 11.1.2Imshow 21.1.3Im2bw 21.1.4Imfill 21.1.5Bwperim 21.1.6Mode 31.1.7medfilt2 31.1.8Logical 31.1.9Find 31.1.10edge 31.2紙幣識(shí)別流程圖 31.3流程各部分詳細(xì)說明 41.3.1讀入待檢測(cè)圖片 41.3.2進(jìn)行圖像邊緣檢測(cè)提取 41.3.3邊緣裁剪 51.3.4提取中央數(shù)字部分 61.3.5中心數(shù)字部分識(shí)別 61.4程序運(yùn)行結(jié)果 71.5遇到的問題 71.5.1圖像背景的復(fù)雜性對(duì)結(jié)果產(chǎn)生干擾。 71.5.2邊緣檢測(cè)的兩種不同算法存在的問題 9由于挑選的元件難以滿足本設(shè)計(jì)需要，所以本功能模塊未在實(shí)物上體現(xiàn)出來，本章僅展示已經(jīng)完成的MATLAB仿真。1.1Matlab函數(shù)介紹1.1.1Imread用函數(shù)imread讀取相關(guān)圖片文件中的數(shù)據(jù)[16]。調(diào)用格式如下：A=imread(filename,fmt)1.1.2ImshowMATLAB中用imshow函數(shù)顯示圖像[16]。調(diào)用格式如下：imshow(BW)：顯示一張二值圖像BWimshow(RGB)：顯示一張真彩色圖像RGBimshow(X,map)：用指定調(diào)色板來顯示圖像1.1.3Im2bwMATLAB中把灰度圖像轉(zhuǎn)換成二值圖像，需要調(diào)用函數(shù)im2bw使用閾值變換法完成。二值圖像，一般意義上是指只有兩種顏色的圖像——純黑（0）、純白（255），也可以是其他任意兩種顏色圖像的組合[16]。調(diào)用格式有三種如下：BW=im2bw(I,level)其中用level的作用是設(shè)置閾值，取值范圍[0,1]。1.1.4Imfill該函數(shù)用于填充圖像區(qū)域和“空洞”[16]。語法格式如下：BW2=imfill(BW)如下文所示格式的語句是先將一個(gè)二維的二值圖像BW在屏幕上進(jìn)行顯示，然后用鼠標(biāo)標(biāo)記圖像上幾個(gè)點(diǎn)所圍成的區(qū)域即需要填充的區(qū)域[16]。[BW2,locations]=imfill(BW)下述格式的語句允許設(shè)計(jì)者在編程工程中指定取樣點(diǎn)進(jìn)行索引。若locations是多維數(shù)組，則多維數(shù)組的一行即可指定一個(gè)區(qū)域進(jìn)行索引。BW2=imfill(BW,locations)該種格式的語句功能是對(duì)二值圖像中的空洞進(jìn)行填充。例如，使用該語句后會(huì)填充黑色背景下的白色圓圈區(qū)域。BW2=imfill(BW,'holes')1.1.5Bwperim用于查找二值圖像的邊緣[16]。調(diào)用格式如公式6-1-5：BW2=bwperim(BW1)若使用BW2=bwperim(BW1,conn)，與上述語句略有差別，表示從輸入圖像BW1中返回的只包括對(duì)象邊緣像素點(diǎn)的圖像[16]。1.1.6Mode眾數(shù)函數(shù)指用于計(jì)算一組數(shù)據(jù)中出現(xiàn)次數(shù)最多的數(shù)的函數(shù)[16]。調(diào)用格式如公式6-1-6：1.1.7medfilt2中值濾波函數(shù),可以對(duì)圖像進(jìn)行降噪，特別是對(duì)斑點(diǎn)噪聲和椒鹽噪聲的處理效果尤其明顯[16]調(diào)用格式如下：B=medfilt2(A,[mn])其中[mn]表示鄰域塊的大小，默認(rèn)值為[33]。1.1.8Logical用于檢驗(yàn)參數(shù)是否為邏輯值。若經(jīng)驗(yàn)證，參數(shù)是邏輯值，返回TRUE（1），否則返回FALSE（0）[16]。1.1.9Find用于對(duì)原始信息數(shù)據(jù)中的某個(gè)字符串確定所在位置[16]。1.1.10edge以灰度或一個(gè)二值化圖像I為輸入，返回一個(gè)與I同等大小的二值圖像BW，函數(shù)檢測(cè)邊緣的位置結(jié)果為1，其他位置為0.[16]采用sobel算子的調(diào)用格式如下：BW=edge(I,’sobel’)可采用的算子還有roberts算子，log算子等。1.2紙幣識(shí)別流程圖紙幣識(shí)別流程圖如圖6-2所示。首先讀入被測(cè)圖像，然后對(duì)圖像進(jìn)行邊緣提取和邊緣切割，其次提取中央數(shù)字部分并進(jìn)行識(shí)別，最后得到識(shí)別結(jié)果。圖6-2紙幣識(shí)別流程圖1.3流程各部分詳細(xì)說明1.3.1讀入待檢測(cè)圖片如圖6-3-1所示是一張帶有黑色邊框的100元鈔票圖片。我們?cè)谶@里使用imshow函數(shù)的語句來打開查看這張?jiān)紙D片。圖6-3-1待檢測(cè)100元人民幣圖片1.3.2進(jìn)行圖像邊緣檢測(cè)提取邊緣檢測(cè)共有兩種方法，一種是利用edge函數(shù)進(jìn)行邊緣檢測(cè)；一種是二值化+圖像填充+提取邊緣進(jìn)行邊緣檢測(cè)[17]。第一種方法：使用edge函數(shù)選擇Sobel算子進(jìn)行檢測(cè)圖像邊緣。圖6-3-2（a）sobel算子邊緣檢測(cè)后的圖像如圖6-3-2（a）所示，為sobel算子進(jìn)行圖像邊緣檢測(cè)操作后得到的圖。雖然達(dá)到了預(yù)期的效果，但圖像中有很多白色雜質(zhì)。為不影響接下來邊緣裁剪部分的進(jìn)行，選擇了第二種方法，即通過二值化+空洞填充+提邊緣取的方法進(jìn)行邊緣檢測(cè)原始圖像被二值化處理后，利用imfill函數(shù)填補(bǔ)圖像中的“空洞”，調(diào)用“hole”格式。通過調(diào)用bwperim函數(shù)，檢測(cè)得到二值圖像的邊緣。如圖6-3-2（b）和圖6-3-2（c）所示是檢測(cè)的過程和結(jié)果。圖6-3-2（b）第二種方法檢測(cè)的過程和結(jié)果圖6-3-2（c）提取輪廓1.3.3邊緣裁剪修剪生成的二值圖像邊緣。留下鈔票圖案，切除背景其他所有多余圖案，便于下一步分割圖片。首先讀取二值圖，生成一個(gè)m行n列的矩陣。然后對(duì)圖像的每一行都進(jìn)行檢測(cè)，并在數(shù)組中記錄值為1時(shí)所在的列位置。圖像的邊緣檢測(cè)任務(wù)結(jié)束后，使用mode函數(shù)，通過計(jì)算眾數(shù)來達(dá)到檢測(cè)數(shù)組的目的，在一個(gè)數(shù)組中出現(xiàn)次數(shù)最多的數(shù)字即為眾數(shù)，也就是圖像的邊緣所在的位置。如圖6-3-3所示是圖像裁剪后的灰度圖。圖6-3-3剪切后的灰度圖1.3.4提取中央數(shù)字部分如圖6-3-4所示，一張100元鈔票從最左側(cè)邊緣到中間數(shù)字“1”的長(zhǎng)度約為全長(zhǎng)的0.25倍，右側(cè)為全長(zhǎng)的0.5倍，上側(cè)為整個(gè)寬度的0.275倍，下側(cè)為整個(gè)寬度的0.5倍。20元和50元同理。所以使用如公式6-3-4所示的方法：(6-3-4)就可以得到中央數(shù)字的圖片。圖6-3-4百元鈔票尺寸示意圖1.3.5中心數(shù)字部分識(shí)別中心數(shù)字區(qū)域的判斷分兩步走：首先將數(shù)字部分為“100”和“50”、“20”的鈔票面額區(qū)分開，其次將數(shù)字部分為“50”和“20”鈔票面額區(qū)分開。第一步的方法很好理解。就一張人民幣而言，無論其面額是多少，其需要截取的區(qū)域大小都是相同的。三個(gè)數(shù)字中只有100是三位數(shù)，因此其在截取部分中所占的比例最大。經(jīng)過計(jì)算，100元的數(shù)字部分約占截取圖像比例的80%以上，可以基于這個(gè)結(jié)論判斷被檢查的圖像是否為“100”[18]。若需要檢測(cè)的圖片不是100元人民幣的圖片，就開始進(jìn)入第二步，區(qū)分50元和20元由于“50”和“20”都是兩位數(shù)，無法用占被測(cè)圖像比例大小進(jìn)行區(qū)分，故需要根據(jù)數(shù)字“5”和“2”的不同特征區(qū)別它們。實(shí)際上只需要對(duì)“5”和“2”進(jìn)行區(qū)分即可。圖6-3-5數(shù)字“5”和“2”的特征對(duì)比圖如6-3-5所示為數(shù)字“5”和“2”的特征對(duì)比圖。將“5”的左邊和“2”的左邊（帶有紅色方框的部分）相比較，數(shù)字“5”的藍(lán)線2和藍(lán)線3之間的距離明顯小于藍(lán)線1和藍(lán)線2的距離，而數(shù)字“2”三根藍(lán)線間的相互距離與之相反。根據(jù)這個(gè)差別可以分辨出20元人民幣。1.4程序運(yùn)行結(jié)果如圖6-4所示為MATLAB中編寫的程序最終的運(yùn)行結(jié)果。可以從100元紙幣中正確識(shí)別并顯示出“100”的字樣，從而實(shí)現(xiàn)人民幣面值識(shí)別的功能。圖6-4程序運(yùn)行結(jié)果示意圖1.5遇到的問題1.5.1圖像背景的復(fù)雜性對(duì)結(jié)果產(chǎn)生干擾。圖像邊緣檢測(cè)和提取算法的不足使識(shí)別程序在一定程度上受到限制。體現(xiàn)在以下兩方面：對(duì)于背景太復(fù)雜的情況，無法正確進(jìn)行識(shí)別；如果圖像背景復(fù)雜，在背景復(fù)雜的地方經(jīng)過二值化處理后會(huì)變成線形雜質(zhì)。當(dāng)雜質(zhì)的形態(tài)比較清晰明顯時(shí)，進(jìn)行邊緣檢測(cè)的程序會(huì)自動(dòng)將這些雜質(zhì)判定為圖像邊緣，因?yàn)榇宋恢迷谑褂肕ode函數(shù)計(jì)算眾數(shù)時(shí)也符合計(jì)算標(biāo)準(zhǔn)，然而實(shí)際上這些所謂的“邊緣”只是圖像背景中存在的一些二值化雜質(zhì)。由此可以導(dǎo)致圖像邊緣修剪無法準(zhǔn)確完成，最后會(huì)影響到對(duì)紙幣中央數(shù)字部分提取和識(shí)別，使得到的結(jié)果可靠性降低。如圖6-5-1（a），是當(dāng)背景較復(fù)雜時(shí)對(duì)圖像進(jìn)行邊緣檢測(cè)的結(jié)果圖。圖6-5-1（a）背景較復(fù)雜圖像的邊緣檢測(cè)結(jié)果圖如圖6-5-1（b）所示的原始圖像是背景為實(shí)際生活中建筑物的100元人民幣照片。經(jīng)過二值化和填充后，輪廓無法正常提取。圖6-5-1（b）復(fù)雜背景百元人民幣的邊緣檢測(cè)過程經(jīng)驗(yàn)證，本程序設(shè)計(jì)具有部分局限性，其對(duì)象僅針對(duì)一些圖片背景稍簡(jiǎn)單、經(jīng)過二值化處理后不會(huì)出現(xiàn)過多雜質(zhì)的圖像。淺色背景無法正常識(shí)別。本研究設(shè)計(jì)了一種基于二值圖像背景和鈔票圖案顏色黑白差異的邊緣識(shí)別方法，以判定鈔票的邊緣所在位置。如果人民幣的背景顏色是淺色，很難在程序中清晰地界定紙票和背景。進(jìn)行二值化處理時(shí)可能自動(dòng)將較淺的顏色轉(zhuǎn)換為白色。因此只有一小部分二值化圖案是黑色的，其邊緣周邊還是白色。如此就不可能從圖像中區(qū)分出圖案和背景。因此在使用imfill函數(shù)填充圖像空洞后，對(duì)二值圖的邊緣進(jìn)行清晰界定變得更加艱難。圖6-5-1（c）是淺色背景百元人民幣邊緣檢測(cè)過程圖，從圖中可以看到，淺色背景的圖片在經(jīng)過二值化變換后，除中間極小部分外，其余位置均在二值化圖像里是白色，所以邊緣提取未成功。圖6-5-1（c）淺色背景百元人民幣邊緣檢測(cè)過程圖1.5.2邊緣檢測(cè)的兩種不同算法存在的問題開始時(shí)通過利用edge函數(shù)使用sobel算子運(yùn)行邊緣檢測(cè)分析算法。但通過分析實(shí)驗(yàn)研究結(jié)果發(fā)現(xiàn)，在處理背景簡(jiǎn)單的圖像時(shí)，此方法結(jié)果準(zhǔn)確；如果背景中存在干擾因素或者顏色比較復(fù)雜時(shí)，進(jìn)行邊緣檢測(cè)和中央數(shù)字提時(shí)取會(huì)出現(xiàn)偏差。在網(wǎng)上查閱相關(guān)文獻(xiàn)后，嘗試圖像邊緣檢測(cè)提取的第二種方法——二值化+填充空洞+bwperim函數(shù)的方法。如圖6-5-2（a）所示，圖像在利用edge函數(shù)進(jìn)行邊緣