CN101149837B - 在对应于金融票券的图像中辨识多个区域的色彩处理方法 - Google Patents

Abstract

本发明揭示一种在对应于金融票券的图像中辨识多个区域的色彩处理方法，该色彩处理方法包含有：将该图像划分为多个区段；对于该图像的各区段取得色彩统计分布图数据；依据该图像的各区段的该色彩统计分布图数据来对于该图像的各区段指派色彩向量；将该图像的各区段的该色彩向量与色彩查询表进行比较，以决定该图像的各区段对应于该金融票券的几率；以及选择具有超过第一预设临界值的几率的多个可能的区段。因此，本发明可以达到高度精确的检测率，与此同时，本发明也具有足够的强健度与弹性以应用在不同的图像类型以及运作条件。

Description

在对应于金融票券的图像中辨识多个区域的色彩处理方法

技术领域

本发明涉及图像处理技术，尤其涉及一种在对应于金融票券(monetarybanknote)的图像中辨识出多个区域的色彩处理方法。

背景技术

一般众所周知的货币钞票的自动辨识与验证是应用于零售交易市场以及商业环境的一种实际应用，而众所周知的各种货币钞票类型的电子验证机制有助于提升金融交易的安全性，也可以避免贩卖货品的商家收到伪造的货币钞票，另外，目前市面上所能取得的货币钞票检测器一般都是先扫描样本货币钞票的图像，其中该样本货币钞票的有效性是通过一连串的测试来决定，而其所使用的这些测试可以包含针对公知的货币钞票区段(section)或标记(landmark)、全像图(hologram)、反射区域(reflective area)、印刷样式(printing pattern)或是文字样式(texture pattern)的验证。

然而，随着印刷技术的快速进步以及可利用性提高，伪造或是非法复制的货币钞票的流通情况已经愈来愈严重，而且现在的伪造者有渠道可以取得高度精密的设备与方法来复制一些众所周知的货币钞票，并且可以产生人类视觉与触觉都无法分辨真假的复制品。

除了在辨识合法的货币钞票方面具有愈来愈多的困难之外，还希望能从比被扫描的样本货币还大的图像中检测出这些样本货币，如此一来就可以使用任何普通的扫描仪扫描一张钞票(或是复数张钞票)，同时也有可能一次扫描与辨识多张钞票，然而，这样做会在钞票放在任意背景上以及具有位移与旋转的变动性时造成更多问题，而目前的许多货币钞票检测器一般只能一次扫描一张钞票，并且只能扫描最接近钞票的区域，以省略对于钞票的背景、旋转与对齐的考虑。

此外，当金融票券(monetary banknote)是在内嵌于复杂图像背景的情形下被扫描的时候，要将实际的金融票券与此图像背景区分出来就会变得非常困难，同时，此图像背景也会提供额外的噪声及/或图案，使得检测过程变得更加复杂，并且还会造成非预期的结果与判断错误。

发明内容

有鉴于此，本发明的目的之一在于提供一种在对应于金融票券(monetarybanknote)的图像中辨识出多个区域的色彩处理方法，以解决前述的问题。

根据本发明的权利要求，其是揭示一种在对应于金融票券(monetarybanknote)的图像中辨识多个区域的色彩处理方法，而该色彩处理方法包含有：将该图像划分为多个区段；对于该图像的各区段取得色彩统计分布图数据；依据该图像的各区段的该色彩统计分布图数据来对于该图像的各区段指派色彩向量；将该图像的各区段的该色彩向量与色彩查询表进行比较，以决定该图像的各区段对应于该金融票券的几率；以及选择具有超过第一预设临界值的该几率的多个具有可能性的区段；

其中，该色彩查询表是利用将有效金融票券所对应的图像划分为多个区段，对于该有效金融票券的各区段取得色彩统计分布图数据，并且依据该色彩统计分布图数据来对于该有效金融票券的各区段指派色彩向量，再对于该有效金融票券所指派的各色彩向量计算出现频率来产生。

从上述技术方案可以看出，本发明可以达到高度精确的检测率，与此同时，本发明也具有足够的强健度与弹性以应用在不同的图像类型以及运作条件。

附图说明

图1是举例说明根据本发明实施例的色彩处理方法所实行的区段层次的处理步骤以及像素层次的处理步骤的示意图。

图2是举例说明根据本发明的实施例将图像划分为包含有一可能的区段以及多个周围区段的多个区段的示意图。

图3是举例说明根据本发明的实施例对于图2所示的区段的第一颜色通道、第二颜色通道以及第三颜色通道所取得的色彩统计分布图数据的示意图。

图4是举例说明根据本发明的实施例在图1所示的色彩处理中各个阶段的处理结果的示意图。

图5是举例说明根据本发明的另一实施例在图1所示的色彩分析中各个阶段的处理结果的示意图。

图6是举例说明根据本发明的实施例在对应于金融票券的图像中辨识多个区域的色彩后置处理步骤的流程图。

图7为图6所示的目标对象分离步骤的处理结果的示意图。

图8是举例说明关于图6所示的孔洞填补步骤的示意图。

图9是举例说明本发明实施例的色彩处理方法应用于包含有金融票券的图像时各个阶段的示意图。

图10为概述本发明在对应于金融票券的图像中辨识多个区域的色彩处理方法的实施例的流程图。

图11是举例说明根据本发明的实施例将图像划分为多个部分重叠的区段的示意图。

其中，附图标记说明如下：

100色彩处理方法          110区段层次的处理步骤

112单一区段的检验步骤    114周围区段的检验步骤

116色彩查询表            120像素层次的处理步骤

122像素层次的检验步骤    124像素查询表

200图像                  210多个区段

212中心区段              214周围区段

300色彩统计分布图        310第一颜色

320第二颜色              330第三颜色

600色彩后置处理步骤      602目标对象分离步骤

604噪声移除步骤          606孔洞填补步骤

608二元决策图            710第一标示值

720第二标示值            730第三标示值

740第四标示值

具体实施方式

因此本发明是提供一种在对应于金融票券(monetary banknote)的图像中辨识多个区域的色彩处理方法，在一实施例中，图像是从图像扫描中所取得，而该图像扫描是包含有众所周知的货币形式的金融票券，其中该金融票券可以包含有美国与日本的钞票或是其它知名国家的钞票，而本发明方法可以应用于伪造货币的检测，并且该图像也可以在任意的旋转轴与平移对准(shift alignment)下产生，此外，该图像可以包含有该金融票券重叠在任意背景上，或是包括在该图像中有多个隔离的或独立的金融票券、或是多个具有部分重叠的金融票券，另外，本方法还可以与基本的独立扫描仪、复印机、独立打印机以及其它相关的扫描或检测装置结合来共同运作。

在本发明中所描述的色彩处理方法是运用公知技术中所没有教导的创新方式，本发明不但提供了一种可以提高安全性的方法，而且本发明还可以轻易地与一般常见的硬件装置整合运用，也就是说，本发明提供了一种可用低成本来达成所要目的的方法。另外，各种层次的色彩处理、色彩后置处理(post-color processing)以及统计几率的分析是结合运用于此多方面的方法过程中，因此可以得到精确的检测率与非常低的警示错误率，与此同时，本发明也具有足够的强健度(robust)与弹性以应用在各种不同的图像类型以及运作条件，此外，通过色彩分析的使用，所扫描的该图像可以包含有该金融票券以平移以及旋转的各种不同方式所呈现的状态。

在简要的描述本发明色彩处理方法之前，必须先了解到在说明书及所附权利要求当中使用了某些词汇来指称特定的过程或步骤，而所属领域中具有通常知识的技术人员应可理解，设计者可能会用不同的名词来称呼这些类型的过程，并且在本说明书及所附权利要求中并不以名称的差异来作为区分元件的方式，而是以元件在功能上的差异来作为区分的基准，此外，在通篇说明书及所附权利要求当中所提及的“包含有”为开放式的用语，故应解释成“包含有但不限定于”。另外，“货币钞票”、“金融票券”以及“钞票”等词汇在此可相互表示同样的意思。

请参考图1，图1是概要地描述根据本发明实施例的一种在对应于金融票券的图像中辨识出多个区域的色彩处理方法。色彩处理方法100包含有两个主要功能步骤：区段层次的处理步骤110以及像素层次的处理步骤120，其中，区段层次的处理步骤110是利用对于该图像的较为宏观(macroscopic)的较大规模检验来进行分析，如此一来，在后续的像素层次的检验过程中决定关键区域时，只需要花费较低的计算成本，而区段层次的处理步骤110还包含有两个子处理步骤：单一区段的检验步骤112以及周围区段的检验步骤114，其中，这两个子处理步骤112与114均利用色彩查询表116来查询受检验的区段，而关于区段层次的处理步骤110以及两个子处理步骤112与114还有色彩查询表116的详细说明会在后续的段落中简短描述。

像素层次的处理步骤120是取得区段层次的处理步骤110的输出结果并且对于通过区段层次的处理步骤110所决定的多个区段来进行较为微观(microscopic)(即像素层次)的检验，而像素层次的处理步骤120还包含有一个主要处理步骤：像素层次的检验步骤122，其中，像素层次的检验步骤122是利用像素查询表124来查询受检验的像素，而关于像素层次的处理步骤120、像素层次的检验步骤122以及像素查询表124的详细说明会在后续的段落中描述。

1.区段层次的处理步骤

如图1所示，色彩处理方法100的第一个步骤包含有区段层次的处理步骤110，其中，任意选取的图像是由相关的硬件装置所扫描、数字化以及应用于色彩处理方法100中，而判断所扫描的该图像是否包含有某一预定货币种类的金融票券是色彩处理方法100的一个目的。

1.1单一区段的检验步骤

区段层次的处理步骤110的第一个步骤包含有单一区段的检验步骤112，而所扫描的该图像是被划分为多个区段，然后再分析该多个区段，开始先将该图像划分为肉眼可见的多个区段，使得在决定该图像的有效与无效区段哪一个可能对应于该金融票券的检验过程中，只需要花费较低的计算成本即可。

请参考图2，在一实施例中，图像200被划分为多个区段210，而多个区段210实际上为以格子状的方式来排列的多个区块(block)，如图2所示，然而，在其它实施例中可以使用不同的几何形状，只要可以同样达到将该图像划分为多个区段以用于初步肉眼检验的目的即可，此外，这些区段可以是隔离的、互相配合的、部分重叠的或互不相交的，例如图11所示。多个区段210是为部分重叠的区段214，一般来说，本发明并不限制于这些区段所用的形状、形式或精确的配置方式，因为本发明均同样可应用于所有的组合以及排列。

一旦当该图像被划分为多个区段之后，接着就对于该图像的各区段取得色彩统计分布图数据，该色彩统计分布图用来表示利用在计算机绘图中计算每一像素的色彩类型所取得的图像，例如图3所示，色彩统计分布图300通常都具有常态分布曲线(即钟型曲线)，而该常态分布曲线具有中间值以及分布宽度值，其中该中间值标示该常态分布曲线的最高点位置，而该分布宽度值则定义该常态分布曲线所涵盖的区域的百分比，此外，该色彩统计分布图300可以具有任何维度(dimension)的色彩空间，举例来说，在本发明的实施例中是使用三维色彩空间，而该三维色彩空间具有第一颜色310、第二颜色320以及第三颜色330，并且该中间值与该分布宽度值都可以从上述个别的颜色中取得，而这种色彩空间的一个例子可以包含有红(即图3所示的第一颜色310)、绿(即图3所示的第二颜色320)、蓝(即图3所示的第三颜色330)三原色的色彩统计分布图，另外，由于色彩统计分布图300的特性为此相关技术领域中具有通常知识的技术人员所熟悉，所以不在此另行赘述。

在对于该图像的各区段取得色彩统计分布图数据之后，接着就可以依据该图像的各区段的该色彩统计分布图数据来对于该图像的各区段建构色彩向量，而该色彩向量对于计算机处理中该图像的各区段而言是提供了一种方便表示色彩信息的机制，此外，在本发明的一实施例中是使用六度空间的色彩向量来概括从该图像的各区段的该色彩统计分布图数据中取得的关键数据点，而在此实施例中的该色彩向量表示如下：

色彩向量[第一颜色310的分布宽度值][第二颜色320的分布宽度值][第三颜色330的分布宽度值][第一颜色310的中间值][第一颜色310的中间值减去第二颜色320的中间值][第一颜色310的中间值减去第三颜色330的中间值]

在第五与第六数组里中间值的差额的使用是为了降低整体内存空间的限制条件，另外在此请注意，当使用红绿蓝三原色的色彩统计分布图时，这些中间值彼此之间都会非常接近，所以如果有需要的话，当已经得知第一颜色310的中间值时，第二颜色320以及第三颜色330的中间值可以利用上述的特性来取得。

在对于该图像的各区段定义色彩向量之后，接着就可以将该图像的各区段的该色彩向量与色彩查询表进行比较，以决定该图像的各区段对应于有效金融票券的几率，而该图像的各区段对应于该有效金融票券的几率是依据在该色彩查询表中的出现频率来计算产生。

该色彩查询表是利用将有效金融票券所对应的图像划分为多个区段来产生，其中，依据本发明的特定实施例，这些区段可以是隔离的、互相配合的、或部分重叠的，分别例如图2以及图11所示，此外，这些区段的表面配置也可以依据对于该色彩查询表的所想要形成的格式而具有平移或旋转的变化，或是也可能具有多重层次的绘制。

接着，对于该有效金融票券的各区段取得色彩统计分布图数据，并且依据该有效金融票券的各区段的该色彩统计分布图数据来对于该有效金融票券的各区段指派色彩向量，然后，再对于该有效金融票券所指派的各色彩向量计算出现频率。

如果某一区段对应该有效金融票券的几率超过第一预设临界值时，那么该区段就会被选定为可能的区段，而这个步骤会重复地对所有的区段持续进行，直到完成确认这些区段都是可能的区段为止，因此，在这个阶段中，该多个可能的区段分别只是一个具有对应该有效金融票券的一可接受出现频率的色彩向量的区段。

1.2周围区段的检验步骤

在区段层次的处理步骤110中，紧接在单一区段的检验步骤112之后的是周围区段的检验步骤114，而周围区段的检验步骤114对于单一区段的检验步骤112而言是更为全面性的一个步骤，利用从单一区段的检验步骤112所得到的几率信息，就可以检验每一个可能的区段所对应的多个周围区段的几率。

首先，将该图像的各个可能的区段的多个周围区段的色彩向量与该色彩查询表进行比较，然后再决定该多个周围区段对应于该有效金融票券的平均几率，而与前一个步骤类似，该多个周围区段对应于该有效金融票券的该平均几率是依据在该色彩查询表中的该多个周围区段的色彩向量的出现频率来计算产生，如果该平均几率大于第二预设临界值，那么相对应的可能的区段就会被选定为钞票(bill)区段，并且在下一个步骤中被进一步利用。

图2用于对这个步骤提供一个范例说明，而在此实施例中，可能的区段标示为一中心区段212，并且有多个周围区段214围绕在中心区段212外侧，其中，多个周围区段214的多个色彩向量用于跟色彩查询表116进行比较，以决定多个周围区段214对应于该有效金融票券的平均几率，而如果该平均几率大于该第二预设临界值，那么可能的区段212就会被选定为钞票区段。

虽然图2是举例说明多个周围区段214在中心区段212外侧形成环绕型态，但是其它变化以及不同实施例也可以有不同的方式，而这些不同的方式仍然是依照本发明所教导的原理与精神，举例来说，该多个周围区段可以用部分重叠的、旋转的、互不相交的、偏移的或是平移的方式来排列，无论如何，在上述各种情况中，本发明方法同样都可以用来达到其所想要完成的功能性目的。

2.像素层次的处理步骤

等到在前一个步骤决定多个钞票区段之后，接着就是进行像素层次的处理步骤120来在每一个钞票区段中检验多个像素，而这是在像素层次的检验步骤122中进行，这个步骤的主要目的在于检查是否有大部分的像素都来自于同一类型的金融票券，其中，将该多个钞票区段所包含的多个像素与像素查询表124进行比较，以决定多个匹配像素，而该多个匹配像素是依据该多个像素的色彩统计分布图数据在该像素查询表中的出现频率来决定，如果在一钞票区段中发现该多个匹配像素，那么本发明方法就会在色彩处理图上记录该多个匹配像素的位置，以作为对应于该有效金融票券的多个可能的区域。

与该色彩查询表类似，像素查询表124是利用对于一有效金融票券中多个像素取得其色彩统计分布图数据而产生，然后再对于该有效金融票券中该多个像素来计算该多个色彩统计分布图数据中不同数值的出现频率，而伴随着相关像素的色彩统计分布图数据的出现频率便可以用来决定匹配像素。

3.色彩后置处理

在这个处理阶段中，基于在宏观(区块)层次以及在微观(像素)层次所作的精细结果，该色彩处理图是显示出区段对应于该有效金融票券的多个可能的区域，然而，由于图像质量的不确定性、背景的差异性以及一些噪声效应等，一般所产生的是粗略调整后的色彩处理图，请参考图4与图5以了解关于这方面的范例说明，图4是举例说明在色彩处理的各个阶段的处理结果，其中，左手边的图像是包含有欲检测的金融票券的扫描图像，中间的图像是区段层次的处理步骤110(辨识多个钞票区段)的输出图像，而其中较大区域的多个区段是为了色彩辨识而被检验，右手边的图像是在较高分辨率的像素层次的处理步骤120之后的输出图像，而其中的多个可能的区域是在该色彩处理图中被辨识得知，在此请注意，虽然对应于该金融票券的一般区域已经被辨识得知，但是同样也已经辨识出数量相当多的噪声以及不规则的背景成分，同时在该钞票区域中会有明显的孔洞，并且在该钞票区域的周围会有背景噪声。另外，图5是利用不具金融票券的输入图像来举例说明，在此请注意，每一个相继的步骤会进一步缩小潜在的金融票券所在区域，然而，尽管没有金融票券，但是由噪声以及背景的一些效应，图5所显示的像素层次的处理步骤的输出图像仍然会辨识出一些可能的金融票券区域，即使在原本的扫描图像中并没有任何金融票券。

为了清除上述与该色彩处理图相关的背景效应以及噪声，可以进一步使用色彩后置处理步骤600，请参考图6的举例说明，如图6所示，色彩后置处理步骤600包含有目标对象分离步骤602、噪声移除步骤604以及孔洞填补步骤606，此外，只要没有改变本发明的目的或所教导的原理，均可以进一步在本发明的其它实施例中利用不同排列或顺序来进行上述这些步骤。

上述这三个子处理步骤会在后续的段落中进一步阐明。

目标对象分离步骤

在色彩后置处理步骤600中的第一个步骤涉及到目标对象分离步骤602，之所以进行目标对象分离步骤602是为了使该色彩处理图处于良好的状态，其中，本发明的一实施例是利用洪水填充算法(flood-fill algorithm)来将该色彩处理图中的多个目标对象分开，虽然有许多不同的洪水填充算法，但是本发明较偏好的一实施例是使用具有三个循环(iteration)的基本八邻的(8-neighbor)洪水填充算法，然而，只要没有改变本发明的目的或所教导的原理精神，本发明的其它实施例也可以使用其它不同的算法。

首先，目标对象分离算法是用于将在该色彩处理图中的每一个孤立的目标对象作标示，请参考图7的举例说明，图7为该目标对象分离算法的各个不同阶段，开始时，背景会被标示为第一标示值710，如图7(a)所示，接着再于垂直与水平的方向进行图像扫描操作，如果在该图像扫描操作期间中有一个区块(即可能的区域)符合，则该可能的区域会被标示为第二标示值720，如图7(a)所示，在这个步骤中会遭遇到两个目标对象，而这两个目标对象均被标示为第二标示值720，接着再继续该图像扫描操作，然而这次当遭遇到每一个具有第二标示值720的目标对象时，其会进行洪水填充，然后再被标示为第三标示值730，如图7(b)所示，当遭遇到上方具有第二标示值720的目标对象时，该目标对象就会被重新标示为第三标示值730，以此类推，每一个具有第二标示值720的目标对象都会因而被洪水填充，然后再被标示为逐次增加的标示值，直到没有剩下任何具有第二标示值720的目标对象。在图7(c)中，当遭遇到下方具有第二标示值720的目标对象时，该目标对象就会因而被重新标示为第四标示值740，而当此处理步骤完成时，每一个不同的目标对象以及该背景都会被标示为一个不同的标示值，如图7所示，有两个经过确认的目标对象(第三标示值730、第四标示值740)伴随着该背景(第一标示值710)。

噪声移除步骤

噪声移除步骤604是用于依据区域的判断标准(region area criteria)来移除噪声，也就是说，接下来的步骤是进行噪声移除步骤604来降低围绕在钞票区域外侧的背景噪声，另外，由于噪声移除算法(noise removal algorithm)的原理为此相关技术领域中具有通常知识的技术人员所熟悉，所以便不在此另行赘述。

孔洞填补步骤

接着，可以在噪声移除步骤604之后进行孔洞填补步骤606，其中，孔洞填补步骤606是利用孔洞填充算法(hole-filling algorithm)以在被包围住的多个目标对象中确保具有同一数值，以改善该色彩处理图，而该孔洞填充算法是与洪水填充算法共同结合来使用，例如在目标对象分离步骤602中所描述的那种洪水填充算法，请参考图8的举例说明，图8是为孔洞填补步骤606的操作，从该色彩处理图中可以看到，多个可能的区域以及多个不可能的区域(即背景或多个孔洞目标对象)分别被标示为第一孔洞标记(即点状标示)以及第二孔洞标记(即条纹状标示)，如图8(a)所示。接着，该多个可能的区域以及该多个不可能的区域各自的孔洞标记会被互相对调(即原本的条纹状标示会被改变为点状标示，而原本的点状标示会被改变为条纹状标示)，如图8(b)所示。然后，再利用洪水填充算法来将该背景标示为第三孔洞标记(如图8(c)所示，其显示为白色标示)，所以，现在对应于该多个可能的区域中该多个孔洞的第一孔洞标记，接着便会被改变为该第二孔洞标记以对应该多个可能性的区域，如图8(d)所示，如此一来，该多个孔洞就会被填满，最后，再将该第二孔洞标记改变为原来的该第一孔洞标记(即将原本的条纹状标示改变为点状标示)来辨识该多个可能的区域，并且将该第三孔洞标记改变为该第二孔洞标记(即将原本的白色标示改变为条纹状标示)，如图8(e)所示。

因此，为了进一步改善该色彩处理图以及精确的辨识与分离有可能对应于该金融票券的多个目标对象，在本发明的一实施例中是使用洪水填充算法以及孔洞填充算法的组合。

请参考图9，图9是举例说明本发明色彩处理方法应用于包含有金融票券的图像时各个阶段的示意图，其中，在图9(a)中所示的原始的图像包含有欲检测的该金融票券放置于背景图像上，而在进行区段层次的处理步骤110以及像素层次的处理步骤120之后，对应于该金融票券的区域会被粗略的辨识于该色彩处理图中，如图9(b)所示，然而，从该背景图像以及该金融票券的一些特定区域中的多个孔洞会出现一些额外的噪声，所以接下来会利用色彩后置处理步骤600以进一步使该色彩处理图变得较为清晰，其中色彩后置处理步骤600包含有目标对象分离步骤602(如图9(c)所示)以及孔洞填补步骤606(如图9(d)所示)，而其所产生的图像接着可以被记录到二元决策图608上，以清楚的定义对应于该金融票券的多个区域。

图10为概述本发明在对应于金融票券的图像中辨识出多个区域的色彩处理方法的实施例的流程图。假如大体上可以得到相同的结果，流程1000中的步骤不一定需要照图10所示的顺序来执行，也不一定需要是连续的，也就是说，这些步骤的间是可以插入其它的步骤，本发明方法包含有：

步骤1010：将该图像划分为多个区域。

步骤1020：对于该图像的各区段取得色彩统计分布图数据。

步骤1030：依据该图像的各区段的该色彩统计分布图数据来对于该图像的各区段指派色彩向量。

步骤1040：将该图像的各区段的该色彩向量与色彩查询表进行比较，以决定该图像的各区段对应于该金融票券的几率。

步骤1050：选择具有超过第一预设临界值的几率的多个可能的区段。

利用上述的实施例，本发明提供一种在对应于金融票券的图像中辨识出多个区域的色彩处理方法，而本发明方法可以应用于伪造货币钞票的检测，并且同样可以适用于任意的旋转以及平移对准的图像，此外，该图像可以包含金融票券放置在任意的背景上，包括在该图像内有多个隔离的或独立的金融票券或是具有部分重叠的金融票券，而通过上述的具有多重阶段的流程，本发明方法可以将不同的金融票券以及背景图像隔离出来，以在扫描图像中提供对应于想要金融票券的位置的一个清楚且简要的结果，因此，本发明可以达到高度精确的检测率，与此同时，本发明也具有足够的强健度与弹性以应用在不同的图像类型以及运作条件。

以上所述仅为本发明的较佳实施例，凡依本发明权利要求所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (15)

1.一种在对应于金融票券的图像中辨识多个区域的色彩处理方法，其特征在于，该色彩处理方法包含有：

将该图像划分为多个区段；

对于该图像的各区段取得色彩统计分布图数据；

依据该图像的各区段的该色彩统计分布图数据来对于该图像的各区段指派色彩向量；

将该图像的各区段的该色彩向量与色彩查询表进行比较，以决定该图像的各区段对应于该金融票券的几率；以及选择具有超过第一预设临界值的几率的多个可能的区段；

其中，该色彩查询表是利用将有效金融票券所对应的图像划分为多个区段，对于该有效金融票券的各区段取得色彩统计分布图数据，并且依据该色彩统计分布图数据来对于该有效金融票券的各区段指派色彩向量，再对于该有效金融票券所指派的各色彩向量计算出现频率来产生。

2.如权利要求1所述的色彩处理方法，其特征在于，还包含有：

将该图像的各个可能的区段所对应的多个周围区段的色彩向量与该色彩查询表进行比较；

决定该多个周围区段对应于该金融票券的平均几率；

从该多个可能的区段中选择多个钞票区段，而该多个钞票区段的多个周围区段具有大于第二预设临界值的平均几率；

将该多个钞票区段所包含的多个像素与像素查询表进行比较，以决定多个匹配像素；以及

在色彩处理图上记录该多个匹配像素的位置，以作为对应于该金融票券的多个可能的区域；

其中，该像素查询表是利用对于一有效金融票券中多个像素取得其色彩统计分布图数据，然后再对于该有效金融票券中该多个像素来计算该多个色彩统计分布图数据中不同数值的出现频率来产生。

3.如权利要求2所述的色彩处理方法，其特征在于，还包含有：

通过洪水填充算法来将该色彩处理图中的多个目标对象分离；

依据噪声移除算法来将该色彩处理图中的噪声移除；

利用孔洞填充算法来确保被包围住的多个目标对象具有同一数值；以及

将修改后的该色彩处理图记录到二元决策图上。

4.如权利要求2所述的色彩处理方法，其特征在于，该多个周围区段围绕于该图像的各个可能的区段的外侧。

5.如权利要求2所述的色彩处理方法，其特征在于，还包含有：

依据该多个周围区段的色彩向量在该色彩查询表中的出现频率来决定该多个周围区段的该平均几率。

6.如权利要求2所述的色彩处理方法，其特征在于，还包含有：

依据该多个像素的色彩统计分布图数据在该像素查询表中的出现频率来决定该多个匹配像素。

7.如权利要求1所述的色彩处理方法，其特征在于，该多个区段是以部分重叠的方式来排列。

8.如权利要求5所述的色彩处理方法，其特征在于，该区段为多个区块。

9.如权利要求1所述的色彩处理方法，其特征在于，该色彩统计分布图数据为红绿蓝RGB三原色统计分布图数据。

10.如权利要求1所述的色彩处理方法，其特征在于，对于该图像的各区段取得该色彩统计分布图数据的步骤还包含有：

取得对应于第一颜色的色彩统计分布图的分布宽度、对应于该第一颜色的该色彩统计分布图的中间值、对应于第二颜色的色彩统计分布图的分布宽度、对应于该第二颜色的该色彩统计分布图的中间值、对应于第三颜色的色彩统计分布图的分布宽度以及对应于该第三颜色的该色彩统计分布图的中间值。

11.如权利要求10所述的色彩处理方法，其特征在于，该图像的各区段的该色彩向量是依据该色彩统计分布图数据并通过六度空间来被定义，且该六度空间包含有该第一颜色的该分布宽度、该第二颜色的该分布宽度、该第三颜色的该分布宽度、该第一颜色的该中间值、该第一颜色的该中间值减去该第二颜色的该中间值以及该第一颜色的该中间值减去该第三颜色的该中间值。

12.如权利要求1所述的色彩处理方法，其特征在于，还包含有：

依据区段在该色彩查询表中的出现频率来决定该区段对应于该有效金融票券的几率。

13.如权利要求1所述的色彩处理方法，其特征在于，该多个区段是以部分重叠的方式来排列。

14.如权利要求1所述的色彩处理方法，其特征在于，该金融票券为美国的货币。

15.如权利要求1所述的色彩处理方法，其特征在于，该金融票券为日本的货币。

Images