CN104809715B - 纸币图像倾斜校正与区域提取方法 - Google Patents

Abstract

本发明公开了一种纸币图像倾斜校正与区域提取方法，包括以下步骤：对获取的纸币图像进行模糊增强，增强纸币与纸币背景色或图案的对比度；纸币图像分割，将纸币图像分割为纸币背景区域和纸币区域；扫描，获得纸币区域图像的边缘像素；若纸币边缘不齐或呈锯齿状，采用最小二乘法直线拟合获得纸币区域图像边缘；计算纸币区域图像边缘的拟合误差，依据拟合误差最小的纸币区域图像边缘，计算纸币区域图像的倾斜角度；根据纸币区域图像的倾斜角度，进行纸币区域图像倾斜校正，将倾斜的纸币区域图像旋转成水平的；纸币区域提取。本发明对纸币图像进行模糊增强，采用最小二乘法直线拟合获得纸币边缘，提高纸币图像倾斜校正的准确率，纸币区域提取效果好。

Description

纸币图像倾斜校正与区域提取方法

技术领域

本发明涉及一种计算机图像处理技术，具体地说，涉及一种纸币图像倾斜校正与区域提取方法。

背景技术

货币是商品交换的媒介，是人类经济发展与贸易过程的伴生物。纸币在漫长的货币史上占据着重要地位，随着多种形式的货币流通、发展，即使在电子货币开始兴起的今天，纸币现金流通依然是目前国际上金融界货币流通的最重要方式。目前人们常用磁性油墨检测、紫外荧光检测以及红外穿透检测等方法鉴别纸币真伪，通过检测纸币尺寸识别其面值，这些方法获得信息单一，不能识别纸币残缺、污染及磨损等状况，更不能识别纸币序列号。

而从纸币图像上可以获得多方面的信息，包括纸币尺寸、面值、污损状况、磨损程度以及序列号等。随着数字图像处理技术、模式识别技术的发展，纸币图像识别方法已成为目前最为流行纸币分析方法。然而，采集到的纸币图像通常是倾斜的，必须对纸币进行倾斜校正，否则无法准确地提取纸币区域并进行纸币识别。

通常由于纸币边缘和背景区域存在较为明显的灰度差别，一般采用的方法是通过HOUGH变换（霍夫变换）提取纸币边缘，获得纸币倾斜的角度，然后进行校正。然而有两个原因影响霍夫变换提取纸币边缘的精度：一是纸币使用时间长了之后，边缘变旧，与背景对比度不明显；二是纸币边缘磨损，产生锯齿，导致霍夫变换边缘提取时出现错误，倾斜校正失败，无法提取纸币区域。因此，必须采用合适的方法，准确地计算纸币倾斜度并提取纸币区域，为纸币识别打下基础。

发明内容

本发明的目的在于提供一种纸币图像倾斜校正与区域提取方法，以提高纸币图像倾斜校正的准确度。

为了实现上述目的，本发明所采用的技术方案如下：

一种纸币图像倾斜校正与区域提取方法，包括以下步骤：步骤一：对获取的纸币图像进行模糊增强，增强纸币与纸币背景色或图案的对比度；其中，对纸币图像模糊增强具体如下：（1）计算纸币图像像素模糊隶属度；（2）进行纸币图像模糊隶属度变换，得到新的模糊隶属度；（3）对变换后的模糊隶属度值进行逆运算，得到增强后的纸币图像；步骤二：纸币图像分割，将纸币图像分割为纸币背景区域和纸币区域；步骤三：扫描，获得纸币区域图像的边缘像素；步骤四：若纸币边缘不齐或呈锯齿状，采用最小二乘法直线拟合获得纸币区域图像边缘；步骤五：计算纸币区域图像边缘的拟合误差，依据拟合误差最小的纸币区域图像边缘，计算纸币区域图像的倾斜角度；步骤六：根据纸币区域图像的倾斜角度，进行纸币区域图像倾斜校正，将倾斜的纸币区域图像旋转成水平的；步骤七：纸币区域提取。

进一步，对纸币图像进行模糊增强时，着重增强纸币边缘与纸币背景色或图案的对比度。

进一步，计算纸币图像像素模糊隶属度时，若p_ij表示图像位置（i,j）处像素的模糊隶属度，则其中，X_ij表示图像位置（i,j）处的像素值，L表示像素灰度等级，通常取256，X_T为背景类和目标类的类间分割点，由于背景像素值比较低，类间分割点可以取较低的一个值，s₁，s₂为系数，为了保证模糊隶属度计算式连续，取

进一步，纸币图像模糊隶属度变换时，对模糊隶属度p_ij进行变换，得到新的模糊隶属度，p_T为类间分割点X_T所对应的隶属度值，为了保证p_ij′计算式连续，其中：

进一步，对变换后的模糊隶属度值进行逆运算时，若X_ij′表示增强后图像位置（i,j）处的像素值，则

进一步，采用最小二乘法直线拟合纸币区域图像的上下左右四边缘，计算直线平均拟合误差ε_i为第i点的拟合误差，设定一个误差阈值，如果四条直线平均拟合误差均大于该阈值，则认为边缘拟合精度不够，返回步骤四，重新选取边缘点进行最小二乘法拟合；如果如此三次拟合精度都不够的话，则认为此纸币不满足识别应具备的条件，放弃整个纸币识别。

进一步，直线拟合成功后，依据拟合误差最小直线的倾角来计算纸币区域图像的倾斜角度，若拟合误差最小的直线为上边缘或下边缘，则该直线倾角即是纸币区域图像的倾斜角度，若拟合误差最小的直线为左边缘或右边缘，则纸币区域图像的倾斜角度为直线倾角减去90°。

进一步，纸币区域图像倾斜校正的坐标旋转公式为：X′=X cos(θ)+Y sin(θ)，Y′=Ycos(θ)-X sin(θ)，(X,Y)是水平图像像素坐标，(X′,Y′)是倾斜图像像素坐标，θ是纸币区域图像的倾斜角度，即纸币下边界与水平方向的夹角。

与现有技术相比，本发明通过对纸币图像进行模糊增强，增强纸币与纸币背景色或图案的对比度，从而提高提取纸币边缘的精度；当纸币边缘不齐或呈锯齿状时，采用最小二乘法直线拟合获得纸币区域图像边缘，提高了纸币图像倾斜校正的准确率，使得纸币区域提取效果较好。

附图说明

图1为本发明的倾斜的纸币与纸币背景的结构示意图；

图2为本发明的边缘磨损的纸币图像的示意图；

图3为本发明的具有折角边缘的纸币图像的示意图。

具体实施方式

下面结合附图和具体实施例对本发明纸币图像倾斜校正与区域提取方法作进一步说明。

首先，将在本实施例中出现的一些术语进行简单的说明。

HOUGH变换：霍夫变换(Hough Transform)，Hough变换于1962年由Paul Hough提出，并在美国作为专利被发表。它所实现的是一种从图像空间到参数空间的映射关系。Hough变换的实质是将图像空间内具有一定关系的像元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点。

隶属度函数：若对论域（研究的范围）U中的任一元素x，都有一个数A（x）∈{0，1}与之对应，则称A为U上的模糊集，A（x）称为x对A的隶属度。当x在U中变动时，A（x）就是一个函数，称为A的隶属函数。隶属度A（x）越接近于1，表示x属于A的程度越高，A（x）越接近于0表示x属于A的程度越低。用取值于区间0，1的隶属函数A（x）表征x属于A的程度高低。隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。

请参阅图1、图2和图3，本发明公开了一种纸币图像倾斜校正与区域提取方法，包括以下步骤：

步骤一：对获取的纸币图像进行模糊增强，增强纸币与纸币背景色或图案的对比度。

纸币图像非常复杂，可能出现不确定性和不精确性（即模糊性）问题，针对图像模糊性，采用模糊集理论对纸币图像进行处理，可以得到较好的效果。采集到的纸币图像为灰度图像，灰度值范围为0-255，纯白为255，纯黑为0，纸币背景为像素值低的黑色，然而纸币流通时间一长，会产生折旧变黑，导致纸币边缘与纸币背景对比度不明显，采用模糊增强的方法，增加图像对比度，使纸币图像边缘更加明显。通过扫描设备获取纸币图像，纸币图像包括纸币和纸币背景色或图案。对获取的纸币图像进行模糊增强，增强纸币与纸币背景色或图案的对比度，特别是增强纸币边缘与纸币背景色或图案的对比度。

其中，对纸币图像模糊增强方法具体如下：

（1）计算纸币图像像素模糊隶属度。

若p_ij表示图像位置（i,j）处像素的模糊隶属度，则其中，X_ij表示图像位置（i,j）处的像素值，L表示像素灰度等级，通常取256，X_T为背景类和目标类的类间分割点，由于背景像素值比较低，类间分割点可以取较低的一个值，s₁，s₂为系数，为了保证模糊隶属度计算式连续，取

（2）进行纸币图像模糊隶属度变换，得到新的模糊隶属度。

对模糊隶属度p_ij进行变换，得到新的模糊隶属度p_ij′,p_T为类间分割点X_T所对应的隶属度值，为了保证p_ij′计算式连续，其中：

（3）对变换后的模糊隶属度值进行逆运算，得到增强后的纸币图像。

若X_ij′表示增强后图像位置（i,j）处的像素值，则

步骤二：纸币图像分割，将纸币图像分割为纸币背景区域和纸币区域。

纸币图像经过模糊增强后，纸币背景像素值比较低，纸币边缘像素值比较高。根据像素点值的不同，设置一个阈值来区分纸币和纸币背景，低于该阈值的像素就归为背景区域，高于该阈值的像素就归为纸币区域。这样，纸币图像就分割为背景区域和纸币区域两部分。

步骤三：扫描，获得纸币区域图像的边缘像素。

如图1所示，完好、叠平整的纸币呈矩形状，边缘呈直线状，从左向右扫描获得纸币区域图像的左边缘，从右向左扫描获得纸币区域图像的右边缘，从上至下获得纸币区域图像的上边缘，从下至上扫描获得纸币区域图像的下边缘。

步骤四：若纸币边缘不齐或呈锯齿状，采用最小二乘法直线拟合获得纸币区域图像边缘。

如图2所示，纸币流通过程中，因不断磨损会导致纸币边缘不齐或呈锯齿状，这种情况下，进行霍夫变换(Hough Transform)提取边缘直线误差较大。针对此类情况，采用扫描边缘点直线拟合的方式获得边缘。如图1所示，边缘上通常具有几百个像素点，选择所有的像素点做边缘拟合计算量较大也没有必要，因此，在上下左右四边缘上随机分散地选取20个点（尽量保证随机点分散于整个纸币边缘）做一元线性回归最小二乘法直线拟合。一元线性回归方程为Y=b+kX+ε，其中b为拟合直线在X轴的截距，k为直线斜率，ε为拟合误差，b,k计算公式如下：

式中n为拟合点个数，取20，X_i、Y_i分别为第i个拟合点的横坐标和纵坐标，为拟合点横坐标均值，为拟合点纵坐标均值。若斜率k计算公式中分母为0，则边缘为竖直直线，此时通过最小二乘拟合得到上下左右四边缘，图1中四边缘直线交点A、B、C、D所含部分即为图像区域。采用最小二乘法直线拟合纸币区域图像的上下左右四边缘，

步骤五：计算纸币区域图像边缘的拟合误差，依据拟合误差最小的纸币区域图像边缘，计算纸币区域图像的倾斜角度。

计算直线平均拟合误差ε_i为第i点的拟合误差，设定一个误差阈值，如果四条直线平均拟合误差均大于该阈值，则认为边缘拟合精度不够，返回步骤四，重新选取边缘点进行最小二乘法拟合。如果如此三次拟合精度都不够的话，则认为此纸币不满足识别应具备的条件，放弃整个纸币识别。

直线拟合成功后，依据拟合误差最小直线的倾角来计算纸币区域图像的倾斜角度。如图1所示，若拟合误差最小的直线为上边缘或下边缘，则该直线倾角即是纸币区域图像的倾斜角度，若拟合误差最小的直线为左边缘或右边缘，则纸币区域图像的倾斜角度为直线倾角减去90°。

步骤六：根据纸币区域图像的倾斜角度，进行纸币区域图像倾斜校正，将倾斜的纸币区域图像旋转成水平的。

如图1所示，用于倾斜校正的计算公式为：

X′=X cos(θ)+Y sin(θ),Y′=Y cos(θ)-X sin(θ),(X,Y)是水平图像像素坐标，(X′,Y′)是倾斜图像像素坐标，θ是纸币区域图像的倾斜角度，即纸币下边界与水平方向的夹角。将水平图像中(X,Y)处的坐标映射到倾斜图像坐标(X′,Y′)处，(X,Y)为整点坐标，逐点扫描(X,Y)点坐标值，计算出的坐标值(X′,Y′)若不是整数，则取倾斜图像中坐标(X′,Y′)周围最近邻的整数点坐标值做为水平图像(X,Y)处坐标值。

步骤七：纸币区域提取。

纸币区域应为矩形，首先检验步骤四得到的四边缘直线是否组成矩形。若四边缘直线组成矩形，则取步骤四所得倾斜图像四边缘交点所围矩形在水平图像中的映射区域为纸币区域。若纸币放置不平整，或边缘磨损严重，或出现折角情况，则步骤四拟合得到纸币四边缘直线不能组成矩形。以图3为例，图3为倾斜校正后的图像，由于折角导致图像下边缘直线倾斜，不能通过直线交点确定纸币区域，出现这种情况，需要重新确定下边缘，具体方法是从下至上，沿水平方向从左向右扫描，设定一阈值，若该水平线上纸币区域像素数目大于该阈值，则认为找到了纸币下边缘直线。同理，若上边缘倾斜，则从上至下沿水平方向扫描获得上边缘；若左边缘倾斜，则从左至右沿竖直方向扫描获得左边缘；若右边缘倾斜，则从右至左沿竖直方向扫描获得右边缘。

本发明通过对纸币图像进行模糊增强，增强纸币与纸币背景色或图案的对比度，从而提高提取纸币边缘的精度；当纸币边缘不齐或呈锯齿状时，采用最小二乘法直线拟合获得纸币区域图像边缘，提高了纸币图像倾斜校正的准确率，使得纸币区域提取效果较好。

上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所揭示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。

Claims (7)

1.一种纸币图像倾斜校正与区域提取方法，其特征在于，包括以下步骤：

步骤一：对获取的纸币图像进行模糊增强，增强纸币与纸币背景色或图案的对比度；

其中，对纸币图像模糊增强具体如下：

(1)计算纸币图像像素模糊隶属度；

(2)进行纸币图像模糊隶属度变换，得到新的模糊隶属度；

(3)对变换后的模糊隶属度值进行逆运算，得到增强后的纸币图像；

步骤二：纸币图像分割，将纸币图像分割为纸币背景区域和纸币区域；

步骤三：扫描，获得纸币区域图像的边缘像素；

步骤四：若纸币边缘不齐或呈锯齿状，在上下左右四边缘上选取分散于整个纸币边缘的20个随机点，做一元线性回归最小二乘法直线拟合，获得纸币区域图像边缘；

步骤五：计算纸币区域图像边缘的拟合误差，依据拟合误差最小的纸币区域图像边缘，计算纸币区域图像的倾斜角度；其中，计算直线平均拟合误差 ε_i为第i点的拟合误差，设定一个误差阈值，如果四条直线平均拟合误差均大于该阈值，则认为边缘拟合精度不够，返回步骤四，重新选取边缘点进行最小二乘法拟合；如果如此三次拟合精度都不够的话，则认为此纸币不满足识别应具备的条件，放弃整个纸币识别；

步骤六：根据纸币区域图像的倾斜角度，进行纸币区域图像倾斜校正，将倾斜的纸币区域图像旋转成水平的；

步骤七：纸币区域提取，使得可以提取出为矩形的纸币图像。

2.如权利要求1所述的纸币图像倾斜校正与区域提取方法，其特征在于：对纸币图像进行模糊增强时，着重增强纸币边缘与纸币背景色或图案的对比度。

3.如权利要求1所述的纸币图像倾斜校正与区域提取方法，其特征在于：计算纸币图像像素模糊隶属度时，若p_ij表示图像位置(i,j)处像素的模糊隶属度，则其中，X_ij表示图像位置(i,j)处的像素值，L表示像素灰度等级，通常取256，X_T为背景类和目标类的类间分割点，由于背景像素值比较低，类间分割点可以取较低的一个值，s₁，s₂为系数，为了保证模糊隶属度计算式连续，取

4.如权利要求3所述的纸币图像倾斜校正与区域提取方法，其特征在于：纸币图像模糊隶属度变换时，对模糊隶属度p_ij进行变换，得到新的模糊隶属度p′_ij，p_T为类间分割点X_T所对应的隶属度值，为了保证p′_ij计算式连续，其中：

5.如权利要求4所述的纸币图像倾斜校正与区域提取方法，其特征在于：对变换后的模糊隶属度值进行逆运算时，若X′_ij表示增强后图像位置(i,j)处的像素值，则

6.如权利要求1所述的纸币图像倾斜校正与区域提取方法，其特征在于：直线拟合成功后，依据拟合误差最小直线的倾角来计算纸币区域图像的倾斜角度，若拟合误差最小的直线为上边缘或下边缘，则该直线倾角即是纸币区域图像的倾斜角度，若拟合误差最小的直线为左边缘或右边缘，则纸币区域图像的倾斜角度为直线倾角减去90°。

7.如权利要求1所述的纸币图像倾斜校正与区域提取方法，其特征在于：纸币区域图像倾斜校正的坐标旋转公式为：X'＝X cos(θ)+Y sin(θ)，Y′＝Y cos(θ)-X min(θ)，(X,Y)是水平图像像素坐标，(X',Y')是倾斜图像像素坐标，θ是纸币区域图像的倾斜角度，即纸币下边界与水平方向的夹角。