CN106355744B - 一种印尼盾币值的识别方法及装置 - Google Patents

Abstract

本发明公开了一种图像识别方法及装置。所述方法包括：获取待测纸币特征区域的灰度图像；对所述特征区域的灰度图像进行二值化处理，生成二值化图像；计算所述二值化图像的轮廓长度，并得到所述二值化图像的轮廓坐标；将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值。通过采用上述方案，可以根据纸币上特征区域的图形有效地识别出纸币的币值，同时可降低成本。

Description

一种印尼盾币值的识别方法及装置

技术领域

本发明实施例涉及图像处理技术领域，特别是涉及一种图像识别方法及装置。

背景技术

随着经济的发展，纸币的流通量越来越大，很多行业都出现了基于纸币识别技术的智能化无人收费系统。例如，纸币识别技术不仅可以应用在自动售货售票上，也可以应用到银行的自动存取款机或营业厅的自动交费机等系统中。同时，点钞机的发明也为各个行业提供了方便。纸币识别装置的应用，节省了大量的人力资源，极大地提升了工作效率。

目前，一般通过纸币的安全线编码或纸币的尺寸对其币值进行识别，这种识别方法虽能识别出大部分币种的币值，但对于有些币种(如美元或印度盾等)，由于所有币值的尺寸完全相同，并且又无相应的安全线编码可供识别，因此，可以基于不同纸币币值的颜色来对这一类纸币进行识别。

但是，在点钞机等机器代替人识别纸币的过程中，纸币的摆放位置必须按照机器预先设定的位置进行放置，并不能随意摆放。同时，纸币在流通过程中不可避免的会沾染污迹或出现磨损等情况。现有方法虽然能快速识别出纸币的币值，但是纸币的摆放位置会影响其识别效率，并且纸币上的微小污迹或其他图像噪声也会影响纸币的识别结果，甚至会出现错误识别或无法识别等现象。若在基于不同纸币的颜色对纸币币值进行识别时，由于彩色图像有三个颜色分量，图像信息量较大，因此会对数据存储要求更高，且算法处理速度会更慢。同时，用于采集彩色图像的传感器的造价也会相对较高。

发明内容

有鉴于此，本发明实施例提供一种图像识别方法及装置，以提高纸币币值的识别效率，同时可降低成本。

第一方面，本发明实施例提供了一种图像识别方法，包括：

获取待测纸币特征区域的灰度图像；

对所述特征区域的灰度图像进行二值化处理，生成二值化图像；

计算所述二值化图像的轮廓长度，并得到所述二值化图像的轮廓坐标；

将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值。

进一步的，所述获取待测纸币特征区域的灰度图像，包括：

所述待测纸币为印尼盾；

识别所述待测纸币的面向和朝向；

在所述待测纸币的设定面向和设定朝向的图像中，提取设定位置的图像，作为特征区域的灰度图像。

进一步的，在对所述特征区域的灰度图像进行二值化处理，生成二值化图像之后，还包括：

利用中值滤波法对二值化图像进行滤波处理；

对所述滤波处理的二值化图像进行骨架化提取，得到由单像素点相连接的二值化图像。

进一步的，将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值，包括：

将所述轮廓坐标转换为相应的极坐标，根据所述极坐标计算所述二值化图像的重心坐标；

根据所述重心坐标和所述轮廓极坐标计算所述二值图像的重心到轮廓上各点的距离；

根据所述距离对应的形状特征判断所述待测纸币的币值。

进一步的，计算所述二值化图像的轮廓长度之后，还包括：

根据所述轮廓长度，判断所述二值化图像中基本图形个数。

进一步的，所述根据所述距离对应的形状特征判断纸币的币值，包括：

根据所述距离的大小判断所述距离峰值点的个数；

根据所述峰值点的个数识别基本图形的形状；

根据所述基本图形的形状和个数判断所述待测纸币的币值。

第二方面，本发明实施例提供了一种图像识别装置，包括：

获取模块，用于获取待测纸币特征区域的灰度图像；

处理模块，用于对所述特征区域的灰度图像进行二值化处理，生成二值化图像；

计算模块，用于计算所述二值化图像的轮廓长度，并得到所述二值化图像的轮廓坐标；

币值判断模块，用于将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值。

进一步的，所述获取模块包括：

所述待测纸币为印尼盾；

识别单元，用于识别所述待测纸币的面向和朝向；

提取单元，用于在所述待测纸币的设定面向和设定朝向的图像中，提取设定位置的图像，作为特征区域的灰度图像。

进一步的，该装置还包括：

滤波模块，用于对所述特征区域的灰度图像进行二值化处理之后，利用中值滤波法对二值化图像进行滤波处理；

骨架化模块，用于对所述特征区域的灰度图像进行二值化处理，生成二值化图像之后，对所述滤波处理的二值化图像进行骨架化提取，得到由单像素点相连接的二值化图像。

进一步的，所述币值判断模块包括：

第一计算单元，用于将所述轮廓坐标转换为相应的极坐标，根据所述极坐标计算所述二值化图像的重心坐标；

第二计算单元，用于根据所述重心坐标和所述轮廓极坐标计算所述二值图像的重心到轮廓上各点的距离；

币值判断单元，用于根据所述距离对应的形状特征判断所述待测纸币的币值。

进一步的，该装置还包括：

图形判断模块，用于计算所述二值化图像的轮廓长度之后，根据所述轮廓长度，判断所述二值化图像中基本图形个数。

进一步的，所述币值判断单元包括：

个数判断子单元，用于根据所述距离的大小判断所述距离峰值点的个数；

识别子单元，用于根据所述峰值点的个数识别基本图形的形状；

币值判断子单元，用于根据所述基本图形的形状和个数判断所述待测纸币的币值。

本发明实施例提供的一种图像识别方案，在获取待测纸币特征区域的灰度图像后，首先对所述特征区域的灰度图像进行二值化处理，生成二值化图像，然后计算所述二值化图像的轮廓长度，并得到所述二值化图像的轮廓坐标，将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值。通过采用上述技术方案，可以根据纸币上特征区域的图形有效地识别出纸币的币值，同时可降低成本。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是本发明实施例一提供的一种图像识别方法的流程图；

图2是本发明实施例二提供的一种图像识别方法的流程图；

图3是本发明实施例三提供的一种图像识别方法的流程图；

图4是本发明实施例四提供的一种图像识别方法的流程图；

图5是本发明实施例五提供的一种图像识别方法的流程图；

图6是本发明实施例一提供的币值为5万的印尼盾正面示意图；

图7是本发明实施例二提供的不同币值的印尼盾特征区域的图像示意图；

图8是本发明实施例三提供的对印尼盾进行骨架化提取后的特征图像示意图；

图9a是本发明实施例一提供的第一印尼盾特征区域的二值图像的极坐标 (θ-ρ)关系示意图；

图9b是本发明实施例五提供的第二印尼盾特征区域的二值图像的极坐标 (θ-ρ)关系示意图；

图10是本发明实施例六提供的一种图像识别装置的结构框图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。

另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1是本发明实施例一提供的一种图像识别方法的流程图。本实施例的方法可由图像识别装置来执行，其中该装置可由软件和/或硬件实现，一般可集成在自动售票机或点钞机等金融设备中。如图1所示，本实施例提供的图像识别方法具体包括如下步骤：

步骤110、获取待测纸币特征区域的灰度图像。

其中，待测纸币可以为印尼盾，也可以为表面带有不同基本图形的其他纸币。同时，可以将纸币上基本图形所在的区域作为纸币的特征区域。一般情况下，纸币的颜色在RGB模型(加色法混色模型)中为彩色，它是通过红(R)、绿(G)和蓝(B)三个颜色通道的变化以及它们之间相互的叠加得到的。为了更好地识别纸币的币值，首先需要对纸币进行灰度化，成为灰度图像。以印尼盾为例，图6是本发明实施例一提供的币值为5万的印尼盾正面示意图。如图6 所示，整个图像呈现一个颜色。在纸币的左下方有两个三角形，在识别印尼盾币值的过程中，可以将其左下方带有基本图形的区域设置为纸币的特征区域。

步骤120、对特征区域的灰度图像进行二值化处理，生成二值化图像。

在实际中，每张纸币采集的图像亮度并不完全统一，由硬件造成的纸币图像亮度偏差对识别结果也有较大的影响。当图像整体偏亮或偏暗时，特征区域的灰度值也会相应偏大或偏小。因此，为了提高纸币的识别效率，可以对特征区域的灰度图像进行二值化处理，即将图像上的像素点的灰度值设置为0或 255，也就是使整个图像呈现出只有黑和白的视觉效果。

优选的，可以利用OTSU算法(大律法)对纸币特征区域的灰度图像进行二值化处理，生成二值化图像。其中，OTSU算法可以通过最佳阈值将原灰度图像分为前景和背景两部分，其中，最佳阈值可以根据图像的灰度特性自动进行设定。与常见的固定阈值二值化相比，OTSU算法对于提取区别特征区域的目标特征准确性更好。通过OTSU算法对灰度图像进行二值化处理后，纸币特征区域的前景部分呈现白色，像素值为255；纸币特征区域的背景部分呈现黑色，像素值为0。

示例性的，也可以利用其它算法对特征区域的灰度图像进行二值化。例如，可以通过选用区别特征区域像素的灰度平均值作为二值化阈值对灰度图像进行二值化，也可以通过局部自适应二值化方法进行二值化。

步骤130、计算二值化图像的轮廓长度，并得到二值化图像的轮廓坐标。

示例性的，图像的轮廓长度可以通过统计二值化图像中像素值为255(即白色)的像素点的个数得出。像素值为255的像素点个数越多，表示二值化图像中连通区域的个数越多。在二值化图像中，不可避免地会出现像素值为255的孤立的像素点。一般情况下，这些孤立的像素点并不影响二值化图像中连通区域个数的统计。但是为了更加精确地计算连通区域的个数，可以通过测试像素值为255的像素点的四邻域或八邻域的像素值，判断出该像素点是否为孤立的像素点。若为孤立像素点，则可以在连通区域计算的过程中排出这些点以减小这些点对图像识别的影响。

进一步的，在计算出二值化图像的轮廓长度后，可以根据轮廓长度的大小初步判断出二值化图像中基本图形的个数。并且基于基本图形的个数可以初步判断币值的大小。示例性的，在印尼盾币值的识别过程中，如果通过计算表明二值化图像的轮廓长度较短，则说明在该图像中只有一个图形，其币值可能为一万或者两千。如果轮廓长度较长，则说明在该图像中有两个图形。该印尼盾的币值会相对较大，但是具体币值的大小还需根据图形的特点进一步进行判定。

示例性的，在计算二值化图像的轮廓坐标时，可以优选二值化图像左上端的端点作为坐标原点，得到在直角坐标系下的轮廓坐标。示例性的，坐标原点的位置也可以设置为二值化图像的其他位置，本实施例在此不作具体限制。

步骤140、将轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断待测纸币的币值。

示例性的，本领域技术人员可以理解的是，轮廓坐标向极坐标转换的具体实现方式可以有很多种，本实施例不作具体限定。例如，可通过编写能够实现直角坐标系向极坐标系转换的C代码，并在坐标转换时调用该代码的方式来实现。其中，在转换后的极坐标系(θ-ρ)中，纵坐标ρ可表示轮廓上的点到该图形重心的距离，横坐标θ可表示轮廓上的点与坐标原点的连线相对横坐标0°的偏移角，由于轮廓上的点组成的是一个封闭的图形(即旋转一周后可回到原来的位置)，因此对每张纸币来说，θ都是0～360度。图9a是本发明实施例一提供的第一印尼盾特征区域的二值图像的极坐标(θ-ρ)关系示意图。如图9a 所示，两个矩形的旋转角度差即可看做是纸币的旋转角度，反映在θ-ρ关系图上时，横坐标为θ，纵坐标为轮廓上的点到该图形重心的距离ρ。优选的，可以将纸币平行于水平线放置时轮廓上的点与坐标原点的连线所对应的横坐标的值设为0°。值得注意的是，不管图像怎么旋转，其轮廓极坐标θ和ρ的关系图的形状特性基本不会发生变化。因此，可以根据纸币特征区域中不同形状的图形轮廓所对应极坐标关系图的不同，对纸币币值进行识别。

本发明实施例一提供的图像识别方法，在获取待测纸币特征区域的灰度图像后，首先对特征区域的灰度图像进行二值化处理，生成二值化图像，然后计算二值化图像的轮廓长度，并得到二值化图像的轮廓坐标，将轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断纸币的币值。通过采用上述技术方案，可以根据纸币上特征区域的图形有效地识别出纸币的币值，同时可降低成本。

实施例二

图2是本发明实施例二提供的一种图像识别方法的流程图。本实施例对实施例一中的步骤“获取待测纸币特征区域的灰度图像”进行了细化。参考图 2，本发明实施例具体包括如下步骤：

步骤210、识别待测纸币的面向和朝向。

示例性的，纸币币值的识别一般是基于纸币上基本图形的不同对币值进行识别。在一般情况下，在纸币的正面会标有明显的币值和其相关的图形。因此，在识别待测纸币时，纸币的放置方向可优选为正面正向。示例性的，如图 6所示，在印尼盾币值识别的过程中，可以通过印尼盾正面的基本图形(如两个三角形)对其币值(如50000)进行识别。

示例性的，若在纸币的背面有明显的基本图形可供识别，也可以将待测纸币的放置方向选取为背面正向。在具体操作过程中，可以通过对不同面向和朝向放置的纸币进行识别，通过不断尝试后得出识别效率更高的纸币的放置方向。

步骤220、在待测纸币的设定面向和设定朝向的图像中，提取设定位置的图像，作为特征区域的灰度图像。

其中，可以将纸币表面带着基本图形区域的位置设定为特征区域的位置。当选定好待测纸币的面向和朝向后，通过设定特征区域的位置，可以截取特征区域的灰度图像。示例性的，图7是本发明实施例二提供的不同币值的印尼盾特征区域的图像示意图。如图7所示，不同币值的印尼盾在左下方区域中都带有像圆形、矩形、三角形或圆形等基本图形。因此可以将印尼盾左下方带有基本图形的区域作为特征区域。示例性的，若将纸币的左上角作为坐标的原点， X和Y分别表示横坐标和纵坐标，则该特征区域的坐标一般为X＝[30：180]和 Y＝[210：285]。因此，在识别印尼盾币值时，可以截取纸币在分辨率为纵向150DPI、横向200DPI的情况下，具体位置为X＝[30：180]和Y＝[210：285]的灰度图像。

示例性的，不同币种的纸币特征区域所在位置不同，在纸币币值识别的过程中，可以根据纸币币种的不同对特征区域的位置进行设置。通过采用这种方法，可以有针对性的识别纸币的币值，进而提高识别效率。

步骤230、对特征区域的灰度图像进行二值化处理，生成二值化图像。

步骤240、计算二值化图像的轮廓长度，并得到二值化图像的轮廓坐标。

步骤250、将轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断待测纸币的币值。

本发明实施例二在上述实施例的基础上，对“获取待测纸币特征区域的灰度图像”的过程进行了细化。在纸币币值的识别过程中，首先选择正确的纸币的面向和朝向，然后提取设定位置的图像作为特征区域的灰度图像。通过采用上述方案，可以提高纸币币值的识别效率。

实施例三

图3是本发明实施例三提供的一种图像识别方法的流程图。本实施例对上述实施例中在“对特征区域的灰度图像进行二值化处理，生成二值化图像”之后的过程进行了细化。参考图3，本发明实施例具体包括如下步骤：

步骤310、识别待测纸币的面向和朝向。

步骤320、在待测纸币的设定面向和设定朝向的图像中，提取设定位置的图像，作为特征区域的灰度图像。

步骤330、对特征区域的灰度图像进行二值化处理，生成二值化图像。

步骤340、利用中值滤波法对二值化图像进行滤波处理；

优选的，可以利用中值滤波法对二值化图像进行滤波处理。其中，中值滤波是将图像中某个点的像素值用该点的一个领域中各点像素值的中值来代替。其实施方式是利用某种结构的二维滑动模板，将模板内的像素值按照像素值的大小进行排序，生成单调上升(或下降)的二维数据序列。在本实施例中，所用模板的大小可优选为5*5。通过中值滤波后，可以消除图像中孤立的噪声点。

示例性的，也可以采用均值滤波法或高斯滤波法等其它滤波方法，对二值化图像进行滤波处理。

步骤350、对滤波处理的二值化图像进行骨架化提取，得到由单像素点相连接的二值化图像。

其中，图像的骨架化提取就是去掉原来图像中的一些像素点，但仍保持图像特征区域图形的原有形状。通过对图像进行骨架化提取后，可以将图形细化为一条单像素宽的线。示例性的，图8是本发明实施例三提供的对印尼盾进行骨架化提取后的特征图像示意图。如图8所示，对印尼盾特征区域的图形进行骨架化提取后可以得到由像素值为255的白色的像素点所连接的基本图形。通过骨架化提取，可以压缩原始图像的数据量，进而更容易的分析图像的特征。

步骤360、计算二值化图像的轮廓长度，并得到二值化图像的轮廓坐标。

步骤370、将轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断待测纸币的币值。

本发明实施例三在上述实施例的基础上，在“对特征区域的灰度图像进行二值化处理，生成二值化图像”之后的过程进行了细化。通过对特征区域的二值化图像进行骨架化提取，压缩了图像的数据量，更好的提取到图像的特征信息。

实施例四

图4是本发明实施例四提供的一种图像识别方法的流程图。本实施例对上述实施例中“将轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断待测纸币的币值”的过程进行了细化。参考图4，本发明实施例具体包括如下步骤：

步骤410、获取待测纸币特征区域的灰度图像。

步骤420、对特征区域的灰度图像进行二值化处理，生成二值化图像。

步骤430、计算二值化图像的轮廓长度，并得到二值化图像的轮廓坐标。

步骤440、将轮廓坐标转换为相应的极坐标，根据极坐标计算二值化图像的重心坐标。

示例性的，在纸币识别的过程中，纸币的放置方向并不是固定的，在直角坐标系中的坐标值只能表示轮廓上各点的大小不能表示轮廓所旋转的方向。而在极坐标系下，轮廓的坐标具有矢量性，即轮廓的极坐标不仅可以表示轮廓上各点的大小，也可以表示轮廓基于预设位置所旋转的角度。其中，预设位置为在转换为极坐标前所选取的正方向所在的位置。因此，识别纸币时，为了更好的适应纸币旋转或平移等情况，在得到二值化图像的轮廓坐标后，可以将其轮廓坐标转换为相应的极坐标。同时，可以根据其极坐标的大小计算出二值化图像的重心坐标。

步骤450、根据重心坐标和轮廓极坐标计算二值图像的重心到轮廓上各点的距离。

示例性的，无论图像基于预设位置旋转多少度，其图形的重心到轮廓上各点的距离保持不变。因此，在得到图形的重心坐标和图形轮廓的极坐标后，可以根据坐标值计算出重心到轮廓上各点的距离。其距离的不变性可以保持纸币币值识别效果的稳定性。

步骤460、根据距离对应的形状特征判断待测纸币的币值。

本发明实施例四在上述实施例的基础上，通过“对将轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断待测纸币的币值”的过程进行了细化。通过将直角坐标系下轮廓坐标转化为在极坐标系下相应的极坐标，并通过该轮廓极坐标计算出二值图像的重心坐标，进而可以得出重心到轮廓上各点的距离。通过采用上述技术方案，可以在纸币旋转或平移等情况下有效地识别出纸币的币值。

实施例五

图5是本发明实施例五提供的一种图像识别方法的流程图，本实施例对上述实施例中“根据距离对应的形状特征判断待测纸币的币值”的过程进行了细化。参考图5，本发明实施例具体包括如下步骤：

步骤510、获取待测纸币特征区域的灰度图像。

步骤520、对特征区域的灰度图像进行二值化处理，生成二值化图像。

步骤530、计算二值化图像的轮廓长度，并得到二值化图像的轮廓坐标。

步骤540、将轮廓坐标转换为相应的极坐标，根据极坐标计算二值化图像的重心坐标。

步骤550、根据重心坐标和轮廓极坐标计算二值图像的重心到轮廓上各点的距离。

步骤560、根据距离的大小判断距离峰值点的个数。

示例性的，不同图形的重心到其轮廓的距离不同。例如圆形，由于重心到轮廓的距离为圆的半径，并且距离都相等，因此其重心到圆形轮廓上各点的距离不存在峰值点。例如矩形，由于矩形的重心到其轮廓四个顶点的距离比到轮廓上其它点的距离大，所以距离会存在四个峰值点。同理，三角形的重心到其轮廓的距离会存在三个峰值点。图9b是本发明实施例五提供的第二印尼盾特征区域的二值图像的极坐标(θ-ρ)关系示意图。如图9a和图9b所示，特征区域的基本图形有几个顶点，其θ-ρ关系图中就有几个峰值点。并且该峰值点的个数并不会因为图形的旋转而改变。因此，不论纸币是否倾斜，只要截取到纸币包含特征图形的特征区域，就可以识别出距离峰值点的个数，且识别率较高。

步骤570、根据峰值点的个数识别基本图形的形状。

示例性的，可以根据距离峰值点的个数对图形的形状进行初步判定。若距离中存在四个峰值点，则可以判断出图形为四边形。如存在三个峰值点，则可以判断出图形为三角形。若没有明显峰值点，则可以判断图形为圆形。

示例性的，在印尼盾识别的过程中，如图9a和图9b所示，从原始图像与θ-ρ关系图中，也可以看出图形的形状与其峰值点的对应关系。通过这种方法在判断基本图形的形状时稳定性较好，不会因为图形的平移、旋转或尺度的改变而出现识别错误的现象。

步骤580、根据基本图形的形状和个数判断待测纸币的币值。

示例性的，在印尼盾币值识别的过程中，如图9a和图9b所示，从印尼盾轮廓坐标θ-ρ关系图判断出轮廓所在基本图形的形状和个数后，可以识别出原始图像所对应印尼盾币值的大小。示例性的，若判断出基本图形的形状为圆形，且通过二值化图像轮廓长度判断出圆形的个数为一个，则可以判断出该印尼盾的币值为1万；若判断出基本图形的形状为圆形，且个数有两个，则该印尼盾的币值为10万；若判断出基本图形为矩形，且个数为两个，则该印尼盾的币值为2万；若判断出基本图形为三角形，且个数为两个，则该印尼盾的币值为5万。通过印尼盾中基本图形的形状和个数与印尼币值的对应关系，可以有效地识别出印尼盾的币值，且识别效率较高。

本发明实施例五在上述实施例的基础上，“根据距离对应的形状特征判断待测纸币的币值”的过程进行了细化。首先通过二值图像的重心到轮廓上各点的距离判断出距离峰值点的个数，然后根据峰值点的个数识别基本图形的形状，根据基本图形的形状和个数判断印尼盾的币值。通过采用上述技术方案，可以准确地识别在出不同角度放置的印尼盾的币值，且识别效果具有稳定性。

实施例六

图10是本发明实施例六提供的一种图像识别装置的结构框图，该装置可由软件和/或硬件实现，一般可集成在自动售票机或点钞机等金融设备中。如图10 所示，该系统包括：获取模块1010、处理模块1020、计算模块1030和币值判断模块1040。

其中，获取模块1010，用于获取待测纸币特征区域的灰度图像；

处理模块1020，用于对所述特征区域的灰度图像进行二值化处理，生成二值化图像；

计算模块1030，用于计算所述二值化图像的轮廓长度，并得到所述二值化图像的轮廓坐标；

币值判断模块1040，用于将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值。

本发明实施例六提供的图像识别装置，在获取待测纸币特征区域的灰度图像后，首先对所述特征区域的灰度图像进行二值化处理，生成二值化图像，然后计算所述二值化图像的轮廓长度，并得到所述二值化图像的轮廓坐标，将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值。通过采用上述技术方案，可以根据纸币上特征区域的图形有效地识别出纸币的币值，同时可降低成本。

在上述实施例的基础上，所述待测纸币为印尼盾；所述获取模块包括：识别单元，用于识别所述待测纸币的面向和朝向；提取单元，用于在所述待测纸币的设定面向和设定朝向的图像中，提取设定位置的图像，作为特征区域的灰度图像。

在上述实施例的基础上，该装置还包括：滤波模块，用于对所述特征区域的灰度图像进行二值化处理之后，利用中值滤波法对二值化图像进行滤波处理；骨架化模块，用于对所述特征区域的灰度图像进行二值化处理，生成二值化图像之后，对所述滤波处理的二值化图像进行骨架化提取，得到由单像素点相连接的二值化图像。

在上述实施例的基础上，所述币值判断模块包括：第一计算单元，用于将所述轮廓坐标转换为相应的极坐标，根据所述极坐标计算所述二值化图像的重心坐标；第二计算单元，用于根据所述重心坐标和所述轮廓极坐标计算所述二值图像的重心到轮廓上各点的距离；币值判断单元，用于根据所述距离对应的形状特征判断所述待测纸币的币值。

在上述实施例的基础上，该装置还包括：图形判断模块，用于计算所述二值化图像的轮廓长度之后，根据所述轮廓长度，判断所述二值化图像中基本图形个数。

在上述实施例的基础上，所述币值判断单元包括：个数判断子单元，用于根据所述距离的大小判断所述距离峰值点的个数；识别子单元，用于根据所述峰值点的个数识别基本图形的形状；币值判断子单元，用于根据所述基本图形的形状和个数判断所述待测纸币的币值。

上述实施例中提供的图像识别装置可执行本发明任意实施例所提供的图像识别方法，具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的图像识别方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种印尼盾币值的识别方法，其特征在于，包括：

获取待测纸币特征区域的灰度图像；

对所述特征区域的灰度图像进行二值化处理，生成二值化图像；

计算所述二值化图像的轮廓长度，并得到所述二值化图像的轮廓坐标；

将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值；

其中，所述待测纸币为印尼盾。

2.根据权利要求1所述的方法，其特征在于，所述获取待测纸币特征区域的灰度图像，包括：

识别所述待测纸币的面向和朝向；

在所述待测纸币的设定面向和设定朝向的图像中，提取设定位置的图像，作为特征区域的灰度图像。

3.根据权利要求1所述的方法，其特征在于，对所述特征区域的灰度图像进行二值化处理，生成二值化图像之后，还包括：

利用中值滤波法对二值化图像进行滤波处理；

对所述滤波处理的二值化图像进行骨架化提取，得到由单像素点相连接的二值化图像。

4.根据权利要求1所述的方法，其特征在于，将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值，包括：

将所述轮廓坐标转换为相应的极坐标，根据所述极坐标计算所述二值化图像的重心坐标；

根据所述重心坐标和所述轮廓极坐标计算所述二值图像的重心到轮廓上各点的距离；

根据所述距离对应的形状特征判断所述待测纸币的币值。

5.根据权利要求1所述的方法，其特征在于，计算所述二值化图像的轮廓长度之后，还包括：

根据所述轮廓长度，判断所述二值化图像中基本图形个数。

6.根据权利要求4所述的方法，其特征在于，所述根据所述距离对应的形状特征判断所述待测纸币的币值，包括：

根据所述距离的大小判断所述距离峰值点的个数；

根据所述峰值点的个数识别基本图形的形状；

根据所述基本图形的形状和个数判断所述待测纸币的币值。

7.一种印尼盾币值的识别装置，其特征在于，包括：

获取模块，用于获取待测纸币特征区域的灰度图像；

处理模块，用于对所述特征区域的灰度图像进行二值化处理，生成二值化图像；

计算模块，用于计算所述二值化图像的轮廓长度，并得到所述二值化图像的轮廓坐标；

币值判断模块，用于将所述轮廓坐标转换为相应的极坐标，根据极坐标所对应的形状特征判断所述待测纸币的币值；

其中，所述待测纸币为印尼盾。

8.根据权利要求7所述的装置，其特征在于，所述获取模块包括：

识别单元，用于识别所述待测纸币的面向和朝向；

提取单元，用于在所述待测纸币的设定面向和设定朝向的图像中，提取设定位置的图像，作为特征区域的灰度图像。

9.根据权利要求7所述的装置，其特征在于，还包括：

滤波模块，用于对所述特征区域的灰度图像进行二值化处理之后，利用中值滤波法对二值化图像进行滤波处理；

骨架化模块，用于对所述滤波处理的二值化图像进行骨架化提取，得到由单像素点相连接的二值化图像。

10.根据权利要求7所述的装置，其特征在于，所述币值判断模块包括：

第一计算单元，用于将所述轮廓坐标转换为相应的极坐标，根据所述极坐标计算所述二值化图像的重心坐标；

第二计算单元，用于根据所述重心坐标和所述轮廓极坐标计算所述二值图像的重心到轮廓上各点的距离；

币值判断单元，用于根据所述距离对应的形状特征判断所述待测纸币的币值。

11.根据权利要求7所述的装置，其特征在于，还包括：

图形判断模块，用于计算所述二值化图像的轮廓长度之后，根据所述轮廓长度，判断所述二值化图像中基本图形个数。

12.根据权利要求10所述的装置，其特征在于，所述币值判断单元包括：

个数判断子单元，用于根据所述距离的大小判断所述距离峰值点的个数；

识别子单元，用于根据所述峰值点的个数识别基本图形的形状；

币值判断子单元，用于根据所述基本图形的形状和个数判断所述待测纸币的币值。