CN108921831B - 一种基于图像处理技术的污损硬币识别方法 - Google Patents
一种基于图像处理技术的污损硬币识别方法 Download PDFInfo
- Publication number
- CN108921831B CN108921831B CN201810648843.0A CN201810648843A CN108921831B CN 108921831 B CN108921831 B CN 108921831B CN 201810648843 A CN201810648843 A CN 201810648843A CN 108921831 B CN108921831 B CN 108921831B
- Authority
- CN
- China
- Prior art keywords
- coin
- image
- area
- radius
- edge point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Abstract
本发明公开了一种基于图像处理技术的污损硬币识别方法,首先进行图像分割,提取出包含待识别硬币的圆形图像区域;对于该区域,计算其圆心和半径;确定好圆心和半径后,对其进行极坐标变换,将圆形区域变换为矩形区域;对矩形区域进行标准化处理,使其变为标准大小,对标准化后的图像进行二维傅里叶变换,并取绝对值,以此作为描述硬币图像的特征,本发明基于图像处理技术的污损硬币识别方法,通过极坐标变换技术,将硬币的旋转变化转换成平移变化,通过傅里叶变换技术,提取图像的不随平移变化的特征,综合上面技术提取出图像的不随旋转变化的特征,从而克服待识别硬币和标准硬币需要准确对齐的问题。
Description
技术领域
本发明涉及到一种污损硬币的自动识别方法,特别涉及一种基于图像处理技术的污损硬币识别方法。
背景技术
目前,硬币作为流通货币中重要的币种之一,对社会商品生产和流通起到一定的辅助作用。在硬币的流通环节,随着硬币的长时间使用,不可避免地会使硬币受到磨损、玷污、刻划和弯曲等破坏。污损硬币在流通环节不被大众所接受,严重情况下可能被拒收,从而使其失去了货币功能,同时也影响了货币在流通领域的正常使用。
根据国家法律,货币在流通环节,污损到一定程度后,银行等货币发行、流通机构应给予回收。污损的货币特性各异,判别标准不一,通常采用人工的方式对其进行判别。由于流通领域货币量较大,采用人工方式对污损货币进行判别存在两个问题:一、相对于巨量的流通货币,人工数量稀少,很难去完成这样大量的工作;二、人工判别污损货币,效率比较低下,而且人力成本也较高。因此,采用智能设备的方式是污损货币判别的趋势。
目前,市面上已经有污损纸币识别系统,其采用图像处理技术将待判别纸币和标准纸币进行比对,从而进行判别。由于纸币表面是一个矩形区域,在采集图像中,很容易对其进行定位并校正为标准方向和大小。在此基础上,通过比对待判别纸币和标准纸币,实现污损纸币的识别。
对于硬币的处理,市面上大多数设备是用于分类,即对硬币进行币值分类,以便于包装。对于污损硬币的检测设备少有听闻。硬币污损主要表现为硬币表面存在污渍和划痕等,借助于机械或电气手段比较难以检测。正因为硬币污损表现在硬币表面的变化,所以更适于采用图像处理技术来对污损硬币进行判别。
污损硬币的污损样式多样,程度不一。判断硬币是否污损最直接的方式就是将待判别硬币和标准硬币进行比对,根据硬币各个部分的差异程度来对硬币污损程度进行判别。由于硬币是一个圆形模式,任何方向都可以看作硬币的主轴方向,因此通过确定主轴方向的方式来对齐硬币显然不可行。可能的做法就是在确定了硬币所在的圆形区域后,将该区域围绕圆心在360度范围内,按照等间隔旋转不同的角度,然后逐一和标准图像进行比对,并取最相似的情况作为比对结果,进行判别。这样做有两个问题:一是旋转不同的角度进行比对,要花费大量的计算时间;二是旋转设定的角度,不一定就是待识别硬币和标准硬币之间相差的角度。旋转后,仍然可能使待识别硬币和标准硬币不能准确对齐,从而影响比对判别结果。
发明内容
发明的目的在于提供一种基于图像处理技术的污损硬币识别方法,通过极坐标变换技术,将硬币的旋转变化转换成平移变化。通过傅里叶变换技术,提取图像的不随平移变化的特征。综合上面技术提取出图像的不随旋转变化的特征,从而克服待识别硬币和标准硬币不能准确对齐问题,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于图像处理技术的污损硬币识别方法,具体步骤如下:
步骤一:图像采集与图像预处理,利用工业相机,采集待识别硬币的图像,对采集到的图像进行滤波处理;
步骤二:图像的二值化,根据采集到的图像内容,自适应地确定图像二值化分割阈值,根据该阈值,分割图像,从而获得包含硬币的前景区域和相对应的背景区域;
步骤三:数学特征提取,对二值化图像进行数学形态学滤波处理,以滤出颗粒噪声,对二值化图像进行统计特征提取,确定前景硬币区域的圆心和半径;
步骤四:对图像进行极坐标变换,根据计算出硬币区域的圆心和半径,提取硬币图像区域,根据硬币区域的圆心和半径,进行极坐标变换,将圆形的硬币图像区域转换成矩形的图像区域;
步骤五:图像标准化,在进行极坐标变换后,圆形的硬币图像区域转换成矩形图像区域,由于成像等原因,计算出的硬币区域半径可能不相等,为了保证提取特征的维度一致,将图像进行标准化,将硬币图像矩形标准化为规定大小;
步骤六:傅里叶变换,对矩形图像在弧线方向进行傅里叶变换,并取绝对值,根据傅里叶变换性质,傅里叶变换结果的绝对值对矩形图像具有位移不变性;
步骤七:特征比对,将提取的待识别硬币图像的特征和标准的硬币图像特征进行比对,如果二者的差值较大,则判定该硬币为污损硬币;如果二者差值较小,则判定该硬币为合格硬币。
优选的,步骤一中的滤波包括均值滤波和中值滤波。
优选的,步骤一中对于硬币图像的获取,可采用普通的可见光黑白相机,也可以采用普通的可见光彩色相机,也不排除可以采用其他光谱的相机,当采用彩色相机时,需要将彩色的硬币图像通过灰度变换转换为灰度图像,变换公式为:
Gray=0.29R+0.50G+0.11B。
优选的,步骤六中变换结果对硬币图像具有旋转不变性,以此作为描述硬币图像的特征,在此基础上,可以进一步在半径方向进行傅里叶变换,提取描述硬币的特征。
优选的,灰度变换还可以采用其他变换方法。
优选的,对于步骤四中获取的圆形的硬币区域,硬币区域的圆心和半径的计算可以采用如下步骤:
步骤一:首先从左到右进行列扫描,对于每一列,从上到下进行扫描,将第一个出现的硬币前景点作为硬币的起始边缘点,将最后一个出现的硬币前景点作为硬币的终止边缘点;
步骤二:如果没有硬币前景点,起始边缘点和终止边缘点记为0,取起始边缘点和终止边缘点的平均值作为该列的硬币圆形区域的纵坐标;
步骤三:对于所有的纵坐标,记为纵坐标数组,对于纵坐标数组,从第一个非0坐标位置开始,到最后一个非0坐标位置结束,二者位置差的一半作为硬币圆形区域横轴方向的半径,对于所有非0坐标,从大到小进行排序,取其中值作为硬币圆形区域纵轴方向的圆心坐标位置;
步骤四:然后从上到下进行行扫描,对于每一行,从左到右进行扫描,将第一个出现的硬币前景点作为硬币的起始边缘点,将最后一个出现的硬币前景点作为硬币的终止边缘点;
步骤五:如果没有硬币前景点,起始边缘点和终止边缘点记为0,取起始边缘点和终止边缘点的平均值作为该行的硬币圆形区域的横坐标;
步骤六:对于所有的横坐标,记为横坐标数组,对于横坐标数组,从第一个非0坐标位置开始,到最后一个非0坐标位置结束,二者位置差的一半作为硬币圆形区域纵轴方向的半径,对于所有非0坐标,从大到小进行排序,取其中值作为硬币圆形区域横轴方向的圆心坐标位置;
步骤七:最后,取硬币圆形区域横轴方向的半径和纵轴方向的半径的平均值,作为硬币圆形区域的半径。
与现有技术相比,本发明的有益效果是:
首先将硬币的圆形区域转换为矩形区域,从而使硬币的旋转变化转换成平移变化,利用傅里叶变换的平移不变性质,提取图像的傅里叶变换结果作为描述图像的特征,从而获得旋转不变特征,使提取的特征只和硬币表面的污损程度有关,而和硬币的旋转角度无关,以便用于可靠的污损硬币识别,本发明通过极坐标变换技术,将硬币的旋转变化转换成平移变化,通过傅里叶变换技术,提取图像的不随平移变化的特征,综合上面技术提取出图像的不随旋转变化的特征,从而克服待识别硬币和标准硬币需要准确对齐的问题。
附图说明
图1为本发明的基于图像处理技术的污损硬币识别方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,一种基于图像处理技术的污损硬币识别方法,具体步骤如下:
步骤一:图像采集与图像预处理,利用工业相机,采集待识别硬币的图像,对采集到的图像进行滤波处理,包括均值滤波和中值滤波等,以减小各种噪声对成像质量的影响;
步骤二:图像的二值化,根据采集到的图像内容,自适应地确定图像二值化分割阈值,根据该阈值,分割图像,从而获得包含硬币的前景区域和相对应的背景区域;
步骤三:数学特征提取,对二值化图像进行数学形态学滤波处理,以滤出颗粒噪声,对二值化图像进行统计特征提取,确定前景硬币区域的圆心和半径;
步骤四:对图像进行极坐标变换,根据计算出硬币区域的圆心和半径,提取硬币图像区域,根据硬币区域的圆心和半径,进行极坐标变换,将圆形的硬币图像区域转换成矩形的图像区域;
步骤五:图像标准化,在进行极坐标变换后,圆形的硬币图像区域转换成矩形图像区域,由于成像等原因,计算出的硬币区域半径不可能相等,为了保证提取特征的维度一致,将图像进行标准化,将硬币图像矩形标准化为规定大小;
步骤六:傅里叶变换,对矩形图像在弧线方向进行傅里叶变换,并取绝对值,根据傅里叶变换性质,傅里叶变换结果的绝对值对矩形图像具有位移不变性,进一步说,变换结果对硬币图像具有旋转不变性。以此作为描述硬币图像的特征。在此基础上,可以进一步在半径方向进行傅里叶变换,提取描述硬币的特征;
步骤七:特征比对,将提取的待识别硬币图像的特征和标准的硬币图像特征进行比对,如果二者的差值较大,则判定该硬币为污损硬币;如果二者差值较小,则判定该硬币为合格硬币。
对于硬币图像的获取,可采用普通的可见光黑白相机,也可以采用普通的可见光彩色相机。也不排除可以采用其他光谱的相机,比如红外相机等。当采用彩色相机时,需要将彩色的硬币图像通过灰度变换转换为灰度图像,变换公式为:
Gray=0.29R+0.50G+0.11B。
硬币通常为金属材质,反光特性比较强,硬币表面为凹凸纹理,这些都会对成像效果产生一定的影响。为了获得较为理想的硬币图像,光源采用同轴光源,镜头采用远心镜头。二者的采用,基本上可以克服上面因素对硬币成像的影响。当然,不排除有其他技术手段可以获得较好质量的硬币图像。
对于采集到的硬币图像,首先要进行预处理,以提高图像质量。根据成像效果,以及期望的图像质量,可以对图像进行均值滤波,中值滤波,图像增强等处理。
在对图像进行预处理后,需要定位出图像中硬币所在区域。本发明基于二值图像来定位硬币所在区域。根据采集到的图像内容,自适应地确定图像的二值化分割阈值。根据该阈值分割图像,大于该阈值的图像区域判断为硬币,小于该阈值的图像区域判别为背景,从而获得包含硬币的前景区域和相对应的背景区域。二值化后的图像不可避免地会包含噪声。本发明采用数学形态学滤波方法对二值图像进行滤波,从而滤出颗粒噪声,只保留硬币所在的封闭的圆形区域。也可以采用其他方法来确定硬币所在区域。
针对获取的圆形的硬币区域,计算其圆心和半径,可以采用如下计算步骤:
步骤一:首先从左到右进行列扫描,对于每一列,从上到下进行扫描,将第一个出现的硬币前景点作为硬币的起始边缘点,将最后一个出现的硬币前景点作为硬币的终止边缘点;
步骤二:如果没有硬币前景点,起始边缘点和终止边缘点记为0。取起始边缘点和终止边缘点的平均值作为该列的硬币圆形区域的纵坐标;
步骤三:对于所有的纵坐标,记为纵坐标数组。对于纵坐标数组,从第一个非0坐标位置开始,到最后一个非0坐标位置结束。二者位置差的一半作为硬币圆形区域横轴方向的半径。对于所有非0坐标,从大到小进行排序,取其中值作为硬币圆形区域纵轴方向的圆心坐标位置;
步骤四:然后从上到下进行行扫描。对于每一行,从左到右进行扫描,将第一个出现的硬币前景点作为硬币的起始边缘点,将最后一个出现的硬币前景点作为硬币的终止边缘点;
步骤五:如果没有硬币前景点,起始边缘点和终止边缘点记为0。取起始边缘点和终止边缘点的平均值作为该行的硬币圆形区域的横坐标;
步骤六:对于所有的横坐标,记为横坐标数组。对于横坐标数组,从第一个非0坐标位置开始,到最后一个非0坐标位置结束。二者位置差的一半作为硬币圆形区域纵轴方向的半径。对于所有非0坐标,从大到小进行排序,取其中值作为硬币圆形区域横轴方向的圆心坐标位置;
步骤七:最后,取硬币圆形区域横轴方向的半径和纵轴方向的半径的平均值,作为硬币圆形区域的半径。
硬币圆形区域的圆心坐标位置和半径,也可以采用其他方法进行求取。
在获取硬币所在圆形区域后,通过极坐标变换将硬币所在圆形区域转换成矩形区域。矩形区域的长设为360,对应于圆周方向的360度。矩形区域的宽设为硬币半径。则对应于矩形区域中的某一点(θ,r),其灰度值为:
f(θ,r)=I(xo+rcosθ,yo+rsinθ)
其中,f为极坐标变换后矩形区域图像的灰度值,I为极坐标变换前硬币圆形区域图像的灰度值,(xo,yo)为硬币圆形区域圆心坐标。
通过上述变换后,硬币圆形区域变换为矩形区域,硬币的旋转变化转换为矩形的平移变化。
硬币成像时,由于各种因素的影响,可能会使检测到的硬币半径不一致,其会对硬币污损判别产生影响。这里需要对其进行标准化处理。由于后续处理为傅里叶变换,图像大小如果为2的整数次幂,傅里叶变换可以使用快速算法。同时考虑到图像分辨率对硬币污损判别的影响,这里将(360,R)大小的图像标准化为(512,512)大小。图像标准化有各种算法,这里采用双线性插值算法。
设(r,c)为标准化后图像中的某一点,根据图像的映射关系,其对应于原矩形区域的位置为(x,y),其可以通过下式计算得到:
设fx为小于x的最大整数,cx为大于x的最小整数,fy为小于y的最大整数,cy为大于y的最小整数。
设中间变量mfy,其通过下式计算得到。
mfy=(f(cx,fy)-f(fx,fy))·(x-fx)+f(fx,fy)
设中间变量mcy,其通过下式计算得到。
mcy=(f(cx,cy)-f(fx,cy))·(x-fx)+f(fx,cy)
则标准化后图像S中的一点(r,c),其值可以通过下式计算得到。
S(r,c)=(mcy-mfy)·(y-fy)+mfy
图像在标准化过程中还可以采用其他方法。
标准化后的图像,横向体现硬币在旋转角度上的变化,纵向体现硬币在半径方向上的变化。为了提取角度不变特征,对标准化后的图像的每一行做傅里叶变换,并取模。计算如下。
对标准化后的图像进行行方向一维傅里叶变换,得到其频谱为
对傅里叶变换频谱取模,提取描述硬币的特征。
还可以在行方向傅里叶变换的基础上,进行纵方向傅里叶变换,然后再对其结果取模,提取描述硬币的特征。
对上述提取的特征可以进一步进行降维,以降低计算复杂度。
将待识别硬币图像的傅里叶变换特征和标准硬币图像的傅里叶变换特征进行比对,以判别待识别硬币是否为污损硬币。
当二者之间的相似度大于某个设定值时,判定待识别硬币为污损硬币,否则为正常硬币。
本发明对于采集到的包含待识别硬币的图像,首先进行图像分割,提取出包含待识别硬币的圆形图像区域;对于该区域,计算其圆心和半径;确定好圆心和半径后,对其进行极坐标变换,将圆形区域变换为矩形区域;对矩形区域进行标准化处理,使其变为标准大小。对标准化后的图像进行二维傅里叶变换,并取绝对值,以此作为描述硬币图像的特征。在判别时,将待识别硬币图像的特征和标准图像的特征进行比对,来判别硬币是否是污损硬币
待识别硬币图像和标准硬币图像之间的相似性度量不局限于上诉方法。可以采用其他方式来度量二者之间的相似性,比如绝对值距离等。
综上所述,本发明提出的基于图像处理技术的污损硬币识别方法,首先将硬币的圆形区域转换为矩形区域,从而使硬币的旋转变换转换成平移变化。利用傅里叶变换的平移不变性质,提取图像的傅里叶变换结果作为描述图像的特征,从而获得旋转不变特征。使提取的特征只和硬币表面的污损程度有关,而和硬币的旋转角度无关,以便用于可靠的污损硬币识别,本发明通过极坐标变换技术,将硬币的旋转变化转换成平移变化。通过傅里叶变换技术,提取图像的不随平移变化的特征。综合上面技术提取出图像的不随旋转变化的特征,从而克服待识别硬币和标准硬币需要准确对齐的问题。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种基于图像处理技术的污损硬币识别方法,其特征在于:具体步骤如下:
步骤一:图像采集与图像预处理,利用工业相机,采集待识别硬币的图像,对采集到的图像进行滤波处理;
步骤二:图像的二值化,根据采集到的图像内容,自适应地确定图像二值化分割阈值,根据该阈值,分割图像,从而获得包含硬币的前景区域和相对应的背景区域;
步骤三:数学特征提取,对二值化图像进行数学形态学滤波处理,以滤出颗粒噪声,对二值化图像进行统计特征提取,确定前景硬币区域的圆心和半径;
步骤四:对图像进行极坐标变换,根据计算出硬币区域的圆心和半径,提取硬币图像区域,根据硬币区域的圆心和半径,进行极坐标变换,将圆形的硬币图像区域转换成矩形的图像区域;
步骤五:图像标准化,在进行极坐标变换后,圆形的硬币图像区域转换成矩形图像区域,由于成像原因,计算出的硬币区域半径可能不相等,为了保证提取特征的维度一致,将图像进行标准化,将硬币图像矩形标准化为规定大小;
步骤六:傅里叶变换,对矩形图像在弧线方向进行傅里叶变换,并取绝对值,根据傅里叶变换性质,傅里叶变换结果的绝对值对矩形图像具有位移不变性;
步骤七:特征比对,将提取的待识别硬币图像的特征和标准的硬币图像特征进行比对,如果二者的差值较大,则判定该硬币为污损硬币;如果二者差值较小,则判定该硬币为合格硬币。
2.根据权利要求1所述的一种基于图像处理技术的污损硬币识别方法,其特征在于:步骤一中的滤波包括均值滤波和中值滤波。
3.根据权利要求1所述的一种基于图像处理技术的污损硬币识别方法,其特征在于:步骤一中对于硬币图像的获取,采用普通的可见光黑白相机或者采用普通的可见光彩色相机,或者采用其他光谱的相机,当采用彩色相机时,需要将彩色的硬币图像通过灰度变换转换为灰度图像,变换公式为:
Gray=0.29R+0.50G+0.11B。
4.根据权利要求1所述的一种基于图像处理技术的污损硬币识别方法,其特征在于:步骤六中变换结果对硬币图像具有旋转不变性,以此作为描述硬币图像的特征,在此基础上,可以进一步在半径方向进行傅里叶变换,提取描述硬币的特征。
5.根据权利要求3所述的一种基于图像处理技术的污损硬币识别方法,其特征在于:灰度变换还可以采用其他变换方法。
6.根据权利要求1所述的一种基于图像处理技术的污损硬币识别方法,其特征在于:对于步骤四中获取的圆形的硬币区域,硬币区域的圆心和半径的计算可以采用如下步骤:
步骤一:首先从左到右进行列扫描,对于每一列,从上到下进行扫描,将第一个出现的硬币前景点作为硬币的起始边缘点,将最后一个出现的硬币前景点作为硬币的终止边缘点;
步骤二:如果没有硬币前景点,起始边缘点和终止边缘点记为0,取起始边缘点和终止边缘点的平均值作为该列的硬币圆形区域的纵坐标;
步骤三:对于所有的纵坐标,记为纵坐标数组,对于纵坐标数组,从第一个非0坐标位置开始,到最后一个非0坐标位置结束,二者位置差的一半作为硬币圆形区域横轴方向的半径,对于所有非0坐标,从大到小进行排序,取其中值作为硬币圆形区域纵轴方向的圆心坐标位置;
步骤四:然后从上到下进行行扫描,对于每一行,从左到右进行扫描,将第一个出现的硬币前景点作为硬币的起始边缘点,将最后一个出现的硬币前景点作为硬币的终止边缘点;
步骤五:如果没有硬币前景点,起始边缘点和终止边缘点记为0,取起始边缘点和终止边缘点的平均值作为该行的硬币圆形区域的横坐标;
步骤六:对于所有的横坐标,记为横坐标数组,对于横坐标数组,从第一个非0坐标位置开始,到最后一个非0坐标位置结束,二者位置差的一半作为硬币圆形区域纵轴方向的半径,对于所有非0坐标,从大到小进行排序,取其中值作为硬币圆形区域横轴方向的圆心坐标位置;
步骤七:最后,取硬币圆形区域横轴方向的半径和纵轴方向的半径的平均值,作为硬币圆形区域的半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810648843.0A CN108921831B (zh) | 2018-06-22 | 2018-06-22 | 一种基于图像处理技术的污损硬币识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810648843.0A CN108921831B (zh) | 2018-06-22 | 2018-06-22 | 一种基于图像处理技术的污损硬币识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108921831A CN108921831A (zh) | 2018-11-30 |
CN108921831B true CN108921831B (zh) | 2021-05-25 |
Family
ID=64421377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810648843.0A Active CN108921831B (zh) | 2018-06-22 | 2018-06-22 | 一种基于图像处理技术的污损硬币识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921831B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109830031A (zh) * | 2019-01-21 | 2019-05-31 | 陕西科技大学 | 一种基于OpenCV的硬币识别方法 |
CN110059719B (zh) * | 2019-03-18 | 2022-08-09 | 西北工业大学 | 一种基于沃尔什变换的图像矩的目标识别方法 |
CN110415425B (zh) * | 2019-07-16 | 2021-09-10 | 广州广电运通金融电子股份有限公司 | 基于图像的硬币检测及识别方法、系统及存储介质 |
CN110791942B (zh) * | 2019-11-13 | 2021-06-25 | 东华大学 | 在图像分析系统中对浅色衣物脏污程度的评估方法 |
CN113470034A (zh) * | 2021-06-10 | 2021-10-01 | 六盘水市农业科学研究院 | 一种自动测量离体植物软腐病斑面积的装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0927056A (ja) * | 1995-07-10 | 1997-01-28 | Oki Electric Ind Co Ltd | 画像識別方法および画像識別装置 |
CN103149215A (zh) * | 2013-02-27 | 2013-06-12 | 中国计量学院 | 一种钢化玻璃绝缘子缺陷检测方法与装置 |
CN103635941A (zh) * | 2011-04-29 | 2014-03-12 | 加拿大皇家铸币厂 | 用于硬币或其他制成品的鉴定的方法和设备 |
CN103646239A (zh) * | 2013-12-25 | 2014-03-19 | 武汉大学 | 基于极坐标傅里叶变换的旋转不变性图像特征提取方法 |
-
2018
- 2018-06-22 CN CN201810648843.0A patent/CN108921831B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0927056A (ja) * | 1995-07-10 | 1997-01-28 | Oki Electric Ind Co Ltd | 画像識別方法および画像識別装置 |
CN103635941A (zh) * | 2011-04-29 | 2014-03-12 | 加拿大皇家铸币厂 | 用于硬币或其他制成品的鉴定的方法和设备 |
CN103149215A (zh) * | 2013-02-27 | 2013-06-12 | 中国计量学院 | 一种钢化玻璃绝缘子缺陷检测方法与装置 |
CN103646239A (zh) * | 2013-12-25 | 2014-03-19 | 武汉大学 | 基于极坐标傅里叶变换的旋转不变性图像特征提取方法 |
Non-Patent Citations (1)
Title |
---|
傅里叶-梅林变换(FMT)在畸变-不变图像识别中的应用;吕占伟 等;《应用光学》;20090930;第30卷(第5期);第783-786页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108921831A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921831B (zh) | 一种基于图像处理技术的污损硬币识别方法 | |
CN111046703B (zh) | 人脸防伪检测方法、装置及多目相机 | |
CN105447512B (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
WO2018018788A1 (zh) | 一种基于图像识别的计量表抄表装置及其方法 | |
WO2017197884A1 (zh) | 一种纸币管理方法及其系统 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
CN107563377A (zh) | 一种利用边缘和文字区域的证件关键区域检测定位方法 | |
CN110569857B (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
CN112233116B (zh) | 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法 | |
CN115063430B (zh) | 基于图像处理的电气管道裂纹检测方法 | |
US20130121607A1 (en) | Elegant Solutions for Fingerprint Image Enhancement | |
Alshayeji et al. | Detection method for counterfeit currency based on bit-plane slicing technique | |
CN106920318B (zh) | 一种纸币的鉴别方法及装置 | |
CN107195069A (zh) | 一种人民币冠字号自动识别方法 | |
CN114332026A (zh) | 一种铭牌表面划痕缺陷的视觉检测方法及装置 | |
WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN103886309A (zh) | 人像识别鉴别美元面额的方法 | |
CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
CN109308436B (zh) | 一种基于主动红外视频的活体人脸识别方法 | |
CN107134048A (zh) | 一种智能识别水印特征的票据防伪鉴别方法 | |
CN117689655A (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
Rajan et al. | An extensive study on currency recognition system using image processing | |
CN111462392A (zh) | 基于多光谱图像相似性算法进行纸币鉴别的方法和装置 | |
CN116596899A (zh) | 基于荧光图像识别循环肿瘤细胞方法、装置、终端及介质 | |
CN114266719B (zh) | 一种基于霍夫变换的产品检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |