CN112329673B - 防伪纤维辨识方法、防伪识别方法、装置和存储介质 - Google Patents
防伪纤维辨识方法、防伪识别方法、装置和存储介质 Download PDFInfo
- Publication number
- CN112329673B CN112329673B CN202011257902.5A CN202011257902A CN112329673B CN 112329673 B CN112329673 B CN 112329673B CN 202011257902 A CN202011257902 A CN 202011257902A CN 112329673 B CN112329673 B CN 112329673B
- Authority
- CN
- China
- Prior art keywords
- image
- rectangle
- preset
- counterfeiting
- pixel
- 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
- 239000000835 fiber Substances 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000007781 pre-processing Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims description 48
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 4
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000005284 excitation Effects 0.000 description 18
- 230000003287 optical effect Effects 0.000 description 8
- 239000003086 colorant Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- 238000002203 pretreatment Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/80—Recognising image objects characterised by unique random patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/95—Pattern authentication; Markers therefor; Forgery detection
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及防伪技术,尤其涉及防伪纤维防伪技术,更具体地涉及一种防伪纤维辨识方法、基于防伪纤维的防伪识别方法、防伪纤维识别装置和计算机存储介质。防伪纤维辨识方法包括以下步骤:获取待识别对象的待处理图像;对待处理图像进行预处理得到预处理图像;判断预处理图像中是否存在符合预定条件的判定矩形;当中存在判定矩形时,确定待识别对象中判定矩形对应的区域内存在防伪纤维。基于防伪纤维的防伪识别方法,包括应用防伪纤维辨识方法确定是否存在防伪纤维。本发明的防伪纤维辨识方法、防伪识别方法、装置和存储介质,通过对疑似防伪纤维对应的外接矩形的判断,实现快速地辨识出待识别对象上防伪纤维的位置,减少辨识防伪纤维的工作量。
Description
技术领域
本发明涉及防伪技术,尤其涉及防伪纤维防伪技术,更具体地涉及一种防伪纤维辨识方法、基于防伪纤维的防伪识别方法、防伪纤维识别装置和计算机存储介质。
背景技术
防伪纤维作为一种最基本的防伪材料,在世界各国所有的纸币、护照、邮票、发票以及各类防伪纸中被广泛使用。作为防伪材料的纤维具有一定的外形特征和光学特性。在外形特征方面,防伪纤维的长度一般在1至10毫米,直径在20至100微米。在光学特性方面,不同类型的防伪纤维具有不同的光学特性,比如,有色防伪纤维,又称可见防伪纤维,其在自然光下可见,通常为红色、蓝色、绿色等;再比如,荧光防伪纤维,又称不可见防伪纤维或隐形防伪纤维,其在紫外光源或红外光源等激发光源照射下发出各色荧光。在使用中根据客户的不同需求,将特定颜色的有色防伪纤维和/或发出特定颜色荧光的荧光防伪纤维添加到防伪纸张中,使纸张在自然光或激发光源的照射下呈现出特定效果色光和/或荧光反射。防伪鉴别者则通过辨识该防伪纸中是否有防伪纤维,或者,是否有特定色光和/或荧光反射的防伪纤维来判断该防伪纸是否为真,进而实现判断或辅助判断该待鉴别材料的真伪。
目前,对于有色防伪纤维,人们大多是通过观察防伪纸在自然光状态下是否存在带颜色的线条来确定防伪纸中是否有有色防伪纤维;对于荧光防伪纤维,人们大多是通过观察防伪纸在激发光源照射下是否存在带荧光反射的线条来确定防伪纸中是否有荧光防伪纤维。
发明内容
在防伪纤维的辨识上,由于人眼观察费时费力,而且误差较高,精确度极低,很容易导致真伪混淆。
为了解决上述技术问题,本申请旨在提出一种防伪纤维辨识方法、基于防伪纤维的防伪识别方法、防伪纤维识别装置和计算机存储介质,通过对疑似防伪纤维对应的外接矩形的判断,实现快速地辨识出待识别对象上防伪纤维的位置,并保证辨识出的防伪纤维的准确度,减少辨识防伪纤维的工作量,有效地节省为判断待识别对象的真假而耗费的人力物力。
本发明的技术方案如下:
本发明的一个方面,提供了一种防伪纤维辨识方法,该方法包括以下步骤:
获取待识别对象的待处理图像;
对所述待处理图像进行预处理得到预处理图像;
判断所述预处理图像中是否存在符合预定条件的判定矩形;
当所述预处理图像中存在所述判定矩形时,确定所述待识别对象中所述判定矩形对应的区域内存在防伪纤维。
本发明的另一方面,提供了一种基于防伪纤维的防伪识别方法,包括应用如上所述的防伪纤维辨识方法确定待识别对象中是否存在防伪纤维。
本发明的另一方面还提供一种防伪纤维识别装置,该装置包括处理器和存储器,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现如前所述方法的步骤。
本发明的又一方面,还提供一种计算机存储介质,其上存储有计算机程序,在该计算机程序被处理器执行时实现如前所述的方法步骤。
本发明采用根据待识别对象获取预处理图像,再判断预处理图像中疑似防伪区域对应的最小外接矩形的形状和参考因子的像素个数比是否符合防伪纤维条件的方法,来判断待识别对象中哪些位置存在防伪纤维;实现了机械查找疑似防伪纤维和判断疑似防伪纤维是否为防伪纤维,还能够确保判断出的区域均存在防伪纤维,有效减少了辨识防伪纤维所需要的工作量,实现了大大节省为判断待识别对象的真伪而耗费的人力物力。
本领域技术人员将会理解的是,能够用本发明实现的目的和优点不限于以上具体所述,并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1示出了本发明的防伪纤维辨识方法的示例性流程图。
图2示出了本发明的防伪纤维辨识方法的一个实施例的示例性流程图。
图3示出了本发明的防伪纤维辨识方法的另一个实施例的示例性流程图。
图4示出了本发明的防伪纤维辨识方法的再一个实施例的示例性流程图。
图5示出了在紫外激发光照射下拍摄的中国护照的荧光反应图像示例。
图6示出了带有有色防伪纤维的待识别对象的待处理图像示例。
图7示出了带有有色防伪纤维的V通道图像示例。
附图标记:21-荧光防伪纤维;22-荧光水印;31-有色防伪纤维。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在此,还需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合。
图1至图4是本申请的防伪纤维辨识方法的示例性流程图。该防伪纤维辨识方法的基本思想在于,获取防伪纤维的颜色与背景颜色不同的预处理图像,通过判断预处理图像中,疑似防伪区域的最小外接矩形的形状和参考因子的像素个数比是否符合对应的防伪纤维条件,来确定该最小外接矩形对应的疑似防伪区域是否为防伪纤维,进而确定待识别对象中该最小外接矩形对应的区域是否存在防伪纤维。无论防伪纤维为荧光防伪纤维还是有色防伪纤维,均能够通过此方法来确定待识别对象中防伪纤维的位置。本发明利用防伪纤维的形状特征自动判断防伪纤维的位置,既保证了判断结果的准确性,又节省了判断时间,有效减少了辨识防伪纤维所需要的工作量,实现了大大节省为判断待识别对象的真伪而耗费的人力物力。
图1所示为本发明的防伪纤维辨识方法的示例性流程图,如图1所示,该方法包括以下步骤:
步骤S1:获取待识别对象的待处理图像;
步骤S2:对所述待处理图像进行预处理得到预处理图像;
步骤S3:判断所述预处理图像中是否存在符合预定条件的判定矩形;
步骤S4:当所述预处理图像中存在所述判定矩形时,确定所述待识别对象中所述判定矩形对应的区域内存在防伪纤维。
本发明在获取到防伪纤维颜色与背景颜色不同的待处理图像的基础上,对所述待处理图像进行处理,得到防伪纤维的形状清晰的预处理图像,通过判断图像中各疑似防伪纤维对应的最小外接矩形是否符合预定条件(防伪纤维条件),判定所述预处理图像中是否存在防伪纤维。该方法利用防伪纤维的外形及其对应的最小外接矩形的特征,判断疑似防伪纤维是否为防伪纤维,具有判断结果准确且迅速的特点,实现了快速确定待识别对象中防伪纤维的位置。
为获取到防伪纤维颜色与背景颜色不同的待处理图像,需要根据防伪纤维的光学特性,选择获取待处理图像时的光照条件,并得到对应的待识别图像。因此:
所述防伪纤维包括荧光防伪纤维和有色防伪纤维;
当所述防伪纤维为荧光防伪纤维时,所述待处理图像为荧光反应图像(参见图5所示);
当所述防伪纤维为有色防伪纤维时,所述待处理图像为白光图像。
上述步骤S1:获取待识别对象的待处理图像,具体为:
当待识别对象中可能存在荧光防伪纤维时,获取对应的激发光源照射状态下的荧光反应图像,作为所述待处理图像;当待识别对象中可能存在有色防伪纤维时,获取自然光或白光照射状态下的白光图像,作为所述待处理图像;当待识别对象中可能同时存在荧光防伪纤维和有色防伪纤维时,则需要分别获取对应的激发光源照射状态下的荧光反应图像、和自然光或白光照射状态下的白光图像,此时,对荧光反应图像和白光图像需要分别判断待识别对象中荧光防伪纤维的位置和有色防伪纤维的位置。
由于防伪纤维的外形特征不因防伪纤维的光学特性而改变,所以,不论防伪纤维为有色防伪纤维还是荧光防伪纤维,均可以采用本发明提供的防伪纤维辨识方法确定待识别对象中防伪纤维的位置。下面以待识别对象中仅具有荧光防伪纤维为例,对如何采用上述方法判断待识别对象中荧光防伪纤维的位置进行示例性说明。
为加深图像中特定颜色的区域与背景之间的区别、或使图像中特定颜色的区域更清晰,可以采用多种手段对图像进行处理,而不同处理手段得到的图像中该特定颜色的区域表现出的样式多是不同的。本申请中为得到防伪纤维的形状清晰的预处理图像,可以选取的预处理方法至少有两套,这两套预处理方法得到的预处理图像中防伪纤维对应的区域表现出的样式不同。对于防伪纤维所对应的区域样式不同的预处理图像,采取的判断是否存在所述判定矩形的方法也不相同,因此,基于上述两套预处理方法,本发明可以采取下述三种方法中的任一种方法,实现对所述待处理图像进行预处理处理,并基于进行的预处理方法采取对应的判断方法来判断是否存在所述判定矩形。
如图2所示,为本发明的防伪纤维识别方法的一个实施例的示意性流程图;在该实施例中,上述步骤S2至步骤S4,对所述待处理图像进行预处理得到预处理图像,判断所述预处理图像中是否存在符合预定条件的判定矩形,当所述预处理图像中存在所述判定矩形时,确定所述待识别对象中所述判定矩形对应的区域内存在防伪纤维,具体包括:
步骤S120:对所述待处理图像进行第一预处理得到第一预处理图像;
步骤S130:提取所述第一预处理图像中各疑似防伪区域的最小外接矩形,作为第一矩形;
步骤S131:判断各所述第一矩形中是否存在符合预设第一条件的第一判定矩形;
步骤S140:当各所述第一矩形中存在符合预设第一条件的第一判定矩形时,确定所述待识别对象中所述第一判定矩形对应的区域内存在防伪纤维。
如上所述为对所述待处理图像进行第一预处理,并基于该第一预处理判断得到的图像中是否存在所述第一判定矩形,当然也可以采取下述方法对所述待处理图像进行处理,并基于对应的预处理方法,判断得到的图像中是否存在所述判定矩形。
如图3所示,为本发明的防伪纤维识别方法的另一个实施例的示意性流程图;在该实施例中,上述步骤S2至步骤S4,对所述待处理图像进行预处理得到预处理图像,判断所述预处理图像中是否存在符合预定条件的判定矩形,当所述预处理图像中存在所述判定矩形时,确定所述待识别对象中所述判定矩形对应的区域内存在防伪纤维,具体包括:
步骤S220:对所述待处理图像进行第二预处理得到第二预处理图像;该所述第二预处理与所述第一预处理不同;
步骤S230:提取所述第二预处理图像中各疑似防伪区域的最小外接矩形,作为第二矩形;
步骤S231:判断各所述第二矩形中是否存在符合预设第二条件的第二判定矩形;
步骤S240:当各所述第二矩形中存在符合预设第二条件的第二判定矩形时,确定所述待识别对象中所述第二判定矩形对应的区域内存在防伪纤维。
如上所述为对所述待处理图像进行第二预处理,并基于该第二预处理判断得到的图像中是否存在所述第二判定矩形,当然也可以采取上述两种预处理方法对所述待处理图像进行处理,并基于对应的预处理方法,判断得到的图像中是否存在所述判定矩形。
如图4所示,为本发明的防伪纤维识别方法的再一个实施例的示意性流程图;在该实施例中上述步骤S2至步骤S4,对所述待处理图像进行预处理得到预处理图像,判断所述预处理图像中是否存在符合预定条件的判定矩形,当所述预处理图像中存在所述判定矩形时,确定所述待识别对象中所述判定矩形对应的区域内存在防伪纤维,具体包括:
步骤S320:对所述待处理图像分别进行所述第一预处理和所述第二预处理得到所述第一预处理图像和所述第二预处理图像;
步骤S330:分别提取所述第一预处理图像和所述第二预处理图像中各疑似防伪区域的最小外接矩形,作为所述第一矩形和所述第二矩形;
步骤S331当各所述第一矩形中存在符合所述预设第一条件的所述第一判定矩形,并且各所述第二矩形中存在符合所述预设第二条件的所述第二判定矩形时,获取所述待识别对象中所述第一判定矩形所对应的区域以及所述第二判定矩形所对应的区域之间的重叠区域,作为第三矩形;
步骤S332:判断所述第三矩形的面积是否符合预设面积阈值;
步骤S340:当所述第三矩形中存在符合预设面积阈值的第三判定矩形时,确定所述待识别对象中所述第三判定矩形对应的区域内存在防伪纤维。
本发明利用大多数防伪纤维的最小外接矩形都具有的共同特征,通过判断各个连通域的最小外接矩形是否符合该共同特征,来确定所述待识别对象中该最小外接矩形对应的区域内是否存在防伪纤维。有效解决了,因为防伪纤维在待识别对象中的形状不确定、以及防伪纤维较细不容易被发现,而导致的无法实现机械查找出待识别对象中防伪纤维的问题,本发明还具有辨识出的判定矩形在待识别对象中的对应区域内一定存在防伪纤维的优点,即确保了辨识出的防伪纤维的准确性。
本发明中通过上述步骤S120至步骤S140、步骤S220至步骤S240、和步骤S320至步骤S340提供的三种方法均可以判断出待识别对象中是否存在防伪纤维。通过上述步骤S120至步骤S130、和步骤S220至步骤S230提取的第一矩形和第二矩形中均存在防伪纤维对应的最小外接矩形,也存在并非防伪纤维对应的最小外接矩形,为了获得防伪纤维对应的最小外接矩形,则需要对应采取步骤S131至步骤S140、和步骤S231至步骤S240,以去掉其中非防伪纤维对应的最小外接矩形,从而确定所述待识别对象中各所述第一矩形和各所述第二矩形对应的区域内是否存在防伪纤维。在前述两种方法中,判定的条件与采取的预处理方法相适应,预处理方法不同,判定的条件也不同,有效保证了确定出的存在防伪纤维的区域的准确性。
为了提高了确定出的防伪纤维区域的可信度,也可以采取第三种方法判断最小外接矩形是否为防伪纤维对应的最小外接矩形,即上述步骤S320至步骤S340公开的方法,具体为:将所述步骤S120至步骤S131、和步骤S220至步骤S232相结合,取所述第一判定矩形和所述第二判定矩形的交集,得第三矩形,判断第三矩形的面积是否足够大,只有面积足够大的第三矩形才被判定为防伪纤维对应的矩形。该第三种方法相当于对第三矩形即分别进行了前述两种方法的判断,又进行了重合面积的判断,有效提高了判断出的第三判定矩形的可信度。同时,该第三种方法消除了因为防伪纤维本身对其相邻像素点亮度的影响,而产生的对防伪纤维区域大小的判断结果的误差,尤其是对于荧光防伪纤维,本方法有效减小了被荧光防伪纤维照亮的该荧光防伪纤维的周边区域,提高了确定出的防伪纤维区域的精确度。
本发明中所述最小外接矩形是指以二维坐标表示的所述预处理图像中该连通域的最大范围,即该连通域各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界的矩形;该连通域的最大横坐标所在的顶点、最小横坐标所在的顶点、最大纵坐标所在的顶点和最小纵坐标所在的顶点均在该矩形的边上。所述预设面积阈值为25至1200像素点。
本实施例中采取下述方法对所述待处理图像进行处理,以增大所述待处理图像中疑似防伪区域与背景间的区别,上述步骤S120,对所述待处理图像进行第一预处理得到第一预处理图像,具体包括:
步骤S1201:提取所述待处理图像的V通道图像;
步骤S1202:对所述V通道图像进行二值化处理,得到第一二值化图像;或者,
对所述V通道图像进行二值化处理和反色处理,得到第二二值化图像;或者,
对所述V通道图像进行空心化处理,得到第三二值化图像。
上述步骤S1201中的V通道图像是指HSV(Hue,Saturation,Value)通道中的表示亮度(Value)的通道,即表示像素明暗程度的通道。
提取所述待处理图像的V通道图像,再对V通道图像进行步骤S1202中的一种处理,可以得到疑似防伪区域与背景间的区别较大的二值化图像,下面以带有中国护照为待识别对象,对得到的所述第一预处理图像的特点进行简要说明。中国护照中有荧光防伪纤维、会被激发光源照亮的荧光水印、以及字符,在紫外激发光照射下拍摄的中国护照的荧光反应图像如图5所示,其中21为荧光防伪纤维,23为被激发光源照亮的荧光水印。对该荧光反应图像进行V通道提取,得到的所述V通道图像中荧光防伪纤维和荧光水印等被激发光源照亮的区域呈白色或接近白色,字符和背景为深灰或黑色;在对所述V通道图像进行二值化处理,得到的所述第一二值化图像中,荧光防伪纤维和荧光水印和等被激发光源照亮的区域为实心的白色,字符和背景对应的区域均为黑色;在对所述V通道图像进行二值化处理和反色处理,得到的所述第二二值化图像中,荧光防伪纤维和荧光水印等被激发光源照亮的区域为实心的黑色,字符和背景对应的区域均为白色;在对所述V通道图像进行空心化处理,得到的所述第三二值化图像中,荧光防伪纤维和荧光水印等被激发光源照亮的区域为白边黑心,字符和背景对应的区域均为黑色。
通过上述说明可以看出,对于所述第一二值化图像、所述第二二值化图像和所述第三二值化图像,荧光防伪纤维和荧光水印等被激发光源照亮的区域与背景之间均具有较大的区别,且字符和背景的颜色已经一致。因此,通过上述预处理有效地加大了防伪纤维与背景间的区别,也消除了字符等深色区域可能对判断图像中荧光防伪纤维区域产生的干扰,这为准确判断待识别对象中防伪纤维对应的区域提供了可靠的图像基础。
由于激发光源中通常会含有少量其他波长的干扰光,例如白光,这就导致获取到的待处理图像中会有被干扰光照的微微发亮的区域,这部分微微发亮的区域会干扰对防伪区域的判断,为了降低该微微发亮区域的影响,本发明采用在上述步骤S1201,提取所述待处理图像的V通道图像之后,还包括:
步骤S1203:通过将V通道图像中灰度值小于预设灰度值的像素点的灰度值设置为0,得到V通道处理图像;
对所述V通道图像进行二值化处理,得到第一二值化图像;或者,对所述V通道图像进行二值化处理和反色处理,得到第二二值化图像;或者,对所述V通道图像进行空心化处理,得到第三二值化图像,具体为:
对所述V通道处理图像进行二值化处理,得到第四二值化图像;或者,
对所述V通道处理图像进行二值化处理和反色处理,得到第五二值化图像;或者,
对所述V通道处理图像进行空心化处理,得到第六二值化图像。
由于从图像中提取V通道图像的过程、对图像进行反色处理、、空心化处理和二值化处理均为现有技术,此次不再过多赘述。
经过上述处理得到的所述V通道处理图像中,将微微发亮的区域的灰度值设置为0,再对该所述V通道处理图像进行对应的处理,得到的所述第四二值化图像与所述第一二值图像的样式相同,所述第五二值化图像与所述第二二值图像的样式相同,所述第六二值化图像与所述第三二值图像的样式相同,且所述第四二值化图像、所述第五二值化图像和所述第六二值化图像均中没有微微发亮的区域影响荧光防伪纤维。该步骤S1203消除了干扰光对准确判断防伪纤维对应的区域的影响,提高了防伪纤维在图像中的辨识度,进一步提高了判断出的待识别对象中防伪纤维对应的区域的可信度。
本发明中所述预设灰度值为50至80。激发光源中含有的干扰光越多,照亮的微微发亮的区域的亮度越高,灰度值越大,可以以待识别对象在该激发光源照射状态下被照亮的非荧光防伪纤维区域的灰度值的最大值为所述预设灰度值。当激发光源确定的情况下,对各类待识别对象的非荧光防伪纤维区域明度的影响是一定的,本领域技术人员可以通过测试得到各类待识别对象对应的预设灰度值。本实施例中选择所述预设灰度值为60。
当对所述待处理图像进行上述第一预处理时,对应的,上述步骤S131,判断各所述第一矩形中是否存在符合预设第一条件的第一判定矩形,具体包括:
判断所述第一矩形的尺寸是否符合第一预设尺寸,以及,所述第一矩形的参考因子的像素个数比是否符合预设第一像素比阈值、和/或所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值;
其中,跨对角线为连接所述最小外接矩形相对的两条边的直线段。
本实施例中,上述判断所述第一矩形的参考因子的像素个数比是否符合预设第一像素比阈值、和/或所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值,具体可以选择下述判断步骤S1311至步骤S1313中的任一种:
步骤S1311:判断所述第一矩形的参考因子的像素个数比是否符合预设第一像素比阈值;
步骤S1312:判断所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值;
步骤S1313:判断所述第一矩形的参考因子的像素个数比是否符合预设第一像素比阈值、和所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值。
通过尺寸以及防伪纤维的特定区域的像素点个数与对应的最小外接矩形的特定区域像素点个数间的比(参考因子的像素个数比)、和/或跨对角线的像素跳变次数,对各所述第一矩形进行筛选,筛选出尺寸和形状均符合防伪纤维对应的最小外接矩形条件的第一矩形作为所述第一判定矩形。该多方面判断的方法具有判断结果可信度高的优点,确保了辨识出的第一判定矩形均为防伪纤维对应的最小外接矩形。
根据防伪纤维的外形特征和多数防伪纤维在待识别对象中的形状,本发明选择,所述第一预设尺寸具体包括:对角线为8至115个像素点,以及宽度和长度均大于5个像素点。该第一预设尺寸仅为现在防伪领域常用的防伪纤维的样式,当防伪纤维的尺寸变大或变小,或者在待识别对象中以特性形状放置时,所述第一预设尺寸应当对应作出调整,此次不再过多赘述。
为了提高判断出的存在防伪纤维的最小外接矩形的准确度,对于上述步骤S120得到的各个所述第一预处理图像,判断所述第一预处理图像中防伪纤维的特定区域的像素点个数与该最小外接矩形的特定区域的像素点个数间的比时,可选择的参考因子是不同的,具体的为:
当所述第一预处理图像为所述第一二值化图像或者所述第四二值化图像时,所述第一矩形的参考因子的像素个数比为S黑/S全部、S黑/S白、S黑/S对角线和S对白/S对角线中的至少一种;
当所述第一预处理图像为所述第二二值化图像或者所述第五二值化图像时,所述第一矩形的参考因子的像素个数比为S黑/S全部、S黑/S白、S黑/S对角线和S对黑/S对角线中的至少一种;
当所述第一预处理图像为所述第三二值化图像或者所述第六二值化图像时,所述第一矩形的参考因子的像素个数比为S黑/S全部、S黑/S白和S/S对角线中的至少一种;
其中,S黑表示所述第一矩形中黑色像素点的个数,S全部表示所述第一矩形的全部像素点的个数,S白表示所述第一矩形中白色像素点的个数,S对角线表示所述第一矩形对角线上像素点的个数,S对黑表示所述第一矩形中黑色像素点的个数较多的对角线上黑色像素点的个数,S对白表示所述第一矩形中白色像素点的个数较多的对角线上白色像素点的个数。
可选择的参考因子是不同的,当然对应的各个参考因子的预设第一像素比阈值也不同。当所述第一预处理图像为所述第一二值化图像或者所述第四二值化图像时,S黑/S全部对应的预设第一像素比阈值为第一预设比例范围;S黑/S白对应的预设第一像素比阈值为第二预设比例范围;S黑/S对角线对应的预设第一像素比阈值为第三预设比例范围;S对白/S对角线对应的预设第一像素比阈值为第四预设比例范围。当所述第一预处理图像为所述第二二值化图像或者所述第五二值化图像时,S黑/S全部对应的预设第一像素比阈值为第五预设比例范围;S黑/S白对应的预设第一像素比阈值为第六预设比例范围;S黑/S对角线对应的预设第一像素比阈值为第七预设比例范围;S对黑/S对角线对应的预设第一像素比阈值为第八预设比例范围。当所述第一预处理图像为所述第三二值化图像或者所述第六二值化图像时,S黑/S全部对应的预设第一像素比阈值为第九预设比例范围;S黑/S白对应的预设第一像素比阈值为第十预设比例范围;S黑/S对角线对应的预设第一像素比阈值为第十一预设比例范围。
根据防伪纤维对应的最小外接矩形内椭圆形区域的面积、非椭圆形区域的面积和该最小外接矩形的面积之间均存在相应的比例关系,本领域技术人员可以确定所述第一预设比例范围、所述第五预设比例范围、所述第二预设比例范围和所述第六预设比例范围;根据椭圆形的面积与其长边之间的关系,可以确定所述第三预设比例范围和所述第七预设比例范围;根据椭圆形的长边近似为最小外接矩形的对角线,可以确定所述第四预设比例范围和所述第八预设比例范围;根据椭圆形的周长与其最小外接矩形之间的比例,可以确定所述第九预设比例范围;根据最小外接矩形内椭圆形的周长区域的面积与非椭圆形周长区域的面积的比例,可以确定所述第十预设比例范围;根据椭圆形的周长与其长边之间的关系,可以确定所述第十一预设比例范围。本实施例中选择所述第一预处理图像为所述第三二值化图像,所述参考因子的像素个数比为S白/S全部和S白/S对角线,对应的第九预设比例范围为0.2至0.4,第十一预设比例范围为2至3。
本发明利用防伪纤维在待识别对象中多呈细长的椭圆形或呈略有弯曲的细长的椭圆形的特点,利用椭圆形与其最小外接矩形间的特点,选取上述参考因子来判断疑似防伪区域是否为椭圆形。通过上述参考因子的像素个数比的特征确定的疑似防伪区域多呈细长的椭圆形,符合多数防伪纤维在待识别对象中的形状特征。
要判断防伪纤维对应的区域在待识别对象中是否为椭圆形或略有弯曲的椭圆形,可以采用判断跨对角线的像素跳变此次的方法。上述判断所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值,具体为:
当所述第一预处理图像为所述第一二值化图像、所述第二二值化图像、所述第四二值化图像和所述第五二值化图像的其中一种时,判断所述第一矩形的跨对角线的黑白像素跳变次数是否为1;
当所述第一预处理图像为所述第三二值化图像或者所述第六二值化图像时,判断所述第一矩形的跨对角线的黑白像素跳变次数是否为2。
其中,跨对角线的黑白像素跳变次数是指连续相同灰度的像素点被中断的次数,此次现有技术,此次不再过多赘述。
上述判断所述第一矩形的参考因子的像素个数比是否符合预设第一像素比阈值,和上述判断所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值的方法均能判断所述疑似防伪区域是否为椭圆形或略有弯曲的椭圆形。当然也可以采用该两张判断方法的结合,当所述第一矩形的参考因子的像素个数比是否符合预设第一像素比阈值,且跨对角线的像素跳变次数是否符合预设第一跳变阈值时,该第一矩形内的疑似防伪区域为椭圆形的可信度更高。
本发明也可以采取不同于上述第一预处理的第二预处理对所述待处理图像进行处理,以增大所述待处理图像中疑似防伪区域与背景间的区别。上述步骤S220,对所述待处理图像进行第二预处理得到第二预处理图像,具体包括:
步骤S2201:利用边缘检测算法对所述待处理图像进行边缘处理,并基于边缘处理后的图像得到所述待处理图像对应的第二预处理图像。
进一步地,上述利用边缘检测算法对所述待处理图像进行边缘处理,并基于边缘处理后的图像得到所述待处理图像对应的第二预处理图像,具体包括:
对所述待处理图像进行灰度化处理,并对灰度化处理后的图像进行所述边缘处理、或者所述边缘处理和反色处理,从而对应得到第七二值化图像或者第八二值化图像。
对经过边缘检测算法得到的所述第七二值化图像或所述第八二值化图像,各防伪纤维对应的区域均为空心的,且各个防伪纤维对应的区域与背景间的区别均较大。下面以带有荧光防伪纤维的中国护照为例,对得到的所述第二预处理图像的特点进行简要说明,当得到的所述第二预处理图像为所述第七二值化图像时,该第七二值化图像中,背景为黑的,防伪纤维、其他被激发光源照亮的区域和字对应的区域均为白边黑心;当得到的为所述第八二值化图像时,该第八二值化图像中,背景为白的,防伪纤维、其他被激发光源照亮的区域和字对应的区域均为黑边白心。
通过上述图像特征的描述,可知,边缘检测算法得到的所述第二预处理图像中防伪纤维区域、其他被激发光源照亮的区域以及字符对应的区域与背景间的区别较大。因此,通过上述第二预处理可以有效地加大防伪纤维与背景间的区别,为准确判断待识别对象中防伪纤维对应的区域提供了可靠的图像基础。
对待识别对象进行拍摄时,由于拍摄环境中光的干扰和拍摄时补充光源对图像边缘的干扰,会在待处理图像的边缘产生高亮像素点(即灰度值较大的点,通常为220以上),而高亮像素点的存在会影响对防伪纤维的判断,所以,在利用边缘检测算法对所述待处理图像进行边缘处理之前,还包括:
步骤S2202:提取所述待处理图像上距离边缘的距离符合预设宽度阈值的边缘区域;
步骤S2203:判断该边缘区域中亮暗指示值处于预设高亮像素点阈值的像素点的个数与该边缘区域的全部像素点的个数的比例是否符合预设高亮像素程度阈值;
步骤S2204:当符合预设高亮像素程度阈值时,从所述待处理图像上裁切掉该边缘区域,得到更新的待处理图像。
本实施例中,所述预设宽度阈值为2至200个像素点;所述亮暗指示值为灰度或亮度;所述预设高亮像素点阈值包括:灰度值为220至255,或者亮度值为220至255;所述预设高亮像素程度阈值为70%至100%。
经过边缘裁切处理得到的所述第二预处理图像消除了边缘的高亮像素点对边缘检测的干扰,进一步提高了判断出的防伪纤维对应的区域的准确性。本实施例中,裁切掉的各个边缘区域的宽度可以相同也可以不同,具体以该边缘区域中亮暗指示值处于预设高亮像素点阈值的像素点的个数与该边缘区域的全部像素点的个数的比例是否符合预设高亮像素程度阈值来确定。
当对所述待处理图像进行上述第二预处理时,对应的,上述步骤S231,判断各所述第二矩形中是否存在符合预设第二条件的判定矩形,具体包括:
判断所述第二矩形的尺寸是否符合第二预设尺寸,所述第二矩形的参考因子的像素个数比是否符合预设第二像素比阈值、和/或所述第二矩形的跨对角线的像素跳变次数是否符合预设第二跳变阈值,以及所述第二矩形是否符合预设非字符矩形;
其中,所述跨对角线为连接所述最小外接矩形相对的两条边的直线段。
本实施例中,上述判断所述第二矩形的尺寸是否符合第二预设尺寸,所述第二矩形的参考因子的像素个数比是否符合预设第二像素比阈值、和/或所述第二矩形的跨对角线的像素跳变次数是否符合预设第二跳变阈值,以及所述第二矩形是否符合预设非字符矩形,具体可以为:
步骤S23111:判断所述第二矩形的尺寸是否符合第二预设尺寸;
步骤S23112:判断所述第二矩形的参考因子的像素个数比是否符合预设第一像素比阈值;
步骤S23113:判断所述第二矩形是否符合预设非字符矩形;
或者,
步骤S23121:判断所述第二矩形的尺寸是否符合第二预设尺寸;
步骤S23122:判断所述第二矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值;
步骤S23123:判断所述第二矩形是否符合预设非字符矩形;
或者,
步骤S23131:判断所述第二矩形的尺寸是否符合第二预设尺寸;
步骤S23132:判断所述第一矩形的参考因子的像素个数比是否符合预设第一像素比阈值、和所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值
步骤S23133:判断所述第二矩形是否符合预设非字符矩形。
对于该第二预处理得到的所述第二预处理图像,仍然通过尺寸以及防伪纤维的特定区域的像素点的个数与对应的最小外接矩形的特定区域像素点个数间的比(参考因子的像素个数比)、和/或跨对角线的像素跳变次数,对各所述第二矩形进行筛选,同时,由于该第二预处理图像中还存在与防伪纤维的表现样式相同的字对应的区域,所以需要判断第二矩形是否符合预设非字符矩形。通过该多方面判断的方法具有判断结果可信度高的优点,确保了辨识出的第二判定矩形均为防伪纤维对应的最小外接矩形。
根据防伪纤维的外形特征和多数防伪纤维在待识别对象中的形状,所述第二预设尺寸与所述第一预设尺寸相同,即所述第二预设尺寸具体包括:对角线为8至115个像素点,以及宽度和长度均大于5个像素点。
当然对于上述第七二值化图像和第八二值化图像,选取的参考因子以及对应的像素跳变次数与上述进行第一预处理得到的第一预处理图像不同,具体为:
当所述第二预处理图像为所述第七二值化图像或者所述第八二值化图像时,所述第二矩形的参考因子的像素个数比为S黑/S全部、S黑/S白和S黑/S对角线中的至少一种;
其中,S黑表示所述第二矩形中黑色像素点的个数,S全部表示所述第二矩形的全部像素点的个数,S白表示所述第二矩形中白色像素点的个数,S对角线表示所述第二矩形对角线上像素点的个数。
当然对于所述第七二值化图像和所述第八二值化图像,所述S黑/S全部对应的预设第二像素比阈值不同,分别为第十二预设比例范围和第十三预设比例范围;所述S黑/S白对应的预设第二像素比阈值不同,分别为第十四预设比例范围和第十五预设比例范围;所述S黑/S对角线对应的预设第二像素比阈值不同,分别为第十六预设比例范围和第十七预设比例范围。本领域技术人员可以根据空心的椭圆形与其最小外接矩形之间的关系进行确定各预设比例范围,此次不再赘述。
由于所述第七二值化图像和所述第八二值化图像中防伪纤维对应的区域均为空心的,所以,判断所述第二矩形的跨对角线的像素跳变次数是否符合预设第二跳变阈值,具体为:
判断所述第二矩形的跨对角线的黑白像素跳变次数是否为2。
本发明利用防伪纤维在待识别对象中多呈椭圆形或呈略有弯曲的椭圆形,经过空心化处理后,防伪纤维呈空心的椭圆形或呈略有弯曲的空心椭圆形的特点,利用空心椭圆形与其最小外接矩形间的特点,选取上述参考因子来判断疑似防伪区域是否为空心椭圆形。通过上述参考因子的像素个数比的特征确定的疑似防伪区域多呈椭圆形,符合多数防伪纤维在待识别对象中的形状特征。
由于通过第二预处理方法得到的第二预处理图像中,字符与防伪纤维均为空心形状,当存在笔画比较短小的字符时,该笔画较短小的字符对应的区域会被认定为防伪纤维对应的区域,所以,需要去掉笔画比较短小的字符对应的所述第二矩形。
上述判断所述第二矩形是否符合预设非字符矩形,具体包括:
步骤S23101:提取尺寸符合所述第二预设尺寸,并且参考因子的像素个数比符合所述预设第二像素比阈值和/或跨对角线的像素跳变次数符合所述预设第二跳变阈值的所述第二矩形,作为疑似矩形;
步骤S23102:获取待识别对象的红外图像;
步骤S23103:提取所述红外图像中各所述疑似矩形对应的区域,作为红外图像矩形;
步骤S23104:判断各所述红外图像矩形中处于预设字符灰度阈值内的像素点的个数是否符合预设非字符像素个数阈值;
步骤S23105:当该所述红外图像矩形中处于预设字符灰度阈值内的像素点的个数符合预设非字符像素个数阈值时,判断该所述红外图像矩形对应的所述第二矩形是否符合预设非字符矩形。
一般情况下,红外图像中仅保留待识别对象中的黑色区域和红色区域,字符通常为黑色,所以红外图像中可以保留字符,且字符在红外图像中为黑色,根据字符的这一特性,则可以确定出第二矩形是否为非字符对应的最小外接矩形。上述判断所述第二矩形是否符合预设非字符矩形的方法,采用该提取尺寸符合所述第二预设尺寸,并且参考因子的像素个数比符合所述预设第二像素比阈值和/或跨对角线的像素跳变次数符合所述预设第二跳变阈值的所述第二矩形,作为疑似矩形,再判断所述疑似矩形是否为非字符对应的矩形的设计,具有判断数据少,且结果准确的优点,有效的去除了所述第二矩形中可能为字符的部分,大大提高了判断结果准确性!
优选地,所述跨对角线均为连接所述最小外接矩形相对的两条边的中点的直线段。本实施例中,所述第一矩形的跨对角线均为连接所述第一矩形相对的两条边的中点的直线段,所述第二矩形的跨对角线均为连接所述第二矩形相对的两条边的中点的直线段。
本发明中,上述空心化处理和边缘检测算法均可以为现有的Canny边缘检测算法,但本发明并不限于此,还可以是其他边缘检测算法。
以上为对如何采用本发明的方法判断待识别对象中荧光防伪纤维的位置的示例性说明。当待识别对象中具有有色防伪纤维时,本发明的提供的方法仍然能判断出待识别对象中有色防伪纤维的位置,下面对如何实现判断待识别对象中有色防伪纤维的位置进行举例说明:
如图6所示,为带有有色防伪纤维的待识别对象的待处理图像示例,该待识别对象中存在白色的背景,和非白色的有色防伪纤维31、字符、边框和连续的底纹。
若选择对所述待处理图像进行所述第一预处理,其中得到的V通道图像如图7所示,此时,有色防伪纤维31的灰度明显小于背景灰度;将所述V通道图像中灰度值小于预设灰度值的像素点的灰度值设置为0后,有色防伪纤维与背景间的灰度值的区别被加大;当进步一对所述V通道图像进行处理或对所述V通道处理图像进行处理后,得到的所述第一二值化图像和所述第四二值化图像中,有色防伪纤维、字符和边框等均为黑色,背景和底纹为白色;得到的所述第二二值化图像和所述第五二值化图像中,有色防伪纤维、字符和边框等均为白色,背景和底纹为黑色;得到的所述第三二值化图像和所述第六二值化图像中,有色防伪纤维、字符和边框等均为黑边白心,背景和底纹为白色。
若选择对所述待处理图像进行所述第二预处理,得到的所述第七二值化图像中,有色防伪纤维、字符和边框等均为黑边白心,背景和底纹为白色;得到的所述第八二值化图像中,有色防伪纤维、字符和边框等均为白边黑心,背景和底纹为黑色。
综上,对所述待处理图像进行上述任一处理,均可以得到有色防伪纤维与背景之间差距较大、有色防伪纤维的形状清晰的所述预处理图像。
由于大多数防伪纤维为细长的椭圆形或略有弯曲的细长的椭圆形,所以,防伪纤维对应的最小外接矩形的尺寸、参考因子的像素个数比和/或跨对角线的像素跳变次数等均在对应的范围内,且各范围不适用于较宽或较长的字符以及边框等对应的最小外接矩形。因此,对于所述第一预处理图像或所述第二预处理图像,提取连通域及连通域对应的最小外接矩形,再根据最小外接矩形的尺寸、参考因子的像素个数比和/或跨对角线的像素跳变次数等预定条件对得到的最小外接矩形进行筛选,就可以筛选出其中防伪纤维对应的最小外接矩形。
对于防伪领域而言,若使用有色防伪纤维对待识别对象进行防伪标识,则待识别对象的背景或底纹不能影响人眼对有色防伪纤维的辨识。因此,应用有色防伪纤维进行防伪标识的待识别对象多数没有底纹,只有小部分待识别对象上有浅色的底纹。
根据上述说明可知,当待识别对象有浅色的底纹时,通过所述第一预处理和所述第二预处理均可以消除底纹,即使仍有部分底纹受光照条件的影响留存在预处理图像上,也可以通过上述尺寸、参考因子的像素个数比和/或跨对角线的像素跳变次数等预定条件将其剔除。因此,本发明可以准确辨识出待识别对象上有色防伪纤维对应的判定矩形的位置。
当待识别对象上没有底纹时,其对应的所述待处理图像和所述预处理图像中均不会存在底纹的干扰,此时,应用本发明的上述判定方法,可以准确地确定出所述预处理图像中判定矩形的位置。
需要说明的是,本实施例中以所述待识别对象距离摄像头间距离为25cm,摄像头分辨率为1920×1080为例,确定所述预设面积阈值、所述第一预设尺寸和所述第二预设尺寸,当所述摄像头的分辨率或所述待识别对象距离所述摄像头间的距离与本实施例不同时,对应的上述阈值也需对应调整。在已知防伪纤维长宽和在待识别对象中可能占据的面积的情况下,根据摄像头分辨率和待拍摄对象与摄像头间的距离,调整对应阈值的大小以适应对应防伪纤维长宽和防伪纤维在待识别对象中可能占据的面积在成像中所对应的像素点的个数,此为本领域技术人员可以根据,此处不再过多赘述。
此外,需要说明的是,大部分最小外接矩形中,防伪纤维的像素点个数,与非防伪纤维的像素点个数或者全部像素点个数之比,在一定范围内,于是便可利用各参考因子的像素点个数的比值来确定判定矩形,但这在极端程度上会存在误判:特别粗或者特别细的防伪纤维,可能会被舍弃,但是被辨识为防伪纤维对应的最小外接矩形内一定存在防伪纤维,因此本发明提供的方法所确定的所述待识别对象中所述判定矩形对应的区域内一定存在防伪纤维。
本发明的如上实施例根据防伪纤维的外形特征来进行判断,并非仅根据亮度来判断,即便假冒了荧光防伪标识,若假冒的荧光防伪纤维的外形不对,也不会判定为防伪纤维,大大提高了防伪识别准确性。
相应地,本发明还提供了一种基于防伪纤维的防伪识别方法,包括应用上所述的防伪纤维辨识方法确定待识别对象中是否存在防伪纤维。
本实施例提供的基于防伪纤维的防伪识别方法,还包括在待识别对象的电子图像上标识出所述判定矩形对应的区域。在电子图像上标识出所述判定矩形对应的区域可以告知观察者,该待识别对象中是否存在防伪纤维,防伪纤维的位置。优选地,在所述待识别对象的待处理图像中标识出所述判定矩形,以方便观察者直接观察标识出的区域内防伪纤维的形状,为观察者观察防伪纤维的位置和形状提供参考,加快识别出待识别对象中防伪纤维的区域的时间
相应地,本发明还提供一种防伪纤维识别装置,该装置包括处理器和存储器,存储器中存储有计算机指令,处理器用于执行存储器中存储的计算机指令,当计算机指令被处理器执行时该装置实现如前所述方法的步骤。
本发明还涉及存储介质,其上可以存储有计算机程序代码,当程序代码被执行时可以实现本发明的方法的各种实施例,该存储介质可以是有形存储介质,诸如光盘、U盘、软盘、硬盘等。
本发明还涉及存储介质,其上存储有计算机程序代码,当程序代码被执行时可以实现本发明的方法的各种实施例,该存储介质可以是有形存储介质,诸如光盘、U盘、软盘、硬盘等。
本领域技术人员应该可以明白,结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法,能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
本发明中,针对一个实施方式描述和/或例示的特征,可以在一个或更多个其它实施方式中以相同方式或以类似方式使用,和/或与其他实施方式的特征相结合或代替其他实施方式的特征。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (18)
1.一种防伪纤维辨识方法,其特征在于,该方法包括以下步骤:
获取待识别对象的待处理图像;
对所述待处理图像进行第一预处理得到第一预处理图像;
提取所述第一预处理图像中各疑似防伪区域的最小外接矩形,作为第一矩形;
判断各所述第一矩形中是否存在符合预设第一条件的第一判定矩形;
当各所述第一矩形中存在符合预设第一条件的第一判定矩形时,确定所述待识别对象中所述第一判定矩形对应的区域内存在防伪纤维;
或者,
对所述待处理图像进行第二预处理得到第二预处理图像;该所述第二预处理与所述第一预处理不同;
提取所述第二预处理图像中各疑似防伪区域的最小外接矩形,作为第二矩形;
判断各所述第二矩形中是否存在符合预设第二条件的第二判定矩形;
当各所述第二矩形中存在符合预设第二条件的第二判定矩形时,确定所述待识别对象中所述第二判定矩形对应的区域内存在防伪纤维;
或者,
对所述待处理图像分别进行所述第一预处理和所述第二预处理得到所述第一预处理图像和所述第二预处理图像;
分别提取所述第一预处理图像和所述第二预处理图像中各疑似防伪区域的最小外接矩形,作为所述第一矩形和所述第二矩形;当各所述第一矩形中存在符合所述预设第一条件的所述第一判定矩形,并且各所述第二矩形中存在符合所述预设第二条件的所述第二判定矩形时,
获取所述待识别对象中所述第一判定矩形所对应的区域以及所述第二判定矩形所对应的区域之间的重叠区域,作为第三矩形,
判断所述第三矩形的面积是否符合预设面积阈值;
当所述第三矩形中存在符合预设面积阈值的第三判定矩形时,确定所述待识别对象中所述第三判定矩形对应的区域内存在防伪纤维;
其中,所述第一预处理包括提取V通道图像和二值化处理;所述预设第一条件包括第一预设尺寸、像素个数比和跨对角线的像素跳变次数中的至少一个;所述第二预处理包括边缘处理;所述预设第二条件包括第二预设尺寸、像素个数比、跨对角线的像素跳变次数和预设非字符矩形中的至少一个。
2.根据权利要求1所述的方法,其特征在于,所述防伪纤维包括荧光防伪纤维和有色防伪纤维;
当所述防伪纤维为荧光防伪纤维时,所述待处理图像为荧光反应图像;
当所述防伪纤维为有色防伪纤维时,所述待处理图像为白光图像。
3.根据权利要求1所述的方法,其特征在于,对所述待处理图像进行第一预处理得到第一预处理图像,具体包括:
提取所述待处理图像的V通道图像;
对所述V通道图像进行二值化处理,得到第一二值化图像;或者,
对所述V通道图像进行二值化处理和反色处理,得到第二二值化图像;或者,
对所述V通道图像进行空心化处理,得到第三二值化图像。
4.根据权利要求3所述的方法,其特征在于,提取所述待处理图像的V通道图像之后,还包括:
通过将V通道图像中灰度值小于预设灰度值的像素点的灰度值设置为0,得到V通道处理图像;
对所述V通道图像进行二值化处理,得到第一二值化图像;或者,对所述V通道图像进行二值化处理和反色处理,得到第二二值化图像;或者,对所述V通道图像进行空心化处理,得到第三二值化图像,具体为:
对所述V通道处理图像进行二值化处理,得到第四二值化图像;或者,
对所述V通道处理图像进行二值化处理和反色处理,得到第五二值化图像;或者,
对所述V通道处理图像进行空心化处理,得到第六二值化图像。
5.根据权利要求4所述的方法,其特征在于,所述预设灰度值为50至80。
6.根据权利要求4或5所述的方法,其特征在于,判断各所述第一矩形中是否存在符合预设第一条件的第一判定矩形,具体包括:
判断所述第一矩形的尺寸是否符合第一预设尺寸,以及,所述第一矩形的参考因子的像素个数比是否符合预设第一像素比阈值、和/或所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值;
其中,跨对角线为连接所述最小外接矩形相对的两条边的直线段。
7.根据权利要求6所述的方法,其特征在于,所述第一预设尺寸具体包括:对角线为8至115个像素点,以及宽度和长度均大于5个像素点;
和/或,
当所述第一预处理图像为所述第一二值化图像或者所述第四二值化图像时,所述第一矩形的参考因子的像素个数比为S黑/S全部、S黑/S白、S黑/S对角线和S对白/S对角线中的至少一种;
当所述第一预处理图像为所述第二二值化图像或者所述第五二值化图像时,所述第一矩形的参考因子的像素个数比为S黑/S全部、S黑/S白、S黑/S对角线和S对黑/S对角线中的至少一种;
当所述第一预处理图像为所述第三二值化图像或者所述第六二值化图像时,所述第一矩形的参考因子的像素个数比为S黑/S全部、S黑/S白和S黑/S对角线中的至少一种;
其中,S黑表示所述第一矩形中黑色像素点的个数,S全部表示所述第一矩形的全部像素点的个数,S白表示所述第一矩形中白色像素点的个数,S对角线表示所述第一矩形对角线上像素点的个数,S对黑表示所述第一矩形中黑色像素点的个数较多的对角线上黑色像素点的个数,S对白表示所述第一矩形中白色像素点的个数较多的对角线上白色像素点的个数;
和/或,
判断所述第一矩形的跨对角线的像素跳变次数是否符合预设第一跳变阈值,具体为:
当所述第一预处理图像为所述第一二值化图像、所述第二二值化图像、所述第四二值化图像和所述第五二值化图像的其中一种时,判断所述第一矩形的跨对角线的黑白像素跳变次数是否为1;
当所述第一预处理图像为所述第三二值化图像或者所述第六二值化图像时,判断所述第一矩形的跨对角线的黑白像素跳变次数是否为2。
8.根据权利要求1所述的方法,其特征在于,对所述待处理图像进行第二预处理得到第二预处理图像,具体包括:
利用边缘检测算法对所述待处理图像进行边缘处理,并基于边缘处理后的图像得到所述待处理图像对应的第二预处理图像。
9.根据权利要求8所述的方法,其特征在于,利用边缘检测算法对所述待处理图像进行边缘处理,并基于边缘处理后的图像得到所述待处理图像对应的第二预处理图像,具体包括:
对所述待处理图像进行灰度化处理,并对灰度化处理后的图像进行所述边缘处理、或者所述边缘处理和反色处理,从而对应得到第七二值化图像或者第八二值化图像。
10.根据权利要求9所述的方法,其特征在于,在利用边缘检测算法对所述待处理图像进行边缘处理之前,还包括:
提取所述待处理图像上距离边缘的距离符合预设宽度阈值的边缘区域;
判断该边缘区域中亮暗指示值处于预设高亮像素点阈值的像素点的个数与该边缘区域的全部像素点的个数的比例是否符合预设高亮像素程度阈值;
当符合预设高亮像素程度阈值时,从所述待处理图像上裁切掉该边缘区域,得到更新的待处理图像。
11.根据权利要求10所述的方法,其特征在于,所述预设宽度阈值为2至200个像素点;所述亮暗指示值为灰度或亮度;所述预设高亮像素点阈值包括:灰度值为220至255,或者亮度值为220至255;所述预设高亮像素程度阈值为70%至100%。
12.根据权利要求9至11中任一项所述的方法,其特征在于,判断各所述第二矩形中是否存在符合预设第二条件的判定矩形,具体包括:
判断所述第二矩形的尺寸是否符合第二预设尺寸,所述第二矩形的参考因子的像素个数比是否符合预设第二像素比阈值、和/或所述第二矩形的跨对角线的像素跳变次数是否符合预设第二跳变阈值,以及所述第二矩形是否符合预设非字符矩形;
其中,所述跨对角线为连接所述最小外接矩形相对的两条边的直线段。
13.根据权利要求12所述的方法,其特征在于,所述第二预设尺寸具体包括:对角线为8至115个像素点,以及宽度和长度均大于5个像素点;
和/或,
当所述第二预处理图像为所述第七二值化图像或者所述第八二值化图像时,所述第二矩形的参考因子的像素个数比为S黑/S全部、S黑/S白和S黑/S对角线中的至少一种;
其中,S黑表示所述第二矩形中黑色像素点的个数,S全部表示所述第二矩形的全部像素点的个数,S白表示所述第二矩形中白色像素点的个数,S对角线表示所述第二矩形对角线上像素点的个数;
和/或,
判断所述第二矩形的跨对角线的像素跳变次数是否符合预设第二跳变阈值,具体为:
判断所述第二矩形的跨对角线的黑白像素跳变次数是否为2;
和/或,
判断所述第二矩形是否符合预设非字符矩形,具体包括:
提取尺寸符合所述第二预设尺寸,并且参考因子的像素个数比符合所述预设第二像素比阈值和/或跨对角线的像素跳变次数符合所述预设第二跳变阈值的所述第二矩形,作为疑似矩形;
获取待识别对象的红外图像;
提取所述红外图像中各所述疑似矩形对应的区域,作为红外图像矩形;
判断各所述红外图像矩形中处于预设字符灰度阈值内的像素点的个数是否符合预设非字符像素个数阈值;
当该所述红外图像矩形中处于预设字符灰度阈值内的像素点的个数符合预设非字符像素个数阈值时,判断该所述红外图像矩形对应的所述第二矩形是否符合预设非字符矩形。
14.根据权利要求7或13所述的方法,其特征在于,所述跨对角线为连接所述最小外接矩形相对的两条边的中点的直线段。
15.一种基于防伪纤维的防伪识别方法,其特征在于,包括应用如权利要求1至14中任一项所述的防伪纤维辨识方法确定待识别对象中是否存在防伪纤维。
16.根据权利要求15所述的基于防伪纤维的防伪识别方法,其特征在于,还包括在待识别对象的电子图像上标识出所述判定矩形对应的区域。
17.一种防伪纤维识别装置,该装置包括处理器和存储器,其特征在于,所述存储器中存储有计算机指令,所述处理器用于执行所述存储器中存储的计算机指令,当所述计算机指令被处理器执行时该装置实现权利要求1至16中任一项所述方法的步骤。
18.一种计算机存储介质,其特征在于,其上存储有计算机程序,在该计算机程序被处理器执行时实现如权利要求1至16中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011257902.5A CN112329673B (zh) | 2020-11-12 | 2020-11-12 | 防伪纤维辨识方法、防伪识别方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011257902.5A CN112329673B (zh) | 2020-11-12 | 2020-11-12 | 防伪纤维辨识方法、防伪识别方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329673A CN112329673A (zh) | 2021-02-05 |
CN112329673B true CN112329673B (zh) | 2024-05-17 |
Family
ID=74317896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011257902.5A Active CN112329673B (zh) | 2020-11-12 | 2020-11-12 | 防伪纤维辨识方法、防伪识别方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329673B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115423771B (zh) * | 2022-09-01 | 2023-06-30 | 西安电子科技大学 | 基于特征非一致性的准动态镭射防伪标签识别方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101748659A (zh) * | 2009-12-18 | 2010-06-23 | 兆日科技(深圳)有限公司 | 一种随机分布纤维及其物质防伪方法 |
CN102034086A (zh) * | 2009-09-28 | 2011-04-27 | 上海柯斯造纸防伪技术有限公司 | 一种随机纹理的防伪方法及其识别器 |
CN102205761A (zh) * | 2011-03-28 | 2011-10-05 | 上海印钞有限公司 | 一种防伪安全文件及安全文件的检测方法 |
CN103646333A (zh) * | 2013-12-25 | 2014-03-19 | 北京慧眼智行科技有限公司 | 一种防伪检测方法、设备和系统 |
CN103955659A (zh) * | 2014-04-22 | 2014-07-30 | 广州宽度信息技术有限公司 | 一种批量真知码识别方法 |
CN104463292A (zh) * | 2013-09-16 | 2015-03-25 | 深圳市同盛绿色科技有限公司 | 光学识别方法及移动设备 |
CN104536999A (zh) * | 2014-09-15 | 2015-04-22 | 湖南千码防伪科技有限公司 | 基于图像处理的随机纤维码防伪数据库构建方法 |
CN107204068A (zh) * | 2017-05-27 | 2017-09-26 | 深圳怡化电脑股份有限公司 | 一种纸币管理系统、方法及纸币识别方法 |
CN107293037A (zh) * | 2017-06-29 | 2017-10-24 | 广州市银科电子有限公司 | 基于防伪材料光谱特性的票据鉴伪方法及装置 |
CN107481179A (zh) * | 2017-05-17 | 2017-12-15 | 上海冠众光学科技有限公司 | 含水印信息的防伪标签识别方法及装置 |
CN109767238A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于图像识别的产品甄别方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5589939B2 (ja) * | 2011-04-12 | 2014-09-17 | 大日本印刷株式会社 | 微粒子、粒子群、偽造防止用インク、偽造防止用トナー、偽造防止用シートおよび偽造防止媒体 |
US20150375149A1 (en) * | 2014-06-27 | 2015-12-31 | Eastman Chemical Company | Acetate tow and filters with shape and size used for coding |
WO2019104586A1 (en) * | 2017-11-30 | 2019-06-06 | Honeywell International Inc. | Filtering mask with anti-counterfeit function |
-
2020
- 2020-11-12 CN CN202011257902.5A patent/CN112329673B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034086A (zh) * | 2009-09-28 | 2011-04-27 | 上海柯斯造纸防伪技术有限公司 | 一种随机纹理的防伪方法及其识别器 |
CN101748659A (zh) * | 2009-12-18 | 2010-06-23 | 兆日科技(深圳)有限公司 | 一种随机分布纤维及其物质防伪方法 |
CN102205761A (zh) * | 2011-03-28 | 2011-10-05 | 上海印钞有限公司 | 一种防伪安全文件及安全文件的检测方法 |
CN104463292A (zh) * | 2013-09-16 | 2015-03-25 | 深圳市同盛绿色科技有限公司 | 光学识别方法及移动设备 |
CN103646333A (zh) * | 2013-12-25 | 2014-03-19 | 北京慧眼智行科技有限公司 | 一种防伪检测方法、设备和系统 |
CN103955659A (zh) * | 2014-04-22 | 2014-07-30 | 广州宽度信息技术有限公司 | 一种批量真知码识别方法 |
CN104536999A (zh) * | 2014-09-15 | 2015-04-22 | 湖南千码防伪科技有限公司 | 基于图像处理的随机纤维码防伪数据库构建方法 |
CN107481179A (zh) * | 2017-05-17 | 2017-12-15 | 上海冠众光学科技有限公司 | 含水印信息的防伪标签识别方法及装置 |
CN107204068A (zh) * | 2017-05-27 | 2017-09-26 | 深圳怡化电脑股份有限公司 | 一种纸币管理系统、方法及纸币识别方法 |
CN107293037A (zh) * | 2017-06-29 | 2017-10-24 | 广州市银科电子有限公司 | 基于防伪材料光谱特性的票据鉴伪方法及装置 |
CN109767238A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 基于图像识别的产品甄别方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112329673A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100927528B1 (ko) | 전자 워터마크 매립 장치 및 검출 장치 | |
KR100339691B1 (ko) | 코드인식을 위한 장치 및 그 방법 | |
CN106096601B (zh) | 一种自动检测票据中字符类型的方法和系统 | |
US6160913A (en) | Method and apparatus for digital halftone dots detection and removal in business documents | |
CN105243727B (zh) | 图像处理设备、图像处理方法以及程序 | |
JP5178925B2 (ja) | ボイドパンタグラフ及びボイドパンタグラフを生成する方法 | |
JP2009535899A (ja) | 走査されたカラー画像からの複調画像の生成 | |
US20070154112A1 (en) | Image processing apparatus, image processing method, and computer program | |
CN105632015B (zh) | 一种基于云平台的银行票据指纹特征防伪鉴别方法 | |
CN111986378B (zh) | 一种票据彩色纤维丝检测方法和系统 | |
CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
Suresh et al. | Indian currency recognition and verification using image processing | |
CN112329673B (zh) | 防伪纤维辨识方法、防伪识别方法、装置和存储介质 | |
CN113205633B (zh) | 票据红蓝纤维的检测方法、装置、电子设备和存储介质 | |
JP2010186246A (ja) | 画像処理装置、方法、及び、プログラム | |
EP4171051A1 (en) | Collation device, program, and collation method | |
Kunina et al. | A method of fluorescent fibers detection on identity documents under ultraviolet light | |
CN107909075A (zh) | 一种基于Laplacian扩展算子的车牌图像二值化方法 | |
CA2648054C (en) | Apparatus and method for detection and analysis of imagery | |
RU2520407C1 (ru) | Способ и система улучшения текста при цифровом копировании печатных документов | |
EP1006476A2 (en) | Method of enhancing characters in an original binary image of a document | |
EP4156120B1 (en) | Collation device, program, and collation method | |
Wang et al. | Currency recognition system using image processing | |
D V | A Method of Fluorescent Fibers Detection on Identity Documents under Ultraviolet Light | |
CN108022360B (zh) | 一种鉴别水洗纸币的方法及系统 |
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 |