CN1540574A - 数字图像中的货币的识别方法 - Google Patents

Abstract

一种数字图像中货币的识别方法，用于对数字图像中的货币信息进行识别处理，通过对特征网格进行圆形识别，确定样本在图像中的位置，从而使货币定位更精确，本发明包括下列步骤：获取数字图像信息及样本信息；将图像划分成复数个网格；根据网格的基色选取特征网格；以特征网格为圆心进行圆形识别；将该识别结果与该样本信息进行比对，得到该货币在该数字图像中的信息。

Description

数字图像中的货币的识别方法

技术领域

本发明为一种图像的处理方法，特别是一种针对数字图像中的货币的识别方法。

现有技术

各种格式的图像文件已经成为我们日常工作生活中不可或缺的一部分，而图像处理技术也随着各种硬设备和软件的更新不断发展。复杂背景下图像的识别处理方法，特别是在复杂背景下对货币的识别方法，是防止利用现有的各种图像处理设备，如彩色复印机对货币进行非法操作的有效手段。

针对图像中货币的识别处理，传统的方法是使用识别传感器。这是一种纯硬件的识别处理方法，通过传感器内固化有识别程序的芯片，对图像中的货币进行识别处理。其优点是针对性强，一种传感器专门用来识别某一种货币。这同时也为升级带来了诸多不便，需要处理的货币对象一旦发生改变，就必须对硬件进行更新，对硬件的依赖很大，这样就降低了灵活性，而且提高了成本。

此时，就需要一种更具灵活高效的图像中货币的处理方法来解决这一问题。

发明内容

对此，本发明为解决上述问题提出了一种数字图像中货币的识别方法，主要目的在于公开一种灵活高效，升级时无需更新硬件的识别处理数字图像中货币的方法。

本发明所提的数字图像中货币的识别方法，包括下列步骤：获得需要进行识别的数字图像；将该图像分割成复数个网格；确定该网格的基色；根据该网格的基色选取特征网格；对选取的该特征网格进行圆形识别；根据该特征网格的识别信息对货币进行定位。

与传统的处理方法相比，本方法的最大特点在于其灵活性和准确性：当货币识别特征发生变化或更换需要识别的货币种类时，只需要修改相应的识别特征资料或重新设置该货币的识别特征资料就能达到目的，不需要进行复杂昂贵的硬件升级，这是传统的完全依赖于硬件的识别方法所不能完成的。另外，通过其特有的圆形识别和距离识别能使图像定位更为精确，在图像中有多张货币的情况下效果尤为明显。

附图说明

图1是本发明的数字图像中货币的识别方法的流程图；

图2是本发明所提的确定该网格的基色的流程图；

图3是本发明所提的对选取的特征网格进行圆形识别的流程图；

图4是本发明所提的输出识别结果的流程图；

图5是本发明所举新版100元人民币中选取的样本区域的示意图；

图6是本发明实施例的对通过圆形识别对样本进行统计的示意图；

图7是本发明实施例的该统计样本信息的示意图；

图8是本发明实施例的在图像中识别货币的示意图；

图9是本发明实施例的对特征网格进行处理的示意图；

图10是本发明实施例的采用两个样本的示意图；

图11是本发明实施例的在一张货币中对两个样本之间进行距离特征统计的示意图；

图12是本发明实施例的在一张货币中对两个样本之间进行距离识别的示意图；及

图13是本发明实施例的在两张货币中对两个样本之间进行距离识别的示意图。

图中

步骤110    获取数字图像信息及样本信息

步骤120    将该数字图像划分成复数个网格

步骤130    根据该网格的基色选取特征网格

步骤140    以每一个特征网格为圆心进行圆形识别

步骤150    将该识别结果与该样本信息进行比对，得到该货币在该数字图像中的信息

步骤210    计算网格内红色分量(R)、绿色分量(G)、蓝色分量(B)的平均值

步骤220    根据该平均值确定网格的基色

步骤230    根据该网格的基色选特征网格

步骤310    以每个特征网格为圆心，选定网格数为半径，统计圆周上所有网格的基色分布

步骤320    比对该特征网格与样本的统计信息

步骤410    根据将该货币在该数字图像中的信息，对该数字图像进行处理

步骤420    当该数字图像中含有该货币图像时，禁止对该数字图像输出

步骤430    当该数字图像中未包含该货币图像时，允许该数字图像输出

具体实施方式

以下结合附图对本发明的流程进行说明：

图1是本发明的数字图像中货币的识别方法的流程图，其说明如下：

首先获取数字图像信息及样本信息(步骤110)；将该数字图像划分成复数个网格(步骤120)；然后根据网格的基色选取特征网格(步骤130)；再以每一个特征网格为圆心进行圆形识别(步骤140)；最后将该识别结果与该样本信息进行比对，得到该货币在该数字图像中的信息(步骤150)。

获取该货币的样本信息是通过如下方法来完成的：首先获取某一分辨率下该货币的数字图像；然后把该图像划分成复数个尺寸相同的网格；再对从图像选取的局部特征区域进行取样，其取样方法为：以该特征区域上中心的一个网格为圆心，选定网格数为半径，将圆形轨迹上基色分布的统计信息作为该样本的特征信息；最后存储该样本的特征信息。该样本的特征信息就是进行识别的依据。

当需要对该货币的样本信息进行更改或者更换货币的种类时，只需再次进行上述过程即可。

对于该样本信息的数量，可以根据对该货币进行识别的要求进行选择，当货币处于简单的背景条件下时，只采用一个样本信息作为识别依据；当货币处于复杂的背景下时，则可以选取多个样本信息作为识别的依据。

将该数字图像划分成复数个网格的目的是使识别更精确。在24Bit的彩色图像中，当分辨率为100Dpi时，该网格的尺寸为6×6的方格。当需要进行识别的数字图像的分别率为其它值时，网格尺寸也要进行相应的改变。

在选用多个样本信息作为识别的依据的时候，为了在该数字图像中对该货币进行精确定位，在步骤140中更包括对样板之间进行距离识别。

距离识别通过对取样图像中样本位置进行统计信息，可以得到样本的横轴与纵轴坐标数值；通过该坐标数值，可以通过计算获取样本之间的向量取值。

因为该数字图像与取样图像的分辨率相同，因此该数字图像中样本之间距离与取样图像中样本之间的距离是相同的，只是坐标不同。通过比对该样本图像与该数字图像中的样本坐标，就能对该货币的中心位置进行确定。进一步比对该样本图像与该数字图像中的向量的取值，就能确定该货币的倾斜角度。通过上述过程，就能在该数字图像中对该货币进行精确定位。

图2是本发明所提的根据该网格的基色选取特征网格的流程图，其说明如下：

首先计算网格内红色分量(R)、绿色分量(G)、蓝色分量(B)的平均值(步骤210)；然后根据该平均值确定网格的基色(步骤220)；最后根据该网格的基色选取特征网格(步骤230)。

在上述步骤中，该红色分量(R)、绿色分量(G)、蓝色分量(B)的取值，在24Bit彩色图像中是从0到255。

图3是本发明所提的以每一个特征网格为圆心进行圆形识别的流程图，其说明如下：

以每个特征网格为圆心，选定网格数为半径，统计圆周上所有网格的基色分布(步骤310)；比对该特征网格与样本的统计信息(步骤320)。

该特征与样本的统计信息相同时，则可以确定该货币图像在该数字图像中存在；当他们不同时，则该数字图像中不包含该货币图像。

图4是本发明所提的输出识别结果的流程图，其说明如下：

根据将该货币在该数字图像中的信息，对该数字图像进行处理(步骤410)；当该数字图像中含有该货币图像时，禁止对该数字图像输出(步骤420)；当该数字图像中未包含该货币图像时，允许该数字图像输出(步骤430)。

下面结合图5-图13，以新版100元人民币为例来说明本发明的实施过程：

图5是本发明实施例的新版100元人民币中选取的样本区域的示意图，其说明如下：

从新版100元人民币中获取其局部特征作为样本信息，在本实施例中的样本信息是处于人民币左下方的图形，其步骤为：

对该新版100元人民币的图像进行扫描，该图像为24Bit的彩色图像，分辨率100Dpi；

将该图像划分成6×6的方格；

对该图像中选作样本的局部特征进行统计，获取样本的特征信息；及将该样本的特征信息进行存储。

图6是本发明所举实施例的对通过圆形识别对样本进行统计的示意图，其说明如下：

蓝色的网格代表在该样本中进行圆形识别时的圆心；其周围红色的网格代表以该蓝色网格为圆心，以选定的网格数为半径，按照顺时针方向对该样本进行圆形识别时所走过的路径。通过统计走过的路径上网格的基色分布信息就可以计算出该样本的特征信息。

图7是本发明所举的实施例的该样本特征信息的统计过程的示意图，其说明如下：

在该样本特征信息的统计过程中，需要进行三种不同半径的统计，该三种半径分别为半径为1个网格(绿色圆周)，半径为2个网格(蓝色圆周)，半径为5个网格(黄色圆周)。

通过圆形识别对该样本进行统计后，可以确定其特征信息为：

在半径为1网格的圆形轨迹上，所有网格中基色偏白的网格的数目大于该半径上所有网格数目的70％；

在半径为2网格的圆形轨迹上，所有网格中基色偏白的网格的数目大于该半径上所有网格数目的30％；

在半径为2网格的圆形轨迹上，所有网格中基色偏红的网格的数目大于该半径上所有网格数目的30％；及

在半径为5网格的圆形轨迹上，所有网格中基色偏白的网格的数目大于该半径上所有网格数目的70％。

图8是本发明所举的在图像中识别货币的示意图，其说明如下：

扫描如图8所示的图像，该数字图像为24Bit的彩色图像，分辨率100Dpi，与获取样本信息一样；

将该数字图像划分成复数个网格，该网格的尺寸为6×6；

计算所有网格内所有点的红色分量(R)、绿色分量(G)、蓝色分量(B)的平均值，该步骤更包括系列步骤：

首先对网格内所有点的红色分量(R)、绿色分量(G)、蓝色分量(B)的取值分别求和：

Rtotal＝对所有点红色分量(R)求和；

Gtotal＝对所有点绿色分量(G)求和；及

Btotal＝对所有点蓝色分量(B)求和。

然后计算红色分量(R)、绿色分量(G)、蓝色分量(B)的平均值：

R平均＝Rtotal/每个网格里所有点数目；

G平均＝Gtotal/每个网格里所有点数目；及

B平均＝Btotal/每个网格里所有点数目。

通过对该网格的红色分量(R)、绿色分量(G)、蓝色分量(B)的平均值进行计算，确定该网格的基色。

当该网格的基色同时满足下列条件时，则确定该网格的基色偏白：

条件1：

|R平均-G平均|≤20

|R平均-B平均|≤20

|G平均-B平均|≤20

条件2：

R平均＞170；

G平均＞170；及

B平均＞170。

当该网格同时满足下列条件时，则确定该网格的基色偏红：

条件1：

|G平均-B平均-5|＜15

条件2：

|(R平均-G平均-5)-(R平均-B平均)|≤15

条件3：

R平均＞170；

200＞G平均＞60；及

200＞B平均＞65。

确定图像中所有网格的基色的后，选取所有基色偏红的网格作为特征网格；

图9是本发明所举的实施例的对特征网格进行处理的示意图，其说明如下：

以每一个特征网格为圆心，进行原形识别的方法如下：首先以每个特征网格为圆心，一个网格为半径的圆形的轨迹，对所有基色偏白的网格数量进行统计；然后以每个特征网格为圆心，两个网格为半径的圆形的轨迹，对所有基色偏白及基色偏红的网格数量分别进行统计；再以每个特征网格为圆心，五个网格为半径的圆形的轨迹，对所有基色偏红的网格数量进行统计轨；最后比对该特征网格的统计信息与样本的特征信息，当两者相同时，就可以确认该特征网格就是原货币中的样本。

这样就可以确定在该图像中存在新版100元人民币。

图10是本发明所举的实施例的采用两个样本的示意图，其说明如下：

当需要对货币进行精确定位时，就需要采用多个样本特征作为识别依据，本实施例中以两个样本为例进行说明。

图11是本发明所举实施例的在一张货币中对两个样本之间进行距离特征统计的示意图，其说明如下：

在一张货币中对两个样本之间进行距离特征统计的方法如下：首先以特定的分辨率，如100Dpi对该图像进行扫描；然后对该扫描图像选取两个局部特征区域进行取样，确定样本A、B的横轴和纵轴坐标，如A的坐标为(a、b)，B的坐标为(c、d)；最后根据AB的坐标可以求出向量AB的取值。

图12是本发明所举实施例的在一张货币中对两个样本之间进行距离识别的示意图，其说明如下：

距离识别的方法为：首先通过对该图像进行圆形识别，找到两个样本在该图像中的相对应的位置分别为C、D；然后确定C、D的坐标：C(e、f)，D(g、h)；根据CD的坐标可以求出向量CD；再比对C、D与样本A、B的坐标，确定该人民币的中心位置信息；最后通过比对将向量CD与向量AB，确定该人民币的倾斜角度。

图13是本发明所举实施例在两张货币中对两个样本之间进行距离识别的示意图，其说明如下：

当图像中存在多张新版100元人民币时，首先通过圆形识别找到样本在该图像中的所在位置E、F与G、H；然后通过距离识别计算E、F与G、H的坐标和向量EF、向量GH取值；通过比对该图像与取样图像中样本的坐标与向量取值，就能获取两张人民币的中心位置、倾斜角度，从而对该人民币进行定位。

对该人民币进行定位后，就可以其位置信息进行输出；其输出方式可以是在该数字图像中包含货币是禁止该图像输出；或者是在该货币的位置上进行标记。

虽然本发明以前述的较佳实施例公开如上，然其并非用以限定本发明，故任何熟悉此技术的人士，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，因此本发明的保护范围当视后附的权利要求所界定的范围为准。

Claims (15)

1.数字图像中货币的识别方法，该方法至少包括以下步骤：

获取数字图像信息及样本信息；

将该数字图像划分成复数个网格；

根据该网格的基色选取特征网格；

以每一个特征网格为圆心进行圆形识别；及

将该识别结果与该样本信息进行比对，得到该货币在该数字图像中的信息。

2.如权利要求1所述的数字图像中货币的识别方法，其中该数字图像与该样本的分辨率是相同的。

3.如权利要求1所述的数字图像中货币的识别方法，其中该样本信息是对货币中的局部特征区域进行取样统计获得的。

4.如权利要求1所述的数字图像中货币的识别方法，其中该样本被划分成复数个网格。

5.如权利要求1所述的数字图像中货币的识别方法，其中该复数个网格与样本中的复数个网格的尺寸是相同的。

6.如权利要求1所述的数字图像中货币的识别方法，其中选取特征网格的步骤更包括以下步骤：

计算该网格内红色分量(R)、绿色分量(G)、蓝色分量(B)的平均值；

根据该平均值确定网格的基色；及

根据该网格的基色选特征网格。

7.如权利要求6所述的数字图像中货币的识别方法，其中该红色分量(R)、绿色分量(G)及蓝色分量(B)的数值，在24Bit彩色图像中其取值的范围为0到255。

8.如权利要求1所述的数字图像中货币的识别方法，其中该圆形识别的步骤更包括以下步骤：

以每个特征网格为圆心，选定网格数为半径，统计圆周上所有网格的基色分布；及

比对该特征网格与样本的统计信息。

9.如权利要求8所述的数字图像中货币的识别方法，其中该半径为1个网格。

10.如权利要求8所述的数字图像中货币的识别方法，其中该半径为2个网格。

11.如权利要求8所述的数字图像中货币的识别方法，其中该半径为5个网格。

12.如权利要求8所述的数字图像中货币的识别方法，其中该基色分布是基色分别为红色(R)、绿色(G)、蓝色(B)的网格的数量。

13.如权利要求1所述的数字图像中货币的识别方法，其中进行圆形识别的步骤后，更包括对样本之间的距离进行距离识别的步骤。

14.如权利要求1所述的数字图像中货币的识别方法，其中得到该货币在该数字图像中的信息的步骤后，更包括以下步骤：

当该数字图像中含有该货币图像时，禁止该数字图像输出；及

当该数字图像中未包含该货币图像时，允许该数字图像输出。

15.如权利要求1所述的数字图像中货币的识别方法，其中得到该货币在该数字图像中的信息之步骤后，更包括以下步骤：

通过该货币在该数字图像中的信息定位该货币；及

根据该货币的定位，输出该数字图像时在该货币位置进行标记。

Images