數(shù)字圖像處理人民幣面額自動識別

人民幣面額自動識別自動繳費機、存取款一體機和自動售貨機出現(xiàn)在了我們的生活中。這些先進的設(shè)備中最重要的一門技術(shù)就是：紙幣識別技術(shù)。當我們將鈔票投入繳費機或者存款機時，機器必定會首先識別用戶投入的是面額為多少的紙幣，之后再進行真?zhèn)伪鎰e、數(shù)據(jù)寫入等功能。目前已經(jīng)有很多的識別技術(shù)諸如圖像匹配法識別，神經(jīng)網(wǎng)絡(luò)識別、尺寸識別、紙幣內(nèi)部熒光物質(zhì)識別等等。本小組使用matlab軟件，利用軟件對圖像處理的能力，在保證識別準確率的前提下對100元、50元和20元的人民幣進行了識別。紙幣識別流程圖讀入待檢測圖片得出結(jié)果進行圖像邊緣檢測提取和邊緣剪切中央數(shù)字部分識別提取中央數(shù)字部分

流程各部分詳細說明1、讀入待檢測圖片

讀入一張100元人民幣圖片。2、圖像邊緣檢測提取邊緣檢測共有兩種方法，一種是使用edge函數(shù)進行邊緣檢測；另一種是二值化+圖像填充+提取邊緣的方法。使用edge函數(shù)進行邊緣檢測，選擇Sobel算子。如圖，sobel算子邊緣檢測后的圖像。但是由于內(nèi)部白色紋路較多，為了不影響邊緣截取，故選擇第二種方法：二值化+圖像填充+提取邊緣。首先對圖像進行二值化處理，然后使用imfill函數(shù)，調(diào)用“hole”格式，對圖像中的空洞進行填充。然后調(diào)用bwperim函數(shù)，對二值圖像進行邊緣檢測。右圖是檢測的過程和結(jié)果。3、邊緣剪切得到了二值化的邊緣圖像后，需要對邊緣進行剪切，以切掉背景圖案，只留下鈔票圖案，便于按比例分割圖片。我們采用mode函數(shù)，對邊緣位置確定。首先，將二值圖讀入矩陣，生成m行n列的矩陣。然后一行一行進行檢測，遇到白色的區(qū)域（值為1）時，就將白色區(qū)域所處的列位置記入數(shù)組。當檢測完畢后，使用mode函數(shù)對數(shù)組進行檢測，數(shù)組中數(shù)字出現(xiàn)的最多的即是邊緣的位置。提取中央數(shù)字部分FFv2=jianqie(0.275*m:0.50*m,0.254*n:0.5*n)4、中央部分識別1.區(qū)分百元和50、20元；2.區(qū)分50元和20元如圖所示5和2的細節(jié)圖。取5和2的靠左的一小部分進行比較（紅框圈的），數(shù)字5后兩根藍線之間的距離小于上面兩根藍線的距離，而2恰恰相反。于是可以得出結(jié)果。程序運行結(jié)果遇到的問題：關(guān)于背景復(fù)雜度的問題（1）過于復(fù)雜的背景無法正常識別因為背景如果過于復(fù)雜，二值化后會導(dǎo)致很多復(fù)雜的背景變成連續(xù)的線條。當這些線條比較長的時候，邊緣檢測程序就會將這段線條識別為邊緣，因為眾數(shù)計算的時候這個位置同樣滿足。所以系統(tǒng)會認為此處就是邊緣，但事實上只是背景中的一些二值化的線條。故而導(dǎo)致剪切邊緣無法正確實現(xiàn)，進而影響到后面的中央分割和識別。

（2）淺色背景無法正常識別本程序的邊緣檢測方法是圖像二值化后利用背景和紙幣之間的黑白差異來尋找紙幣的邊緣。當人民幣的背景為淺色時，二值化的時候會將淺色自動二值化為白色（1），而紙幣