【正文】 的阿拉伯?dāng)?shù)字，而 1 元紙幣則為一定的圖案。識別速度快準(zhǔn)確度高，不易受紙幣破損，褶皺影響。紙幣的序列號字符串區(qū)域都在在紙幣的左下角，高度差不多占整個紙幣高度的 10%到 35%左右，長度差不多占整個紙幣長度的 3%到 30%的左右。title(39。 在 RGB模型中，如果 R=G=B時，則彩色表示一種灰度顏色，其中 R=G=B的值叫 灰度值 ，因此，灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強度值、亮度值），灰度范圍為 0255。通過算法，可以得到圖像的灰 度圖。 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 10 用于邊緣檢測的方法 , 大致可分為兩類：基于搜索和基于零交叉。 邊緣主要存在于目標(biāo)與目標(biāo)，目標(biāo)與背景，區(qū)域與區(qū)域（包括不同的色彩之間），是圖像分 割，紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。 Prewitt 算子 對灰度漸變和噪聲較多的圖像處理效果較好。 代表寬度為W的濾波器的脈沖響應(yīng)， 錯誤 !未找到引用源。 xhxG 和 分別是 )()( xhxG 和 的導(dǎo)數(shù)。 的二階導(dǎo)數(shù)。 表示 B 的映像，即與 B 關(guān)于原點對稱的集合。再進(jìn)行腐蝕操作時，外部邊界將變回原來的樣子，而這些內(nèi)部空洞則永遠(yuǎn)消失了 。 另外，在圖像處理的某些環(huán)節(jié)當(dāng)輸入的圖像處理后，并不如預(yù)想時也會在結(jié)西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 13 果圖像中引入噪聲。形態(tài)學(xué)濾波器是近年來出現(xiàn)的一類重要的非線性濾波器，它由早期的二值形濾波器發(fā)展為后來的多值 (灰度 )形態(tài)濾波器，在形狀識別、 邊緣檢測 、 紋理分析 、 圖像恢復(fù) 和增強等領(lǐng)域廣泛的應(yīng)用。由于形態(tài)學(xué)運算是從圖像的幾何形態(tài)觀點來進(jìn)行圖像處理的，因此這種優(yōu)良的非線性濾波器能在濾波的同時，保持圖像結(jié)構(gòu)不被 鈍化 。具體的程序算法如下所示： I_new=zeros(size(I_final,1),size(I_final,2))。 for i=1:size(location_of_1,1) %尋找所有白點中， x 坐標(biāo)與 y 坐標(biāo)的和最大，最小的兩個點的位置 temp=location_of_1(i,1)+location_of_1(i,2)。 %坐標(biāo)值修正 x2=last_point(1)+15。 如何選擇閾值顯得十分重要， 本論文 使用 OTSU 算法進(jìn)行閾值自行選取，再對圖像進(jìn)行二值化分割。圖像的總平均灰度記為 ? ,類間方差記為 g 。 m2=(i:255)*Hi((i+1):256)/sum(Hi((i+1):256))。 圖 序列號的提取 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 19 序列號提取后取反 紙幣序列號的分割和歸一化 此部分的工作是將序列號里的 10 個字符分別提取出來。 %用來存放水平分割線的橫坐標(biāo) flag=0。 subplot(3,4,n)。 %將分割的字符放入 Char_i 中 end 為了減小字符的類內(nèi)方差，保證輸入字符有 一致的標(biāo)準(zhǔn)，字符特征提取之前，一般需將字符圖像進(jìn)行歸一化處理，就是把切分出來的單個字符圖像，映射到一個尺寸大小固定的標(biāo)準(zhǔn)平面。 (1) 結(jié)構(gòu)識別 結(jié)構(gòu)識別由兩部分組成， 識別部分和分析部分。是把根據(jù)已知模式到另外 一幅圖中尋找相應(yīng)模式的處理方法就叫做模板匹配。 下圖 于匹配的模版展示： 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 22 匹配模版展示 字符識別 的步驟 本文選擇的是基于模板匹配的方式，基于模板匹配基本過程是：首先我們要建立自動識別的代碼，然后把歸一化的圖像與模板中的字符對比，由于我國人民幣由兩位字母和八位數(shù)字組成。 4 不同紙幣的實驗結(jié)果及分析 24 4 不同紙幣的實驗結(jié)果及分析 不同紙幣的面值識別實驗結(jié)果及分析 采用上文中所述的面值識別算法，再對 50 元， 1 元紙幣，進(jìn)行實驗。 圖 43 50 元紙幣序列號精確分割提取結(jié)果 圖 44 50 元紙幣序列號識別結(jié)果展示 下面是一元紙幣的字符分割和識別效果，如 圖 和 所示 。正是由于紙幣圖像的這些特點，再經(jīng)過適當(dāng)?shù)膱D像變換， 序列號 在整幅中可以明顯地呈現(xiàn)出其邊緣，于是對其邊緣提取，此處邊緣的提取采用的是 Canny算子。 （ 3）紙幣的樣本太少，只有 100 元、 50 元、 1 元面值紙幣各一張，實驗數(shù)據(jù)較少，數(shù)據(jù)不夠完善。 首先我要感謝我的導(dǎo)師王宇輝副教授，在學(xué)習(xí)中，王老師為我提供悉心的專業(yè)方面的學(xué)習(xí)和指導(dǎo)，營造了務(wù)實上進(jìn)的科研和學(xué)習(xí)氛圍，提供了實踐能力和分析問題解決問題的能力。 雖然系統(tǒng)本身還存在許多不足，距離具體實用的要求仍有很大差距，但在本次畢業(yè)設(shè)計制作中讓我增進(jìn)了很多知識，相信在日后的改進(jìn)中一定能在現(xiàn)實生產(chǎn)應(yīng)用中得到實現(xiàn)。 本文對于紙幣的面值、序列號識別是在 MATLAB 上仿真實現(xiàn)的。而序列號 處理 最重要的部分 是圖像 預(yù)處理，它包括圖像粗略定位、圖像的灰度化、圖像的邊緣檢測、圖像的閉運西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 27 算、圖像的形態(tài)濾波。 圖 1 元紙幣面值識別過程和結(jié)果展示 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 25 由圖 可見， 1 元紙幣原始圖像讀入后，主色調(diào)提取出顏色集中部分，在識別算法后，得出面值為 1 元的結(jié)果，結(jié)果正確。最后 識別完成后輸出識別的紙幣序列號的結(jié)果。在實際設(shè)計模板的時候，是根據(jù)各區(qū)域形狀固有的特點，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖像不變特性所設(shè)計的特征量來構(gòu)建模板，就可以避免上述問題。它以數(shù)學(xué)上的決策理論為依據(jù)，并根據(jù)此理論建立了統(tǒng)計學(xué)識別模型。而非線性歸一化則是通過均衡化圖像在行方向和列方向投影的概率密度分布，來實現(xiàn)歸一化的。,num2str(n),39。 end end figure for n=1:10 char=I_plate(:,X(2*n1):X(2*n)1)。序列號分割的難點在于噪聲和字符粘連 ， 斷裂對字符的影響。 通過 OTSU 算法，自行選取的閾值為 169，得到圖 中的二值化圖 像。 sum1=sum(Hi)。背景和目標(biāo)之間的類間方差越大 ,說明構(gòu)成圖像的兩部分的差別越 大 ,當(dāng)部分目標(biāo)錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致 兩西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 17 部分差別變小。可得到下圖 中序列號字符串。 b=i。 location_of_1=[location_of_1。 但只有第一個較長的字符串是 要識別 的人民幣序列號字符串。因此他們都可以用來有效的提取特征和平滑 圖 像。要構(gòu)造一種有效抑制噪聲的濾波機制必須考慮兩個基本問題 ， 在有效地去除目標(biāo)和背景西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 14 中的噪聲的同時，也能很好地保護(hù)圖像目標(biāo)的形狀、大小及特定的幾何和拓?fù)浣Y(jié)構(gòu)特征。 對邊緣檢測后的圖像進(jìn)行腐蝕，去除掉細(xì) 的，間斷的邊緣得圖 ， 再對剩下的區(qū)域進(jìn)行閉合以填充圖像，此時可以 得 到圖 ，圖 像 中數(shù)塊區(qū)域形成了一個大的連通域；調(diào)用 bwareaopen 函數(shù)去掉小的連通域，就能取出不相關(guān)的區(qū)域塊。 ，其定義為 : ? ?| ( )xA B x B A? ? ? （ ） 上式表明， A 用 B 腐蝕的結(jié)果是所有滿足將 B 平移后， B 仍舊全部包含在 A中的 X 的集合，從直觀上看就是 B 經(jīng)過平移后全部包含在 A 中的原點組成的集合。 實驗發(fā)現(xiàn) Canny 算子效果最好 ，如下圖 是不同算子的結(jié)果對比圖 ： (a) (b) (c) (d) （ a） Sobel 算子邊緣檢測 （ b） Canny 算子邊緣檢測 （ c） Roberts 算子邊緣檢測 （ d） Prewit算子邊緣檢測 紙幣目標(biāo)區(qū)域的 不同算法的 邊緣檢測 圖像的閉運算 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 12 數(shù)學(xué)形態(tài)學(xué)的基本運算有 4 個：膨脹（或擴張）、腐蝕（或侵蝕）、開啟和閉合。39。)(39。 坎尼（ Canny）算子在邊緣檢測中提出了三個準(zhǔn)則分別是： （ 1） 信噪比準(zhǔn)則 信噪比越大，提取的邊緣質(zhì)量越高。 Roberts 算子檢測方法對具有陡峭的低噪聲的圖像處理效果較好，但是利用Roberts 算子提取邊緣的結(jié)果是邊緣比較粗，因此邊緣的定位不是很準(zhǔn)確。相反，它們通常受到一個或多個下面所列因素的影響： （ 1）有限場景深度帶來的聚焦模糊。這些包括深度上的不連續(xù)、表面方向不連續(xù)、物質(zhì)屬性變化和場景照明變化。 )),(),(),(ma x(),( jiBjiGjiRjif ? （ ） （ 3） 平均值法 將彩色圖像中的三分量亮度求平均得到一個灰度值。 %顯示坐標(biāo) I=imcrop(I,[1,225,225,450])。 粗略 截取圖像如圖 和主要算法程序如下所示： I=imread(39。 （ 2）對字符串圖像處理，經(jīng)過閾值選取二 值化和字符分割后，再歸一化保存。首先必須將圖像讀入，進(jìn)行濾波處理。 算法 輸出的結(jié)果 ，識別結(jié)果 如圖 所示。) I_rgb = squeeze(sum(sum(I,1),2))。并 分別計算該部分圖 像 的 RGB 三色分量總和。 識別過程基本流程如圖 所示 ： 圖 識別 過程流程圖 采集紙幣圖像 紙幣面值識別 紙幣圖像處理 序列號粗略提取 輸出結(jié)果 序列號模版匹配識別 紙幣序列字符精確分割 紙幣序列號圖像預(yù)處理 2 紙幣面值的特征提取和算法研究 4 2 基于紙幣面值的特征提取和算法研究 紙幣面值識別算法的簡述 紙幣面值 識別 是基于計算機圖像處理、模式識別等技術(shù)為基礎(chǔ)。根據(jù)主色調(diào)不 同，經(jīng)過計算顏色特征的比值來確定區(qū)間 閾值。檢測號碼的能力可精確分辨嚴(yán)重重號錯誤和普通錯誤，并及時報警。 國內(nèi)外研究現(xiàn)狀 近年來，國內(nèi)外在 紙幣圖像特征提取與識別算法研究 領(lǐng)域取得了長足進(jìn)步。但是當(dāng)前中國市場流通的人民幣紙幣數(shù)量總量巨大，紙幣 仍然占據(jù) 主要位置。而紙幣序列號的唯一性，更是可以確保，紙幣的真?zhèn)巍?template matching。銀行業(yè)務(wù)的全面自動化將是銀行業(yè)發(fā)展的必然趨勢，所以紙幣面值以及序列號的識別，顯得十分重要，尤其是在這個信息化的時代。 （含起始時間、設(shè)計地點）： 設(shè)計工作從 3 月 1 日開始。 本科畢業(yè)設(shè)計 (論文 ) 題目 ： 紙幣圖像特征提取與識別算法研究 院 （系）： 光電工程學(xué)院 專 業(yè)： 測控技術(shù)與儀器 班 級： 110102 學(xué) 生： 劉 駿 學(xué) 號： 110102107 指導(dǎo)教師： 王宇輝 2020 年 6 月 18 日 西安工業(yè)大學(xué) 畢業(yè)設(shè)計（論文）任務(wù)書 院（ 系） 光電學(xué)院 專業(yè) 測控技術(shù)與儀器 班 110102 姓名 劉駿 學(xué)號 110102107 （論文）題目： 紙幣圖像特征提取與識別算法研究 ： 作為商業(yè)活動的主要載體，紙幣遍布社會生活的每一個角落，它是商品社會的基礎(chǔ)，是一種國家權(quán)利和財富的象征。整個設(shè)計在校內(nèi)完成。因此對 紙幣圖像特征提取與識別算法進(jìn)行研究有著十分重要的意義和實用性。 image processing 1 緒論 1 1 緒論 課題研究的意義 人民幣是我國的法定貨幣，不同面值人民幣有不同的價值，而每一個序列號都對應(yīng)一張紙幣，所以說序列號是紙幣的身份，紙幣的面值更是決定紙幣的使用價值。如果有假幣被識別，對比數(shù)據(jù)庫序列號的唯一性，可在第一時間截獲處理。為了減少運營成本，大部分中小型銀行目前仍會使用人工分選紙幣的方法來清分現(xiàn)金。 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 2 我國字符識別領(lǐng)域相比于國外，起步比較 晚。但它主要適用于印制的新幣檢測，不適合普通圖像采集識別。根據(jù)閾值的不同來區(qū)分面值。紙幣面值 識別 利用三種紙幣顏色 R、 G、 B 各