20xx基于matlab的人民幣面額識別-wenkub.com
2025-01-13 22:36 本頁面
【正文】 此資料由網(wǎng)絡收集而來，如有侵權請告知上傳者立即刪除。%第一個黑點和第二個白點之間的距離 hang_white=hang_new(3)hang_new(2)。%第二行記錄二次白點 for l=(k+2):mt2 if ~(FFv2_bw_f(l,j)) hang(3,j)=l。 end end end % 向當前列后 2——6 共5列，取黑白行數(shù) FFv2_bw_f=FFv2_bw(:,(lie+2):(lie+6))。%二值化 figure(3) subplot(4,1,1) imshow(jianqie) title(＇原圖像＇) subplot(4,1,2) imshow(FFv2) title(＇中央數(shù)字提取+中值濾波后的圖像＇) subplot(4,1,3) imshow(FFv2_bw) title(＇二值化后的中央數(shù)字圖像＇) %紙幣檢測 Ty_100=logical(sum(FFv2_bw)=% val_mid=100。 down(l)=i1 break end end break end end end %計算眾數(shù)，求出上下邊界 up=mode(up) down=mode(down) %根據(jù)得到的邊緣位置截取圖像 pic=imread(＇＇) jianqie=pic(up:down,left:right)。l=0。%變量初始化 %左右邊緣提取 %*******方法簡述：兩邊同時一行一行檢測，****% %*******把每行輪廓所在的列數(shù)記下，然后******% %*******求眾數(shù).***************************% for i=1:m for j=1:n if F(i,j)~=0%0代表黑色,如果F(i,j)不是黑色（則是圖像區(qū)域） k=k+1。 I2=imfilter(I1,H)。 % title(＇提取出的輪廓＇) %以下是利用edge函數(shù)和sobel算子進行的邊緣檢測 I=imread(＇＇)。%顯示二值圖像 % im2=imfill(im,＇holes＇)。%讀取原圖 % figure(1) % subplot(2,2,1) % imshow(im)。
由圖可知，sobel算子邊緣檢測在這種情況下無法正常運行。經過上網(wǎng)查詢和思考，我們決定使用另一種邊緣檢測和提取的方法，即二值化+填充空洞+bwperim函數(shù)的方法。
以下是實驗圖片： 從圖中可以看到，二值化后整幅圖片除了中央一少部分其他地方均被二值化為白色，所以輪廓提取失敗了。
所以，本程序存在一定的局限性，只能處理一些背景不太復雜、二值化之后不會出現(xiàn)過多長曲線的紙幣圖。
第一幅圖的原圖為黑色背景中有隨機繪制的幾條長曲線，第二幅圖的原圖是背景為實際生活中的建筑物照片。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。 end end 五. 程序運行結果 結果顯示正確。 hang_black=hang_new(2)hang_new(1)。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。
因為50和20均為2位數(shù)，故無法通過所占比例進行區(qū)分。經手算得100元的中央數(shù)字大約占超過截取道德圖像的80%。所以使用： FFv2=jianqie(*m:*m,*n:*n) 就可以得到中央數(shù)字的圖片。 for j1=n:1:j if F(i,j1)~=0 l=l+1。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。下面是檢測的過程和結果。達到需要的效果。
2. 進行圖像邊緣檢測提取 邊緣檢測共有兩種方法，一種
范文總結相關推薦
鄂ICP備17016276號-1