【硬币识别】形态学硬币计数【含Matlab源码 683期】

⛄一、硬币图像识别简介

本设计为硬币图像识别统计装置，通过数码相机获取平铺无重叠堆积的硬币的图像，并通过Matlab工具处理后统计硬币的数目。

1 图像格式转换
取的图像格式为RGB彩色图像，需要先将其转换为8位256级的灰度图像。本程序采用Matlab的图像处理工具箱的函数rgb2gray来实现。
rgb2gray（）
功能：
转换RGB图像或颜色映像表为灰度图像。
语法：
I = rgb2gray(RGB)
newmap = rgb2gray(map)
2 去噪及特征提取


图1-2 灰度图及其直方图
上图1-1为硬币统计的局部图片，图中可见，硬币主体部分和背景以及图像有着明显的区别，可以通过选取合适的阈值进行二值化，从而提取出硬币的特征。
图1-2为此图像的直方图，从图中可见到比较明显的阈值分界点，但是并不是非常的明显，这是因为，图中有很多的硬币因为反光的缘故，导致主体部分有些发白，如图1-3所示。

3 灰度调整
对于这些发白部分，我们采用灰度调整及中值滤波进行处理，在matlab中，提供了两个函数进行相应的操作，其中imadjust进行灰度调整，其用法如下
Imadjst(f,[low_in high_in],[low_out high_out],gamma)
Gamma所表示的意义：

1 -------- 凹曲线
<1 -------- 凸直线
=1 -------- 直线
medfilt2用于进行中值滤波处理，其用法如下
F=medfilt2(f,[m n]);
f为输入图像
[m n]为中值滤波模板
F是中值滤波后输出的图像。
图4-1经过灰度调整及中值滤波后的图像如图1-4所示，可见，经过中值滤波后，硬币的主体部分有了较大的改善。

4 二值化处理
经过滤波后，即可对图像进行二值化处理，首先，我们采用人工选择阈值的方法进行二值化，由图可见，对于本幅图片，其合适的阈值在50~100之间，通过试验，我们选取的值为80。
对图像二值化处理的程序如下：
[M,N]=size(F);
for x=1:M
for y=1:N
if F(x,y)<80
F(x,y)=0; %低于阈值的值黑
else
F(x,y)=255; %高于阈值的值白
end
end
end
处理后的图像如图1-6所示：

5 阈值分割
当然仍有许多模糊的硬币管脚残影，但已经将硬币的主体很好的识别了出来，采用人工选择阈值的方法虽然可以成功分离出硬币的主体，但是这个阈值这是针对这张图片有效，对于获取的其它图片，这个阈值并不能正确地对图像进行二值化处理，因此我们决定采用自动阈值分割的方法来对图像进行二值化。
我们所选用的自动阈值分割方法为Otsu法，它是一种使类间方差最大的自动确定阈值的方法，该方法具有简单、处理速度快的特点，是一种常用的阈值选取方法。
在matlab中，提供了一个函数graythresh来实现Otsu法阈值分割，其用法如下：
T=graythresh(f);
其中，f为待进行阈值分割的灰度图像，T为返回的分割灰度比例，将其乘于256即为Otsu法划定的分割阈值。
优化后的程序如下：
T=graythresh(F);

由图中可见，噪声被有效的滤除了，但是，去除了噪声的同时，也使部分接触紧密的硬币在闭运算后可能连成一个整体，如图1-8中的红圈所示，因此在此后的识别统计中需要对其进行特殊的处理。

⛄二、部分源代码

clear all;
close all;
f=imread(‘yingbi2.jpg’);
w=imshow(f);title(‘原图像’);
F=rgb2gray(f); %真彩图转化为灰度图
figure;imshow(F);title(‘灰度图’);
figure;imhist(F);title(‘直方图’);
F0 = imadjust(F,stretchlim(F),[0 1]);
Ft=medfilt2(F0,[5 5]);
figure;imshow(Ft);title(‘灰度调整，中值滤波后的图像’);
figure;imhist(Ft);title(‘灰度调整，中值滤波后的直方图’);
T=graythresh(Ft);
T=T*256-5;
[M,N]=size(Ft);
for x=1:M
for y=1:N
if Ft(x,y) Ft(x,y)=0; %低于阈值的值黑
else
Ft(x,y)=255; %高于阈值的值白
end
end
end

figure;imshow(Ft);title(‘二值化结果’);
B=ones(10);
F0=imclose(Ft,B);
figure;imshow(F0);title(‘闭运算’);
F1=imadjust(F0,[0,1],[1,0],1);
figure;imshow(F1);title(‘反色’);
%对图像贴标签
[L N]=bwlabel(F1,8)
Sum = [];
%统计每个标签的数量，有些硬币可能会重叠在一起的情况一定要用此种方法
for i=1:N
[r,c] = find(L==i);
rc = [r c];
Num = length(rc);
Sum([i])=Num;
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]朱俊达.硬币分拣机的分拣与计数[J].技术与市场. 2018,25(02)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除