基于Python的硬幣識別系統(tǒng)設(shè)計與實現(xiàn)

張永付++張鵬

摘要：針對目前硬幣識別系統(tǒng)使用成本高、硬件要求高等問題，設(shè)計了一種識別率高、成本低的硬幣識別系統(tǒng)。系統(tǒng)通過Python與OpenCV結(jié)合數(shù)字圖像處理技術(shù)對1元、5角、1角三種硬幣進行識別。首先通過顏色通道轉(zhuǎn)換法實現(xiàn)5角硬幣識別，然后經(jīng)過高斯去噪、二值化、自適應(yīng)二值化、均值濾波對原始圖像進行處理，將處理后的圖像通過提取1角與1元硬幣邊緣輪廓的周長作為分類特征，利用機器學(xué)習(xí)方法，對兩種硬幣15張圖像進行訓(xùn)練、5張圖像進行測試。結(jié)果表明，系統(tǒng)對5角硬幣識別準確率高達100%，對1元與1角硬幣識別率達到80%。經(jīng)測試證明，該系統(tǒng)既保持了高效的識別率，又減少了硬件依賴，有一定的實際應(yīng)用價值。

關(guān)鍵詞：硬幣識別；Python；OpenCV

DOIDOI：10.11907/rjdk.171783

中圖分類號：TP319文獻標(biāo)識碼：A文章編號：16727800（2017）010012903

0引言

硬幣在生活中應(yīng)用非常廣泛，硬幣識別大致分為面值識別與真假鑒別。在硬幣清分機、公交車及自動售貨機的設(shè)計與實現(xiàn)中，通過獲取硬幣圖像對面值進行識別是研究的關(guān)鍵問題。

目前國內(nèi)采用的硬幣面值識別法有圖像法及電渦流傳感器法等[12]。傳統(tǒng)的硬幣識別主要是機械識別，由于選取特征過程的影響，很難保證識別準確率。美國Mahesh等[3]設(shè)計了一個帶旋盤的結(jié)構(gòu)，通過光探測器檢測與計算機編碼器的編碼脈沖識別硬幣。付麗等[4]設(shè)計了一種基于光電開關(guān)的硬幣識別系統(tǒng)，大幅度提高了識別準確率。莫磊[5]針對硬幣準確識別與偽幣檢測，利用EDA技術(shù)、電子信息技術(shù)、計算機技術(shù)、傳感器技術(shù)、智能控制技術(shù)等對硬幣識別進行了研究，通過改善傳統(tǒng)電渦流分析法，加入一定算法研究達到了提高識別率的效果。劉藝柱[6]通過分析電渦流傳感器的基本原理，提出了利用雙路電渦流傳感器對硬幣材質(zhì)、厚度等參數(shù)進行檢測的思路，硬幣識別檢測率改善效果明顯，相比付麗等人的方法技術(shù)更加前沿，準確高效。這些方法識別率高，但設(shè)計復(fù)雜，嚴重依賴硬件組件、成本較高。人工智能的發(fā)展，使得通過圖像技術(shù)進行物體識別發(fā)展迅速[7]。本系統(tǒng)通過利用數(shù)字圖像處理技術(shù)對圖像進行預(yù)處理，使得提取圖像的特征變得簡單，準確率得到有效提高。Python是一種面向?qū)ο蟮慕忉屝陀嬎銠C程序設(shè)計語言，具有豐富與強大的庫，已經(jīng)成為繼JAVA-C++之后的第三大語言[8]。由于Opencv內(nèi)置強大的數(shù)字圖像處理函數(shù)，系統(tǒng)設(shè)計過程利用軟件編程思想減少了對硬件的依賴，做到成本低、識別率高、復(fù)雜性低。并且通過機器學(xué)習(xí)思想，對1元與1角硬幣分別選用15張?zhí)幚砗蟮膱D像進行訓(xùn)練，5張進行測試，檢測結(jié)果表明該系統(tǒng)識別準確率高、穩(wěn)定性好。

1系統(tǒng)設(shè)計

1.1系統(tǒng)總體框架

圖1為系統(tǒng)框架，系統(tǒng)功能分為5個部分：圖像采集、顏色通道轉(zhuǎn)換、圖像預(yù)處理、特征提取、訓(xùn)練測試。

1.2硬幣識別工作流程

先進行圖像采集，通過讀取圖像進行顏色通道轉(zhuǎn)換，實現(xiàn)5角硬幣識別，再對1元與5角硬幣圖像進行預(yù)處理；接下來進行特征提取，提取輪廓周長信息；提取15張圖像進行訓(xùn)練，最后給定圖像進行測試。系統(tǒng)流程如圖2所示。

2功能設(shè)計與實現(xiàn)

2.1圖像采集

首先，在簡單環(huán)境拍攝得到原始圖像。簡單環(huán)境是指：拍攝鏡頭距離桌面背景15cm正上方，桌面背景為黑色，室內(nèi)環(huán)境，選擇最佳聚焦效果進行拍攝。既保證圖像質(zhì)量，又為系統(tǒng)識別硬幣的準確率奠定基礎(chǔ)（見表1）。

2.2顏色通道轉(zhuǎn)換

由于顏色提取過程中RGB模型易受到光照影響，因此將圖像由RGB轉(zhuǎn)換到HSV顏色空間模型，更易提取顏色特征。系統(tǒng)繪制了3種硬幣的顏色空間直方圖（見圖3-圖5，彩圖見封二），王洪建等[911]研究得出H與S分量包含了圖像的彩色信息，本系統(tǒng)采用該思想抽取H與S分量特征值，識別出5角硬幣。

圖3-圖5中藍色與綠色分別代表了H與S分量。可以得出5角硬幣在H與S明顯區(qū)別于其它硬幣，因而通過顏色空間轉(zhuǎn)換方法可以對5角硬幣進行識別。具體代碼如下：

defhist（img）：

hsv=cv2.cvtColor（img，cv2.COLOR_BGR2HSV）

color=（'b'，'g'，'r'）

fori，col in enumerate（color）：

hist=cv2.calcHist（[hsv]，[i]，None，[256]，[0，256]）

plt.plot（hist）

plt.xlim（[0，256]）

plt.show（）

2.3圖像預(yù)處理

從圖3與圖5可以看出，由于1角硬幣與1元硬幣在HSV顏色曲線的H分量上相似較大，因而無法進行識別，需要利用數(shù)字圖像處理技術(shù)進行進一步識別。首先針對原始圖像進行處理（見圖6），經(jīng)過高斯去噪、二值化、自適應(yīng)二值化、均值濾波處理方法，得到完整的邊緣輪廓（見圖7、圖8）。

2.4特征提取

從圖6-圖7可以清楚看到要提取的特征輪廓，利用OpenCV自帶findContours函數(shù)尋找輪廓，該函數(shù)的第二個返回值是一個 Python列表，存儲了圖像的所有輪廓。再調(diào)用Perimeter=cv.2arcLength（cnt，true）方法計算閉合圓形輪廓周長，得到1角、1元周長分別是364mm、468mm。代碼如下：

defbianyuan（img）：

equ=cv2.GaussianBlur（img，（5，5），0）

ret，thresh1=cv2.threshold（equ，130，255，cv2.THRESH_BINARY）endprint

th3=cv2.adaptiveThreshold（thresh1，255，cv2.ADAPTIVE_THRESH_MEAN_C，＼

cv2.THRESH_BINARY，7，2）

median = cv2.medianBlur（th3， 3）

plt.subplot（4，1，1），plt.imshow（img，cmap = 'gray'）

plt.subplot（4，1，2），plt.imshow（th3，cmap = 'gray'）

plt.subplot（4，1，3），plt.imshow（median，cmap='gray'）

plt.show（）

returnmedian.copy（）

2.5訓(xùn)練測試

為了保證1角與1元硬幣識別的準確性與穩(wěn)定性，將原始圖像經(jīng)過旋轉(zhuǎn)不同角度，得到15張圖像。這15張圖像作為訓(xùn)練數(shù)據(jù)集，通過同樣的方法計算得到輪廓周長并存儲在數(shù)組中。訓(xùn)練過程得到了所有圖像的周長信息，運用訓(xùn)練好的模型對給定任意一張1角或1元硬幣進行測試。系統(tǒng)計算出該圖像的輪廓周長，通過傳遞參數(shù)判斷該周長屬于1角或1元模型中的哪類，給出判斷結(jié)果。系統(tǒng)隨機選取了5張圖片進行測試，從測試結(jié)果得出準確率達到80%。1張失敗的原因是硬幣邊緣磨損，圖像處理后沒有形成閉合區(qū)域輪廓。具體代碼如下：

deffindPlateNumberRegion（img）：

contours，hierarchy = cv2.findContours（img，1， 2）

cnt=contours[0]

perimeter = cv2.arcLength（cnt，True）

return round（perimeter）

def test（result）：

print （'testRating：'result）

def main（）：

record=[]

fori in range（15）：

img=image_read（）

img=bianyuan（img）

a=findPlateNumberRegion（img）

test（a）

record.append（a）

print record

3系統(tǒng)測試

系統(tǒng)測試的目的主要是確保系統(tǒng)運行穩(wěn)定，能夠滿足實際需求。并且對三種類型硬幣有穩(wěn)定、高效的識別率。經(jīng)過對15張圖像訓(xùn)練，5張進行測試，測試結(jié)果如表2所示。

3結(jié)語

本文基于Python的硬幣識別系統(tǒng)設(shè)計與實現(xiàn)，詳細給出了該系統(tǒng)的結(jié)構(gòu)圖、功能流程圖及各個功能實現(xiàn)的核心代碼。通過Python語言與OpenCV強大的函數(shù)庫及語言優(yōu)勢，利用數(shù)字圖像處理技術(shù)與機器學(xué)習(xí)思路完成本系統(tǒng)開發(fā)工作。闡述了系統(tǒng)中使用的關(guān)鍵技術(shù)，包括圖像處理技術(shù)與對象識別技術(shù)，實現(xiàn)了硬幣面值識別。機器視覺發(fā)展為本系統(tǒng)設(shè)計奠定了一定基礎(chǔ)，將此運用于解決生活中常見問題，是互聯(lián)網(wǎng)時代背景下的流行趨勢。

參考文獻參考文獻：

[1]畢曉君，孫曉霞.基于蟻群算法的硬幣識別研究[J].哈爾濱工程大學(xué)學(xué)報，2006，27（6）：882885.

[2]傅霖來.基于機器視覺下的硬幣識別系統(tǒng)[D].天津：天津大學(xué)，2009.

[3]L CHUGANI MAHESH， R SAMANT ABHAG， MICHAEL CERRA. LabVIEW signal processing[M]. Upper Saddle Rive：Prentice Hall PTR，1998.

[4]付麗.基于光電開關(guān)的硬幣面值識別系統(tǒng)[D].西安：西安電子科技大學(xué)，2014.

[5]莫磊.基于FPGA的硬幣識別器的研究[D].成都：電子科技大學(xué)，2008.

[6]劉藝柱.高準確率硬幣識別裝置的設(shè)計與實現(xiàn)[D].南京：南京理工大學(xué)，2013.

[7]王陽萍，杜曉剛，趙庶旭，等.醫(yī)學(xué)影像圖像處理[M].北京：清華大學(xué)出版社，2012.

[8]潘俊勇.易度PaaS云平臺開發(fā)技術(shù)內(nèi)幕[C].上海：中國PyConChina2011大會，2011.

[9]王洪建.基于HSV顏色空間的一種車牌識別定位和分割方法[J].儀器儀表學(xué)報，2005（8）：2628.

[10]郭捷，施鵬飛.基于顏色和紋理分析的車牌定位方法[J].中國圖像圖形學(xué)報，2002，7A（5）：472 475.

[11]張引，潘云鶴.彩色汽車圖像牌照定位新方法[J].中國圖像圖形學(xué)報，2002，7A（5）：374377.

責(zé)任編輯（責(zé)任編輯：何麗）endprint