基于Python的硬幣識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

張永付++張鵬

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

關(guān)鍵詞：硬幣識(shí)別；Python；OpenCV

DOIDOI：10.11907/rjdk.171783

中圖分類號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：16727800（2017）010012903

0引言

硬幣在生活中應(yīng)用非常廣泛，硬幣識(shí)別大致分為面值識(shí)別與真假鑒別。在硬幣清分機(jī)、公交車及自動(dòng)售貨機(jī)的設(shè)計(jì)與實(shí)現(xiàn)中，通過(guò)獲取硬幣圖像對(duì)面值進(jìn)行識(shí)別是研究的關(guān)鍵問(wèn)題。

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

1系統(tǒng)設(shè)計(jì)

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(gè)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(cè)試。

1.2硬幣識(shí)別工作流程

先進(jìn)行圖像采集，通過(guò)讀取圖像進(jìn)行顏色通道轉(zhuǎn)換，實(shí)現(xiàn)5角硬幣識(shí)別，再對(duì)1元與5角硬幣圖像進(jìn)行預(yù)處理；接下來(lái)進(jìn)行特征提取，提取輪廓周長(zhǎng)信息；提取15張圖像進(jìn)行訓(xùn)練，最后給定圖像進(jìn)行測(cè)試。系統(tǒng)流程如圖2所示。

2功能設(shè)計(jì)與實(shí)現(xiàn)

2.1圖像采集

首先，在簡(jiǎn)單環(huán)境拍攝得到原始圖像。簡(jiǎn)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(jìn)行拍攝。既保證圖像質(zhì)量，又為系統(tǒng)識(shí)別硬幣的準(zhǔn)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(guò)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(shí)別出5角硬幣。

圖3-圖5中藍(lán)色與綠色分別代表了H與S分量?？梢缘贸?角硬幣在H與S明顯區(qū)別于其它硬幣，因而通過(guò)顏色空間轉(zhuǎn)換方法可以對(duì)5角硬幣進(jìn)行識(shí)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(wú)法進(jìn)行識(shí)別，需要利用數(shù)字圖像處理技術(shù)進(jìn)行進(jìn)一步識(shí)別。首先針對(duì)原始圖像進(jìn)行處理（見圖6），經(jīng)過(guò)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(gè)返回值是一個(gè) Python列表，存儲(chǔ)了圖像的所有輪廓。再調(diào)用Perimeter=cv.2arcLength（cnt，true）方法計(jì)算閉合圓形輪廓周長(zhǎng)，得到1角、1元周長(zhǎng)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(cè)試

為了保證1角與1元硬幣識(shí)別的準(zhǔn)確性與穩(wěn)定性，將原始圖像經(jīng)過(guò)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(guò)同樣的方法計(jì)算得到輪廓周長(zhǎng)并存儲(chǔ)在數(shù)組中。訓(xùn)練過(guò)程得到了所有圖像的周長(zhǎng)信息，運(yùn)用訓(xùn)練好的模型對(duì)給定任意一張1角或1元硬幣進(jìn)行測(cè)試。系統(tǒng)計(jì)算出該圖像的輪廓周長(zhǎng)，通過(guò)傳遞參數(shù)判斷該周長(zhǎng)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(jī)選取了5張圖片進(jìn)行測(cè)試，從測(cè)試結(jié)果得出準(zhǔn)確率達(dá)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(cè)試

系統(tǒng)測(cè)試的目的主要是確保系統(tǒng)運(yùn)行穩(wěn)定，能夠滿足實(shí)際需求。并且對(duì)三種類型硬幣有穩(wěn)定、高效的識(shí)別率。經(jīng)過(guò)對(duì)15張圖像訓(xùn)練，5張進(jìn)行測(cè)試，測(cè)試結(jié)果如表2所示。

3結(jié)語(yǔ)

本文基于Python的硬幣識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，詳細(xì)給出了該系統(tǒng)的結(jié)構(gòu)圖、功能流程圖及各個(gè)功能實(shí)現(xiàn)的核心代碼。通過(guò)Python語(yǔ)言與OpenCV強(qiáng)大的函數(shù)庫(kù)及語(yǔ)言優(yōu)勢(shì)，利用數(shù)字圖像處理技術(shù)與機(jī)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(duì)象識(shí)別技術(shù)，實(shí)現(xiàn)了硬幣面值識(shí)別。機(jī)器視覺發(fā)展為本系統(tǒng)設(shè)計(jì)奠定了一定基礎(chǔ)，將此運(yùn)用于解決生活中常見問(wèn)題，是互聯(lián)網(wǎng)時(shí)代背景下的流行趨勢(shì)。

參考文獻(xiàn)參考文獻(xiàn)：

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

[2]傅霖來(lái).基于機(jī)器視覺下的硬幣識(shí)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(shí)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(shí)別器的研究[D].成都：電子科技大學(xué)，2008.

[6]劉藝柱.高準(zhǔn)確率硬幣識(shí)別裝置的設(shè)計(jì)與實(shí)現(xiàn)[D].南京：南京理工大學(xué)，2013.

[7]王陽(yáng)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(tái)開發(fā)技術(shù)內(nèi)幕[C].上海：中國(guó)PyConChina2011大會(huì)，2011.

[9]王洪建.基于HSV顏色空間的一種車牌識(shí)別定位和分割方法[J].儀器儀表學(xué)報(bào)，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(guó)圖像圖形學(xué)報(bào)，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(guó)圖像圖形學(xué)報(bào)，2002，7A（5）：374377.

責(zé)任編輯（責(zé)任編輯：何麗）endprint