基于圖像紋理的假幣快速計數(shù)方法

張輝 陳勐翔

摘要：設計了一種基于圖像紋理信息的假幣紙張計數(shù)方法。預處理階段，先對排列整齊成疊假幣的圖像進行灰度化處理，再利用拉普拉斯銳化增強假幣紙張邊緣信息，而后進行自適應閾值二值化處理得到假幣紙張條紋圖;紙張計數(shù)階段，根據(jù)假幣紙張邊緣區(qū)域像素0、1變化的特點，快速、多區(qū)域地統(tǒng)計假幣二值化圖像中反映紙張數(shù)目的亮紋理信息，并投票給出假幣紙張數(shù)目。實驗結(jié)果表明，該方法能快速、準確地實現(xiàn)假幣紙張計數(shù)，方法簡單且對輕度噪聲不敏感。

關鍵詞：拉普拉斯銳化;二值化條紋;紋理信息;紙張計數(shù)

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1006-8228（2020）09-76-04

0引言

制販假幣案件中查獲的假幣需計算數(shù)量用以量刑，在實務工作中查獲的假幣往往數(shù)額巨大但紙張碼放整齊。目前，案件中對假幣計數(shù)的方式一般采用點鈔機計數(shù)的方式，但這種方式存在計數(shù)時間長、設備易損壞、假幣紙張易破損等缺點。設計一種無損、快速、準確的假幣計數(shù)方法具有一定實用價值。

國內(nèi)外已有許多同類型計數(shù)方法的研究，其中相關性最大的是關于紙張計數(shù)方法研究。石偉等設計了一種基于灰度差分的紙張計數(shù)算法，采用縱向灰度投影法得到灰度曲線并進行灰度差分計算，根據(jù)灰度像素曲線波峰與波谷的具體位置判定紙張數(shù)目。苗良等采用類似方法，通過LOG濾波獲得紙張圖像的二值化邊緣圖，而后采取灰度差分及差分統(tǒng)計法計算紙張數(shù)。劉穎通過對紙幣圖像的條紋預處理、Gabor濾波增強邊緣、p率閾值分割去除多余條紋、條紋校正等措施獲取較清晰的條紋圖像，并選取三段子圖像計算，最終投票得出紙幣數(shù)量。王富治等對圖像極值區(qū)域和非極值區(qū)域進行0、1標記獲得二值化條紋圖像，從而計算紙張數(shù)量，相比閾值選取獲得二值化條紋圖像，有更好的抗毛邊、抗光照不均等性能。李毅等對采集的層疊紙張圖像，分別通過二維Gabor濾波器處理和逐行頻率分析提取紙張邊棱條紋，從而計算紙張數(shù)目。梁海毅等同樣從紙張側(cè)面圖像明暗交替的紋理特征入手，統(tǒng)計灰度曲線波峰數(shù)目計算紙張數(shù)。此外邱華林等提出了一種基于紙張圖像中灰度曲率及峰值檢測相結(jié)合的紙張計數(shù)方法，對于厚度O.05-0.2mm紙張計數(shù)誤差都小于0.01%?？傮w來看，這些方法精度較高，但計算方法較為復雜，計算時間.也較長。

本文在前述研究基礎上設計了一種基于圖像紋理的假幣紙張計數(shù)方法，直接統(tǒng)計二值化圖像中0、1像素變化的頻次，方法簡單，能快速計算成疊假幣的數(shù)量，同時非接觸式的計數(shù)方法能夠最大程度避免對證據(jù)的污損。

1假幣紙張圖像采集及特點分析

本文根據(jù)現(xiàn)實工作的特點，設計如圖1方式的圖像采集系統(tǒng)，其中假幣實際由練功鈔替代，其紙張厚度與常見的假幣及真鈔厚度基本一致，約在0.1mm左右。先將假幣有序整齊疊放至平整、無污染的灰白色載物臺上，假幣紙張由下往上每兩張間約有0.3-0.5mm縮進，這可通過分鈔手法簡單實現(xiàn)，從而提高假幣紙張邊緣間隔。同時為提高紙張邊緣對比度，在載物臺側(cè)面使用平行光源掠入射照明。相機為裝配微距鏡頭的單反相機，直接固定在三腳架上，垂直采集的圖像實時傳輸至計算機端，用以后續(xù)處理。此系統(tǒng)面對需大量采集圖像的場景時，無需實時更改硬件設置，具有較好的實用性。其采集的圖像效果如圖2所示。

觀察圖2成疊假幣圖像及局部放大圖像可以發(fā)現(xiàn)，整齊的成疊假幣紙張邊緣線間相互大致平行，且接收光強更強，在圖像中呈規(guī)律出現(xiàn)的亮條紋，而非紙張邊緣區(qū)域接收光強較弱，在圖像中呈間隔的暗條紋。因此從圖像紋理特征上看，基于上述系統(tǒng)采集的成疊假幣紙張圖像為一幅具有明暗條紋交替變化紋理的圖像，且亮條紋數(shù)即假幣紙張數(shù)目，即便圖像受到一定噪聲的污染，這一特點依舊非常鮮明。如果能根據(jù)這一特點，實時統(tǒng)計采集圖像中的亮條紋數(shù)，即可快速計算假幣紙張數(shù)目，進而根據(jù)假幣面額得出總涉案金額。

2假幣紙張計數(shù)算法設計

本文根據(jù)系統(tǒng)采集得到的圖像具有明、暗條紋交替變化特點，設計如下假幣紙張計數(shù)算法：首先，對成疊假幣紙張圖像進行灰度化操作;而后對紙張邊緣區(qū)域進行拉普拉斯銳化處理，提高明暗條紋對比度，因明暗條紋特征受噪聲干擾不明顯，本算法不設計去噪環(huán)節(jié);接下來，對增強后的圖像進行自適應閾值二值化處理，得到二值條紋圖像，此步驟可基本消除輕微噪聲點的影響，且因為邊緣線接收光照較紙張表面和載物臺背景遠強的特點，可以較好分割出邊緣亮線;最后，直接在二值化圖像紋理區(qū)域隨機選取N行像素，統(tǒng)計各行像素0、1值變化的頻次，得到亮條紋數(shù)，即假幣紙張的數(shù)目，數(shù)目值出現(xiàn)次數(shù)最多者輸出為最終結(jié)果。流程設計如圖3所示。

2.1圖像灰度化

采集的原始假幣紙張圖像為RGB圖像，通過將RGB圖中紅綠藍三通道的分量值加權平均計算得到該像素點灰度值。數(shù)學表達如式（1），其中Gray表示計算后的灰度值，R、G、B表示紅、綠、藍通道分量值。

2.2拉普拉斯銳化

本文方法主要以統(tǒng)計假幣紙張邊緣和表面交替變化的紋理信息來確定假幣紙張數(shù)量，且主要是記錄邊緣亮線的信息。因此，對圖像邊緣信息進行增強有利于提高計數(shù)準確率，本文采用經(jīng)典的拉普拉斯銳化算子對假幣紙張圖像的細節(jié)信息特別是邊緣信息進行增強。

將拉普拉斯算子掩模對圖像進行濾波操作，所得圖像與原圖疊加即可得到銳化結(jié)果圖，銳化前后圖像如圖4示例?？梢?，盡管銳化也一定程度上增強了噪聲，但相比假幣邊緣對比度增強的效果并不明顯。

2.3自適應閾值二值化

隨后，對銳化后的圖像進行自適應閾值分割，自適應閾值選擇方法是常見的迭代選擇法，其迭代規(guī)則如下。

（1）初始化閾值為T。

（2）根據(jù)閾值T，將輸入圖像分割為像素值低于T的A集和像素值高于T的B集。

（3）計算所有處于A集和B集內(nèi)像素點的灰度平均值t1，t2。

（4）根據(jù)t1，t2更新閾值：（5）重復計算第（2）-（4）步，逐步收斂至最終閾值。

根據(jù)上述步驟計算得出閾值后，即可進行二值分割，得到假幣紙張條紋圖像如圖5所示。

放大二值條紋圖像如圖5（b），可發(fā)現(xiàn)像素值從0至1跳變一次即為紙張數(shù)目增加一張，噪聲點基本與紙張邊緣線粘連，不影響0至1像素變化的次數(shù)，從而對紙張計數(shù)影響降至最低。

2.4條紋計數(shù)

條紋計數(shù)針對前述處理得到的二值條紋圖像來進行，其基本邏輯簡單，有如下方法。

（1）從圖像行數(shù)值中隨機選擇N個數(shù)值，得到隨機計算亮條紋數(shù)的N行，N取合理整數(shù)。

（2）對于選取的每一行像素，遍歷每一列像素，如某像素點灰度值為1，且其前一列像素點灰度為0，后一列像素點灰度為1，則標記假幣紙張數(shù)目增加1張，確保每一條亮條紋只被計數(shù)一次。

（3）對隨機的N行像素分別計算得到假幣紙張數(shù)，分析形成的N維數(shù)組中出現(xiàn)次數(shù)最多的數(shù)值，輸出該值即為假幣紙張數(shù)，即投票決定最終結(jié)果。

計數(shù)方法流程如圖6所示。

3實驗結(jié)果及分析

為驗證方法對成疊假幣紙張能否準確計數(shù)，本文對數(shù)量為50張，100張，150張，200張的四組成疊假幣分別進行了100次測試，計數(shù)算法運行環(huán)境為MATLAB，N取10。部分測試結(jié)果如表l所示。

根據(jù)測試結(jié)果可知，假幣紙張數(shù)量在50張和100張時，準確率可達99.98%以上，100測試中各有一次測試值分別為49和99;假幣紙張數(shù)量在150張時，漏檢的測量次數(shù)增多，而假幣紙張數(shù)為200時，測試平均準確率進一步下降。單次測試用時較快，如紙張數(shù)為100時，平均單次測量用時0.23秒，達到了快速計數(shù)的目的。分析紙張數(shù)增多時準確率下降的原因，主要是紙張邊緣間隔減小導致條紋粘連所致。此外，在成疊假幣厚度增加時，因普通微距鏡頭拍攝時景深不足而導致部分邊緣線虛化，從而漏檢。

4結(jié)束語

本文從實際出發(fā)，設計了一種快速、準確的假幣紙張計數(shù)方法，該方法簡潔有效，對采集圖像進行灰度化處理，再進行細節(jié)增強，而后進行自適應閾值二值化處理，在得到的條紋圖像中直接搜索亮條紋數(shù)目，從而得到假幣紙張數(shù)量。同時，本文還設計了一種簡易有效的成疊假幣圖像采集硬件方案。實驗測試結(jié)果表明，方法在假幣堆疊有序、單次計數(shù)張數(shù)不超過100張情況下，準確度很高，可適用公安實際工作。