基于图像纹理的假币快速计数方法

来源：核心期刊咨询网时间：12

摘要：摘要：设计了一种基于图像纹理信息的假币纸张计数方法。预处理阶段，先对排列整齐成叠假币的图像进行灰度化处理，再利用拉普拉斯锐化增强假币纸张边缘信息，而后进行自适应阈值二值化处理得到假币纸张条纹图;纸张计数阶段，根据假币纸张边缘区域像素0、1变化

　　摘要：设计了一种基于图像纹理信息的假币纸张计数方法。预处理阶段，先对排列整齐成叠假币的图像进行灰度化处理，再利用拉普拉斯锐化增强假币纸张边缘信息，而后进行自适应阈值二值化处理得到假币纸张条纹图;纸张计数阶段，根据假币纸张边缘区域像素0、1变化的特点，快速、多区域地统计假币二值化图像中反映纸张数目的亮纹理信息，并投票给出假币纸张数目。实验结果表明，该方法能快速、准确地实现假币纸张计数，方法简单且对轻度噪声不敏感。

　　关键词：拉普拉斯锐化;二值化条纹;纹理信息;纸张计数

　　0引言

　　制贩假币案件中查获的假币需计算数量用以量刑，在实务工作中查获的假币往往数额巨大但纸张码放整齐。目前，案件中对假币计数的方式一般采用点钞机计数的方式，但这种方式存在计数时间长、设备易损坏、假币纸张易破损等缺点。设计一种无损、快速、准确的假币计数方法具有一定实用价值。

　　国内外已有许多同类型计数方法的研究，其中相关性最大的是关于纸张计数方法研究。石伟等设计了一种基于灰度差分的纸张计数算法，采用纵向灰度投影法得到灰度曲线并进行灰度差分计算，根据灰度像素曲线波峰与波谷的具体位置判定纸张数目。苗良等采用类似方法，通过LOG滤波获得纸张图像的二值化边缘图，而后采取灰度差分及差分统计法计算纸张数。刘颖通过对纸币图像的条纹预处理、Gabor滤波增强边缘、p率阈值分割去除多余条纹、条纹校正等措施获取较清晰的条纹图像，并选取三段子图像计算，最终投票得出纸币数量。王富治等对图像极值区域和非极值区域进行0、1标记获得二值化条纹图像，从而计算纸张数量，相比阈值选取获得二值化条纹图像，有更好的抗毛边、抗光照不均等性能。李毅等对采集的层叠纸张图像，分别通过二维Gabor滤波器处理和逐行频率分析提取纸张边棱条纹，从而计算纸张数目。梁海毅等同样从纸张侧面图像明暗交替的纹理特征入手，统计灰度曲线波峰数目计算纸张数。此外邱华林等提出了一种基于纸张图像中灰度曲率及峰值检测相结合的纸张计数方法，对于厚度O.05-0.2mm纸张计数误差都小于0.01%。总体来看，这些方法精度较高，但计算方法较为复杂，计算时间.也较长。

　　本文在前述研究基础上设计了一种基于图像纹理的假币纸张计数方法，直接统计二值化图像中0、1像素变化的频次，方法简单，能快速计算成叠假币的数量，同时非接触式的计数方法能够最大程度避免对证据的污损。

　　1假币纸张图像采集及特点分析

　　本文根据现实工作的特点，设计如图1方式的图像采集系统，其中假币实际由练功钞替代，其纸张厚度与常见的假币及真钞厚度基本一致，约在0.1mm左右。先将假币有序整齐叠放至平整、无污染的灰白色载物台上，假币纸张由下往上每两张间约有0.3-0.5mm缩进，这可通过分钞手法简单实现，从而提高假币纸张边缘间隔。同时为提高纸张边缘对比度，在载物台侧面使用平行光源掠入射照明。相机为装配微距镜头的单反相机，直接固定在三脚架上，垂直采集的图像實时传输至计算机端，用以后续处理。此系统面对需大量采集图像的场景时，无需实时更改硬件设置，具有较好的实用性。其采集的图像效果如图2所示。

　　观察图2成叠假币图像及局部放大图像可以发现，整齐的成叠假币纸张边缘线间相互大致平行，且接收光强更强，在图像中呈规律出现的亮条纹，而非纸张边缘区域接收光强较弱，在图像中呈间隔的暗条纹。因此从图像纹理特征上看，基于上述系统采集的成叠假币纸张图像为一幅具有明暗条纹交替变化纹理的图像，且亮条纹数即假币纸张数目，即便图像受到一定噪声的污染，这一特点依旧非常鲜明。如果能根据这一特点，实时统计采集图像中的亮条纹数，即可快速计算假币纸张数目，进而根据假币面额得出总涉案金额。

　　2假币纸张计数算法设计

　　本文根据系统采集得到的图像具有明、暗条纹交替变化特点，设计如下假币纸张计数算法：首先，对成叠假币纸张图像进行灰度化操作;而后对纸张边缘区域进行拉普拉斯锐化处理，提高明暗条纹对比度，因明暗条纹特征受噪声干扰不明显，本算法不设计去噪环节;接下来，对增强后的图像进行自适应阈值二值化处理，得到二值条纹图像，此步骤可基本消除轻微噪声点的影响，且因为边缘线接收光照较纸张表面和载物台背景远强的特点，可以较好分割出边缘亮线;最后，直接在二值化图像纹理区域随机选取N行像素，统计各行像素0、1值变化的频次，得到亮条纹数，即假币纸张的数目，数目值出现次数最多者输出为最终结果。流程设计如图3所示。

　　2.1图像灰度化

　　采集的原始假币纸张图像为RGB图像，通过将RGB图中红绿蓝三通道的分量值加权平均计算得到该像素点灰度值。数学表达如式(1)，其中Gray表示计算后的灰度值，R、G、B表示红、绿、蓝通道分量值。

　　2.2拉普拉斯锐化

　　本文方法主要以统计假币纸张边缘和表面交替变化的纹理信息来确定假币纸张数量，且主要是记录边缘亮线的信息。因此，对图像边缘信息进行增强有利于提高计数准确率，本文采用经典的拉普拉斯锐化算子对假币纸张图像的细节信息特别是边缘信息进行增强。

　　将拉普拉斯算子掩模对图像进行滤波操作，所得图像与原图叠加即可得到锐化结果图，锐化前后图像如图4示例。可见，尽管锐化也一定程度上增强了噪声，但相比假币边缘对比度增强的效果并不明显。

　　2.3自适应阈值二值化

　　随后，对锐化后的图像进行自适应阈值分割，自适应阈值选择方法是常见的迭代选择法，其迭代规则如下。

　　(1)初始化阈值为T。

　　(2)根据阈值T，将输入图像分割为像素值低于T的A集和像素值高于T的B集。

　　(3)计算所有处于A集和B集内像素点的灰度平均值t1，t2。

　　推荐阅读：《软件和集成电路》(月刊)创刊于1984年，邮发代码：82-469。由中国电子信息产业发展研究院、北京中电报发展有限公司主办的计算机科学技术刊物。

转载请注明来自：http://www.qikan2017.com/lunwen/dzi/16769.html