前言：想要寫出一篇引人入勝的文章？我們特意為您整理了計算機(jī)仿真紙幣識別體系分析范文，希望能給你帶來靈感和參考，敬請閱讀。

一、引言

自2002年1月1日起正式發(fā)行的歐元，目前已成為歐元區(qū)3億居民唯一法定的流通貨幣。隨著我國金融業(yè)的日益發(fā)展和成熟，歐元在我國流通呈上升趨勢，但在業(yè)務(wù)中如何鑒別歐元假幣，是令銀行及各用戶感到頭痛的一個問題。所以，開發(fā)一款新型的具有優(yōu)良檢偽性能和良好性介比的歐元鑒別儀，為用戶提供方便、準(zhǔn)確、實用的檢測設(shè)備將會有很大的應(yīng)用市場和前景。我們將要開發(fā)的鑒別儀的研制主要分為兩個部分:紙幣圖像的讀人識別和紙幣的真?zhèn)舞b別。本文主要針對圖像讀人識別這個模塊進(jìn)行研究。在圖像處理和識別理論的指導(dǎo)下，本文詳細(xì)介紹了本課題圖像識別預(yù)處理所采用的方法，探討了如何用軟件進(jìn)行仿真，實驗中我們用掃描儀掃描各個面值的歐元紙幣作為研究對象，按圖像處理和識別的步驟在C++Builder6.0環(huán)境下進(jìn)行仿真。本文按照研究的過程和識別的流程，分別從版面分析、處理區(qū)域的確定、圖像的平滑化、圖像的二值化、字符分割等方面對圖像識別預(yù)處理作了詳細(xì)的描述。

二、仿真

1.版面分析

版面分析是實用識別軟件不可缺少的組成部分，是識別的預(yù)處理技術(shù)之一，它是利用圖像處理、人工智能等技術(shù)完成印刷品圖像文件中文字域的分檢工作。版面分析技術(shù)就是利用計算機(jī)自動地對印刷版面的圖像數(shù)據(jù)進(jìn)行處理和分析，標(biāo)識出版面上的文字、圖像、圖形及表格區(qū)域的位置、屬性和邏輯關(guān)系，以便識別器正確地操作到文字域進(jìn)行識別。因此，版面分析是字符識別過程中一個非常關(guān)鍵的步驟，它為后面的字符識別提供了必要的原始材料信息，版面分析質(zhì)量的好壞在很大程序上決定了字符識別率的高低。本課題中，相對于普通文檔的版面，錢幣的版面有很大的特殊性。首先，從信息分布上看，錢幣的面值信息往往在一定位置上分布，從而可將幣面分為一定的功能塊，由于各功能塊分布具有規(guī)律性，要進(jìn)行處理的幣面數(shù)值—幣值，一般位于掃描圖像的左下角區(qū)域。對于歐元的版面分析，完全可以借鑒以前的各種成熟算法，在本文中就利用字塊之間的空白信息，對錢幣進(jìn)行版面分析。當(dāng)字符串分成若干矩形區(qū)域后，可再對其中的信息進(jìn)行處理。

2.處理區(qū)域的確定

分析各類面值的歐元錢幣，幣面上的幣值信息在圖像上的相對位置是穩(wěn)定的。而且，在掃描時輸人的圖像一般是，錢幣左側(cè)的一個窄矩形，利用這些特點，可以在輸入圖像的左下方設(shè)定一個固定大小的處理區(qū)域，即為實際處理區(qū)域，在這個區(qū)域里，可以把所有的圖片的幣值字碼框在里面。具體到本程序，取500歐元的幣值區(qū)域125x88為標(biāo)準(zhǔn)區(qū)域，當(dāng)窄矩形的右邊和底端小于500歐元的邊界時，相應(yīng)地減小實際處理區(qū)域的大小，這樣才可以保證處理區(qū)域在圖像內(nèi)。這樣減小了后續(xù)處理的信息量，加快了處理的速度，便于后面更好地處理和識別。

3.圖像平滑

圖像中總是包含著各種各樣的噪聲，例如來自于紙幣本身的被污染，來自于CCD的光子噪聲，讀出噪聲等等，所以在從圖像提取各種特征之前，有必要先除去這樣的噪聲。通常噪聲產(chǎn)生的機(jī)理往往是未知的，而且有時即使知道了產(chǎn)生的機(jī)理，也不能對此有效地進(jìn)行數(shù)學(xué)上的模型化。在這樣的場合，可采用根據(jù)噪聲所具有的一般性質(zhì)進(jìn)行噪聲消除的平滑化(smoothing)的方法。圖像平滑處理的方法主要有空間域法和頻域法兩大類。具體到實際處理過程，在空間域內(nèi)可以用鄰域平均來減少噪聲;在頻率域，由于噪聲頻譜通常多在高頻段，所以多用各種低通濾波的方法來減少噪聲，下面分別介紹兩種方法。(l)中值濾波中值濾波是一種非線性的信號處理方法，在實際運算過程中不需要圖像的統(tǒng)計特征，運用較為方便。中值濾波一般采用一個含有奇數(shù)個點的滑動窗口，將窗口中各點灰度值的中值來替代指定點(一般為窗口中心點)的灰度值。對于偶數(shù)個元素，中值則是指排序后中間兩個元素灰度值的平均值。中值濾波在一定條件下可以克服圖像細(xì)節(jié)模糊，而且對濾除脈沖于擾和圖像掃描噪聲最為有效，得到較好的視覺效果。本文取輸人圖像點的3x3鄰域，采用冒泡法，將9個灰度值按從小到大的順序排列，取其排序后位于中間的像素值賦予中心像素，最后備份圖像，準(zhǔn)備顯示。(2)低通濾波低通濾波是在頻域上對圖像進(jìn)行平滑處理，其思路是保留圖像空間頻率的低頻部分，減少圖像的高頻部分，這樣一來可以降低圖像中的視覺噪聲，更易識別圖像中的低頻成份。低通濾波與中值濾波的思路不同。本文中低通濾波是通過卷積來實現(xiàn)。卷積可以簡單地看成是加權(quán)求和的過程。卷積時使用的權(quán)用一個很小的矩陣來表示，矩陣與使用的區(qū)域大小相同，該權(quán)矩陣叫做卷積核。區(qū)域中的每一個像素分別與卷積核中的每一個元素相乘，所得乘積之和就為區(qū)域中心像素的新值。卷積核中各元素叫做卷積系數(shù)，卷積核中卷積系數(shù)的大小、方向及排列次序決定了卷積的圖像處理效果。川針對本課題的具體情況，本文取的是3x3的正方形鄰域。即取像素的周圍9個像素的灰度平均值作為該像素的輸出灰度值。為了盡量抑制圖像中出現(xiàn)的模糊，本文在加權(quán)矩陣中心賦予較大的權(quán)重。在卷積的過程中，本文遇到了圖像的邊界問題。當(dāng)在圖像上逐個移動卷積核時，當(dāng)卷積核移到圖像的邊界時，在原圖像上就不能完整找到與卷積核中卷積系數(shù)相對應(yīng)的9個圖像像素，本文的解決方法是忽略圖像邊界區(qū)域。經(jīng)實驗證明，該方法是行之有效的。

4.二值化

二值化是預(yù)處理中非常重要的一步。本文在比較了多種圖像二值化方法后，選擇了使用性較廣泛的基于灰度的數(shù)學(xué)期望的方法?；诨叶鹊臄?shù)學(xué)期望的方法:通常情況下，圖像的闌值被設(shè)置在灰度直方圖的既明顯又深的波谷的位置。事實上許多根據(jù)人眼主觀判斷可劃分為目標(biāo)和背景區(qū)的圖像，其灰度直方圖并不具備上述特點，可能的情況是灰度直方圖的谷并不十分明顯或者存在多個波谷，在這種情況下要得到正確的圖像閡值是非常困難的，而實際上存在這樣的可能性:雖然屬于某一灰度級的象素數(shù)占總象素數(shù)的比例較小，但其對于二值化的效果卻有較大的影響，因此需要對圖像的灰度分布情況從整體上進(jìn)行分析研究，從而確定閡值。分析一下數(shù)字圖像的特點:在數(shù)字圖像中每一個象素值均屬于一個有限集，該集合即為可能的灰度等級。象素的取值情況不同，也形成了不同的圖像。

5.字符串的定位

經(jīng)過二值化后，現(xiàn)在的圖像已基本可以滿足我們的分割要求。分別對處理區(qū)域進(jìn)行水平投影和垂直投影，可以求出字符串的位置。這種方法簡單、直觀、速度快。下面給出字符串定位的算法。本文定義了四個參數(shù):t叩，bottom，left，reght。它們分別記錄了定出的定符串位置。水平方向的算法步驟如下:(1)對經(jīng)過預(yù)處理的固定區(qū)域進(jìn)行水平投影;(2)按照固定區(qū)域的總行數(shù)從上到下的次序開始循環(huán);(3)如果該行的投影值大于一個閩值t，，而下一行的投影值也大于閡值t，，就將該行的行數(shù)寫人top作標(biāo)記，跳出循環(huán);(4)如果循環(huán)沒有結(jié)束，跳回(3);(5)同理，從下向上搜索到bottom。(6)找出水平投影最大值的位置，分別向上、下搜索，如果該行的投影值小于鬧值吸，則做標(biāo)記，寫人相應(yīng)的t叩或bottom。由于印刷值字符筆劃的水平方向的寬度比垂直方向的小，因此在垂直方向的投影只需要一個闌值即可。垂直方向的算法步驟如下:(l)經(jīng)過預(yù)處理的固定區(qū)域進(jìn)行垂直投影;(2)照固定區(qū)域的總列數(shù)從左到右的次序開始循環(huán);(3)如果該行的投影值大于一個闌值tl，就將該行的行數(shù)寫人left作標(biāo)記，跳出循環(huán);(4)如果循環(huán)沒有結(jié)束，跳回(3);(5)同理，從右到左搜索到right。如果字符串的left、right與事先確定的處理區(qū)域的邊緣相等，就將字符串的這個邊緣向外擴(kuò)展一個字符寬度，以防處理區(qū)域把個別字符事先去掉。

6.實驗結(jié)果

前面討論了版面處理和分割區(qū)域的字符串定位，下面給出了分步運行結(jié)果。其中圖2-l是掃描圖像經(jīng)過二值化后的圖像;圖2一2是圖像實際處理區(qū)域;圖2一3是字符串區(qū)域。

7.字符分割

字符分割的任務(wù)是把多行或多字符圖像中的每個字符從整個圖像中切割出來成為單個字符。字符分割的算法很多，通常根據(jù)處理對象的不同有許多相應(yīng)的方法。為了實現(xiàn)更好地分割，有關(guān)圖像的總體知識和先驗信息是很有用的，根據(jù)包含在圖像中的信息，可以制定相應(yīng)的判決準(zhǔn)則和控制策略，使其完成自動分割，如對多行文本的處理，郵政部門對郵政編碼和地址的識別，金融部門對支票簽名手寫字跡的分割識別等，都是針對具體的不同研究對象而采用不同的算法。傳統(tǒng)的字符分割算法可以歸納為以上三類:直接的分割法，基于識別基礎(chǔ)上的分割法，自適應(yīng)分割線聚類法。由于本文處理的對象是相對類型較少、變化較小的錢幣數(shù)值，所以采用簡單的直接分割法。具體就是從定位出的字符串中直接找到每個字符的邊界，之后對單個字符進(jìn)行識別。經(jīng)過以上的一系列處理后，現(xiàn)在圖像基本滿足分割要求。由于錢幣有其自身的規(guī)格要求，各字符間具有一定間距，而這個間隔是我們最先可以想到的分割依據(jù)。當(dāng)對整個字符串區(qū)域做豎直投影時，相鄰字符間的間隔投影應(yīng)正好處于波谷的位置。在理想情況時，此波谷值應(yīng)為零，并且每個字符之間都應(yīng)該有相應(yīng)的波谷。利用這個零值的波谷可以很容易得到字符間的間隔，從而將字符串切分為單個字符，進(jìn)行下一步的識別。本文中所用的算法為:定義兩個數(shù)組mark〔〕，inteoal〔」，一個參數(shù)count。其中mark〔〕記錄了通過字符串區(qū)域豎直投影得到的上一個字符結(jié)束位置，inierval【」記錄了從上一個字符結(jié)束到下一個字符開始的間隔，而count則對mark〔〕和interval〔〕數(shù)組中寫人的數(shù)字進(jìn)行計數(shù)?？紤]到錢幣上的號碼最多不過4個，就將數(shù)組的大小定義為4，算法步驟如下:(l)定義大小為4的兩個零數(shù)組mark〔]，interval仁];(2)對經(jīng)過預(yù)處理的字符串進(jìn)行豎直投影;(3)按照字符串圖像的總列數(shù)開始循環(huán);(4)如果該列的投影值大于一個閡值t，而下一列投影值小于t，則將下一列的值寫人mark「]，同時對coimt加1，表示寫人了新的間隔標(biāo)記;如果該列的投影值小于t，而下一列的投影值也小于t，則對interval〔eount」加1，此時inteoal〔〕數(shù)組中記錄的字符間隔長度增加;(5)如果循環(huán)沒有結(jié)束，跳回(4)。

三、結(jié)束語

我們已經(jīng)做完了字符識別前的預(yù)處理工作，并得到了單個字符。下面就可以進(jìn)一步對這些單個字符進(jìn)行分析，以得到最終的識別結(jié)果。