基于MATLAB图像处理的硬币个数识别系统

1、课题介绍

本设计为基于MATLAB的硬币图像识别统计装置，通过数码相机获取平铺无重叠堆积的硬币的图像，并通过Matlab工具处理后统计硬币的数目。通过控制控制数码相机的拍摄实现拍摄—统计—拍摄的过程。在本次试验过程中，通过人为手动摆放硬币，在工业生产应用中可以由MCU实现硬币的传送，上位机实现统计显示。本装置的统计方式为软件识别，与传统的机械清点相比具有速度快，损耗低等特点，目前的缺陷就是清点精度相对比较的低。

2.总体方案设计

2.1 功能模块划分

在实验室实现的过程中检测传送装置可以省略，但考虑到该设计的实用性，再次针对工业生产进行模块设计。

该装置由检测传送控制、图像拍摄、软件处理三部分组成，MCU主要负责硬币的取送，数码相机负责图像的获取；而具体的任务分配及数据处理则由处理能力强大的上位机（PC机）来完成。

总体功能可由下图表示：

1. 实验室手动操作：

图3-1-整体功能模块示意图

1. 工业生产过程：

图3-1-2整体功能模块示意图

2.2 MCU传送控制流程

装置MCU控制传送的硬币及传送速度，这里主要介绍上位机图像处理部分，下位机的设计就不详细介绍。其与数码相机存在控制通讯接口，逻辑关系如下图所示：

2.3数码相机拍摄

数码相机获取的图片是后续程序处理的基础，所以在得到的图片质量上要有好的保证。比如图像的曝光度，解析度，对比度、色调等，所以有必要调整光照，设定好元件放置处的背景色。其中调整光照可以由MCU一并控制。数码相机的启停可由MCU控制，也可由PC控制，但图片所涉及的数据量大，要求失真度低，图像数据传输通讯接口可采用USB接口。这里使用imaging公司的摄像头和驱动进行上位机VC开发。

3.图像处理

3.1 图像格式转换

取的图像格式为RGB彩色图像，需要先将其转换为8位256级的灰度图像。本程序采用Matlab的图像处理工具箱的函数rgb2gray来实现。

rgb2gray（）

功能：

转换RGB图像或颜色映像表为灰度图像。

语法：

I = rgb2gray(RGB)

newmap = rgb2gray(map)

3.2 去噪及特征提取

上图3-1为硬币统计的局部图片，图中可见，硬币主体部分和背景以及图像有着明显的区别，可以通过选取合适的阈值进行二值化，从而提取出硬币的特征。

图3-2为此图像的直方图，从图中可见到比较明显的阈值分界点，但是并不是非常的明显，这是因为，图中有很多的硬币因为反光的缘故，导致主体部分有些发白，如图3-3所示。

3.3灰度调整

对于这些发白部分，我们采用灰度调整及中值滤波进行处理，在matlab中，提供了两个函数进行相应的操作，其中imadjust进行灰度调整，其用法如下

Imadjst(f,[low_in high_in],[low_out high_out],gamma)

Gamma所表示的意义：

>1 -------- 凹曲线

<1 -------- 凸直线

=1 -------- 直线

medfilt2用于进行中值滤波处理，其用法如下

F=medfilt2(f,[m n]);

f为输入图像

[m n]为中值滤波模板

F是中值滤波后输出的图像。

图4-1经过灰度调整及中值滤波后的图像如图4-4所示，可见，经过中值滤波后，硬币的主体部分有了较大的改善。

3.4二值化处理

经过滤波后，即可对图像进行二值化处理，首先，我们采用人工选择阈值的方法进行二值化，由图可见，对于本幅图片，其合适的阈值在50~100之间，通过试验，我们选取的值为80。

对图像二值化处理的程序如下：

[M,N]=size(F);

for x=1:M

for y=1:N

if F(x,y)<80

F(x,y)=0; %低于阈值的值黑

else

F(x,y)=255; %高于阈值的值白

end

end

end

处理后的图像如图3-6所示：

3.5阈值分割

当然仍有许多模糊的硬币管脚残影，但已经将硬币的主体很好的识别了出来，采用人工选择阈值的方法虽然可以成功分离出硬币的主体，但是这个阈值这是针对这张图片有效，对于获取的其它图片，这个阈值并不能正确地对图像进行二值化处理，因此我们决定采用自动阈值分割的方法来对图像进行二值化。

我们所选用的自动阈值分割方法为Otsu法，它是一种使类间方差最大的自动确定阈值的方法，该方法具有简单、处理速度快的特点，是一种常用的阈值选取方法。

在matlab中，提供了一个函数graythresh来实现Otsu法阈值分割，其用法如下：

T=graythresh(f);

其中，f为待进行阈值分割的灰度图像，T为返回的分割灰度比例，将其乘于256即为Otsu法划定的分割阈值。

采用Otsu法进行阈值二值化后的图像如图4-7所示：

由上可见，不管是采用人工阈值还是Otsu法自动阈值分割，仍然会残留很多的硬币阴影，它们将会严重干扰到对硬币的统计，对于这些噪声，我们采用图像形态学中的闭运算来进行处理，闭运算的原理是先对图像进行腐蚀后再进行膨胀，matlab提供了函数imclose来实现图像的闭运算。其格式为：

F=imclose（f,B）；

其中,B为结构元素，可由以下两种办法生成

（1） B=ones(n);

（2） B=strel（‘type’,[m n])；

Type可以取以下的值

square 生成一个m*n方形矩阵

line 生成一条长度为m，斜率为n°的直线

disk 生成一个m*n大小的蝶形

ball 生成一个m*n大小的球形

滤除硬币管脚后的结果如图4-8所示。

由图中可见，噪声被有效的滤除了，但是，去除了噪声的同时，也使部分接触紧密的硬币在闭运算后可能连成一个整体，如图4-8中的红圈所示，因此在此后的识别统计中需要对其进行特殊的处理。

4.识别统计

4.1图像反色

将以上处理过后的图像反色，如图4-10所示

4.2函数bwlabel统计

硬币数目的统计采用函数bwlabel 来实现.

在该设计中由于6枚硬币已被人工有效的摆放，没有重叠部分，函数bwlabel的功能并没有有效的表现出来，但在大量测量硬币及细胞等物体计数时具有很广泛的应用。

bwlabel功能：

标注二进制图像中已连接的部分,并将每个连同的部分标上相同的序号。

语法： L = bwlabel(BW,n) ，[L,num] = bwlabel(BW,n)

统计的过程如下：

1. 通过bwlabel计算出图像中所以的连通区域的数目，这包括了单个、两个、及三个以上的硬币。
2. 计算每个连通区域的大小，根据大小判断其中包括的硬币数目，分别计算两个硬币，三个硬币，及三个以上硬币的数目。
3. 将上面各项统计结果加起来即为硬币的数目。

具体程序如下：

%对图像贴标签

[L N]=bwlabel(F1,8)

Sum = [];

%统计每个标签的数量

for i=1:N

[r,c] = find(L==i);

rc = [r c];

Num = length(rc);

Sum([i])=Num;

end

%根据每个标签数量，分别统计2个，3个，4个硬币的数量

for i=1:length(Sum)

if (Sum([i]))>2000

N=N+3;

elseif (Sum([i])) > 900

N =N + 1;

end

end

图4-10 Matlab统计分析

经过统计，如图4-10所示，该幅图像的硬币数目约为6个。

5.完整设计程序

clear all;

close all;

f=imread('H:\yingbi2.jpg');

w=imshow(f);title('原图像');

F=rgb2gray(f); %真彩图转化为灰度图

figure;imshow(F);title('灰度图');

figure;imhist(F);title('直方图');

F0 = imadjust(F,stretchlim(F),[0 1]);

Ft=medfilt2(F0,[5 5]);

figure;imshow(Ft);title('灰度调整，中值滤波后的图像');

figure;imhist(Ft);title('灰度调整，中值滤波后的直方图');

T=graythresh(Ft);

T=T*256-5;

[M,N]=size(Ft);

for x=1:M

for y=1:N

if Ft(x,y)<T

Ft(x,y)=0; %低于阈值的值黑

else

Ft(x,y)=255; %高于阈值的值白

end

end

end

figure;imshow(Ft);title('二值化结果');

B=ones(10);

F0=imclose(Ft,B);

figure;imshow(F0);title('闭运算');

F1=imadjust(F0,[0,1],[1,0],1);

figure;imshow(F1);title('反色');

%对图像贴标签

[L N]=bwlabel(F1,8)

Sum = [];

%统计每个标签的数量，有些硬币可能会重叠在一起的情况一定要用此种方法

%根据每个标签数量，硬币的数量

for i=1:length(Sum)

if (Sum([i]))>2000

N=N+3;

elseif(Sum([i])) > 1450

N =N + 2;

elseif (Sum([i])) > 900

N =N + 1;

end

end