【人民币识别】基于matlab GUI RGB和BP神经网络的人民币识别系统【含Matlab源码 097期】

一、简介

本设计为基于MATLAB的人民币识别系统。带有一个GUI界面。先利用radon进行倾斜校正，根据不同纸币，选择不同维度的参数识别纸币金额，有通过RGB分量识别100元；

通过面额图像的宽度识别1元、5元；通过构建矩形结构体识别10元；通过RGB分量识别 20元与 50元。

二、部分源代码

function varargout = main(varargin)
% MAIN MATLAB code for main.fig
%      MAIN, by itself, creates a new MAIN or raises the existing
%      singleton*.
%
%      H = MAIN returns the handle to a new MAIN or the handle to
%      the existing singleton*.
%
%      MAIN('CALLBACK',hObject,eventData,handles,...) calls the local
%      function named CALLBACK in MAIN.M with the given input arguments.
%
%      MAIN('Property','Value',...) creates a new MAIN or raises the
%      existing singleton*.  Starting from the left, property value pairs are
%      applied to the GUI before main_OpeningFcn gets called.  An
%      unrecognized property name or invalid value makes property application
%      stop.  All inputs are passed to main_OpeningFcn via varargin.
%
%      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
%      instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES% Edit the above text to modify the response to help main% Last Modified by GUIDE v2.5 29-May-2020 00:04:07% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',       mfilename, ...'gui_Singleton',  gui_Singleton, ...'gui_OpeningFcn', @main_OpeningFcn, ...'gui_OutputFcn',  @main_OutputFcn, ...'gui_LayoutFcn',  [] , ...'gui_Callback',   []);
if nargin && ischar(varargin{1})gui_State.gui_Callback = str2func(varargin{1});
endif nargout[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
elsegui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT% --- Executes just before main is made visible.
function main_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
% varargin   command line arguments to main (see VARARGIN)% Choose default command line output for main
handles.output = hObject;% Update handles structure
guidata(hObject, handles);% UIWAIT makes main wait for user response (see UIRESUME)
% uiwait(handles.figure1);% --- Outputs from this function are returned to the command line.
function varargout = main_OutputFcn(hObject, eventdata, handles)
% varargout  cell array for returning output args (see VARARGOUT);
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)% Get default command line output from handles structure
varargout{1} = handles.output;% --- Executes on button press in pushbutton1.
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton1 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
%% 图像读取
[filename, pathname] = uigetfile({'*.jpg;*.tif;*.png;*.gif','All Image Files';...'*.*','All Files' });
l = imread([ pathname,filename]);
axes(handles.axes1)
imshow(l);
title('原始图像')
l1=rgb2gray(l);                %将真彩色图像转换为灰度图像
bw1=edge(l1,'sobel', 'both');  %采用sobel算子进行边缘检测
handles.bw1=bw1;
theta=0:179;                   %定义theta角度范围
r=radon(bw1,theta);            %对图像进行Radon变换%%%%%检测Radon变换矩阵中的峰值所对应的列坐标%%%%
[m,n]=size(r);
c=1;
for i=1:mfor j=1:nif  r(1,1)<r(i,j)r(1,1)=r(i,j);c=j;endend
end
rot=90-c;
pic=imrotate(l,rot,'crop');                     %对图片进行旋转矫正
handles.pic=pic;
pic_gray=rgb2gray(pic);                         %转换为灰度图像
handles.pic_gray=pic_gray;
pic_a=imadjust(pic_gray,[0,0.001],[1,0]);       %明暗反转
pic_b=1.3*pic_gray+0.7*pic_a;
pic_c=imadjust(pic_b,[0.5,1],[0,1]);            %明暗反转
handles.pic_c=pic_c;
pic_b_edge=edge(pic_c,'sobel');                 %采用sobel算子进行边缘检测
handles.pic_b_edge=pic_b_edge;
se=[1;1;1];                                     %线型结构元素
pic_imerode=imerode(pic_b_edge,se);             %腐蚀图像
handles.pic_imerode=pic_imerode;
se=strel('rectangle',[60,60]);                  %矩形结构元素
pic_imclose=imclose(pic_imerode,se);            %图像聚类、填充图像
handles.pic_imclose=pic_imclose;
pic_bwareaopen=bwareaopen(pic_imclose,10000);   %去除聚团灰度值小于10000的部分%%%%%求纸币行起始位置和终止位置%%%%%
[y,x]=size(pic_bwareaopen);
I6=double(pic_bwareaopen);
Y1=zeros(y,1);
for i=1:yfor j=1:xif(I6(i,j,1)==1)Y1(i,1)= Y1(i,1)+1;endend
end
[temp MaxY]=max(Y1);
%%
%%%%%%求纸币列起始位置和终止位置%%%%%PY1=MaxY;
while ((Y1(PY1,1)>=50)&&(PY1>1))PY1=PY1-1;
end
PY2=MaxY;
while ((Y1(PY2,1)>=50)&&(PY2<y))PY2=PY2+1;
end
IY=pic(PY1:PY2,:,:);
X1=zeros(1,x);
for j=1:xfor i=PY1:PY2if(I6(i,j,1)==1)X1(1,j)= X1(1,j)+1;endend
end
%%
%%提取并画出背景中的RMB图像%%PX1=1;
while ((X1(1,PX1)<3)&&(PX1<x))PX1=PX1+1;
end
PX2=x;
while ((X1(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;
end
dw=pic(PY1:PY2,PX1:PX2,:);
dw_gray=rgb2gray(dw);
dw_gray=imadjust(dw_gray,[0,1],[1,0]);
dw_bw=im2bw(dw_gray);
handles.dw_bw=dw_bw;
%%
%%分割提取RMB数值图像%%[m,n]=size(dw_bw);
m1=round(m/3);
m2=round(2*m/3);
n1=round(n/6);
n2=round(n/3);
n3=round(2*n/3);
n4=round(5*n/6);
sum1=sum(sum(dw_bw(m1:m2,n1:n2)));
sum2=sum(sum(dw_bw(m1:m2,n3:n4)));
if sum1>sum2dw=imrotate(dw,180,'crop');
end%%
%%图像处理%%
x=dw;
x1=imresize(x,[236,500]);%'缩放图像
z=imcrop(x1,[270,150,160,65]);%对图像进行剪切，选取有效区域
%%
I=imcrop(x1,[130,60,130,65]);    %对图像进行剪切，选取有效区域
handles.I=I;
I1=rgb2gray(I);    %转换为灰度图像
I2=medfilt2(I1);    %滤波默认窗口
I3=imadjust(I2,[0.3,0.5],[0,1],1);   %明暗反转
I4=im2bw(I3);
handles.I4=I4;
se=strel('rectangle',[3,3]);   %构造结构函数，以长方形构造一个se

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

【人民币识别】基于matlab GUI RGB和BP神经网络的人民币识别系统【含Matlab源码 097期】相关推荐

【Matlab树叶分类】BP神经网络植物叶片分类【含GUI源码 916期】
一.代码运行视频(哔哩哔哩) [Matlab树叶分类]BP神经网络植物叶片分类[含GUI源码 916期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅 ...
【图像去噪】基于matlab GUI butterworth+中值+维纳+小波图像去噪【含Matlab源码 520期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[图像去噪]基于matlab GUI butterworth+中值+维纳+小波图像去噪[含Matlab源码 520期] 获取代码方式2: ...
【电力负荷预测】基于matlab BP神经网络电力负荷预测【含Matlab源码 278期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源: [电力负荷预测]基于matlab BP神经网络电力负荷预测[含Matlab源码 278期] 获取代码方式2: 付费专栏Matlab智能算 ...
【物理应用】基于matlab GUI气象参数计算综合指标和IAQI【含Matlab源码 2116期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[物理应用]基于matlab GUI气象参数计算综合指标和IAQI[含Matlab源码 2116期] 点击上面蓝色字体,直接付费下载,即可 ...
【风电功率预测】基于matlab帝国殖民竞争算法优化BP神经网络风电功率预测【含Matlab源码 1314期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源: [风电功率预测]基于matlab帝国殖民竞争算法优化BP神经网络风电功率预测[含Matlab源码 1314期] ⛄二.帝国殖民竞争算法简 ...
基于JAVA华水疫情预警与防护用品调度系统计算机毕业设计源码+数据库+lw文档+系统+部署
基于JAVA华水疫情预警与防护用品调度系统计算机毕业设计源码+数据库+lw文档+系统+部署基于JAVA华水疫情预警与防护用品调度系统计算机毕业设计源码+数据库+lw文档+系统+部署本源码技术栈: ...
MATLAB基于BP神经网络的光伏发电太阳辐照度预测（源码链接在文末）
光伏发电功率主要受太阳辐照度影响,所以准确预测太阳辐照度对光伏功率预测十分重要.程序采用小波分解先对辐照度数据进行分解,然后再用bp神经网络对分解的辐照度数据分别预测,再组合作为最后的预测结果. 人工 ...
【语音处理】基于matlab GUI低通滤波器语音信号加噪与去噪【含Matlab源码 1708期】
⛄一.语音处理简介(附课程作业报告) 1 语音信号的特点通过对大量语音信号的观察和分析发现,语音信号主要有下面两个特点: ①在频域内,语音信号的频谱分量主要集中在300-3400Hz的范围内.利用这 ...
请用matlab写“遗传算法优化bp神经网络预测城市公交系统车站客流量”的代码，数据和参数随便给出...
我无法提供MATLAB代码,但我可以提供一些建议.首先,您需要准备要用于训练的数据集,包括公交系统的车站客流量数据.其次,您需要设计一个BP神经网络模型,用来根据输入的数据预测车站客流量.最后,您可以 ...
基于Vue+Express+Mysql开发的手机端电影购票系统（附源码）
基于Vue+Express+Mysql开发的手机端电影购票系统基于手机的电影购票系统-Vue+Node 一个Vue+Express+Mysql的电影售票项目项目完整源码下载 https://dow ...