紙幣圖像鑒偽預處理的方法研究

2015-10-17 03:30:50胡晨茜

河南科技 2015年22期

胡晨茜

（華中師大一附中，湖北武漢 430223）

紙幣圖像鑒偽預處理的方法研究

胡晨茜

（華中師大一附中，湖北武漢 430223）

隨著我國經濟的高速發展，紙幣的發行量和流通量也在逐漸擴大，那么對紙幣的鑒偽工作就顯得尤為重要。由于紙幣污損和點鈔機運轉的情況不同，鑒偽之前對紙幣圖像的預處理也是一個不可忽視的步驟。本文正是著眼于此，研究了紙幣圖像的傾斜校正和大津法二值化算法，編程實現了對紙幣源圖像的相關圖像預處理。實驗結果驗證了提出的方法的有效性與正確性。

傾斜校正；大津法；圖像預處理

對紙幣的鑒偽工作，是針對于驗鈔機內圖像采集器采集的圖像進行的，而驗鈔機采集圖像信息的同時，也在高速的運轉，這樣采集器采集到的圖像難免會產生一定的形變，所以對圖像進行校正處理顯得尤為重要。圖像變換在很多項目研究和工程應用中被使用到，例如：目標跟蹤［1］、圖像配準、車牌號碼識別等等。圖像變換的形式主要有多項式變換、透視變換和仿射變換三種。在對灰度圖像預處理中，一般會有二值化處理，常用的方法有大津法和迭代法。迭代法的主要思想是利用循環迭代的方法，逐步逼近最佳閾值，能區分圖像的背景和目標，算法比較簡單。大津法是一種全局動態二值化算法，這種算法在一定條件下不受圖像對比度和亮度變化的影響。經過二值化處理后，才能有效地對紙幣上的特征區域進行后續的處理與鑒偽工作。

本文主要利用圖像變換中的仿射模型，來對紙幣圖像進行校正，利用大津法來對圖像進行二值化，實現目標圖像和背景圖像的分割。

1　基本原理

1.1大津法（OTSU）

大津算法也稱為最大類間差法，簡稱為OTSU，該算法是由日本學者大津于1979年提出的，是一種自適應的閾值確定的方法。它是按圖像的灰度特性，將圖像分成背景和目標兩個部分。

記M*N圖像G在（i，j）點處的灰度值為f（i，j），圖像的灰度級為m，不妨假設f（i，j）取值為［0，m-1］，記為k的頻率，那么：

假設選取灰度值t為閾值來對背景圖像和目標進行分割，此時背景與目標分別為：然后求出背景圖像和目標圖像部分所占的比例以及灰度均值，然后根據大津法算法計算出圖像的最佳閾值ThresholdValue［8］

找到灰度圖像最佳閾值后，將圖像按下面的規則二值化分割：

式（8）中：G（i，j）表示經過二值化分割后的圖像。大津算法是一種全局動態二值化算法，不受圖像的亮度和對比度的影響。

1.2仿射變換

仿射變換是一種二維坐標之間的線性變換，它具有一些特性，一是圖形中的直線經過仿射變換后任然是直線，另一個是變換前后二維圖形上的點相對位置保持不變。仿射變換可以通過一系列的平移、翻轉、縮放、旋轉、錯切等復合變換來實現，每個仿射變換可以由一個矩陣A和一個向量b給出，它可以寫作A和一個附加的列b。一個仿射變換對應于一個矩陣和一個向量的乘法，而仿射變換的復合對應于普通的矩陣乘法，只要加入一個額外的行到矩陣的底下，這一行全部是0除了最右邊是一個1，而列向量的底下要加上一個1。

1.3雙線性插值

原始圖像經過仿射變換后，像素點發生了偏移，需要通過插值處理來還原原始圖像在目標圖像中的像素。比較常用的方法如雙線性插值。

雙線性插值，顧名思義就是兩個方向的線性插值復合起來。該算法是利用了需要處理的原始圖像像素點周圍的四個像素點的相關性，通過雙線插值算法計算得出的。對于一個目的坐標，通過圖像變換得到其在原始圖像的對應的浮點坐標（i+u，j+v），其中i，j均為非負整數，u，v為［0，l］區間的浮點數，則這個像素的值f（ i+u，j+v）可由原圖像中坐標為（i，j）、（i+1，j）、（i，j +1）、（i+1，j +1）所對應的周圍四個像素的值決定，即：

其中f（i，j）表示源圖像（i，j）處的像素值，以此類推，這就是雙線性內插值法。

2　紙幣校正與冠字號定位提取

2.1紙幣的傾斜校正

點鈔機內部裝有圖像傳感器，在紙幣進出點鈔機的同時，圖像傳感器會采集紙幣的掃描圖像。并將連續的圖像信息轉化為數字形式，即對連續圖像的離散化，將整個圖像劃分為微小矩形區域的像素點。本文主要是針對灰度級為256級，格式為“bmp”位圖格式，大小為800×411的紙幣掃描圖像來進行相關圖像處理，bmp格式的源圖像如下圖所示：

圖1　紙幣源圖像

從圖中我們可以發現紙幣圖像并不是“正著”的，而是有一定的傾斜，這是因為通過點鈔機圖像采集裝置獲取的紙幣圖像信息，是在點鈔機高速運轉下獲得的，因此，掃描得到的圖像就會有一定的傾斜。

在對紙幣圖像進行傾斜校正時，需要知道仿射變換的變換矩陣M。因此，在已知最終校正后目標紙幣圖像頂點坐標的情況下，可以通過檢測紙幣源圖像的邊緣直線。檢測邊緣的方法可以利用紙幣圖像邊緣像素灰度值的跳躍性特點來實現。紙幣圖像與背景相差很大，背景是黑色，而紙幣圖像的邊緣呈灰白色，因此人民幣邊緣的像素灰度值過渡急劇，存在明顯的灰度差，根據這一差異，可以通過遍歷圖像中的像素點來找出紙幣邊緣的特征點。

當找到紙幣四個邊緣的特征點后，采用直線擬合的方法來擬合出圖像邊緣的四條直線，然后通過直線的相交來求出紙幣圖像的四個角點坐標，然后根據這四個角點坐標，聯同校正后目標頂點坐標來解方程求出仿射變換的變換矩陣M。最后，對整個圖像利用求出來的仿射矩陣M來進行仿射變換，對紙幣源圖像進行初步地校正。最后，為了避免像素偏差，利用前面提到的雙線性插值的方法，對初步校正后的圖像像素點進行插值處理，實現紙幣圖像的傾斜校正。

2.2冠字號的定位提取

紙幣經過上一節的校正處理后，為了能夠進行冠字號的定位和提取，需要對其進行二值化處理。二值化圖像是指整個圖像中像素灰度值只有白（灰度值為255）和黑（灰度值為0）。這里利用前面提到的大津法二值化來處理圖像。

經過二值化處理后，需要將紙幣上含有冠字號的部分圖像分割出來，由于紙幣的大小固定，那么冠字號的大致區域可以確定，可以首先對冠字號進行粗定位，截取包含冠字號的一小部分圖像，然后進行像素點的水平投影和垂直投影方法確定冠字號邊界［9］，從而實現冠字號的精確定位。

3　實驗結果與分析

根據紙幣校正和冠字號定位提取的方法，在Visual Studio 2013平臺上，編程實現了各部分的相關圖像處理。對圖3.1所示的源圖像進行傾斜校正，源圖像的灰度級為256，圖像大小為800 411×，定義傾斜校正后紙幣的頂點坐標為

A（100，50）、B（100，358）、C（700，50）、D（700，358）。

首先通過邊緣檢測，找出像素跳變的特征點，然后擬合出了紙幣的上下左右四條直線：

從擬合得到的直線可以看出，在誤差允許范圍內，上下、左右的直線是近似平行的，所以利用這些直線可以求得源圖像的四個角點為A'（53.57，77.23）、B '（25.10，300.69）、C '（663.65，118.21）、D '（634.81，347.94）。利用這四個源圖像角點坐標和目標圖像的四個頂點坐標，可以解方程得到仿射變換矩陣為：