紙幣新舊檢測的數字圖像處理方法

華騰

摘要

隨著貨幣流通的加速，紙幣破舊污損越來越多，另外在ATM自動取款機中，對紙幣的質量也有一定的要求，因此紙幣清分機的新舊檢測也越來越重要。本文闡述了一種基于數字圖像處理技術的人民幣紙幣新舊檢測方法，給出了工作原理、遇到的問題及解決方法，最后給出了在實際檢測中的結果分析和今后需要努力的方向。該算法運算速度較快，準確度較高，具有良好的應用前景。

【關鍵詞】數字圖像處理 平均灰度 圖像傳感器 清分機

1引言

紙幣清分機是機電一體化的高科技金融機具，具有識別紙幣的面值、面向、冠字號、新舊和殘缺等級以及鑒別真偽等功能。這些功能的實現主要是紙幣圖像識別系統完成的，是利用圖像傳感器采集圖像，采用數字圖像處理技術對圖像進行處理。

紙幣新舊檢測是紙幣圖像識別系統的一個關鍵部分，對于這方面的研究，國外有通過讓紙幣在機器內部運行時發出特定聲音的手段來進行新舊檢測，但是這種方式容易受到噪聲的干擾，即使經過一定的信號處理，系統的穩定性依然很差，現在己經很少采用這種方法了。目前大多數的研究主要集中在對圖像的分析上，即如何通過提取圖像的特征來實現紙幣新舊的檢測。

2紙幣新舊檢測的數字圖像處理方法

當紙幣高速通過清分機的圖像傳感器時，反射傳感器發出的光線得到相應的圖像信號。掃描得到的圖像信號以二維點陣形式存儲在指新舊紙幣在圖像采集的時候反光的強弱是不同的，我們可以根據反光的強度來定義紙幣的新舊程度，嶄新紙幣反光比較強烈，這樣使得采集到的圖像整體灰度值偏高，而舊幣反光要相對弱很多，使得采集到的圖像整體偏暗，我們可以根據這個反光的強弱來判定紙幣的新舊等級。

經過邊緣檢測，可以確定紙幣的四個頂點的坐標。這樣就可以得到紙幣邊緣的具體位置，我們統計整張紙幣的所有點的灰度值的和，然后求得其平均值，根據這個平均值就可以得到紙幣的新舊程度了。平均值越大紙幣越新，平均值越小紙幣越舊。圖1是清分機采集的紙幣圖像，框內是新舊測試的范圍。

例如某張紙幣圖像各點的灰度值為G（x，y），紙幣的區域為B（x，y），紙幣區域所有點的個數為TB，則新舊特征塊的平均灰度：

3測試中發現的問題及解決方法

（1）用這種方法測試新舊時，發現每張錢多次測試時作為新舊標準的平均灰度值每次走鈔時是變化的。取6張紙幣每張紙幣測試10次，記錄每次的平均灰度值，某張紙幣第一次測試的平均灰度值是189，另一次測試可能是201，從測試結果可以看出每張錢每次走鈔時平均灰度可能差12，這就使得新舊測試結果不穩定，分析原因，是鈔票在機器通道中運行時與傳感器的距離不確定，離傳感器近時圖像就亮，離傳感器遠時圖像就暗。

解決的方法是機器中安裝兩只傳感器，兩只傳感器正對著平行安裝，鈔票從兩傳感器中間經過，這樣可以同時得到兩幅圖像，如果一幅離傳感器近，圖像就亮，同時另一幅必定離傳感器遠，圖像就暗。把這樣得到的兩個傳感器灰度值相加求平均值，用這個平均值作為判斷紙幣新舊的標準。用和上述同樣的方法進行測試，測得的結果是每張錢每次走鈔時平均灰度差都在5以下，穩定性提高了很多。

（2）在測試時還發現另一個問題，我們知道紙幣放置在機器中走鈔時分四個面向：正上（FU）、正下（FD）、反上（BU）、反下（BD）。紙幣以不同方向進入機器時測得的平均灰度也是有差別的。分析原因主要是兩只傳感器在安裝時不是完全平行的，另外紙幣在通道中運行時，不可能是平整的、不可能與傳感器完全平行的，會有變形，也使每次采集的圖像亮度有差異。

用100張100元人民幣每個面向測試一次，共測試四次，記錄四個面向的灰度值，用Excel做出曲線，如圖2。可見四條曲線距離較遠，說明四個面向的灰度值是有差異的。這可以在調試機器過程中進行新舊訓練時加以校正。可采取以下的校正方法：

測試100張紙幣4個面向的平均灰度：GFUi、GFDi、GBUi、GBDi（0≤i<100=，

把100個：GFUi、GFDi、GBUi、GBDi按降序排序，取排在第70的鈔票數據：GFU70、GFD70、GBU70、GBD70，

做排在第70的鈔票數據四個面向的均值E70：

E700=（GFU70+GFD70+GBU70+GBD70，

再做均值E70與每個面向數據的差值

每張錢的新舊值加上這個差值，就是各面向的校正值，

這樣四個面向排在同一位置的新舊值非常接近。

選校正后的數據中排在第70的數據作為ATM機的閾值，排在第60的數據作為流通券的閾值（可以按紙幣新舊分布情況選擇其他位置的數據做閾值）。

實驗證明按上述校正方法取100張100元人民幣測試并記錄四個面向的新舊數據，做出的四條曲線比較接近（幾乎重合），說明4各面向的數據差別不大。

4新舊測試及結論

按照以上討論的方法，取100張100元人民幣測試，每個面向連續測試5次，記錄了每次符合流通券、ATM機標準的紙幣數量。

表1中顯示的是出鈔口的鈔票數量，也就是新舊等級為測試等級或大于測試等級的紙幣數量。結果如下：

從測試結果可知，即使通過以上方法對四個面的數據進行校正，但新舊測試結果同一面向一致性比較好，不同面向一致性還是會差一些，分析是紙幣的正反面圖像不一致，反面有圖案，每次采集的圖像不一樣，就會使新舊—致性差。這一差距還要在今后的研究中縮小。

另外，紙幣在通道中運行時，不可能是完全平整的、不可能與傳感器完全平行，會有變形，也使每次采集的圖像亮度有差異，如果傳感器間隙比較小，紙幣在通道里運行會平整一些。效果會好一些。另外傳感器間隙小，鈔票與傳感器的距離相對變化也小，亮度變化也就小，新舊一致性就會更好。因此，保證機器間隙在走鈔暢通的情況下，盡量小，是做好新舊的關鍵。

參考文獻

[1]郭玉佳.紙幣圖像處理技術研究[C].哈爾濱工業大學碩士學位論文，2009（06）.

[2]魏巍.CF1000型紙幣清分機圖像識別系統的設計與實現[C].哈爾濱工業大學碩士學位論文，2011（06）.endprint