基于機器視覺的收藏幣類型識別及幣面缺陷檢測

羅彰，張從鵬，侯靜嫻

（北方工業大學機械與材料工程學院，北京 100144）

0 引言

收藏幣幣面圖像的缺陷提取、識別、分類是收藏幣價值評價的主要參考因素之一[1]。目前，收藏幣幣面品相質量的檢測主要通過多人合作進行檢測，對評價者的評價經驗及專業水平要求極高，同時人工檢測存在效率低，檢測的強度大，受評價人員自身狀況的影響很大[2]。近年來，國內外的收藏幣行業迅速發展，國外的收藏幣評價常用的方法描述分級法和數字分級法在2009年左右傳入中國并在國外評級公司的推動下迅速發展，國內也在2014年正式確立了具有中國特色的收藏幣評價標準[3]。

本文以收藏幣品相檢測為目標，研究收藏幣類型識別、配準及缺陷提取分類[4-6]等技術，為收藏幣品相評價提供重要參考，具有很高的實用及商業價值。

1 圖像采集系統

收藏幣幣面品相質量檢測系統是由高質量圖像采集平臺和計算機圖像處理算法組成[7]。搭建的圖像采集系統如圖1所示，采用acA2440-20gm型號的BASLER CMOS黑白相機（最大分辨率為2448×2048），M0824-MWP2鏡頭，型號為CLDR-146BL-LA1藍色低角度環形光源。

圖1 圖像采集平臺

2 幣類型識別及配準

2.1 圖像采集及預處理

為了保證圖像灰度質量的穩定一致，圖像采集是在封閉環境下進行的，光照、焦距保持穩定。為了確保檢測結果的正確性及環形光源對采集圖像的影響，將收藏幣放置于一個黑色的收藏幣幣托上，確保收藏幣中心與環形光源中心的對齊。

通過原圖像預處理，提取出幣面區域，過濾掉非感興趣區域及噪聲的干擾，減少后續的圖像類型識別及配準的難度。預處理包括灰度拉伸、強化濾波、初步閾值分割等。預處理流程如圖2所示，收藏幣圖像預處理前后對比如圖3所示。

圖2 預處理流程圖

圖3 收藏幣圖像預處理前后對比

2.2 收藏幣類型識別及配準

幣面區域提取后，需要對收藏幣的類型進行判斷，并根據判斷結果讀取對應的參考圖像，進行圖像的差分計算。為避免圖像采集過程中的影響及幣面質量引起的干擾、保證識別的精準，根據收藏幣幣面的主要特征創建多個NCC模板，以模板組的最佳相關性匹配結果為參考，創建目標圖像與參考圖像之間的仿射變換矩陣，將目標圖像變換到與參考圖像相同的坐標系下，實現兩幅圖像之間的配準[8]。

以中華民國三年一元袁世凱銀元正面圖像為例，選取如圖4所示的幣面漢字區域及主要特征區域創建相關性模板組，再根據模板組進行匹配獲取最高匹配分值的模板作為匹配的結果。

圖4 創建模板所用的特征區域

在圖像變換時，避免在變換過程中幣面特征區域超出圖像區域的范圍，先將分割后圖像的幣面中心平移到圖像區域的中心，在此基礎上進行匹配及后續的仿射變換，整個配準及差分過程中圖像的變化如圖5所示。

圖5 圖像類型識別、配準及差分

3 缺陷提取識別

在完成收藏幣圖像的配準后，將目標圖像與參考圖像進行差分，獲得的差分圖像即為收藏幣的缺陷區域，為了提高差分后圖像的提取精度、效率及消除噪點的影響，需要對差分后的圖像進行再次濾波處理。

根據這些區域將目標圖像中對應的缺陷區域分割提取出來，再根據不同缺陷的不同特性（如灰度、圓度、細長度等參數），結合差分圖像、目標圖像及參考圖像中的缺陷區域的灰度值，對收藏幣幣面的缺陷進行詳細判斷，完成收藏幣幣面缺陷類型的識別。

在實驗過程中發現部分收藏幣由于損壞太嚴重而不能進行檢測識別，缺陷區域的分類及缺陷識別檢測顯示示意圖如圖6所示。

圖6 差分后區域分割

4 實驗

4.1 圖像類型識別及配準實驗

本文以中華民國三年一元袁世凱銀元正面圖像為例，使用同一組特征區域分別創建灰度、形狀、相關性模板并進行基于灰度、形狀及相關性的匹配算法對收藏幣的類型進行識別，設置不同的最低匹配分值，以識別率、漏檢率為指標對不同算法的匹配效果進行評估，實驗數據如表1所示。

表1 不同圖像配準方式的配準效果

從表1中的數據可知，由于幣面氧化、磨損導致的區域的灰度值的變化，基于灰度的模板匹配方法識別率極低，無法滿足實驗所需。隨著匹配要求的提高，基于灰度及形狀的模板匹配方法所獲得的匹配結果準確率都有所下降，當匹配分值設定為0.9時，這兩種匹配方法的識別率均降到了50% 以下，只有基于相關性的模板匹配結果非常樂觀，識別率均在95%以上，能夠滿足圖像識別配準要求。

4.2 缺陷提取分類實驗

在缺陷類型識別時，將幣圖像區域劃分為幣圈、重要特征（文字）及其余區域，針對這3個區域分別進行處理識別，最終識別出圖像中的各類缺陷并統計數據，部分統計數據如表2所示。其中圖像大小為2448×2048，參考幣幣面中心坐標（975，1263.5），以此為坐標中心，求出每個缺陷區域到幣面中心的相對位置，并求取每個缺陷區域的面、周長等參數。

表2 幣面品相質量檢測的部分數據

為了方便對收藏幣的幣面品相質量作出檢測并給出檢測結果，根據不同區域、不同類型缺陷將收藏幣缺陷類型分為如下幾大類：A類為收藏幣幣圈的劃痕、磨損及污漬；B類為幣圈區域中的幣齒部分的磨損、污漬、汗漬等；C類包括幣面區域的污漬、汗漬、銹跡等；D類為收藏幣幣面上的異常凸起；E類為幣面區域的輕微磨損、劃痕；F類為幣面主要特征區域的磨損和缺失。對于不能通過本文方法識別的缺陷，定義為O類。

從缺陷的識別檢測效果來看，大部分收藏幣的缺陷區域能夠很好地被提取識別出來，并實現每個區域的缺陷類型及缺陷區域的相關參數的統計保存。除了部分收藏幣由于過度磨損等原因無法識別外，能夠識別大部分幣面缺陷并統計。

5 結論

設計并搭建了一個基于機器視覺的收藏幣幣面品相質量檢測平臺。通過封閉、統一的采集環境實現了高質量收藏幣圖像的采集；通過圖像增強、濾波、閾值、圖像變換、匹配等操作完成了圖像的類型識別及配準，識別準確率高達96.25%；通過圖像差分、閾值分割、缺陷的形狀、幾何特征的不同實現收藏幣幣面缺陷的識別分類，并對缺陷進行編號，完成缺陷面積、位置等參數的統計保存。能夠輔助評價人員對收藏幣的品相進行評價打分。