張輝 陳勐翔

摘要：設(shè)計了一種基于圖像紋理信息的假幣紙張計數(shù)方法。預(yù)處理階段，先對排列整齊成疊假幣的圖像進(jìn)行灰度化處理，再利用拉普拉斯銳化增強(qiáng)假幣紙張邊緣信息，而后進(jìn)行自適應(yīng)閾值二值化處理得到假幣紙張條紋圖;紙張計數(shù)階段，根據(jù)假幣紙張邊緣區(qū)域像素0、1變化的特點(diǎn)，快速、多區(qū)域地統(tǒng)計假幣二值化圖像中反映紙張數(shù)目的亮紋理信息，并投票給出假幣紙張數(shù)目。實(shí)驗(yàn)結(jié)果表明，該方法能快速、準(zhǔn)確地實(shí)現(xiàn)假幣紙張計數(shù)，方法簡單且對輕度噪聲不敏感。

關(guān)鍵詞：拉普拉斯銳化;二值化條紋;紋理信息;紙張計數(shù)

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-8228（2020）09-76-04

0引言

制販假幣案件中查獲的假幣需計算數(shù)量用以量刑，在實(shí)務(wù)工作中查獲的假幣往往數(shù)額巨大但紙張碼放整齊。目前，案件中對假幣計數(shù)的方式一般采用點(diǎn)鈔機(jī)計數(shù)的方式，但這種方式存在計數(shù)時間長、設(shè)備易損壞、假幣紙張易破損等缺點(diǎn)。設(shè)計一種無損、快速、準(zhǔn)確的假幣計數(shù)方法具有一定實(shí)用價值。

國內(nèi)外已有許多同類型計數(shù)方法的研究，其中相關(guān)性最大的是關(guān)于紙張計數(shù)方法研究。石偉等設(shè)計了一種基于灰度差分的紙張計數(shù)算法，采用縱向灰度投影法得到灰度曲線并進(jìn)行灰度差分計算，根據(jù)灰度像素曲線波峰與波谷的具體位置判定紙張數(shù)目。苗良等采用類似方法，通過LOG濾波獲得紙張圖像的二值化邊緣圖，而后采取灰度差分及差分統(tǒng)計法計算紙張數(shù)。劉穎通過對紙幣圖像的條紋預(yù)處理、Gabor濾波增強(qiáng)邊緣、p率閾值分割去除多余條紋、條紋校正等措施獲取較清晰的條紋圖像，并選取三段子圖像計算，最終投票得出紙幣數(shù)量。王富治等對圖像極值區(qū)域和非極值區(qū)域進(jìn)行0、1標(biāo)記獲得二值化條紋圖像，從而計算紙張數(shù)量，相比閾值選取獲得二值化條紋圖像，有更好的抗毛邊、抗光照不均等性能。李毅等對采集的層疊紙張圖像，分別通過二維Gabor濾波器處理和逐行頻率分析提取紙張邊棱條紋，從而計算紙張數(shù)目。梁海毅等同樣從紙張側(cè)面圖像明暗交替的紋理特征入手，統(tǒng)計灰度曲線波峰數(shù)目計算紙張數(shù)。此外邱華林等提出了一種基于紙張圖像中灰度曲率及峰值檢測相結(jié)合的紙張計數(shù)方法，對于厚度O.05-0.2mm紙張計數(shù)誤差都小于0.01%?？傮w來看，這些方法精度較高，但計算方法較為復(fù)雜，計算時間.也較長。

本文在前述研究基礎(chǔ)上設(shè)計了一種基于圖像紋理的假幣紙張計數(shù)方法，直接統(tǒng)計二值化圖像中0、1像素變化的頻次，方法簡單，能快速計算成疊假幣的數(shù)量，同時非接觸式的計數(shù)方法能夠最大程度避免對證據(jù)的污損。

1假幣紙張圖像采集及特點(diǎn)分析

本文根據(jù)現(xiàn)實(shí)工作的特點(diǎn)，設(shè)計如圖1方式的圖像采集系統(tǒng)，其中假幣實(shí)際由練功鈔替代，其紙張厚度與常見的假幣及真鈔厚度基本一致，約在0.1mm左右。先將假幣有序整齊疊放至平整、無污染的灰白色載物臺上，假幣紙張由下往上每兩張間約有0.3-0.5mm縮進(jìn)，這可通過分鈔手法簡單實(shí)現(xiàn)，從而提高假幣紙張邊緣間隔。同時為提高紙張邊緣對比度，在載物臺側(cè)面使用平行光源掠入射照明。相機(jī)為裝配微距鏡頭的單反相機(jī)，直接固定在三腳架上，垂直采集的圖像實(shí)時傳輸至計算機(jī)端，用以后續(xù)處理。此系統(tǒng)面對需大量采集圖像的場景時，無需實(shí)時更改硬件設(shè)置，具有較好的實(shí)用性。其采集的圖像效果如圖2所示。

觀察圖2成疊假幣圖像及局部放大圖像可以發(fā)現(xiàn)，整齊的成疊假幣紙張邊緣線間相互大致平行，且接收光強(qiáng)更強(qiáng)，在圖像中呈規(guī)律出現(xiàn)的亮條紋，而非紙張邊緣區(qū)域接收光強(qiáng)較弱，在圖像中呈間隔的暗條紋。因此從圖像紋理特征上看，基于上述系統(tǒng)采集的成疊假幣紙張圖像為一幅具有明暗條紋交替變化紋理的圖像，且亮條紋數(shù)即假幣紙張數(shù)目，即便圖像受到一定噪聲的污染，這一特點(diǎn)依舊非常鮮明。如果能根據(jù)這一特點(diǎn)，實(shí)時統(tǒng)計采集圖像中的亮條紋數(shù)，即可快速計算假幣紙張數(shù)目，進(jìn)而根據(jù)假幣面額得出總涉案金額。

2假幣紙張計數(shù)算法設(shè)計

本文根據(jù)系統(tǒng)采集得到的圖像具有明、暗條紋交替變化特點(diǎn)，設(shè)計如下假幣紙張計數(shù)算法：首先，對成疊假幣紙張圖像進(jìn)行灰度化操作;而后對紙張邊緣區(qū)域進(jìn)行拉普拉斯銳化處理，提高明暗條紋對比度，因明暗條紋特征受噪聲干擾不明顯，本算法不設(shè)計去噪環(huán)節(jié);接下來，對增強(qiáng)后的圖像進(jìn)行自適應(yīng)閾值二值化處理，得到二值條紋圖像，此步驟可基本消除輕微噪聲點(diǎn)的影響，且因?yàn)檫吘壘€接收光照較紙張表面和載物臺背景遠(yuǎn)強(qiáng)的特點(diǎn)，可以較好分割出邊緣亮線;最后，直接在二值化圖像紋理區(qū)域隨機(jī)選取N行像素，統(tǒng)計各行像素0、1值變化的頻次，得到亮條紋數(shù)，即假幣紙張的數(shù)目，數(shù)目值出現(xiàn)次數(shù)最多者輸出為最終結(jié)果。流程設(shè)計如圖3所示。

2.1圖像灰度化

采集的原始假幣紙張圖像為RGB圖像，通過將RGB圖中紅綠藍(lán)三通道的分量值加權(quán)平均計算得到該像素點(diǎn)灰度值。數(shù)學(xué)表達(dá)如式（1），其中Gray表示計算后的灰度值，R、G、B表示紅、綠、藍(lán)通道分量值。

2.2拉普拉斯銳化

本文方法主要以統(tǒng)計假幣紙張邊緣和表面交替變化的紋理信息來確定假幣紙張數(shù)量，且主要是記錄邊緣亮線的信息。因此，對圖像邊緣信息進(jìn)行增強(qiáng)有利于提高計數(shù)準(zhǔn)確率，本文采用經(jīng)典的拉普拉斯銳化算子對假幣紙張圖像的細(xì)節(jié)信息特別是邊緣信息進(jìn)行增強(qiáng)。

將拉普拉斯算子掩模對圖像進(jìn)行濾波操作，所得圖像與原圖疊加即可得到銳化結(jié)果圖，銳化前后圖像如圖4示例?？梢姡M管銳化也一定程度上增強(qiáng)了噪聲，但相比假幣邊緣對比度增強(qiáng)的效果并不明顯。

2.3自適應(yīng)閾值二值化

隨后，對銳化后的圖像進(jìn)行自適應(yīng)閾值分割，自適應(yīng)閾值選擇方法是常見的迭代選擇法，其迭代規(guī)則如下。

（1）初始化閾值為T。

（2）根據(jù)閾值T，將輸入圖像分割為像素值低于T的A集和像素值高于T的B集。

（3）計算所有處于A集和B集內(nèi)像素點(diǎn)的灰度平均值t1，t2。

（4）根據(jù)t1，t2更新閾值：（5）重復(fù)計算第（2）-（4）步，逐步收斂至最終閾值。

根據(jù)上述步驟計算得出閾值后，即可進(jìn)行二值分割，得到假幣紙張條紋圖像如圖5所示。

放大二值條紋圖像如圖5（b），可發(fā)現(xiàn)像素值從0至1跳變一次即為紙張數(shù)目增加一張，噪聲點(diǎn)基本與紙張邊緣線粘連，不影響0至1像素變化的次數(shù)，從而對紙張計數(shù)影響降至最低。

2.4條紋計數(shù)

條紋計數(shù)針對前述處理得到的二值條紋圖像來進(jìn)行，其基本邏輯簡單，有如下方法。

（1）從圖像行數(shù)值中隨機(jī)選擇N個數(shù)值，得到隨機(jī)計算亮條紋數(shù)的N行，N取合理整數(shù)。

（2）對于選取的每一行像素，遍歷每一列像素，如某像素點(diǎn)灰度值為1，且其前一列像素點(diǎn)灰度為0，后一列像素點(diǎn)灰度為1，則標(biāo)記假幣紙張數(shù)目增加1張，確保每一條亮條紋只被計數(shù)一次。

（3）對隨機(jī)的N行像素分別計算得到假幣紙張數(shù)，分析形成的N維數(shù)組中出現(xiàn)次數(shù)最多的數(shù)值，輸出該值即為假幣紙張數(shù)，即投票決定最終結(jié)果。

計數(shù)方法流程如圖6所示。

3實(shí)驗(yàn)結(jié)果及分析

為驗(yàn)證方法對成疊假幣紙張能否準(zhǔn)確計數(shù)，本文對數(shù)量為50張，100張，150張，200張的四組成疊假幣分別進(jìn)行了100次測試，計數(shù)算法運(yùn)行環(huán)境為MATLAB，N取10。部分測試結(jié)果如表l所示。

根據(jù)測試結(jié)果可知，假幣紙張數(shù)量在50張和100張時，準(zhǔn)確率可達(dá)99.98%以上，100測試中各有一次測試值分別為49和99;假幣紙張數(shù)量在150張時，漏檢的測量次數(shù)增多，而假幣紙張數(shù)為200時，測試平均準(zhǔn)確率進(jìn)一步下降。單次測試用時較快，如紙張數(shù)為100時，平均單次測量用時0.23秒，達(dá)到了快速計數(shù)的目的。分析紙張數(shù)增多時準(zhǔn)確率下降的原因，主要是紙張邊緣間隔減小導(dǎo)致條紋粘連所致。此外，在成疊假幣厚度增加時，因普通微距鏡頭拍攝時景深不足而導(dǎo)致部分邊緣線虛化，從而漏檢。

4結(jié)束語

本文從實(shí)際出發(fā)，設(shè)計了一種快速、準(zhǔn)確的假幣紙張計數(shù)方法，該方法簡潔有效，對采集圖像進(jìn)行灰度化處理，再進(jìn)行細(xì)節(jié)增強(qiáng)，而后進(jìn)行自適應(yīng)閾值二值化處理，在得到的條紋圖像中直接搜索亮條紋數(shù)目，從而得到假幣紙張數(shù)量。同時，本文還設(shè)計了一種簡易有效的成疊假幣圖像采集硬件方案。實(shí)驗(yàn)測試結(jié)果表明，方法在假幣堆疊有序、單次計數(shù)張數(shù)不超過100張情況下，準(zhǔn)確度很高，可適用公安實(shí)際工作。