《紙幣圖像預處理的技術基礎（5600字）》

紙幣圖像預處理的技術基礎目錄TOC\o"1-2"\h\u26213紙幣圖像預處理的技術基礎 1140851.1數(shù)字圖像基礎 141701.2圖像采集 2311061.3圖像去燥 370261.3.1圖像的噪聲 399261.3.2中值濾波 3213931.4灰度化 4149231.5圖像的傾斜矯正 7293121.6字模分割 8106591.6.1字符間隙法 8138581.6.2直方圖投影法 8182691.6.3連通區(qū)域法 9189991.6.4三種字模分割法對比總結 10199611.7本章小結 111.1數(shù)字圖像基礎在機器視覺領域，圖像是基本數(shù)據(jù)結構，其中數(shù)據(jù)通過圖像捕獲設備傳輸?shù)接嬎銠C存儲器。每個數(shù)據(jù)對應于一個像素，并且每個像素可以被視為能量收集的結果。在曝光過程中，該能量由傳感器上的相應光敏單元累積，吸收光譜響應范圍內的所有光能。由于不同類型的相機，黑白相機的每個像素收集的能量結果構成單通道灰度圖像;RGB彩色攝像機有三個R，G和B通道，返回相應的三個像素。樣本結果。類似地，由于在一些場中需要更詳細的光譜采樣，因此每個像素點對應于更多的能量樣本。例如，HYDICE傳感器的每個像素可以對應于210個光譜采樣結果。因此，圖像由單個通道或多個通道組成。在圖像處理中，經(jīng)常使用單通道灰度圖像和三通道RGB圖像。高通道可以轉換為低通道，RGB圖像可以通過將三個通道組合成一個通道轉換為灰度圖像，但灰度的計算公式對于不同的RGB空間是不同的，通用公式如下。Gary=0.299?R+0.587?G+0.114?B圖像處理中,常見的多通道模式包括HSV(表示色相、飽和度、亮度)、RGB(表示紅、綠、藍)、CMYK(表示青、洋紅、黃、黑)、CIE-Lab等,每種模式的圖像描述和重現(xiàn)色彩的原理及所能顯示的顏色數(shù)量是不同的。綜上所述,數(shù)字圖像分為兩大類,第一類是彩色圖像與灰度圖像;第二類是連續(xù)圖像與離散圖像。1.2圖像采集在對圖像進行預處理操作之前，首先要采集研究所要用到的圖像樣本，即是完成圖像采集操作。美國的TeledyneDALSA是世界上一家技術一流的公司,他們主要致力于高性能數(shù)字成像設備和半導體器件的生產(chǎn)與制造。該公司利用其現(xiàn)有的高端CCD(ChargeCoupledDevice)和CMOS(ComplementaryMetal-OxideSemiconductor)芯片自主研發(fā)及生產(chǎn)能力,可對外銷售各種線陣、面陣、TDI等不同系列的高速工業(yè)相機,其中面陣數(shù)字攝像機主要有Pantera系列,Falcon系列;線掃描數(shù)字相機主要有Piranha系列,Spyder系列,Eclipse系列等。以下是Falcon系列的一種成像相機,如圖1所示。圖1為Falcon系列工業(yè)相機一旦圖像捕捉設備被設置，它可以被用于訪問該圖像。首先，把相機下方的區(qū)域被獲取的圖像的目標對象，然后手動設置在計算機上存儲信息，并選擇存儲路徑，最后保存我們需要的圖像。當然，我們可以通過調整相機鏡頭適當?shù)慕咕?，這樣不僅可以收集到的圖像信息是完整的，而且拍攝的圖像可以更加清楚。圖2就是通過此裝置采集的一張彩色人民幣圖像。圖2采集的彩色人民幣圖像1.3圖像去燥1.3.1圖像的噪聲噪聲可以被理解為防止一個人的視覺器官或系統(tǒng)傳感器從理解或分析接收到的圖像的源信息的一個因素。一般噪聲是不可預測的隨機信號，這只能通過概率統(tǒng)計是已知的。噪聲對圖像處理，其影響輸入，獲取，和圖像處理的處理和輸出的整個過程有很大的影響。如果輸入的是壞的，它會通過一個大的噪聲，這將影響到整個過程和輸出陪同。因此，一個好的圖像處理系統(tǒng)中，無論是模擬處理或計算機處理，所有將前級的噪聲降低是一個重要的步驟。圖像中的噪聲的種類繁多,噪聲對圖像信號幅度和相位的影響也十分復雜。一般在圖像處理技術中常見的噪聲有:(1)加性噪聲(2)乘性噪聲(3)量化噪聲(4)“鹽和胡椒”(Saltandpepper)噪聲此類噪聲如圖像閩值分割時引起的即黑圖像上的白點,白圖像上的黑點噪聲:在變換域引入的誤差,使圖像反變換后造成的變換噪聲等。對于人民幣圖像,在分割之后得到二值圖上面有一些影響進一步識別的小點,這些小點可以看作椒鹽噪聲,應該去除。對于這類噪聲最有效的去除方法就是中值濾波。1.3.2中值濾波中值濾波最早是由杜克提出。中值濾波是在空間非線性濾波算法的方法。它是基于統(tǒng)計原理的排序算法上是最有代表性的低通濾波器。該算法的主要功能是，不僅有力地消除噪音，同時也保護了圖像的邊緣，算法并不需要利用在計算圖像的統(tǒng)計特性。因此，這種方法是在使用便利。該方法也被廣泛使用，并且不僅可以一維圖像的信號處理也能二維信號處理來施加。中值濾波的基本思想是將某個像素鄰域內所有像素的灰度值,按照升序或降序重新排列,用這個排列中的中間值替換這個像素的灰度值,通過這樣的方法就能去除噪聲。這點和加權平均的平滑濾波方式有所不同。中值濾波不僅撫平一些圖像噪音，而且不破壞要被處理的區(qū)域的圖像的結構。這種濾波技術的優(yōu)點是突出的，也就是說，它可以克服線性濾波器的缺陷，例如在平滑化處理中值濾波，而不模糊的圖像的邊緣或輪廓，并且該技術是用于脈沖干擾或圖像。造成掃描噪音非常明顯。這種技術也有其自身的缺點。對于具有多個點，線或毛刺的圖像，該算法被用于處理，并且效果也很差。中值濾波器用于濾波。效果是通過在模板的大小，在模板的像素的數(shù)目，并且所述模板的形狀確定。中值濾波數(shù)學表達式公式2:g公式2中，(x,Y)代表圖像中的像素點，f(x,y)代表被噪聲污染的原始圖像，g(x}Y)代表經(jīng)過中值濾波算法處理后的圖像，S表示濾波窗口。Median表示對窗口內的像素進行排序操作。中值濾波算法的實現(xiàn)步驟:（1）選擇濾波模板N,N通常取奇數(shù)，如3,5或7等。（2）由像素遍歷圖像上的模板在一定方向上的像素，以確保該圖像中的像素與所述模板的中心重合。（3）獲取與模板圖像重疊區(qū)域內所有像素的灰度值，并排成一個序列，記為F(x,y)。（4）將序列F(x,y)按照升序(降序)重新排成一列，記為F(x,y)。（5）如果序列F(x,y)中的像素個數(shù)為奇數(shù)，則選擇該序列的中間值作為中值。否則，將中值設置為最中間兩個值的均值。（6）將步驟5中計算的中值作為待處理圖像的像素值，進行更新。（7）重復步驟1-6，直到整幅圖像掃描結束。例如，有一個像素集合為{3,7,2,8,9,4,5,7,1}，對該像素集合進行升序排列后的序列為{1,2,3,4,5,7,7,8,9}，最中間的值為5。因此，中值濾波之后，在初始設定的第五像素的灰度值9由5取代。1.4灰度化彩色圖像I由亮度和顏色兩部分組成。顏色信息由R,G,B三個分量組成，它又代表紅色，綠色和藍色的三原色。圖像采集設備獲得的圖像front是一個24位真彩色圖像。也就是說，圖像的每個像素用24位表示，其中R，G和B各占8位。當直接處理彩色圖像信息時，算法往往很復雜因此，為了使圖像處理更加高效，本文首先將獲取的彩色圖像轉換為0255之間的灰度級表示的圖像（總共256灰色），這不僅消耗巨大的系統(tǒng)內存而且消耗很多。我們稱之為圖像。對于灰度圖像，此過程稱為彩色圖像的灰度[ys}。圖像被灰度化并與彩色圖像，其中包含少得多的信息。在后續(xù)處理中的灰度級圖像的直接處理，不僅可以提高圖像的處理效率，同時也大大降低了系統(tǒng)的存儲器中。存在用于圖像灰度的各種方法，并且經(jīng)常使用的方法主要包括最大灰度級方法，平均灰度方法，和加權平均灰度級方法的三種方法。(1)最大值法分別求取彩色圖像中每個像素的R,G,B三個分量值的最大值,將其作為對應灰度圖像的像素值,原理如下列公式所示:f(2)平均值法將彩色圖像中每個像素的R,G,B三個顏色分量值分別求平均值,將得到的值作為對應像素的灰度值。原理如下列公式所示:f(3)加權平均法將彩色圖像的R,G,其中三個部件通過合理的重量[21]相乘，然后相加，以獲得灰度圖像的方法，是一個加權平均法?；驹砣缦铝泄剿?f公式中ωR根據(jù)我們的YUV色彩空間分布的了解，以獲得最佳的灰度圖像，你應該選擇下列公式中的值時，計算公式如下：f根據(jù)上述三個顏色人民幣圖像灰度的方法中，彩色圖像是逐漸變化的，且結果示于圖。3，4，和5。圖3加權平均法灰度化結果圖4平均值法灰度化結果圖5最大值法灰度化結果它可以從處理結果中可以看出的是，R，G和B的三個顏色分量進行加權和通過式中的系數(shù)平均化，并且將得到的灰度級圖像具有最好的感官效果，以及用于平均值的方法感官效果。利用最大值的方法，具有最差的感官效果，這是與理論分析結果一致。1.5圖像的傾斜矯正在輸入的圖像的過程中，如果鈔票被放置傾斜時，則會出現(xiàn)圖像傾斜的情況，如圖6所示。圖6傾斜的紙幣圖像由于傾斜所造成的形變可以采用圖像旋轉的方法來校正，這里我們以圖像的左上角為原點進行旋轉，令左上角的坐標為(x0,yF令β為上邊緣與水平線之間的夾角，容易推得(x'，y')與(x,y)之間的關系：x`=ycos∝+旋轉校正后，將硬幣圖像仍然與平行于x軸的上側和下側平行四邊形。這是由硬幣的在掃描過程中的側向運動而引起的。校正這種變形可以通過根據(jù)左，右兩側的傾斜角度移動所述圖像橫向來解決。具體方法如下:令側移之后的圖像為FsF令左邊緣與x軸之間的夾角為θ，以錢幣圖像左上角(x0x圖7圖像幾何校正后的結果1.6字模分割字符區(qū)域定位之后，字符模塊分割也是最光學字符識別算法處理的不可缺少的一部分。有三種主要類型的字體的分割方法：字符間隙的方法，直方圖的投影方法，以及連接區(qū)域的分析方法。1.6.1字符間隙法在光學字符識別系統(tǒng)的相應的應用程序，始終存在的人物之間的間隙。因此，在算法處理，在字符區(qū)域中的間隙可被檢測到，并且字體分裂完成。字符間隙方法的原理如下。通過移動垂直掃描線段，掃描線段的在不同的位置計算時的長度被計算出來。如果間隙比原來的長字符間隙法時，是將所述字體的步驟如下：（1）檢測得到字符的矩形區(qū)域;（2）矩形豎直長度為掃描線段長，并確定掃描間隔;（3）從區(qū)域的左側開始，根據(jù)掃描間隔，水平移動掃描線段;（4）掃描完整個區(qū)域后，計算各掃描長度;（5）對比原長度，并確定間隔區(qū)域。這種方法抗噪聲能力不強，若字符圖像中出現(xiàn)噪聲，導致字符連接或字符斷裂，不能達到正確的分割結果。只適用于圖像質量好的情況下。1.6.2直方圖投影法直方圖投影方法，像字符間隙方法，是分割應用的字體之間的間隙特性。不同的是，該字符間隙通過垂直掃描線無論是在字體間隙的長度檢測;直方圖投影方法判斷基于所述字符區(qū)域的垂直投影結果的統(tǒng)計信息的字體間隙。對于二進制圖像，目標字符圖像是1（即黑色）時，背景圖像是0時（即白色），單行字符圖像垂直投影，在每列中的黑色像素的數(shù)量進行計數(shù)，并且字體分割根據(jù)結果規(guī)則進行。它是字體分割的直方圖投影方法。圖例如下。圖8直方圖投影法圖例（a）字符區(qū)域：（b）直方圖垂直投影在圖像處理的領域中，投影直方圖是從灰度直方圖本質的不同。投影直方圖是每一行或圖像的列坐標空間中，并且結果以根據(jù)圖像的行和列的順序分布的目標點（黑色）的數(shù)量的統(tǒng)計分析;的灰度直方圖是整個圖像的所有像素進行分類，并在0-255將它們合并，共256個灰度級，所述統(tǒng)計結果是圖像像素的每個灰度級的數(shù)量。直方圖投影方法是簡單地實現(xiàn)，并且是字體分割的常用方法。然而，由于噪聲污染，在一些圖像，字符出現(xiàn)在中間的被打破，字符由噪聲連接，并且字符的區(qū)域重疊。在這種情況下，投影的圖像可以具有假分割點或直方圖的最小值。改進傳統(tǒng)的字符映射表來解決字符之間的重疊區(qū)域的問題。如圖9所示。其中，圖（a）是字符的直方圖投影結果，由于"from"字符區(qū)域重疊，因此不能將其除以投影結果。圖（b）是導出直方圖投影值的結果，并且所獲得的最大點是原始直方圖投影中的最小點。圖（c）是圖（b）的水平鄰域，最大水平坐標是字體的邊緣。圖9改進的直方圖投影法1.6.3連通區(qū)域法由于字符間隙法與直方圖投影法的算法原理,導致抗噪聲能力不強,在圖像背景簡單、圖像質量較好的前提下,例如小噪聲印刷體字符圖像,可以正確分割字符。若字符區(qū)域內出現(xiàn)字模區(qū)域部分重疊、大噪聲干擾,應用上述兩種方法不能很好的完成分割。采用二維空間的連通區(qū)域外接矩形分析方法,可以解決以上難題。連接區(qū)域的延續(xù)矩形方法是通過跟蹤字體，其中，所述連接區(qū)域是一個字體的邊緣來確定字體的外接矩形。用于確定外接矩形的方法如下：首先，從左至右，以便各連接區(qū)域進行排序，并且所述序列號被用作相應的字圖案連接區(qū)域的標簽;其次，每個連接的區(qū)域的像素點的坐標被計算和分析，并得到各外接矩形區(qū)域。也就是說，字體區(qū)域。圖示見圖10。圖10子模外接矩形分析并計算矩形區(qū)域。在一定高度范圍內，當字體區(qū)域的寬度太寬，繼續(xù)判斷是否有噪聲