对于每个部分其实都可以展开,都有不少的工作量。
图像的预处理:图像的预处理是图像识别前的重要工作,其目的是为了提高后续图像特征识别的准确率。
图像的去噪处理一般采用两种方法:邻域平均和中值滤波。
邻域平均原理是由于图像噪声的灰度值与它们相邻像素的灰度值明显不同,所以采取邻域平均的方法消除图像中的噪声。邻域平均是一种基本的噪声平滑方法,但是去噪的同时,模糊了图像的边缘信息和高频信息,所以最后选用了中值滤波。
中值滤波是基于次序统计完成信号回复的一种典型的非线性滤波器,通常有线形、十字形、方形、菱形和圆形。中值滤波的快速算法:
(1)先做一维滤波,再作另一维滤波,降低了计算量;
(2)对图像进行滑动窗为N x N的中值滤波时,每次求中值仅仅考虑去掉最左侧的像素,补上最右侧的像素,其余像素不变。图像的矫正 采用图像旋转及侧移技术。
图像的校正主要分以下两步:找到人民币的四个顶点和人民币位置调整。
首先采用图像旋转的方法来校正由于倾斜所造成的形变,而使用根据左右两边的倾斜角度侧移图像的方法对纸币扫描过程X与Y方向采样率不同造成的形变进行校正。 图像的定位 采用边缘离散检测法。利用图像为平行四边形以及纸币图像边缘为直线的特点,检测纸币图像边缘上若干离散点,结合链码算法,拟合出纸币图像边缘。
最关键的是对图像特征的提取与识别对不同的特征需要根据具体的情况选取不同的方法,举个例子,图像上面有数字和字母,首先要定位数字和字母的位置,然后截取有同的特征快,再进行分割和识别,比如可以采用结构识别算法。对号码区图像进行定位、逻辑脊谷法分割处理、二值化、归一化和平滑滤波等一系列处理后,运用穿线及结构特征等技术对字母和数字分别进行识别。现在对图像的采集部分、预处理部分基本没有问题,后面还有很多需要做的工作就是对图像特征的识别和处理部分,现在主要是针对纸币来采集,有不同的大小面值,都有不同的特征,尽管比赛结束了,但是大家同样还可以继续讨论。最后,谢谢EEWORLD和adi能给大家提供一个很好的学习的机会,特别感谢SOSO姐的辛勤付出,同时也祝福快要获奖的朋友啦,呵呵,其实参与的都是很有收获的,thanks
[ 本帖最后由 zyc1 于 2011-9-16 01:48 编辑 ] |