基于Python的硬币识别系统设计与实现

张永付++张鹏

摘要：针对目前硬币识别系统使用成本高、硬件要求高等问题，设计了一种识别率高、成本低的硬币识别系统。系统通过Python与OpenCV结合数字图像处理技术对1元、5角、1角三种硬币进行识别。首先通过颜色通道转换法实现5角硬币识别，然后经过高斯去噪、二值化、自适应二值化、均值滤波对原始图像进行处理，将处理后的图像通过提取1角与1元硬币边缘轮廓的周长作为分类特征，利用机器学习方法，对两种硬币15张图像进行训练、5张图像进行测试。结果表明，系统对5角硬币识别准确率高达100%，对1元与1角硬币识别率达到80%。经测试证明，该系统既保持了高效的识别率，又减少了硬件依赖，有一定的实际应用价值。

关键词：硬币识别；Python；OpenCV

DOIDOI：10.11907/rjdk.171783

中图分类号：TP319文献标识码：A文章编号：16727800（2017）010012903

0引言

硬币在生活中应用非常广泛，硬币识别大致分为面值识别与真假鉴别。在硬币清分机、公交车及自动售货机的设计与实现中，通过获取硬币图像对面值进行识别是研究的关键问题。

目前国内采用的硬币面值识别法有图像法及电涡流传感器法等[12]。传统的硬币识别主要是机械识别，由于选取特征过程的影响，很难保证识别准确率。美国Mahesh等[3]设计了一个带旋盘的结构，通过光探测器检测与计算机编码器的编码脉冲识别硬币。付丽等[4]设计了一种基于光电开关的硬币识别系统，大幅度提高了识别准确率。莫磊[5]针对硬币准确识别与伪币检测，利用EDA技术、电子信息技术、计算机技术、传感器技术、智能控制技术等对硬币识别进行了研究，通过改善传统电涡流分析法，加入一定算法研究达到了提高识别率的效果。刘艺柱[6]通过分析电涡流传感器的基本原理，提出了利用双路电涡流传感器对硬币材质、厚度等参数进行检测的思路，硬币识别检测率改善效果明显，相比付丽等人的方法技术更加前沿，准确高效。这些方法识别率高，但设计复杂，严重依赖硬件组件、成本较高。人工智能的发展，使得通过图像技术进行物体识别发展迅速[7]。本系統通过利用数字图像处理技术对图像进行预处理，使得提取图像的特征变得简单，准确率得到有效提高。Python是一种面向对象的解释型计算机程序设计语言，具有丰富与强大的库，已经成为继JAVA-C++之后的第三大语言[8]。由于Opencv内置强大的数字图像处理函数，系统设计过程利用软件编程思想减少了对硬件的依赖，做到成本低、识别率高、复杂性低。并且通过机器学习思想，对1元与1角硬币分别选用15张处理后的图像进行训练，5张进行测试，检测结果表明该系统识别准确率高、稳定性好。

1系统设计

1.1系统总体框架

图1为系统框架，系统功能分为5个部分：图像采集、颜色通道转换、图像预处理、特征提取、训练测试。

1.2硬币识别工作流程

先进行图像采集，通过读取图像进行颜色通道转换，实现5角硬币识别，再对1元与5角硬币图像进行预处理；接下来进行特征提取，提取轮廓周长信息；提取15张图像进行训练，最后给定图像进行测试。系统流程如图2所示。

2功能设计与实现

2.1图像采集

首先，在简单环境拍摄得到原始图像。简单环境是指：拍摄镜头距离桌面背景15cm正上方，桌面背景为黑色，室内环境，选择最佳聚焦效果进行拍摄。既保证图像质量，又为系统识别硬币的准确率奠定基础（见表1）。

2.2颜色通道转换

由于颜色提取过程中RGB模型易受到光照影响，因此将图像由RGB转换到HSV颜色空间模型，更易提取颜色特征。系统绘制了3种硬币的颜色空间直方图（见图3-图5，彩图见封二），王洪建等[911]研究得出H与S分量包含了图像的彩色信息，本系统采用该思想抽取H与S分量特征值，识别出5角硬币。

图3-图5中蓝色与绿色分别代表了H与S分量。可以得出5角硬币在H与S明显区别于其它硬币，因而通过颜色空间转换方法可以对5角硬币进行识别。具体代码如下：

defhist（img）：

hsv=cv2.cvtColor（img，cv2.COLOR_BGR2HSV）

color=（'b'，'g'，'r'）

fori，col in enumerate（color）：

hist=cv2.calcHist（[hsv]，[i]，None，[256]，[0，256]）

plt.plot（hist）

plt.xlim（[0，256]）

plt.show（）

2.3图像预处理

从图3与图5可以看出，由于1角硬币与1元硬币在HSV颜色曲线的H分量上相似较大，因而无法进行识别，需要利用数字图像处理技术进行进一步识别。首先针对原始图像进行处理（见图6），经过高斯去噪、二值化、自适应二值化、均值滤波处理方法，得到完整的边缘轮廓（见图7、图8）。

2.4特征提取

从图6-图7可以清楚看到要提取的特征轮廓，利用OpenCV自带findContours函数寻找轮廓，该函数的第二个返回值是一个 Python列表，存储了图像的所有轮廓。再调用Perimeter=cv.2arcLength（cnt，true）方法计算闭合圆形轮廓周长，得到1角、1元周长分别是364mm、468mm。代码如下：

defbianyuan（img）：

equ=cv2.GaussianBlur（img，（5，5），0）

ret，thresh1=cv2.threshold（equ，130，255，cv2.THRESH_BINARY）endprint

th3=cv2.adaptiveThreshold（thresh1，255，cv2.ADAPTIVE_THRESH_MEAN_C，＼

cv2.THRESH_BINARY，7，2）

median = cv2.medianBlur（th3， 3）

plt.subplot（4，1，1），plt.imshow（img，cmap = 'gray'）

plt.subplot（4，1，2），plt.imshow（th3，cmap = 'gray'）

plt.subplot（4，1，3），plt.imshow（median，cmap='gray'）

plt.show（）

returnmedian.copy（）

2.5训练测试

为了保证1角与1元硬币识别的准确性与稳定性，将原始图像经过旋转不同角度，得到15张图像。这15张图像作为训练数据集，通过同样的方法计算得到轮廓周长并存储在数组中。训练过程得到了所有图像的周长信息，运用训练好的模型对给定任意一张1角或1元硬币进行测试。系统计算出该图像的轮廓周长，通过传递参数判断该周长属于1角或1元模型中的哪类，给出判断结果。系统随机选取了5张图片进行测试，从测试结果得出准确率达到80%。1张失败的原因是硬币边缘磨损，图像处理后没有形成闭合区域轮廓。具体代码如下：

deffindPlateNumberRegion（img）：

contours，hierarchy = cv2.findContours（img，1， 2）

cnt=contours[0]

perimeter = cv2.arcLength（cnt，True）

return round（perimeter）

def test（result）：

print （'testRating：'result）

def main（）：

record=[]

fori in range（15）：

img=image_read（）

img=bianyuan（img）

a=findPlateNumberRegion（img）

test（a）

record.append（a）

print record

3系統测试

系统测试的目的主要是确保系统运行稳定，能够满足实际需求。并且对三种类型硬币有稳定、高效的识别率。经过对15张图像训练，5张进行测试，测试结果如表2所示。

3结语

本文基于Python的硬币识别系统设计与实现，详细给出了该系统的结构图、功能流程图及各个功能实现的核心代码。通过Python语言与OpenCV强大的函数库及语言优势，利用数字图像处理技术与机器学习思路完成本系统开发工作。阐述了系统中使用的关键技术，包括图像处理技术与对象识别技术，实现了硬币面值识别。机器视觉发展为本系统设计奠定了一定基础，将此运用于解决生活中常见问题，是互联网时代背景下的流行趋势。

参考文献参考文献：

[1]毕晓君，孙晓霞.基于蚁群算法的硬币识别研究[J].哈尔滨工程大学学报，2006，27（6）：882885.

[2]傅霖来.基于机器视觉下的硬币识别系统[D].天津：天津大学，2009.

[3]L CHUGANI MAHESH， R SAMANT ABHAG， MICHAEL CERRA. LabVIEW signal processing[M]. Upper Saddle Rive：Prentice Hall PTR，1998.

[4]付丽.基于光电开关的硬币面值识别系统[D].西安：西安电子科技大学，2014.

[5]莫磊.基于FPGA的硬币识别器的研究[D].成都：电子科技大学，2008.

[6]刘艺柱.高准确率硬币识别装置的设计与实现[D].南京：南京理工大学，2013.

[7]王阳萍，杜晓刚，赵庶旭，等.医学影像图像处理[M].北京：清华大学出版社，2012.

[8]潘俊勇.易度PaaS云平台开发技术内幕[C].上海：中国PyConChina2011大会，2011.

[9]王洪建.基于HSV颜色空间的一种车牌识别定位和分割方法[J].仪器仪表学报，2005（8）：2628.

[10]郭捷，施鹏飞.基于颜色和纹理分析的车牌定位方法[J].中国图像图形学报，2002，7A（5）：472 475.

[11]张引，潘云鹤.彩色汽车图像牌照定位新方法[J].中国图像图形学报，2002，7A（5）：374377.

责任编辑（责任编辑：何丽）endprint