張輝 陳勐翔

摘要：設計了一種基于圖像紋理信息的假幣紙張計數(shù)方法。預處理階段，先對排列整齊成疊假幣的圖像進行灰度化處理，再利用拉普拉斯銳化增強假幣紙張邊緣信息，而后進行自適應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，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。實驗結果表明，該方法能快速、準確地實現(xiàn)假幣紙張計數(shù)，方法簡單且對輕度噪聲不敏感。

關鍵詞：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 文獻標識碼：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，在實務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)的方式一般采用點鈔機計數(shù)的方式，但這種方式存在計數(shù)時間長、設備易損壞、假幣紙張易破損等缺點。設計一種無損、快速、準確的假幣計數(shù)方法具有一定實用價值。

國內外已有許多同類型計數(shù)方法的研究，其中相關性最大的是關于紙張計數(shù)方法研究。石偉等設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處理、Gabor濾波增強邊緣、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)域進行0、1標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，但計算方法較為復雜，計算時間.也較長。

本文在前述研究基礎上設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分析

本文根據(jù)現(xiàn)實工作的特點，設計如圖1方式的圖像采集系統(tǒng)，其中假幣實際由練功鈔替代，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，這可通過分鈔手法簡單實現(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，在載物臺側面使用平行光源掠入射照明。相機為裝配微距鏡頭的單反相機，直接固定在三腳架上，垂直采集的圖像實時傳輸至計算機端，用以后續(xù)處理。此系統(tǒng)面對需大量采集圖像的場景時，無需實時更改硬件設置，具有較好的實用性。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，且接收光強更強，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，這一特點依舊非常鮮明。如果能根據(jù)這一特點，實時統(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，設計如下假幣紙張計數(shù)算法：首先，對成疊假幣紙張圖像進行灰度化操作;而后對紙張邊緣區(qū)域進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，本算法不設計去噪環(huán)節(jié);接下來，對增強后的圖像進行自適應閾值二值化處理，得到二值條紋圖像，此步驟可基本消除輕微噪聲點的影響，且因為邊緣線接收光照較紙張表面和載物臺背景遠強的特點，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果。流程設計如圖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圖中紅綠藍三通道的分量值加權平均計算得到該像素點灰度值。數(shù)學表達如式（1），其中Gray表示計算后的灰度值，R、G、B表示紅、綠、藍通道分量值。

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，對圖像邊緣信息進行增強有利于提高計數(shù)準確率，本文采用經典的拉普拉斯銳化算子對假幣紙張圖像的細節(jié)信息特別是邊緣信息進行增強。

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

2.3自適應閾值二值化

隨后，對銳化后的圖像進行自適應閾值分割，自適應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集內像素點的灰度平均值t1，t2。

（4）根據(jù)t1，t2更新閾值：（5）重復計算第（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行，其基本邏輯簡單，有如下方法。

（1）從圖像行數(shù)值中隨機選擇N個數(shù)值，得到隨機計算亮條紋數(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，如某像素點灰度值為1，且其前一列像素點灰度為0，后一列像素點灰度為1，則標記假幣紙張數(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)，即投票決定最終結果。

計數(shù)方法流程如圖6所示。

3實驗結果及分析

為驗證方法對成疊假幣紙張能否準確計數(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行了100次測試，計數(shù)算法運行環(huán)境為MATLAB，N取10。部分測試結果如表l所示。

根據(jù)測試結果可知，假幣紙張數(shù)量在50張和100張時，準確率可達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，測試平均準確率進一步下降。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，達到了快速計數(shù)的目的。分析紙張數(shù)增多時準確率下降的原因，主要是紙張邊緣間隔減小導致條紋粘連所致。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致部分邊緣線虛化，從而漏檢。

4結束語

本文從實際出發(fā)，設計了一種快速、準確的假幣紙張計數(shù)方法，該方法簡潔有效，對采集圖像進行灰度化處理，再進行細節(jié)增強，而后進行自適應閾值二值化處理，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，本文還設計了一種簡易有效的成疊假幣圖像采集硬件方案。實驗測試結果表明，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，準確度很高，可適用公安實際工作。