一、簡介

本設計為硬幣影象識別統計裝置，通過數碼相機獲取平鋪無重疊堆積的硬幣的影象，並通過Matlab工具處理後統計硬幣的數目。

1 影象格式轉換
取的影象格式為RGB彩色影象，需要先將其轉換為8位256級的灰度影象。本程式採用Matlab的影象處理工具箱的函式rgb2gray來實現。
rgb2gray（）
功能：
轉換RGB影象或顏色映像表為灰度影象。
語法：
I = rgb2gray(RGB)
newmap = rgb2gray(map)
2 去噪及特徵提取


圖1-2 灰度圖及其直方圖
上圖1-1為硬幣統計的區域性圖片，圖中可見，硬幣主體部分和背景以及影象有著明顯的區別，可以通過選取合適的閾值進行二值化，從而提取出硬幣的特徵。
圖1-2為此影象的直方圖，從圖中可見到比較明顯的閾值分界點，但是並不是非常的明顯，這是因為，圖中有很多的硬幣因為反光的緣故，導致主體部分有些發白，如圖1-3所示。

1.3灰度調整
對於這些發白部分，我們採用灰度調整及中值濾波進行處理，在matlab中，提供了兩個函式進行相應的操作，其中imadjust進行灰度調整，其用法如下
Imadjst(f,[low_in high_in],[low_out high_out],gamma)
Gamma所表示的意義：

1 -------- 凹曲線
<1 -------- 凸直線
=1 -------- 直線
medfilt2用於進行中值濾波處理，其用法如下
F=medfilt2(f,[m n]);
f為輸入影象
[m n]為中值濾波模板
F是中值濾波後輸出的影象。
圖4-1經過灰度調整及中值濾波後的影象如圖1-4所示，可見，經過中值濾波後，硬幣的主體部分有了較大的改善。

1.4二值化處理
經過濾波後，即可對影象進行二值化處理，首先，我們採用人工選擇閾值的方法進行二值化，由圖可見，對於本幅圖片，其合適的閾值在50~100之間，通過試驗，我們選取的值為80。
對影象二值化處理的程式如下：
[M,N]=size(F);
for x=1:M
for y=1:N
if F(x,y)<80
F(x,y)=0; %低於閾值的值黑
else
F(x,y)=255; %高於閾值的值白
end
end
end
處理後的影象如圖1-6所示：

1.5閾值分割
當然仍有許多模糊的硬幣管腳殘影，但已經將硬幣的主體很好的識別了出來，採用人工選擇閾值的方法雖然可以成功分離出硬幣的主體，但是這個閾值這是針對這張圖片有效，對於獲取的其它圖片，這個閾值並不能正確地對影象進行二值化處理，因此我們決定採用自動閾值分割的方法來對影象進行二值化。
我們所選用的自動閾值分割方法為Otsu法，它是一種使類間方差最大的自動確定閾值的方法，該方法具有簡單、處理速度快的特點，是一種常用的閾值選取方法。
在matlab中，提供了一個函式graythresh來實現Otsu法閾值分割，其用法如下：
T=graythresh(f);
其中，f為待進行閾值分割的灰度影象，T為返回的分割灰度比例，將其乘於256即為Otsu法劃定的分割閾值。
優化後的程式如下：
T=graythresh(F);

由圖中可見，噪聲被有效的濾除了，但是，去除了噪聲的同時，也使部分接觸緊密的硬幣在閉運算後可能連成一個整體，如圖1-8中的紅圈所示，因此在此後的識別統計中需要對其進行特殊的處理。

二、原始碼

clear all;
close all;
f=imread('yingbi2.jpg');
w=imshow(f);title('原影象');
F=rgb2gray(f); %真彩圖轉化為灰度圖
figure;imshow(F);title('灰度圖');
figure;imhist(F);title('直方圖');
F0 = imadjust(F,stretchlim(F),[0 1]);
Ft=medfilt2(F0,[5 5]);
figure;imshow(Ft);title('灰度調整，中值濾波後的影象');
figure;imhist(Ft);title('灰度調整，中值濾波後的直方圖');
T=graythresh(Ft);
T=T*256-5;
[M,N]=size(Ft);
for x=1:M
    for y=1:N
        if Ft(x,y)<T				
            Ft(x,y)=0;		%低於閾值的值黑
        else
            Ft(x,y)=255;		%高於閾值的值白
        end
    end
end

figure;imshow(Ft);title('二值化結果');
B=ones(10);
F0=imclose(Ft,B);
figure;imshow(F0);title('閉運算');
F1=imadjust(F0,[0,1],[1,0],1);
figure;imshow(F1);title('反色');
%對影象貼標籤
[L N]=bwlabel(F1,8)         
Sum = [];
%統計每個標籤的數量，有些硬幣可能會重疊在一起的情況一定要用此種方法
for i=1:N
[r,c] = find(L==i);                       
rc = [r c];
Num = length(rc);                              
Sum([i])=Num;                                  
end
 

三、執行結果

四、備註

版本：2014a
完整程式碼或代寫加1564658423