宋昀岑， 陳鎮(zhèn)龍， 羅 穎， 劉 霖，葉玉堂， 陳 偉，2， 劉少荘，2

（1.電子科技大學(xué)現(xiàn)代光電測控及儀器實驗室（摩米實驗室），四川成都610054；2.成都術(shù)有科技有限公司，四川成都610054）

基于多向投影新方法的捆鈔印章個數(shù)統(tǒng)計

宋昀岑1， 陳鎮(zhèn)龍1， 羅 穎1， 劉 霖1，葉玉堂1， 陳 偉1，2， 劉少荘1，2

（1.電子科技大學(xué)現(xiàn)代光電測控及儀器實驗室（摩米實驗室），四川成都610054；2.成都術(shù)有科技有限公司，四川成都610054）

提出了一種快速自動統(tǒng)計印章個數(shù)的多向投影新方法。該方法基于圖像處理理論，將采集到的捆鈔圖像從RGB空間轉(zhuǎn)為LUV空間，然后通過聚類分析算法，得到捆鈔的二值化圖像，再利用多向投影的思路，依次在垂直和水平方向投影變換，完成印章個數(shù)的統(tǒng)計。理論分析及實驗結(jié)果表明，該方法可以有效去除背景噪聲的影響，不依賴于印章印跡的好壞，提高了印章個數(shù)自動統(tǒng)計的效率和準確率。

計量學(xué)；圖像處理；印章個數(shù)；聚類分析；多向投影；機器視覺

1 引 言

在金融等行業(yè)為了便于財務(wù)的管理和統(tǒng)計，經(jīng)常會在成捆的鈔票側(cè)面蓋上印章，根據(jù)印章的個數(shù)判斷捆鈔的數(shù)量和金額。而在捆鈔印章統(tǒng)計中，人工統(tǒng)計具有效率低、容易出錯等問題，因此印章個數(shù)的自動統(tǒng)計研究就顯得越發(fā)重要。傳統(tǒng)的目標識別統(tǒng)計，需要先對圖像分割［1～5］，提取出模板的特征值［6］，根據(jù)模板匹配算法［7～9］，利用已建立的模板在圖像上尋找目標并統(tǒng)計目標個數(shù)，國內(nèi)外很多學(xué)者都從事過該領(lǐng)域算法方面的研究與改進，Sibiryakov Alexander［10］等提出了采用二進制碼和直方圖進行模板的匹配，姜志高［11］等提出了相互比較法，通過模板向量跟目標向量的關(guān)聯(lián)度，完成模板的匹配與統(tǒng)計。何新鵬［12］等提出的基于模板的圖像匹配算法，利用對圖像色度的投影，將圖像數(shù)據(jù)降低到一維進行匹配，大大降低了計算量。但是，這些方法均要求待檢目標與模板具有很好的一致性，對于捆鈔印章中常見的印跡模糊和印跡變形等問題無法解決。

本文在分析了捆鈔印章固有特征的基礎(chǔ)上，提出了多向投影新方法。該方法從投影統(tǒng)計的角度出發(fā)，先通過垂直方向的投影去除背景噪聲，找到印章所在區(qū)域，再通過水平方向的投影優(yōu)化算法識別出具體的印章個數(shù)。對于實際采集到的1 000張捆鈔圖像進行印章個數(shù)統(tǒng)計的實驗結(jié)果表明，各種印章印跡不均的情況均可以準確地進行統(tǒng)計，而且處理速度非?？?。

2 基本理論

2.1 單向投影變換

投影特征值算法常應(yīng)用于目標位置的提?。?3～15］。對于一幅8位bmp格式的圖片，根據(jù)圖像上面各處灰度值不同的特點，可以將圖像沿垂直或水平方向投影變換，提取出目標圖像。所謂投影變換指的是，以像素為單位，將每一列（行）的灰度值相加?？梢愿鶕?jù)每一列（行）的灰度值變化規(guī)律得到目標的位置。

2.2 多向投影初步分割

需要統(tǒng)計印章個數(shù)的捆鈔圖像如圖1所示，利用單向投影無法得到具體的印章個數(shù)?？紤]到捆鈔印章的排列相對比較整齊，分布在圖像的兩側(cè)，而且印章相互之間是獨立的，沒有交叉區(qū)域，采用依次在垂直和水平方向進行投影的方法。

圖1 捆鈔原圖

捆鈔原圖是工業(yè)相機采集到的RGB三通道彩色圖像。RGB色彩模式是一種顏色標準，通過對紅（R）、綠（G）、藍（B）3個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色。RGB彩色圖像顏色信息分布于3個通道，不便于顏色信息的提取。觀察圖1，印章采用紅色印泥，而紅色數(shù)值的大小與LUV空間的U通道的數(shù)據(jù)大小正相關(guān)。LUV色彩空間全稱CIE 1976（L*，u*，v*）色彩空間，L*表示物體亮度，u*和v*表示色度。因此，先將圖像從RGB空間轉(zhuǎn)換到LUV空間，然后通過對U通道的數(shù)據(jù)進行聚類分析，得到原圖的二值化圖像，將印章從背景中區(qū)分出來，如圖2所示。

圖2 捆鈔U通道二值化圖

由圖2可以看出，由于鈔票本身的圖案具有紅色信息，導(dǎo)致在印章以外的區(qū)域會有很多點狀或塊狀的噪聲存在。

首先將捆鈔二值化圖的每一列像素灰度值進行相加，得到垂直投影結(jié)果。因為印章主要集中在兩個固定的區(qū)間范圍內(nèi)，投影圖上必然會出現(xiàn)兩個尖峰，但同時因為背景噪聲的干擾，印章所在區(qū)域以外的范圍也同樣會出現(xiàn)干擾峰，如圖3所示。為了將2列印章準確分割出來，需要找出2列印章的4個

垂直分割點，由投影原理可知，分割點在投影坐標系中屬于極小值點。由噪聲產(chǎn)生的尖峰，造成了大量的無效的極小值點，通過提出特征值來抑制不必要的噪聲造成的干擾。特征值計算公式如下：

圖3 加上特征值線的垂直投影

式中：W為圖像的寬度，Scol（i）為第i列像素灰度值之和，λ為常量參數(shù)，這里λ＝0.5，round表示取整。

根據(jù)式（1）計算出垂直投影特征值Tcol大小，首先，從Scol［1，2，…，W］找到所有小于特征值Tcol的極小值，并在一維數(shù)組Pmin中存儲所有極小值在Scol中的位置。然后，計算相鄰2個極小值之間Scol的平均值，用極小值灰度均值表示。存儲大于特征值Tcol的極小值灰度均值，不符合要求的舍去。這樣就減少了需要排序的極小值灰度均值的個數(shù)，大大減小了計算量。最后，采用最小堆排序法找到極小值灰度均值的2個最大值，這2個最大值所對應(yīng)的2組極小值點就是需要識別的4個垂直分割點，其相鄰極小值區(qū)間就是印章所在區(qū)域，見圖3所示。

圖像經(jīng)過垂直投影，2列印章區(qū)域被找到，提取出2列印章，然后依次對2列印章進行水平投影，分割出每一個印章。由于垂直方向的有效信息是多個印章的合集，而水平方向的有效信息只和單個印章有關(guān)，遠遠少于垂直方向，所以，噪聲對于水平投影時候的分割點提取影響更大。本文在垂直分割點提取的基礎(chǔ)上，引入印章最小寬度判斷法則，通過印章寬度與圖像高度的比值來有效去除噪聲干擾。

采用與垂直投影類似的方式獲得水平投影圖，每一行像素灰度值之和存儲在數(shù)組Srow（i）中，并且采用與公式（1）類似的方法計算出特征值Trow的大小，找到所有的極小值。同理，計算極小值灰度均值，找到極小值灰度均值中大于Trow的值，并取得在Srow中對應(yīng)的位置，作為初步分割點數(shù)據(jù)；最后，判斷檢驗得到的分割點之間的距離是否滿足Ws≥r×H（條件Ⅰ）的條件，去掉不滿足條件的分割點，得到印章的水平分割點，并統(tǒng)計出印章個數(shù)。條件Ⅰ中，Ws為單個印章的寬度即單個印章在圖像高度方向上的像素寬度，r為單個印章的寬度至少相當于整幅圖像高度的比例，H為整幅圖像的高度。

工業(yè)相機視場大小設(shè)定好之后，單個印章的寬度穩(wěn)定在一個范圍內(nèi)，與整幅圖像的高度呈一較穩(wěn)定的比例關(guān)系。根據(jù)統(tǒng)計學(xué)原理，當寬度小于一定值，判斷為噪聲干擾。本實驗中采用的圖片，當r的值取為0.015時，去除噪聲干擾的效果最佳。

2.3 多向投影的改進

采用上述多向投影方法，可準確統(tǒng)計出印章較為清晰的圖片中的印章個數(shù)。在某些情況下，由于印跡不均勻，對應(yīng)的水平投影結(jié)果會出現(xiàn)同一個印章的投影區(qū)域內(nèi)有低于投影特征值TzRow的凹谷，而這樣的凹谷會被分割算法錯誤地判為1個分割點，最終導(dǎo)致印章只能被部分地分割出來或者分割成2個或2個以上的印章。針對以上問題，本文對多向投影方法作了進一步的改進，根據(jù)捆鈔印章的特點，提出印章平均寬度和垂直方向占空比2個概念，通過對初步水平分割點做一系列循環(huán)的比較、判斷與合并來達到準確分割的效果。

改進后的多向投影算法流程圖如圖4所示，虛線框內(nèi)為增加的校正算法步驟。首先，計算出該列印章平均寬度Wa，即垂直方向上得到的所有印章寬度的平均值；然后，判斷相鄰2對分割點寬度之和是否小于A×Wa（條件Ⅱ）；最后，判斷相鄰2對分割點間的垂直方向占空比是否小于系數(shù)B（條件Ⅲ），其中，垂直方向占空比表示單個印章的2個水平分割點之間印章的水平投影中，值小于特征值TZ的數(shù)目與該印章寬度之比。若相鄰兩對分割點符合條件Ⅱ，條件Ⅲ，則合并2對分割點。

圖4 改進的多向投影算法流程圖

條件Ⅱ避免了由于印記不清而造成的一個印章被統(tǒng)計成2個或多個的情況，但是有可能會造成一個印章的某一部分與另一個印章合并，這就導(dǎo)致得出的印章位置錯誤，由于相鄰印章的印泥之間有空隙，條件Ⅲ能有效避免上述情況的發(fā)生。結(jié)合大量實際印章印跡不均勻圖片的特征進行考慮，通過實驗驗證，系數(shù)A不能簡單地取1或2，而應(yīng)該取1.7更能滿足正確分割的要求，系數(shù)B則應(yīng)該取0.125更為合適。

圖5 3種典型捆鈔圖像的印章統(tǒng)計結(jié)果

3 實驗結(jié)果與分析

為了驗證理論分析以及本文所提新算法的可行性，對實際采集到的1000幅捆鈔圖像逐一進行了印章個數(shù)的統(tǒng)計，對于印跡模糊不清、印跡大小不一致、印跡傾斜以及印跡變形等常見問題，均能準確地將所有印章識別出來。本文選取了3種比較典型的捆鈔圖像進行比較，每種圖像的印跡均有不同的問題，其每一步的處理結(jié)果如圖5所示，其中，初步印章識別圖是初步水平分割后的處理結(jié)果，最終印章識別圖是采用改進后的算法處理結(jié)果。

由圖5可以看出，對于印章較為清晰的圖像，圖5（a）紅色印章容易分辨出來，經(jīng)過初步水平分割即可獲得正確的結(jié)果，如圖5（m）所示。對于存在少量問題的圖像，圖5（b）中部分印記被遮擋，經(jīng)過初步水平分割，也能得到正確的統(tǒng)計結(jié)果，如圖5（n）所示。對于存在較多問題的圖像，圖5（c）中有些印章的部分區(qū)域印泥太少，導(dǎo)致初步水平分割時，將一塊印章分割為多塊，經(jīng)過校正算法處理，錯誤得到糾正。

實驗結(jié)果表明，對于印章較清晰的圖像和存在某些問題的圖像在初步水平分割中均能夠完成分割統(tǒng)計，即使是對于存在較多問題的圖像也能夠在經(jīng)過校正算法后得到正確的結(jié)果。對于采集到的1000張圖片，能夠正確統(tǒng)計出印章個數(shù)的圖片為953張，準確率達到95%，而且處理速度非?？欤骄臅r210 ms。

4 結(jié)束語

本文提出了一種適用于銀行捆鈔印章位置識別和個數(shù)統(tǒng)計的多向投影新方法。該方法是基于捆鈔印章的分布特點，針對捆鈔印章容易出現(xiàn)的印跡模糊、深淺不一、傾斜和變形等傳統(tǒng)模板匹配法無法解決的問題提出的。該方法對于一般的捆鈔圖像和某些存在質(zhì)量問題的圖像均能夠很好地完成印章的識別和統(tǒng)計，而且處理速度非?？?，極大地提高了捆鈔印章的統(tǒng)計效率和準確率。

］

［1］ Wang S，Siskind JM.Image segmentation with ratio cut［J］.IEEE Trans on Pattern Analysis and Machine Intelligence.2008，25（6）：675-690.

［2］ TaoW B，Jin H，Zhang Y M.Color image segmentation based onmean shiftand normalized cuts［J］.IEEE Trans on Systems.2007，37（5）：1382-1389.

［3］ Vadiveloo M，Abdullah R，Rajeswari M，et al.Image segmentation with cyclic load balanced parallel Fuzzy CMeans cluster analysis［C］／／2011 IEEE International Conference on Imaging Systems and Techniques（IST）.Guilin，China，2011：124-129.

［4］ Hong H Y，Guo X Y，Zhang X H.An Improved Segmentation Algorithm of Color Image in Complex Background Based on Graph Cuts［C］／／2011 IEEE International Conference on Computer Science and Automation Engineering（CSAE）.Guilin，China，2011：642-645.

［5］ 曹衛(wèi).基于二分法的字符垂直投影分割算法［J］.軟件導(dǎo)刊.2010，30（10）：71-72.

［6］ 曾銳.印章特征提取算法研究［D］.杭州：浙江大學(xué)，2007.

［7］ LeeW C，Chen C H.A Fast Template Matching Method for Rotation Invariance Using Two-Stage Process［C］／／IH-MSOP＇09.Fifth International Conference on Intelligent Information Hiding and Multimedia Signal Processing，Kyoto，Japan，2009：9-12.

［8］ Zeng Y C，Chen JF.Adaptive template-matchingmethod for recognition of low-resolution license number［C］／／2010 International Computer Symposium（ICS）.Tainan，China，2010：228-233.

［9］ Li Z H，Liu C Y，Cui J G，et al.Improved rotation invariant template matching method using relative orientation codes［C］／／The 30th Chinese Control Conference（CCC 2011），Yantai，China，2011：3119-3123.

［10］ Sibiryakov A.Fast and high-performance template matching method［C］／／2011 IEEE Conference on Computer Vision and Pattern Recognition（CVPR），Colorado Springs，USA，2011：1417-1424.

［11］ 姜志高.基于二值化處理與模板匹配的圖像識別［J］.才智.2011，（26）：72-73.

［12］ 何新鵬，黃英，劉奇，等.基于投影的快速模板匹配算法［J］.自動化技術(shù)與應(yīng)用.2011，25（7）：72-75.

［13］ 遲曉君，孟慶春.基于投影特征值的車牌字符分割算法［J］.計算機應(yīng)用研究，2006，1（7）：256-257.

［14］ Yu S，Yu K，Tresp V，et al.Multi-Output Regularized Feature Projection［J］.IEEE Transactionson Knowledge and Data Engineering，2011，18（12）：1600-1613.

［15］ Qong M.An unsupervised classification method for polarimetric SAR imageswith a projection approach［J］.IEEE International Geoscience and Remote Sensing Symposium，2003，7：4471-4473.

Statistics of the Number of Seals Based on Multi-directional Projection

SONG Yun-cen1， CHEN Zhen-long1， LUO Ying1， LIU Lin1，YE Yu-tang1， CHENWei1，2， LIU Shao-zhuang1，2
（1.Lab of MOEMIL，University of Electronic Science and Technology of China，Chengdu，Sichuan 610054，China；2.Chengdu HOLDTECSCo.Ltd.，Chengdu，Sichuan 610054，China）

A multidirectional projection method which can count the number of seals on bundled banknotes automatically and quickly is introduced.The fundamental principle of thismethod is that，based on the theory of image processing，converting bundled banknotes image from RGB space to LUV space in the first，processing it by using cluster analysis algorithm，then a binary image of the tied note can be gained.Using thought of multidirectional projection，projection transformation in the vertical direction and the horizontal direction then be applied to in turn.Finally the number of the seals can be counted.Theoretical analysis and the experimental results show that，thismethod can remove the impact of background noise effectively，do not depend on the quality of seals sigil，and improve the efficiency and accuracy of the automatical number statistics of the seals.

Metrology；Image processing；Number of seals；Cluster analysis；Multidirectional projection；Machine vision

TB96

：A

：1000-1158（2015）03-0242-05

10.3969／j.issn.1000-1158.2015.03.05

2013-05-15；

：2013-08-06

國家自然科學(xué)基金（61205004）；粵港關(guān)鍵領(lǐng)域重點突破項目（東科2012205106，20091683）；總裝預(yù)研基金（9140A01020507DZ0215）

作者簡介：宋昀岑（1983-），男，四川成都人，電子科技大學(xué)博士研究生，主要從事機器視覺、光電測控及儀器研究。cczzll008＠163.com