一种基于Lab色彩空间的钞票分类鉴别方法和装置

摘要

本发明实施例提供一种基于Lab色彩空间的钞票分类鉴别方法和装置，用于提高面值的识别率。本发明实施例一种基于Lab色彩空间的钞票分类方法技术方案包括：获取待检测钞票的RGB图像；计算所述RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；将所述Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b；将所述Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，得出所述待检测钞票的类别。

说明书

技术领域

本发明实施例涉及钞票的面值分类识别领域，具体涉及一种基于Lab色彩 空间的钞票分类鉴别方法和装置。

背景技术

随着国内市场经济的不断繁荣，使得纸币的流通量越来越大，金融机构 对于金融设备的要求是必须能够支持不同人民币面额纸币的识别。Lab色彩空 间是比较接近于人类视觉的一种颜色空间，其中L(Luminosity)表示亮度， a和b表示两种颜色的对立维度。其中L的值域由0到100，表示从黑到纯白， a表示从红色至绿色的范围，a的取值为+127至-128，b表示从蓝色至黄色的 范围，b的取值为+127至-128，正为暖色、负为冷色。Lab色域宽阔很广，它 不仅包含了RGB，CMYK的所有色域，还能表现它们不能表现的色彩。人的 肉眼能感知的色彩，都能通过Lab模型表现出来。另外，Lab色彩模型还能弥 补RGB色彩模型色彩分布不均的不足，因为RGB模型在蓝色到绿色之间的 过渡色彩过多，而在绿色到红色之间又缺少黄色和其他色彩。

目前，金融设备核心技术基础是实时纸币图像处理和图像识别。其中一 种常用的方法是采用不同面额纸币图像几何特征(长度和宽度)不同来区分， 但是由于纸币是通过高速的采集装置获得的，因此不可避免地存在着扭曲和 形变，这样导致几何特征不稳定，造成识别率的下降。另一种方法是利用单 通道灰度图像中不同区域的灰度差异性来区分面值，而由于部分不同面额的 人民币灰度特征差异不大，或者当识别的主要特征区受到污损干扰时，会存 在人民币不同面值、币种间误识别的风险。

现有技术的缺陷是，传统的识别装置只具备获取单通道灰度图像的能力， 无法对钞票的颜色进行有效识别，面值的识别率低。

发明内容

本发明实施例提供一种基于Lab色彩空间的钞票分类鉴别方法和装置，用 于提高面值的识别率。

本发明实施例一种基于Lab色彩空间的钞票分类方法技术方案包括：

获取待检测钞票的RGB图像；

计算所述RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值 Gray R、Gray G、Gray B；

将所述Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、 Gray b；

将所述Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与预 设公式进行对比，得出所述待检测钞票的类别。

优选的，

将所述Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差 与预设公式进行对比，得出所述待检测钞票的类别包括：

当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之 差大于20时，则所述待检测钞票为100元；

当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之 差小于5时，则所述待检测钞票为20元；

当Gray a与Gray b乘积小于零，且Gray a的绝对值与Gray b的绝对值之 差大于10时，则所述待检测钞票为50元；

当Gray a小于零，且Gray a的绝对值与Gray b的绝对值之差小于10时，则 所述待检测钞票为10元。

优选的，

获取待检测钞票的RGB图像包括：提取所述待检测钞票的完整区域；通 过多光谱识别装置获取所述完整区域的RGB图像。

优选的，

计算所述RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值 Gray R、Gray G、Gray B包括：选取所述RGB图像的毛泽东头像区域作为目 标区域；根据所述目标区域计算出在红(R)、绿(G)、蓝(B)三个波段 的灰度值Gray R、Gray G、Gray B。

优选的，

将所述Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、 Gray b包括：

转化公式分别为Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+ 0.1177*Gray B)+128、

Gray b＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128；

将所述Gray R、Gray G、Gray B代入所述转化公式得出Gray a、Gray b。

本发明实施例还提供一种基于Lab色彩空间的钞票分类鉴别装置，技术 方案包括：

获取模块，用于获取待检测钞票的RGB图像；

处理模块，用于计算所述获取模块获取的RGB图像在红(R)、绿(G)、 蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；

转化模块，用于将所述处理模块计算出的Gray R、Gray G、Gray B转化 为Lab色彩空间下的灰度值Gray a、Gray b；

判断模块，用于将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对 值之差与预设公式进行对比，得出待检测钞票的类别。

优选的，

当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之 差大于20时，所述判断模块确定所述待检测钞票为100元；

当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之 差小于5时，所述判断模块确定所述待检测钞票为20元；

当Gray a与Gray b乘积小于零，且Gray a的绝对值与Gray b的绝对值之 差大于10时，所述判断模块确定所述待检测钞票为50元；

当Gray a小于零，且Gray a的绝对值与Gray b的绝对值之差小于10时，所 述判断模块确定所述待检测钞票为10元。

优选的，

所述获取模块通过多光谱识别装置获取所述待检测钞票的完整区域的 RGB图像。

优选的，

所述处理模块提取出所述RGB图像中的毛泽东区域作为目标区域，并根 据所述目标区域计算出在红(R)、绿(G)、蓝(B)三个波段的灰度值Gray R、Gray G、Gray B。

优选的，

所述转化模块用于将所述灰度值Gray R、Gray G、Gray B按照转化公式 Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+0.1177*Gray B)+128、Gray b＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128转化为Lab色彩 空间下的灰度值Gray a、Gray b。

本发明实施例的有益效果是：根据不同面额的待检测钞票颜色区分度大， 获取待检测钞票的RGB图像；计算RGB图像在红(R)、绿(G)、蓝(B) 三个波段的灰度值Gray R、Gray G、Gray B；将Gray R、Gray G、Gray B转 化为Lab色彩空间下的灰度值Gray a、Gray b，最后将Gray a与Gray b的乘 积、Gray a的绝对值与Gray b的绝对值之差与预设公式进行对比，对不同面 额钞票进行有效鉴别，提高面值的识别率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不 付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明实施例一种基于Lab色彩空间的钞票分类鉴别方法的一个实 施例的流程示意图；

图2是本发明实施例一种基于Lab色彩空间的钞票分类鉴别方法的另一个 实施例的流程示意图；

图3是本发明实施例一种基于Lab色彩空间的钞票分类鉴别装置的一个实 施例结构示意图。

具体实施方式

本发明实施例提供一种基于Lab色彩空间的钞票分类鉴别方法和装置，用 于提高面值的识别率。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明一种基于Lab色彩空间的钞票分类鉴别方法的一个实 施例包括：

101、获取待检测钞票的RGB图像；

本实施例中，获取待检测钞票的RGB图像。

102、计算RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰度值

Gray R、Gray G、Gray B；

本实施例中，通过获取到的RGB图像计算出其在在红(R)、绿(G)、 蓝(B)三个波段的灰度值Gray R、Gray G、Gray B。

103、将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、 Gray b；

本实施例中，按照公式将Gray R、Gray G、Gray B转化为Lab色彩空间下 的灰度值Gray a、Gray b；Lab色度空间由亮度分量L和两个色度分量组成,这两 个色度分量分别是从绿到红的a分量和从蓝到黄的b分量。

104、将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与 预设公式进行对比，得出待检测钞票的类别。

本实施例中，将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值 之差与预设公式进行对比，得出待检测钞票的类别。

本实施例中，根据不同面额的待检测钞票颜色区分度大，获取待检测钞 票的RGB图像；计算RGB图像在红(R)、绿(G)、蓝(B)三个波段的灰 度值Gray R、Gray G、Gray B；将Gray R、Gray G、Gray B转化为Lab色彩空 间下的灰度值Gray a、Gray b，最后将Gray a与Gray b的乘积、Gray a的绝对值 与Gray b的绝对值之差与预设公式进行对比，对不同面额钞票进行有效鉴别， 提高面值的识别率。

请参阅图2，本发明一种基于Lab色彩空间的钞票分类鉴别方法的另一个 实施例包括：

201、提取待检测钞票的完整区域；

本实施例中，可以利用边缘检测算法，定位获取完整的钞票区域。

202、通过多光谱识别装置获取完整区域的RGB图像；

本实施例中，利用多光谱识别装置获取待检测钞票的完整区域在R.G.B光 谱下的图像。

203、选取RGB图像的毛泽东头像区域作为目标区域；

本实施例中，主要针对第五套的10元、20元、50元、100元4种面值钞票 进行识别，根据人眼感知的颜色，人民币100元图案特征呈现为红色，50元呈 现为绿色，20元呈现为偏黄色，10元呈现为偏蓝色，选取钞票颜色信息最丰 富的“毛泽东头像”区域作为目标区域。

204、根据目标区域计算出在红(R)、绿(G)、蓝(B)三个波段的灰 度值Gray R、Gray G、Gray B；

本实施例中，根据群定的目标区域计算出在红(R)、绿(G)、蓝(B) 三个波段的灰度值Gray R、Gray G、Gray B。

205、将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、 Gray b；

本实施例中，按照转化公式：

Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+0.1177*Gray B)+128

Gray b＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128

将Gray R、Gray G、Gray B转化为Lab色彩空间下的灰度值Gray a、Gray b。

需要说明的是，按照L.a.b色彩空间模型，应该重点用坐标轴a的正向分量 描述100元颜色特征，用坐标轴a的负向分量描述50元的颜色特征，用坐标轴b 的正向分量描述20元的颜色特征，用坐标轴b的负向分量描述10元的颜色特 征。同时，特征描述的方法还包括了同一面值分量a与分量b的之间的关系。

206、将Gray a与Gray b的乘积、Gray a的绝对值与Gray b的绝对值之差与 预设公式进行对比，得出待检测钞票的类别。

本实施例中，设定X＝|Gray a|,Y＝|Gray b|,E＝Gray a,F＝Gray b，则预设公式 分别为：

预设公式1，当满足E*F>0且X-Y>20，为人民币100元；

预设公式2，当满足E*F<0且X-Y>10，为人民币50元；

预设公式3，当满足E*F>0且X-Y<5，为人民币20元；

预设公式4，当满足E<0且X-Y<10，为人民币10元。

本实施例中，经过公式转化，不同面值的人民币在Lab空间下的特征值可 以如下：

不同面值在亮度分量Gray L的差异并不大，因此不作为判断的参考，从上 表看出，以100元为例，Gray a的值为正数，且绝对值分量越大(|Gray a|＞|Gray  b|)，表示颜色越红，而50元Gray a的值为负数，且绝对值分量越大(|Gray a| ＞|Gray b|)表示颜色越绿。因此可以确定为X＝|Gray a|,Y＝|Gray b|,E＝Gray  a,F＝Gray b之间的关系作为判断依据。

本实施例中，首先根据不同面额的待检测钞票颜色区分度大，获取待检 测钞票的RGB图像；计算RGB图像在红(R)、绿(G)、蓝(B)三个波 段的灰度值Gray R、Gray G、Gray B；将Gray R、Gray G、Gray B转化为Lab 色彩空间下的灰度值Gray a、Gray b，最后将Gray a与Gray b的乘积、Gray a 的绝对值与Gray b的绝对值之差与预设公式进行对比，对不同面额钞票进行 有效鉴别，提高面值的识别率；

其次，选取|Gray a|、|Gray b|,Gray a、Gray b作为判断依据，提高了操作 的灵活性。

请参阅图3，本发明一种基于Lab色彩空间的钞票分类鉴别装置，包括：

获取模块301，用于获取待检测钞票的RGB图像；

处理模块302，用于计算获取模块获取的RGB图像在红(R)、绿(G)、 蓝(B)三个波段的灰度值Gray R、Gray G、Gray B；

转化模块303，用于将处理模块302计算出的Gray R、Gray G、Gray B 转化为Lab色彩空间下的灰度值Gray a、Gray b；

判断模块304，用于将Gray a与Gray b的乘积、Gray a的绝对值与Gray b 的绝对值之差与预设公式进行对比，得出待检测钞票的类别。

判断模块304可以进一步包括：

当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之 差大于20时，判断模块304确定待检测钞票为100元；

当Gray a与Gray b乘积大于零，且Gray a的绝对值与Gray b的绝对值之 差小于5时，判断模块304确定所述待检测钞票为20元；

当Gray a与Gray b乘积小于零，且Gray a的绝对值与Gray b的绝对值之 差大于10时，判断模块304确定待检测钞票为50元；

当Gray a小于零，且Gray a的绝对值与Gray b的绝对值之差小于10时， 判断模块304确定待检测钞票为10元。

进一步的，获取模块301可以通过多光谱识别装置获取待检测钞票的完 整区域的RGB图像。

进一步的，处理模块302可以提取出RGB图像中的毛泽东区域作为目标 区域，并根据目标区域计算出灰度值Gray R、Gray G、Gray B。

进一步的，转化模块303可以将灰度值Gray R、Gray G、Gray B按照转 化公式Gray a＝1.4749*(0.2213*Gray R-0.3390*Gray G+0.1177*Gray B)+128、 Gray b＝0.6245*(0.1949*Gray R+0.6057*Gray G-0.8006*Gray B)+128转化为 Lab色彩空间下的灰度值Gray a、Gray b。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制； 尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应 当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其 中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案 的本质脱离本发明各实施例技术方案的精神和范围。