پردازش اسکناس

[farf122012]

سلام به همه اساتید و دوستان خوب انجمن
دوستان من باید به وسیله نرم افزار متلب الگوریتمی طراحی کنم که بتونه با دریافت یک عکس از اسکناس ها بگه هر کدوم از این اسکناس ها چند تومانی هستن و مجموع کل اسکناس هارو بهم بده ممنون میشم راهنمایم کنید من تا حالا با این نرم افزار کار نکردم و از دوستان تقاضا دارم که فکر کنند که دارن یک آدم آماتور رو راهنمایی می کنن. با تشکر فراوان از همه دوستان

این سوال تو تالار مهندسی مطرح شده و بهش جوابی داده نشده امیدوارم اینجا اساتید کمی راهنمایی کنند.(برا منم جالبه) . . .

[mortezamsp]

اینجا شما مطمئن هستید که اعداد در گوشه های تصویر قرار دارند. پس باید پس از حذف پس زمینه ، از کلاسیفایرها استفاده کنید تاارقام را بخوانید، همان کاری که OCR ها انجام میدهند.

[مصطفی ساتکی]

اصلاً نیازی به ocr نیست .
کلاً توی دنیای machine vision به 2 روش کلی میشه تو این دسته از مسائل جواب گرفت
1- روش mass
2- روش sparse

روش sparse از کل یا قسمتی از تصویر می تونن به عنوان feature استفاده کنن
شما در ابتدا find corner انجام می دید و بعد از این طریق تصویر مورد نظر تون صاف می کنید . حالا با استفاده از تکنیک pyramid تصویرتون رو gaussain sample down یک تصویر جدید بدست میاد حالا از این تصویر یکی در همین زاویه فعلی طیف فوریه می گیریم و سپس تصویر رو با زاویه 180 درجه چرخش میدیم دوباره طیف فوریه برای تصویر جدید بدست میاریم.
حالا هر 2 طیف رو نگه میداریم حالا برای تمام اسکناس های که میخایم شناسایی کنیم این طیف رو در 2 زاویه بدست میاریم تا اینجا تو مد enrollment بودیم
حالا در مد تست از هر اسکناس طیف فوریه بدست میاریم این تصویر رو با کل database مون convolve می کنیم حالا بزرگترین ضریه تو database میشه جواب ما.



در روش های sparse از تصاویری که باید تشخیص بدیم feature بدست میاریم
تو این روش های حتی نیازی نیست که alignment انجام بدید و تصویر رو صاف کنید شاید تو این مسئله شما می تونید از طریق corner finder بیاید object مورد نظر تون رو تو یک زاویه خاصی قرار بدید ولی در بعضی از کاربردها به هیچ وجه نمیشه تصویر رو نسبت به یک reference point چرخش داد چون اصلاً reference point خاصی وجود نداره یا حتی فقط قسمتی از object موجوده.
حالا ما میام از روش هایی استفاده می کنیم که برای ما key point تهیه می کنند روش های زیادی برای اینکار وجود داره همانند surf و sift و غیره می باشد بعد این feature ها رو تو database تون ذخیره می کنید حالا از طریق classifier های مختلف یا روش های جستجوی key point همانند knn می تونید feature خودتونو تو database جستجو کنید