專利名稱：一種鈔票紙紋理的檢測方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種紋理的檢測方法和裝置，特別涉及一種印鈔行業(yè)中，檢測鈔票紙 圖像中的紋理是否有缺陷的方法和裝置。
背景技術(shù)：
紋理為一種或多種圖案，或多或少有序排列而形成的一種結(jié)構(gòu)，這一結(jié)構(gòu)的每個 組成單元是不被人注意的，但它們的整體卻可作為一個有意義的識別單位，即紋理區(qū)域。研 究表明，人類視覺系統(tǒng)對圖像的紋理非常敏感，圖像紋理的粗細(xì)、方向或均勻度等一旦發(fā)生 變化，將很容易被人類視覺系統(tǒng)識別。通過鈔票圖案上的紋理來識別鈔票真?zhèn)我彩且环N重 要的鈔票識別方法，所以在印鈔過程中，對鈔票紙圖像上紋理的檢測是非常重要的。國內(nèi)外對鈔票紙紋理錯誤的檢測主要是采用一定數(shù)量的模板圖像建立灰度值的 高低值模板，再將待檢測圖像的灰度值與該高低值模板相對比，未在該高低值范圍內(nèi)的則 認(rèn)為該待檢測圖像有錯誤。而紋理有缺陷的產(chǎn)品灰度值通常在該高低值范圍之內(nèi)，若僅通 過高低值模板來檢測，勢必會漏掉排除部分紋理有缺陷的產(chǎn)品。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)存在的問題，本發(fā)明的主要目的在于提供一種相對簡單，且檢測精 度高的鈔票紙紋理的檢測方法和裝置。為實(shí)現(xiàn)上述目的，本發(fā)明提供了第一種鈔票紙紋理的檢測方法，該第一種鈔票紙 紋理的檢測方法包括如下步驟(1)采集給定的待檢測圖像。(2)在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域，一般印鈔過程中，大張 鈔票紙都包括一張以上的小張鈔票，該一小張鈔票即稱作一小開。(3)將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式。(4)以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性， 該每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性是指各像素點(diǎn)在L、A、B三個層面上的L值Lu、A 值A(chǔ)u和B值Bijtl(5)計算待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值，直至得到所 有前后兩小開之間紋理區(qū)域中紋理屬性的匹配值，主要包括如下步驟(I)計算同一待檢 測圖像上前后兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性差值Yij,該計算前后兩小開 間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性差值Yij首先根據(jù)前后兩小開之間的距離查找前 后兩小開間紋理區(qū)域中一一對應(yīng)的像素點(diǎn)，然后將前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的 L值、A值和B值相減，即得到Y(jié)ij, Yij包括Ya)ij、Y00ij和Y(B)ij ； (II)計算前后兩小開間紋 理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Yij的概率H(Yij)，該H(Yij)是通過前后兩小開間紋 理區(qū)域中出現(xiàn)紋理屬性差值為Ya)ij、Y00ij和Y(B)ij的像素點(diǎn)的數(shù)量除以每小開紋理區(qū)域中 所有像素點(diǎn)的數(shù)量得到，其中H(Yij)包括H(Ya)ij)、H(Ya)ij)和H(Yimj) ； (III)根據(jù)Yij和H(Yij)計算前后兩小開間紋理區(qū)域中紋理屬性的匹配值P，該前后兩小開間紋理區(qū)域中紋 理屬性的匹配值P是通過對(Yij)2H(Yij)在小開紋理區(qū)域中所有像素點(diǎn)的累計求和得到，其 中P包括Ha和PB，Pl為對(Ya)ijVH(Ya)ij)在小開紋理區(qū)域中所有像素點(diǎn)的累計求和，Pa 為對(Yooij)M(Yooij)在小開紋理區(qū)域中所有像素點(diǎn)的累計求和，I3b為對(Υ(ΒΜ」)Μ(Υ(Β) 」)在 小開紋理區(qū)域中所有像素點(diǎn)的累計求和；(IV)根據(jù)上述步驟(I) 步驟(III)計算該待檢 測圖像上其它前后兩小開間紋理區(qū)域中紋理屬性的匹配值，直至得到所有前后兩小開之間 紋理區(qū)域中紋理屬性的匹配值。(6)判斷所述所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否存在超過預(yù)定 閾值的情況，若存在超出預(yù)定閾值的情況，則判斷該待檢測圖像不合格，同時顯示紋理錯誤 并將該待檢測圖像分揀出，結(jié)束對該待檢測圖像的檢測。本發(fā)明還提供了第二種鈔票紙紋理的檢測方法，該第二種鈔票紙紋理的檢測方法 包括如下步驟(1)采集給定的待檢測圖像。(2)在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域，一般印鈔過程中，大張 鈔票紙都包括一張以上的小張鈔票，該一小張鈔票即稱作一小開。(3)將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式。(4)以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性， 該每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性是指各像素點(diǎn)在L、A、B三個層面上的L值Lu、A 值A(chǔ)u和B值Bijtl(5)計算待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值，主要包括如 下步驟(1)計算同一待檢測圖像上前后兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性 差值Yij,該計算前后兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性差值Yij首先根據(jù)前 后兩小開之間的距離查找前后兩小開間紋理區(qū)域中一一對應(yīng)的像素點(diǎn)，然后將前后兩小開 間紋理區(qū)域中對應(yīng)像素點(diǎn)的L值、A值和B值相減，即得到Y(jié)ij，Yij包括Ya)ij、Y00ij和Y(B) ij ； (II)計算前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Yij的概率H(Yij)，該 H(Yij)是通過前后兩小開間紋理區(qū)域中出現(xiàn)紋理屬性差值為Ya)ij、Y00ij和Y(B)ij的像素點(diǎn) 的數(shù)量除以每小開紋理區(qū)域中所有像素點(diǎn)的數(shù)量得到，其中H(Yij)包括H(Ya)ij)、H(Y00u) 和H(Yimj) ； (III)根據(jù)Yij和H(Yij)計算前后兩小開間紋理區(qū)域中紋理屬性的匹配值P，該 前后兩小開間紋理區(qū)域中紋理屬性的匹配值P是通過對(YuVH(Yu)在小開紋理區(qū)域中所 有像素點(diǎn)的累計求和得到，其中P包括I\、PA和PB，&為對(Ya)ijVH(Ya)ij)在小開紋理區(qū)域 中所有像素點(diǎn)的累計求和，Pa為對(Y(A)uVH(Y(A)iP在小開紋理區(qū)域中所有像素點(diǎn)的累計求 和，1\為對(Υ(βμΡ^ΚΥ(β)。_)在小開紋理區(qū)域中所有像素點(diǎn)的累計求和。(6)判斷待檢測圖像前后兩小開間紋理區(qū)域中紋理屬性的匹配值P是否超過預(yù)定 的閾值，若超出閾值，則判斷該待檢測圖像不合格，同時顯示紋理錯誤并將該待檢測圖像分 揀出，結(jié)束對該待檢測圖像的檢測，否則，則繼續(xù)進(jìn)行下一步驟的判斷。(7)判斷所述待檢測圖像上所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否 都已得到并與閾值相比較；若是，則結(jié)束判斷，否則，繼續(xù)計算所述待檢測圖像上未與閾值 相比較的前后兩小開間紋理區(qū)域中紋理屬性的匹配值。第一種及第二種鈔票紙紋理的檢測方法中所述預(yù)定的閾值通過如下步驟得到
(1)采集模板圖像；(2)在模板圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域；(3)將模板圖像由RGB模式轉(zhuǎn)換為LAB模式；(4)以模板圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性；(5)計算所述同一模板圖像上兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性差 值 Dij ；(6)計算所述模板圖像上兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Dij 的概率H (Dij)；(7)根據(jù)Du和H(Du)計算兩小開間紋理區(qū)域中紋理屬性的匹配值；(8)以所述方法獲得一張或多張模板圖像的所有前后兩小開間紋理區(qū)域中紋理屬 性的匹配值；(9)以所述一張或多張模板圖像的所有前后兩小開間紋理區(qū)域中紋理屬性的匹配 值的平均值或最大值作為閾值D。本發(fā)明還提供了對應(yīng)第一種鈔票紙紋理檢測方法的第一種鈔票紙紋理檢測裝置， 該第一種鈔票紙紋理的檢測裝置包含一用于采集給定的待檢測圖像的圖像采集裝置；一在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域的檢測指定裝置；一將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式的模式轉(zhuǎn)換裝置；一以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性的 屬性計算裝置；一計算所述待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值的屬性匹 配裝置；一判斷是否已計算所述待檢測圖像上所有前后兩小開之間紋理區(qū)域中紋理屬性 的匹配值，若否，則使屬性匹配裝置繼續(xù)計算直至得到所有前后兩小開之間紋理區(qū)域中紋 理屬性的匹配值的匹配計數(shù)裝置；—判斷所述所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否存在超過預(yù)定 閾值的情況，若有，則判斷待檢測圖像不合格并結(jié)束檢測的閾值判斷裝置。一當(dāng)閾值判斷裝置判斷待檢測圖像不合格時顯示紋理錯誤的顯示裝置；一當(dāng)閾值判斷裝置判斷待檢測圖像不合格時將該待檢測圖像分揀出的分揀裝置。本發(fā)明還提供了對應(yīng)第二種鈔票紙紋理檢測方法的第二種鈔票紙紋理檢測裝置， 該第二種鈔票紙紋理的檢測裝置包含一用于采集給定的待檢測圖像的圖像采集裝置；一在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域的檢測指定裝置；一將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式的模式轉(zhuǎn)換裝置；—以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性的 屬性計算裝置；一計算所述待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值的屬性匹 配裝置；—判斷所述前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否超過預(yù)定的閾值，若超過預(yù)定的閾值，則判斷待檢測圖像不合格并結(jié)束檢測的閾值判斷裝置；一當(dāng)所述前后兩小開間紋理區(qū)域中紋理屬性的匹配值未超過預(yù)定的閾值，判斷所 述待檢測圖像上所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否都已得到并與閾值 相比較，若是，則結(jié)束檢測，若否，則使屬性匹配裝置繼續(xù)計算所述待檢測圖像上未與閾值 相比較的前后兩小開間紋理區(qū)域中紋理屬性的匹配值的判斷計數(shù)裝置。一當(dāng)閾值判斷裝置判斷待檢測圖像不合格時顯示紋理錯誤的顯示裝置；一當(dāng)閾值判斷裝置判斷待檢測圖像不合格時將該待檢測圖像分揀出的分揀裝置。本發(fā)明相對于現(xiàn)有技術(shù)，由于采用待檢測圖像兩小開間紋理區(qū)域中紋理屬性的匹 配值作為判斷標(biāo)準(zhǔn)，更能反映紋理的變化，克服了先前采用待檢測圖像的灰度值作為判斷 標(biāo)準(zhǔn)，而容易漏判紋理有錯誤產(chǎn)品的問題；另外，本發(fā)明采用同一張待檢測圖像上兩小開之 間相互比較，而非采用待檢測圖像的每小開都與模板圖像相比較的方法來計算紋理屬性的 匹配值作為判斷標(biāo)準(zhǔn)，原因在于由于硬件的限制，即使是同一張產(chǎn)品，前后兩次通過機(jī)器 后得到的圖像的紋理屬性值都不完全一樣，如果采用待檢測鈔票紙每小開都與標(biāo)準(zhǔn)圖像相 比較來計算紋理屬性的匹配值作為判斷標(biāo)準(zhǔn)，勢必導(dǎo)致將很多圖像誤判為紋理存在錯誤， 而本發(fā)明采用同一張待檢測圖像的各兩個小開之間進(jìn)行對比，可以避免由于硬件原因而導(dǎo) 致的誤判。


圖1為本發(fā)明鈔票紙紋理檢測方法流程圖的第一實(shí)施例圖2為本發(fā)明鈔票紙紋理檢測方法流程圖的第二實(shí)施例圖3為本發(fā)明計算前后兩小開間紋理區(qū)域中紋理屬性匹配值的具體流程4為本發(fā)明計算紋理屬性匹配值閾值的具體流程5為本發(fā)明鈔票紙紋理檢測裝置示意圖的第一實(shí)施例圖6為本發(fā)明鈔票紙紋理檢測裝置示意圖的第二實(shí)施例圖7為本發(fā)明實(shí)施例的待檢測圖像示意圖
具體實(shí)施例方式下面結(jié)合附圖，以100元面值的鈔票紙為例，詳細(xì)說明本發(fā)明的具體實(shí)施方式
。當(dāng) 然，本發(fā)明的檢測方法并不限于100元面值的鈔票紙，凡是針對鈔票紙的紋理檢測，如10 元、20元、50元等面值均在本發(fā)明的保護(hù)范圍之內(nèi)。圖7為本發(fā)明實(shí)施例的待檢測圖像示意圖，該待檢測圖像每行為4小開，共6列， 一共為M小開(當(dāng)然，待檢測圖像的大張鈔票紙不一定是M小開，也可為7小開，8小開， 視規(guī)格而定，大張鈔票紙的小開數(shù)量不影響鈔票紙紋理的檢測)。在該實(shí)施例中以主席人像 頭發(fā)處作為需檢測的紋理區(qū)域。下面結(jié)合圖1、圖3和圖7具體說明本發(fā)明鈔票紙紋理檢測方法流程圖的第一實(shí)施 例。S10、采集待檢測圖像。S11、在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域，本實(shí)施例為在待檢測 圖像的M小開中設(shè)定主席人像頭發(fā)處作為需檢測的紋理區(qū)域。
S12、將待檢測圖像由RGB (Red，Green，Blue)模式轉(zhuǎn)換為LAB模式(由照度L和有 關(guān)色彩的A，B三個要素組成，L表示照度，相當(dāng)于亮度，A表示從紅色至綠色的范圍，B表示 從黃色至藍(lán)色的范圍)。上述步驟Sll和S12的順序并不固定，可以先設(shè)定需檢測的紋理區(qū)域，再將待檢測 圖像由RGB模式轉(zhuǎn)換為LAB模式，也可以將順序調(diào)換，先將待檢測圖像由RGB模式轉(zhuǎn)換為 LAB模式，再指定需檢測的紋理區(qū)域。S13、以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬 性，可以以L、A、B三個層面上的L值Lu、A值A(chǔ)ij和B值Bij作為每小開紋理區(qū)域中各像素 點(diǎn)的紋理屬性。S14、計算同一待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值，直至得 到所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值。計算前后兩小開間紋理區(qū)域中紋理屬 性的匹配值，具體由S30 S32完成S30、計算同一待檢測圖像上前后兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬 性差值Yu。通過兩個步驟完成首先，根據(jù)前后兩小開之間的距離查找前后兩小開間紋理 區(qū)域中一一對應(yīng)的像素點(diǎn)，如圖7所示，以查找該待檢測圖像上第1小開(第1行第1列) 紋理區(qū)域71和第2小開(第1行第2列)紋理區(qū)域72中一一對應(yīng)的像素點(diǎn)為例，因?yàn)閷?于固定的產(chǎn)品，其每小開的大小也是固定且已知的，本實(shí)施例的100元面值的鈔票紙每小 開大小設(shè)定為長X，寬1，由此可知第1小開和第2小開之間的距離為(x，0)，則可知若第1 小開紋理區(qū)域71某一像素點(diǎn)710的位置為(i，j)，如右下角，則對應(yīng)的第2小開紋理區(qū)域 72的像素點(diǎn)720的位置為(i+x，j)。然后將前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的L值、A 值和B值相減，得到Y(jié)u，即Ya)u、Y(A)iJ和Y(B)U，本實(shí)施例中第1小開紋理區(qū)域71和第2小 開紋理區(qū)域72對應(yīng)像素點(diǎn)的紋理屬性差值為Ya)ij = |L(i，j)-L(i+x, j) I ’Ymj = A(i， j)-A(i+x，j)| ；Y(mj= |B(i，j)-B(i+x，j) |。如計算該待檢測圖像上第4小開(第1行第 4列)紋理區(qū)域74和第5小開(第2行第1列)紋理區(qū)域75中每一對應(yīng)像素點(diǎn)的紋理屬 性差值Yu，則與上述第1小開和第2小開的計算方法相同，首先，查找第4小開(第1行第 4列)紋理區(qū)域74和第5小開(第2行第1列)紋理區(qū)域75中一一對應(yīng)的像素點(diǎn)，如圖7 所示，若每小開大小為長X，寬y，可知第4小開和第5小開之間的距離為(3x，y)，則可知若 第4小開紋理區(qū)域74某一像素點(diǎn)740的位置為(i，j)，如右下角，則對應(yīng)的第5小開紋理區(qū) 域75的像素點(diǎn)750的位置為(i+3x，j+y)。然后將前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的 L值、A值和B值相減，得到Y(jié)ij,即Ya)ij、Ymj和Y(B)ij，本實(shí)施例中第4小開紋理區(qū)域74和 第5小開紋理區(qū)域75對應(yīng)像素點(diǎn)的紋理屬性差值為Ya)ij = |L(i，j)-L(i+3x, j+y) | ；Y00 ij = |A(i，j)-A(i+3x, j+y) I ；Y(B)ij = |B(i，j)-B(i+3x, j+y) |。其它小開間紋理區(qū)域中每 一對應(yīng)像素點(diǎn)的紋理屬性差值計算方法與此相同。S31、計算前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Yij的概率 H(Yij)，計算前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Yij的概率H(Yij)，該 H(Yij)是通過前后兩小開間紋理區(qū)域中出現(xiàn)紋理屬性差值為ΥαΗ」、Υ(ΑΗ」和Y(B)ij的像素點(diǎn)的 數(shù)量除以每小開紋理區(qū)域中所有像素點(diǎn)的數(shù)量得到，其中H(Yij)包括H(Ya)ij)、H(Y00ij)和 H(Y(B)Ij)。S32、根據(jù)Yij和H(Yij)計算前后兩小開間紋理區(qū)域中紋理屬性的匹配值P，該前后兩小開間紋理區(qū)域中紋理屬性的匹配值P是通過對(Yj2H(Yu)在小開紋理區(qū)域中所有像 素點(diǎn)的累計求和得到，其中P包括I\、PA和PB，&為對(Ya)i/H(Ya)u)在小開紋理區(qū)域中所
/=f，/ = w
有像素點(diǎn)的累計求和，即盡=Σ (巧…)2付(W;pa為對(Υ_)2Η(Υ_)在小幵紋理區(qū)域
'=1,7=1
i=tj=w
中所有像素點(diǎn)的累計求和，即尺二 Σ (iW)2^1U/) A為對(Y(B)ij)2H(Y(B)ij)在小開紋理
'=1,./=1
i^l J = W
區(qū)域中所有像素點(diǎn)的累計求和，即A= Σ ( ,)2^ +其中i = 1，j = 1時為小開紋
'=1,7=1
理區(qū)域的第1個像素點(diǎn)，i = t, j = W時為小開紋理區(qū)域的最后一個像素點(diǎn)。以上述S30 S32同樣的方法計算該待檢測圖像上其它前后兩小開間紋理區(qū)域中 紋理屬性的匹配值，直至得到所有前后兩小開之間紋理區(qū)域中紋理屬性的匹配值，在上述 24小開的實(shí)施例中，即計算第1小開和第2小開的匹配值、第2小開和第3小開的匹配值， 直至計算第23小開和第M小開的匹配值，第M小開和第1小開的匹配值。S15、判斷各前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否存在超過預(yù)定閾值 的情況，如其中任何兩小開紋理區(qū)域間的匹配值有存在超過預(yù)定閾值的情況，則至S16，否 則，結(jié)束檢測。S16、判斷該待檢測圖像不合格，同時顯示紋理錯誤并將該待檢測圖像分揀出，結(jié) 束對該待檢測圖像的檢測。在上述計算前后兩小開間紋理區(qū)域中紋理屬性的匹配值P時，之所以要將兩小開 間紋理屬性差值Y (L) ij^ Y(A)ij 禾口 Y(B)ij 做平方計算，而非簡單的將Y (L)ij、Y(A) ij 禾口 Y(B) ij 累積求 和，是為了擴(kuò)大Y (L) ij^ Y(A)ij 禾口 Y(B)ij 值對 P^、Pa 和 I3b 值的影響。Y(L) ij>Y(A) ^· ^P Y(β) 值越大， 說明紋理屬性存在差異的可能性越大，使用ΥαΜ」、Υ(ΑΜ」和￥(&」做平方計算后，h、PA和I3b的 值也越大，越容易超出閾值范圍，這樣就越容易查出紋理有缺陷的產(chǎn)品；而另一方面，之所 以要在Ya)u、Y(A)ij和Y(B)ij做平方計算后再乘以概率值H(Ya)ij)、H(Y00ij)和H(Yimj)，而非 單純的將Ya)u、Y(A)iJ和Y(B)U做平方計算后直接累積求和，是為了避免這樣一種情況即極 個別像素點(diǎn)的紋理屬性差值很大，差值平方后即會超過閾值范圍，但是由于像素點(diǎn)少，實(shí)際 上不會構(gòu)成紋理錯誤，用Ya)ij、Y(A)Y(B)ij平方后再乘以H(Ya)ij)、H(Y00ij)和H(Yimj)，使 在求紋理屬性匹配值P時不僅考慮到紋理屬性差值，同時考慮到出現(xiàn)這種差值的范圍，如 只是小范圍(個別像素點(diǎn))出現(xiàn)這種大差值，則可以使I\、PA和I3b的值在閾值范圍內(nèi)，從而 避免這種情況下的誤判。下面結(jié)合圖2、圖3和圖7具體說明本發(fā)明鈔票紙紋理檢測方法流程圖的第二實(shí)施 例。S20、采集待檢測圖像。S21、在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域。S22、將待檢測圖像由RGB模式轉(zhuǎn)換為LAB模式。S23、以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬 性，可以以L、A、B三個層面上的L值Lu、A值A(chǔ)ij和B值Bij作為每小開紋理區(qū)域中各像素 點(diǎn)的紋理屬性。S24、計算同一待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值，由S30 S32完成S30、計算同一待檢測圖像上前后兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬 性差值Yy按順序首先計算待檢測圖像上第1小開(第1行第1列)紋理區(qū)域71和第2 小開(第1行第2列)紋理區(qū)域72每一對應(yīng)像素點(diǎn)的紋理屬性差值，計算方法與本發(fā)明鈔 票紙紋理檢測方法第一實(shí)施例中的方法相同。S31、計算前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Yij的概率 H(Yij)，該H(Yij)是通過前后兩小開間紋理區(qū)域中出現(xiàn)紋理屬性差值為Ya)ij、Y00ij和Y(B)iJ 的像素點(diǎn)的數(shù)量除以每小開紋理區(qū)域中所有像素點(diǎn)的數(shù)量得到，其中H(Yu)包括H(Ya)u)、 H(Ywij)和H(Ywu)。按順序首先計算待檢測圖像上第1小開(第1行第1列)紋理區(qū)域 71和第2小開(第1行第2列)紋理區(qū)域72的紋理屬性差值為Yij的概率。S32、根據(jù)Yij和H(Yij)計算前后兩小開間紋理區(qū)域中紋理屬性的匹配值P，該前后 兩小開間紋理區(qū)域中紋理屬性的匹配值P是通過對(YiP2H(Yu)在小開紋理區(qū)域中所有像 素點(diǎn)的累計求和得到，其中P包括I\、PA和PB，&為對(Ya)i/H(Ya)u)在小開紋理區(qū)域中所
,J=W
有像素點(diǎn)的累計求和，即巧=Σ (iW)2付為對(Υ_)2Η(Υ_)在小幵紋理區(qū)域
'=Ij=I
中所有像素點(diǎn)的累計求和，即盡=Σ (U2//(U·，!^為對(Y(B)ij)2H(Y(B)ij)在小幵紋理
i=t,J=w
區(qū)域中所有像素點(diǎn)的累計求和，即慫=Σ ^Vif H(y{Hj ,其中i = ι，j = ι時為小開紋
'=1,7-1
理區(qū)域的第1個像素點(diǎn)，i = t，j = W時為小開紋理區(qū)域的最后一個像素點(diǎn)。按順序首先 計算待檢測圖像上第1小開(第1行第1列)紋理區(qū)域71和第2小開(第1行第2列) 紋理區(qū)域72的紋理屬性匹配值。S25、判斷前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否超過預(yù)定的閾值，按順 序首先判斷待檢測圖像上第ι小開(第1行第1列)紋理區(qū)域71和第2小開(第1行第 2列)紋理區(qū)域72的紋理屬性匹配值是否超過預(yù)定的閾值，若超出預(yù)定的閾值，則至S26， 否則，至S27。S26、判斷該待檢測圖像不合格，同時顯示紋理錯誤并將該待檢測圖像分揀出，結(jié) 束對該待檢測圖像的檢測。S27、判斷同一待檢測圖像上所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是 否都已得到并與閾值相比較。若是，則結(jié)束檢測，否則，至S24，繼續(xù)計算所述待檢測圖像上 未與閾值相比較的前后兩小開間紋理區(qū)域中紋理屬性的匹配值。即當(dāng)?shù)?小開和第2小開 之間紋理區(qū)域中紋理屬性的匹配值未超過預(yù)定的閾值，則繼續(xù)計算第2小開和第3小開之 間紋理區(qū)域中紋理屬性的匹配值，并判斷是否超過預(yù)定的閾值，若未超過預(yù)定的閾值，則仍 然繼續(xù)計算，直到有兩小開之間紋理區(qū)域中紋理屬性的匹配值超過預(yù)定的閾值，或者所有 前后兩小開間紋理區(qū)域中紋理屬性的匹配值都已得到并與閾值相比較。如圖4所示，以上第一種及第二種鈔票紙紋理的檢測方法中提到的預(yù)定的閾值都 通過如下步驟得到S40、采集模板圖像；S41、在模板圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域；
S42、將模板圖像由RGB模式轉(zhuǎn)換為LAB模式；S43、以模板圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性， 以L、A、B三個層面上的L值LU、A值A(chǔ)ij和B值Bij作為每小開紋理區(qū)域中各像素點(diǎn)的紋理 屬性。S44、計算所述同一模板圖像上兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性 差值Dij，該紋理屬性差值Dij的計算方法與第一種及第二種鈔票紙紋理的檢測方法中提到 的紋理屬性差值的計算方法相同，Dij包括D (L) ij、D(A) ij> D(B)ijoS45、計算所述模板圖像上兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Dij 的概率H(Dij)，該H(Dij)是通過前后兩小開間紋理區(qū)域中出現(xiàn)紋理屬性差值為Da)ij、D00ij 和D(b)u的像素點(diǎn)的數(shù)量除以每小開紋理區(qū)域中所有像素點(diǎn)的數(shù)量得到，其中H(Du)包括 H(Da)ijKH(D00ij)和 H(D(B)iJ)。S46、根據(jù)Dij和H (Dij)計算兩小開間紋理區(qū)域中紋理屬性的匹配值，包括
權(quán)利要求
1.一種鈔票紙紋理的檢測方法，采集給定的待檢測圖像，并在待檢測圖像的每小開中 預(yù)先設(shè)定需檢測的紋理區(qū)域，其特征在于，該方法還包括如下步驟將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式；以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性； 計算所述待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值，直至得到所有前 后兩小開間紋理區(qū)域中紋理屬性的匹配值；判斷所述所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否存在超過預(yù)定閾值的 情況；若存在超出預(yù)定閾值的情況，則判斷待檢測圖像不合格并結(jié)束檢測，否則，結(jié)束檢測。
2.一種鈔票紙紋理的檢測方法，采集給定的待檢測圖像，并在待檢測圖像的每小開中 預(yù)先設(shè)定需檢測的紋理區(qū)域，其特征在于，該方法還包括如下步驟將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式；以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性； 計算所述待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值； 判斷所述前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否超過預(yù)定的閾值； 若超出閾值，則判斷待檢測圖像不合格并結(jié)束檢測，否則，判斷所述待檢測圖像上所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否都已得 到并與閾值相比較；若是，則結(jié)束檢測，否則，計算所述待檢測圖像上未與閾值相比較的前后兩小開間紋理 區(qū)域中紋理屬性的匹配值。
3.根據(jù)權(quán)利要求1或2任一所述的鈔票紙紋理的檢測方法，其特征在于，所述計算待檢 測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值包含如下步驟 計算所述待檢測圖像上前后兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性差值Yij;計算前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Yij的概率H(Yij)； 根據(jù)Yij和H(Yij)計算前后兩小開間紋理區(qū)域中紋理屬性的匹配值P。
4.根據(jù)權(quán)利要求3所述的鈔票紙紋理的檢測方法，其特征在于，所述每小開紋理區(qū)域 中各像素點(diǎn)的紋理屬性是指各像素點(diǎn)在L、A、B三個層面上的L值Lu、A值A(chǔ)ij和B值Bu。
5.根據(jù)權(quán)利要求4所述的鈔票紙紋理的檢測方法，其特征在于，所述計算同一待檢測 圖像上前后兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性差值Yij包括如下步驟根據(jù)前后兩小開之間的距離查找前后兩小開間紋理區(qū)域中一一對應(yīng)的像素點(diǎn)； 將前后兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的L值、A值和B值相減，得到Y(jié)ij,其中Yij包 括 Y(L) ij> Y(A)ij 禾口 Y(B) ij°
6.根據(jù)權(quán)利要求5所述的鈔票紙紋理的檢測方法，其特征在于，所述計算前后兩小開 間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Yij的概率H(Yij)是通過前后兩小開間紋理區(qū) 域中出現(xiàn)紋理屬性差值為Ya)ij、Y(A)ij和Y(B)ij的像素點(diǎn)的數(shù)量除以每小開紋理區(qū)域中所有 像素點(diǎn)的數(shù)量得到，其中H(Yij)包括H(Ya)ij)、H(Y00ij)和H(Y(mj)。
7.根據(jù)權(quán)利要求6所述的鈔票紙紋理的檢測方法，其特征在于，所述根據(jù)Yu和H(Yij) 計算前后兩小開間紋理區(qū)域中紋理屬性的匹配值P是通過對(YijVH(Yij)在小開紋理區(qū)域中所有像素點(diǎn)的累計求和得到，其中P包括I\、PA和IVh為對(Y(L)ij)2H(Y(L)ij)在小開紋理 區(qū)域中所有像素點(diǎn)的累計求和，Pa為對(Yoou)M(Yoou)在小開紋理區(qū)域中所有像素點(diǎn)的累 計求和，I3b為對(Υ_)2Η(Υ(β&)在小開紋理區(qū)域中所有像素點(diǎn)的累計求和。
8.根據(jù)權(quán)利要求1或2任一所述的鈔票紙紋理的檢測方法，其特征在于，所述預(yù)定的閾 值通過如下步驟得到采集模板圖像；在模板圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域；將模板圖像由RGB模式轉(zhuǎn)換為LAB模式；以模板圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性；計算所述 同一模板圖像上兩小開間紋理區(qū)域中每一對應(yīng)像素點(diǎn)的紋理屬性差值Dij ；計算所述模板圖像上兩小開間紋理區(qū)域中對應(yīng)像素點(diǎn)的紋理屬性差值為Dij的概率 H(Dij)；根據(jù)Dij和H(Dij)計算兩小開間紋理區(qū)域中紋理屬性的匹配值；以所述方法獲得一張或多張模板圖像的所有前后兩小開間紋理區(qū)域中紋理屬性的匹 配值；以所述一張或多張模板圖像的所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值的平 均值或最大值作為閾值D。
9.根據(jù)權(quán)利要求1或2任一所述的鈔票紙紋理的檢測方法，其特征在于，在判斷待檢 測圖像不合格的同時顯示紋理錯誤并將該待檢測圖像分揀出。
10.一種鈔票紙紋理的檢測裝置，包含一用于采集給定的待檢測圖像的圖像采集裝置， 一在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域的檢測指定裝置，其特征在于，該 裝置還包含一將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式的模式轉(zhuǎn)換裝置；一以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性的屬性 計算裝置；一計算所述待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值的屬性匹配裝置；一判斷是否已計算所述待檢測圖像上所有前后兩小開之間紋理區(qū)域中紋理屬性的匹 配值，若否，則使屬性匹配裝置繼續(xù)計算直至得到所有前后兩小開之間紋理區(qū)域中紋理屬 性的匹配值的匹配計數(shù)裝置；一判斷所述所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否存在超過預(yù)定閾值 的情況，若有，則判斷待檢測圖像不合格并結(jié)束檢測的閾值判斷裝置。
11.一種鈔票紙紋理的檢測裝置，包含一用于采集給定的待檢測圖像的圖像采集裝置， 一在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域的檢測指定裝置，其特征在于，該 裝置還包含一將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式的模式轉(zhuǎn)換裝置；一以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性的屬性 計算裝置；一計算所述待檢測圖像上前后兩小開間紋理區(qū)域中紋理屬性的匹配值的屬性匹配裝置；一判斷所述前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否超過預(yù)定的閾值，若超過 預(yù)定的閾值，則判斷待檢測圖像不合格并結(jié)束檢測的閾值判斷裝置；一當(dāng)所述前后兩小開間紋理區(qū)域中紋理屬性的匹配值未超過預(yù)定的閾值，判斷所述待 檢測圖像上所有前后兩小開間紋理區(qū)域中紋理屬性的匹配值是否都已得到并與閾值相比 較，若是，則結(jié)束檢測，若否，則使屬性匹配裝置繼續(xù)計算所述待檢測圖像上未與閾值相比 較的前后兩小開間紋理區(qū)域中紋理屬性的匹配值的判斷計數(shù)裝置。
12.根據(jù)權(quán)利要求10或11任一所述的鈔票紙紋理的檢測裝置，其特征在于，所述檢測 裝置還包含一當(dāng)閾值判斷裝置判斷待檢測圖像不合格時顯示紋理錯誤的顯示裝置，一當(dāng)閾 值判斷裝置判斷待檢測圖像不合格時將該待檢測圖像分揀出的分揀裝置。
全文摘要
本發(fā)明公開了一種鈔票紙紋理的檢測方法和裝置，該方法包含如下步驟采集給定的待檢測圖像；在待檢測圖像的每小開中預(yù)先設(shè)定需檢測的紋理區(qū)域；將待檢測圖像由RGB模式轉(zhuǎn)換成LAB模式；以待檢測圖像的每小開為單位，計算每小開紋理區(qū)域中各像素點(diǎn)的紋理屬性；計算待檢測圖像上所有前后兩小開之間紋理區(qū)域中紋理屬性的匹配值；判斷所述匹配值是否存在超過預(yù)定閾值的情況，若存在超出預(yù)定閾值的情況，則判斷該待檢測圖像不合格。本發(fā)明相對于現(xiàn)有技術(shù)，由于采用待檢測圖像兩小開間紋理區(qū)域中紋理屬性的匹配值作為判斷標(biāo)準(zhǔn)，更能反映紋理的變化，克服了先前采用待檢測圖像的灰度值作為判斷標(biāo)準(zhǔn)，而容易漏判紋理有錯誤產(chǎn)品的問題。
文檔編號G07D7/20GK102063758SQ20091021622
公開日2011年5月18日 申請日期2009年11月16日 優(yōu)先權(quán)日2009年11月16日
發(fā)明者孫曉剛, 張建, 張紹兵, 張鵬翼, 曹保華, 胡蕾, 陳斌 申請人:中科院成都信息技術(shù)有限公司