基于Matlab的纸币币值检测系统设计(GUI界面) 【含Matlab源码 MX_004期】

简介：

基于Matlab的纸币币值检测系统是一种利用数字图像处理技术来自动识别和鉴别纸币面额的系统。

1. 图像获取：获取纸币的图像。

2. 预处理：对获取到的图像进行预处理，包括去噪、灰度化、边缘检测等操作，以便后续的处理。

3. 特征提取：从预处理后的图像中提取出与纸币面额相关的特征，比如纸币的颜色、纹理、图案等。

4. 分类识别：利用提取到的特征，通过分类器或者模式识别算法来判断纸币的面额。

5. 结果显示：将识别出的纸币面额结果显示出来，通常以数字或者图像的形式呈现。

界面图：

部分代码：

%% NO.2  预处理 中值滤波 = F0
F0=medfilt2(I,[5,5]);

%%  NO.3  阈值处理 = Y0 
[T,SM]=graythresh(F0);   % Global image threshold using Otsu's method//Otsu法计算阈值
Y0=imbinarize(F0,T);          % 原图=阈值分割[Otsu法]


%%  NO.4  形态学处理 = bw4
bw1=Y0;
% bw2 = bwareaopen(bw1,30);    %删除包含少于30像素的所有对象   //消除噪音
se = strel('disk',2);
% bw3 = imclose(bw2,se);       %填补笔帽上的空白
bw4 = imfill(bw1,'holes');     %填充任何孔，以便区域道具可用于 估计每个边界所包围的区域


%%  NO.5  提取、识别图像 
F=image;           % 原始图像
count_100=0;    % 设置初值
count_20=0;
count_1=0;
count_5=0;
count_50=0;
count_10=0;
f=bw4;
[L,n]= bwlabel(f);  
max(max(L)); % 图像中纸币的个数
% L  returns a label matrix返回标签矩阵
% n  returns the number of connected objects found in BW返回在BW中找到的已连接对象数

% 例如，以下对find的调用将返回属于第三个对象的所有像素的行索引和列索引：
% 可以使用一个循环来 提取计算和显示特征图像
axes(handles.axes2); % 显示图像
imshow(F);
hold on    % So later plotting commands plot on top of the image.
for k = 1:n
    [r,c]= find(L == k);%r return 行；c return 列
    rbar1 = min(r);
    cbar1 = min(c);    
    rbar2 = max(r);
    cbar2 = max(c);
    G=F(rbar1:rbar2,cbar1:cbar2,:); % 提取纸币
    G1=size(G,1);
    G2=size(G,2);
    G_feature1=G(1:round(G1*1),round(G2*0.6):round(G2*0.96),:);% 提取纸币特征位置
    G_feature1_R=sum(sum(G_feature1(:,:,1)));   %   R分量
    G_feature1_G=sum(sum(G_feature1(:,:,2)));   %   G分量
    G_feature1_B=sum(sum(G_feature1(:,:,3)));   %   B分量
    G_feature1_S=G_feature1_R+G_feature1_G+G_feature1_B;
    RGB(1)=G_feature1_R/G_feature1_S; %R分量
    RGB(2)=G_feature1_G/G_feature1_S; %G分量
    RGB(3)=G_feature1_B/G_feature1_S; %B分量
    G_feature1_max=max(RGB);
    rgb= find(RGB == G_feature1_max);

完整代码：基于Matlab的纸币币值检测系统设计(GUI界面)