在本系列文章中，我們將使用深度神經網絡(DNN)來執行硬幣識別。具體來說，我們將訓練一個DNN識別圖像中的硬幣。
在本文中，我們將描述一個OpenCV應用程序，它將檢測圖像中的硬幣。硬幣檢測是硬幣完整識別之前的一個常見階段。它包括從給定圖像中檢測和提取硬幣。
本系列附帶的代碼將使用Keras在C#中實現。在本系列的最後一篇文章中，我們將簡要地使用ML.NET。在衆多選擇中，爲什麼要使用Keras.NET呢?Keras.NET 非常容易學習，因爲它基本上是從Python編寫的經典TensorFlow到C#的直接映射。對於不熟悉機器學習的讀者來說，這比用其他方法創建示例要容易得多。
硬幣檢測過程分爲三個階段:
- 轉換圖像到灰度。顏色增加了檢測任務的複雜性，而且在很多情況下，它們不能傳遞任何可以從圖像亮度中獲取的相關信息。
- 應用高斯模糊。因爲硬幣通常包含一個內圓，我們應用這個變換來模糊圖像。這確保了任何內圓被下一步中的操作忽略，所以我們的算法不會意外地認爲它們是一個單獨的硬幣。
- 應用霍夫變換。這是爲了檢測圓形。
首先，讓我們在Visual Studio Community 2019中創建一個.net Framework 4.7.2控制檯應用程序。我們將把我們的解決方案和項目命名爲“CoinRecognitionExample”，並在其中創建一個Detection文件夾，創建一個CoinDetector類。
我們將使用OpenCVSharp，所以我們可以繼續在Visual Studio中從Nuget包管理器安裝依賴項。要做到這一點，請點擊Tools > Nuget Package Manager.
我們可以看到需要安裝OpenCVSharp的依賴項。
具體的實現發生在CoinDetector類中:
public class CoinDetector
{
private Mat _image;
private Mat _originalImage;
private string _pathToFile;
public CoinDetector(string pathToFile)
{
_pathToFile = pathToFile;
}
public void ImagePreprocessing()
{
_image = new Mat(_pathToFile, ImreadModes.Color);
_originalImage = _image.Clone();
TransformGrayScale();
TransformGaussianBlur();
HoughSegmentation();
}
private void TransformGrayScale()
{
_image = _originalImage.CvtColor(ColorConversionCodes.BGR2GRAY);
new Window("Grayed Coins", WindowMode.Normal, _image);
Cv2.WaitKey();
}
private void TransformGaussianBlur()
{
Cv2.GaussianBlur(_image, _image, new Size(0, 0), 1);
new Window("Blurred Coins", WindowMode.Normal, _image);
//Cv2.WaitKey();
}
private void HoughSegmentation()
{
Mat result = _image.Clone();
var circleSegments = Cv2.HoughCircles(_image, HoughMethods.Gradient, 1.02, 40);
for (int i = 0; i < circleSegments.Length; i++)
{
Cv2.Circle(result, (Point) circleSegments[i].Center, (int)circleSegments[i].Radius, new Scalar(255, 255, 0), 2);
}
using (new Window("Circles", result))
{
Cv2.WaitKey();
}
}
}在類的構造函數中，我們接收到硬幣圖像的路徑。這個方法和ImagePreprocessing方法是CoinDetector類中僅有的兩個公共實體。所有其他方法都是私有的，與上面列出的三個階段相關。在ImageProcessing 方法中，我們保存一個原始的Mat(像素矩陣)對象的圖像，並生成即將發生的轉換副本。Mat類和所有對Cv2類的調用都來自OpenCVSharp。在每次轉換之後，我們調用new Window以可視化地顯示轉換。Cv2.HoughCircles的參數取決於你所面臨的問題，也就是正在處理的圖像。
代碼中顯示的參數符合我們的示例。
要完成硬幣檢測示例，我們可以在控制檯應用程序項目的主方法中添加以下代碼行並執行。
string filePath = @"C:/Users/arnal/Documents/coins.jpg";
var coinDetector = new CoinDetector(filePath);
coinDetector.ImagePreprocessing();這是我們將用於測試的圖像。其中包括塞爾維亞硬幣:
最終的結果將是我們之前看到的圖像:
正如我們所看到的，在中間使用對應霍夫變換的白色圓圈標識，並被識別出來。
本系列的第一篇文章到此結束。在下一篇文章中，我們將對輸入到機器學習模型中的數據集進行預處理。
歡迎關注我的公衆號，如果你有喜歡的外文技術文章，可以通過公衆號留言推薦給我。
