Matlab实现的硬币面额识别：机器视觉与区域生长算法

本项目是一个基于Matlab实现的机器视觉硬币面额识别系统，主要目标是利用图像处理技术来识别硬币的面额。首先，项目从读取硬币图像（3.png）开始，通过全局变量声明了几个关键参数，如区域生长的结果图像（R）、二值化图像（BW）和感兴趣连通区域的像素计数器（counter），以及图像的行数（row）和列数（col）。 二值化过程是整个流程的关键步骤，通过遍历图像中的每个像素，如果像素值大于90，则设为255（白色），否则设为0（黑色）。这样，原始图像I被转换成二值图像I_BW，便于后续的特征提取和分析。然后，为了去除椒盐噪声，使用了中值滤波器（medfilt2）对二值图像进行平滑处理，生成去噪后的Imed。接下来，使用结构元素（strel）创建了一个直径为9的圆形膨胀腐蚀结构，进一步处理图像，得到I3。 在图像处理阶段，项目还引入了形态学操作，包括膨胀（imdilate）和腐蚀（imerode），目的是细化或填充可能存在的边界噪声，使得后续的连通域分析更为准确。通过imbinarize函数将处理后的图像转换为二进制图像，便于后续生长操作。用户还需要输入硬币的数量（n），根据输入值进行循环，每次循环都会选择生长的起点（x0和y0），并计算连通区域的数量（counter）。 生长函数fsrRegiongrow在此处未被调用，但可以推测它会基于选定的生长点（x0, y0）和指定的生长距离（4）进行区域生长算法，以查找与硬币轮廓相关的连通区域。这有助于识别硬币的边缘和形状，从而推断出面额特征。 最后，项目展示了处理前后的图像，并在两个子图中分别显示了去噪声、膨胀腐蚀处理后的图像，以及连接域处理后的结果。这些步骤都是机器学习中的预处理环节，为后续的特征提取和机器学习模型训练（如支持向量机、神经网络等）提供了清晰的图像数据。通过这种方式，该系统能够自动检测和区分不同面额的硬币，实现了硬币面额识别的核心功能。