C#中的深度學習（一）：使用OpenCV識別硬幣

在本系列文章中，咱們將使用深度神經網絡(DNN)來執行硬幣識別。具體來講，咱們將訓練一個DNN識別圖像中的硬幣。

在本文中，咱們將描述一個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以前的一個常見階段。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，咱們將簡要地使用ML.NET。在衆多選擇中，爲何要使用Keras.NET呢?Keras.NET 很是容易學習，由於它基本上是從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講，這比用其餘方法建立示例要容易得多。

硬幣檢測過程分爲三個階段:

1. 轉換圖像到灰度。顏色增長了檢測任務的複雜性，並且在不少狀況下，它們不能傳遞任何能夠從圖像亮度中獲取的相關信息。
2. 應用高斯模糊。由於硬幣一般包含一個內圓，咱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做忽略，因此咱們的算法不會意外地認爲它們是一個單獨的硬幣。
3. 應用霍夫變換。這是爲了檢測圓形。

首先，讓咱們在Visual Studio Community 2019中建立一個.net Framework 4.7.2控制檯應用程序。咱們將把咱們的解決方案和項目命名爲「CoinRecognitionExample」，並在其中建立一個Detection文件夾，建立一個CoinDetector類。

咱們將使用OpenCVSharp，因此咱們能夠繼續在Visual Studio中從Nuget包管理器安裝依賴項。要作到這一點，請點擊Tools > Nuget Package Manager.

咱們能夠看到須要安裝OpenCVSharp的依賴項。

具體的實現發生在CoinDetector類中:

 1 public class CoinDetector
 2   {
 3       private Mat _image;
 4       private Mat _originalImage;
 5       private string _pathToFile;
 6 
 7       public CoinDetector(string pathToFile)
 8       {
 9           _pathToFile = pathToFile;
10       }
11 
12       public void ImagePreprocessing()
13       {
14           _image = new Mat(_pathToFile, ImreadModes.Color);
15           _originalImage = _image.Clone();
16           TransformGrayScale();
17           TransformGaussianBlur();
18           HoughSegmentation();
19       }
20 
21       private void TransformGrayScale()
22       {
23           _image = _originalImage.CvtColor(ColorConversionCodes.BGR2GRAY);
24           new Window("Grayed Coins", WindowMode.Normal, _image);
25           Cv2.WaitKey();
26       }
27 
28       private void TransformGaussianBlur()
29       {
30           Cv2.GaussianBlur(_image, _image, new Size(0, 0), 1);
31           new Window("Blurred Coins", WindowMode.Normal, _image);
32           //Cv2.WaitKey();
33       }
34 
35       private void HoughSegmentation()
36       {
37           Mat result = _image.Clone();
38 
39           var circleSegments = Cv2.HoughCircles(_image, HoughMethods.Gradient, 1.02, 40);
40           for (int i = 0; i < circleSegments.Length; i++)
41           {
42               Cv2.Circle(result, (Point) circleSegments[i].Center, (int)circleSegments[i].Radius, new Scalar(255, 255, 0), 2);
43           }
44 
45           using (new Window("Circles", result))
46           {
47               Cv2.WaitKey();
48           }
49       }
50   }

在類的構造函數中，咱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。全部其餘方法都是私有的，與上面列出的三個階段相關。在ImageProcessing 方法中，咱們保存一個原始的Mat(像素矩陣)對象的圖像，並生成即將發生的轉換副本。Mat類和全部對Cv2類的調用都來自OpenCVSharp。在每次轉換以後，咱們調用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咱們的示例。

要完成硬幣檢測示例，咱們能夠在控制檯應用程序項目的主方法中添加如下代碼行並執行。

1 string filePath = @"C:/Users/arnal/Documents/coins.jpg";
2 var coinDetector = new CoinDetector(filePath);
3 coinDetector.ImagePreprocessing();

這是咱們將用於測試的圖像。其中包括塞爾維亞硬幣:

最終的結果將是咱們以前看到的圖像:

正如咱們所看到的，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，咱們將對輸入到機器學習模型中的數據集進行預處理。

歡迎關注個人公衆號，若是你有喜歡的外文技術文章，能夠經過公衆號留言推薦給我。