硬币自动技术器的设计

硬币自动计数器第页共45页硬币自动计数器题目硬币自动技术器的设计目录TOC\o"1-2"\h\z\u第1章绪论 61.1研究背景和意义 61.2研究现状 61.3本论文的主要内容 71.4硬币自动计数器系统框图 8第2章图像处理与识别技术 92.1图像处理与识别技术 92.2本设计中的图像处理与识别技术 12第3章硬币自动计数器装置 133.1拍摄环境 133.2自动送料装置 153.3硬币自动计数器总装图 17第4章硬币自动计数器图像处理过程 184.1图像预处理 184.2形态学图像处理 194.3区域标定 204.4硬币识别 20第5章硬币自动计数器制作 225.1硬件制作 225.2软件实现 255.3测试实验 315.4实验分析 33第6章总结 35致谢 37参考文献 38附录一第五套人民币硬币参数 39附录二硬币自动计数器零部件图 40硬币自动计数器的设计摘要：针对目前银行统计硬币面额仍以手工为主，效率较低的现状，本文设计了一种基于计算机图像处理与识别技术的硬币自动计数设备。该设备主要由硬件平台输入部分和程序计数部分组成，各部分互相协调有序的工作；该设备能定时自动的识别一组硬币的面额，然后由硬币自动识别计数软件对输入图像进行处理和分析，得出硬币在图像中各自数量，最终计算出出该视场下硬币总面额，输出显示。该设备具有一定的市场应用价值，在提高设备灵活定和精度的基础上，能够代替银行工作人员统计硬币面额，提高效率。关键词：硬币；数字图像处理；自动计数

ApieceofequipmenttocountcoinsautomaticallyNanjingUniversityofInformationScience,Automation,Nanjin210044AbstractTheaimistoimprovetheefficiencyandeffectivenessofgettingthecorrectcountofcoindenominationsatbanks.Idesignedapieceofequipmenttocountcoinsautomaticallybasedoncomputerimageprocessingandidentificationtechniques.Thisequipmentismadeupoftwoparts:ahardwareinputplatformandacountingprogram.Eachpart’sprocessesarecoordinatedtoensureaccuracy.Theequipmentwillidentifyagroupofcoindenominationsregularlyandautomatically.Theidentificationprocessisasfollows:themechanicalpoleregularlypushesthecoinsintoafieldofview,andthenactivatesthevideocollectionequipmenttoscantheimagesfromthefieldofviewandinputtheimagestoacomputer.Thesoftwareautomaticallyidentifiesandcountsthecoins.Itthenprocessesandanalyzestheinputimagestoobtaintheamountofeachcoindenomination(denominationsare1yuan,50centsand10cents).Thesoftwarethendisplaysthetotaldenominationofcoinsandthetotalofalldenominationscounted.Thisequipmenthasdefinitemarketvalueandwilleasilyreplacebankemployeestocalculatecoindenominationtotalsandimproveefficiencyonthebasisofitsflexibilityandprecision.Keywords:Cion；DigitalImageProcessing；Automaticcounting第1章绪论1.1研究背景和意义计算机图像与识别技术是一门跨学科的前沿高科技，涉及的学科众多，包括数字信号处理、工学数学、信息论和运筹学等学科。近年来随着计算机硬件技术的飞速发展，为计算机图像处理与识别技术奠定了良好的基础，使得该技术得到了迅速发展，当前计算机图像与识别技术已广泛的应用于各个领域，取得了显著的经济效益，本文就是根据该技术的特点，基于MicrosoftC的汇编语言，运用图像预处理技术和图像分割技术，对不同硬币集进行自动识别和计数的统计的系统,该系统可以在银行业、商业等场合进行硬币的统计，能极大的提高对硬币数量和币值总数的统计效率和准确率，也可以应用于制造业，演变成对不同形状物料的量化在线快速统计。本设计基于矩阵实验室（MatrixLaboratory）的计算机语言，运用图像二值化、数学形态学处理、区域标定等方法，共同设计一个硬币自动技术系统,用于提高目前银行在对硬币统计的工作过程中的效率以及准确率。1.2研究现状本设计主要是基于计算机图像处理与识别技术，matalb的一个硬币技术的系统。该系统首先将硬币进入一个通道滑入摄像平台，通过机械臂平推运动将硬币抹匀，其次把铺好的图像摄入计算机内进行图像处理，最后通过处理的将得出的硬币大小进行分类，这样就能智能化的来进行硬币技术的工作。图像处理技术是20世纪60年代随着计算机技术和VLSI的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了巨大的成就。视觉是人类最重要的感知手段，图像又是视觉的基础[3]。早期图像处理的目的是改善图像质量，它以人为对象，以改善人的视觉效果为目的。图像处理中输入的是质量低的图像，输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得成功应用的是美国喷气推进实验室。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片进行图像处理，如几何校正、灰度变换、去除噪声等，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得了月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术探测研究中，数字图像处理技术都发挥了巨大的作用。图像处理技术取得的另一个巨大成就是在医学上。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术被授予诺贝尔奖，以表彰它对人类做出的划时代贡献。从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术向更高、更深层次发展。人们已开始研究如何用计算机系统解释图像，类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。20世纪80年代末期，人们开始将其应用于地理信息系统，研究海图的自动读入、自动生成方法。数字图像处理技术的应用领域不断拓展。图像处理技术的大发展是从20世纪90年代初开始的。自1986年以来，小波理论与变换方法迅速发展，它克服了傅里叶分析不能用于局部分析等方面的不足之处，被认为是调和分析半个世纪以来工作之结晶。Mallat在1988年有效地将小波分析应用于图像分解和重构。小波分析被认为是信号与图像分析在数学方法上的重大突破。随后数字图像处理技术迅猛发展，到目前为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。在硬币技术方面，目前通过自动化设备可以实现硬币的技术，但其成本昂贵不适合普及应用。1.3本论文的主要内容本论文的内容设计一个具有自动的分类计数的功能的硬币计数器。该系统软件程序在功能上划分为机械部分和图像处理部分。机械部分就是自动送料,检测，落料自动运转装置。图像处理部分就包括对图像的二值化，形态学处理，一个简单的类比计数程序等全文总共分为五章，各章内容安排如下:第一章，主要介绍了硬币自动计数器的背景和意义，研究现状及本文的主要安排。第二章，主要介绍一些现代图像处理与识别技术的基本概念，基本原理，数学描述，基本的处理方法，应用领域和展望。第三章主要介绍了本设计的一些基本机械原理，并以此搭建的一个和软件配套的硬件平台，以及设备的环境要求。为了保证获得高质量图像，需要满足的条件，对光的选择进行分析，其次阐述了自动送料,检测，落料装置的设计理念，最后展示了硬币自动计数器总装图，由点到面的阐述了硬件设备是如何工作，如何达到能够自动拍摄的要求。第四章，主要介绍的是基于Matlab的一些图像处理的方法。首先介绍了原始图像的预处理，较直接的描述了为什么需要预处理和怎么预处理，然后对然后对预处理的图像之后进行二值、形态学处理、区域标定和分辨标定区域的硬币都给出了详细的解释和说明，叙述了二值化的方法，并举例说明了形态学处理，最后对区域标定以及如何区分标定的区域进行了描述，并用用最后生成的软件来直观地说明了硬币自动计数器在日常工作当中的显著作用。第五章详细的介绍了本次设计的一个GUI界面和实体硬件模型。介绍了硬币自动计数器制作的过程，分别阐述了在硬件材料选择上，在打磨原材料时的技巧，以及装配零部件的过程，软件上就介绍了程序设计思想和每一步所用的计算机的语言，并对实验结果做了总结。第六章，详细基于实验设备的一些功能，分析了在现有功能上的优缺点，阐述了该设备今后的发展趋势。1.4硬币自动计数器系统框图要得使实现一个自动的分类计数的功能，关键在于控制系统的系统软件程序和硬件设备的协调工作。该设备在功能上划分为机械部分和图像处理部分。机械部分就包括送料,检测，落料的装置，软件部分就包含二值化，心态学处理，区域标定，排序类比。整个系统控制用矩阵实验室（MatrixLaboratory）来实现，按照图1.4所示的系统流程图进行工作。开始设置计数初值开始设置计数初值震动漏斗滑入硬币震动漏斗滑入硬币底盘转动，转到硬币自动检测工位底盘转动，转到硬币自动检测工位第一个槽进行检测计数工位（处理识别图片并计算硬币个数），第一个槽进行检测计数工位（处理识别图片并计算硬币个数），第二个槽进入填料工位。底盘转动底盘转动（第一个槽进入落料工位，第二个槽进入检测工位，第三个槽进入填料工位。）循环工作直至检测结束循环工作直至检测结束图1.4系统框图第2章图像处理与识别技术2.1图像处理与识别技术图像处理，是对\o"图像"图像进行分析、加工、和处理，让处理后的图像满足人们日常应用的需求。图像处理是信号处理在图像域上的一个应用。目前大多数的\o"图像"图像是以数字形式存储，因而图像处理很多情况下指\o"数字图像处理"数字图像处理。2.1.1.图像数字化在计算机中处理图像，必须先把现实环境中的图像（如照片、画报、图书、图纸等）通过数字转化，转化为计算机能够识别和存储格式，然后通过计算机进行处理和分析。这种把模拟量的图像转化为数字量的计算机可以处理的的离散图像的过程叫做图像数字化。图像的数字化过程主要分采样、量化与编码三个步骤。采样采样的本质就是要用一些点来描述一幅图像，采样结果质量的高低就是用图像分辨率来衡量。简而言之，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。像素点越小，分辨率越高。量化量化是指要把采样得到的像素点转化为数字型号。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。例如：如果以4位存储一个点，就表示图像只能有16种颜色；若采用16位存储一个点，则有216=65536种颜色。所以，量化位数越来越大，表示图像可以拥有更多的颜色，自然可以产生更为细致的图像效果。但是，也会占用更大的存储空间。两者的基本问题都是视觉效果和存储空间的取舍。假设有一幅黑白灰度的照片，因为它在水平于垂直方向上的灰度变化都是连续的，都可认为有无数个像素，而且任一点上灰度的取值都是从黑到白可以有无限个可能值。通过沿水平和垂直方向的等间隔采样可将这幅模拟图像分解为近似的有限个像素，每个像素的取值代表该像素的灰度（亮度）。对灰度进行量化，使其取值变为有限个可能值。经过这样采样和量化得到的一幅空间上表现为离散分布的有限个像素，灰度取值上表现为有限个离散的可能值的图像称为数字图像。只要水平和垂直方向采样点数足够多，量化比特数足够大，数字图像的质量就比原始模拟图像毫不逊色。在量化时所确定的离散取值个数称为量化级数。为表示量化的色彩值（或亮度值）所需的二进制位数称为量化字长，一般可用8位、16位、24位或更高的量化字长来表示图像的颜色；量化字长越大，则越能真实第反映原有的图像的颜色，但得到的数字图像的容量也越大。2.图像变换为了用正交函数或正交矩阵表示图像而对原图像所作的二维线性可逆变换。一般称原始图像为空间域图像，称变换后的图像为转换域图像，转换域图像可反变换为空间域图像。图像处理中所用的变换都是酉变换，即变换核满足正交条件的变换。经过酉变换后的图像往往更有利于\o"特征抽取"特征抽取、增强、压缩和\o"图像编码"图像编码。实现图像变换的手段有数字和光学两种形式，它们分别对应二维离散和连续函数运算。数字变换在计算机中进行，提高运算速度是这种方式的关键。常用的有三种变换方法。1.傅里叶变换：它是应用最广泛和最重要的变换。它的变换核是复指数函数，转换域图像是原空间域图像的二维频谱，其“直流”项与原图像亮度的平均值成比例，高频项表征图像中边缘变化的强度和方向。为了提高运算速度，计算机中多采用傅里叶快速算法。2.沃尔什-阿达玛变换：它是一种便于运算的变换。变换核是值+1或-1的有序序列。这种变换只需要作加法或减法运算,不需要象傅里叶变换那样作复数乘法运算,所以能提高计算机的运算速度，减少存储容量。这种变换已有快速算法，能进一步提高运算速度。3.离散卡夫纳－勒维变换：它是以图像的统计特性为基础的变换，又称霍特林变换或本征向量变换。变换核是样本图像的协方差矩阵的特征向量。这种变换用于图像压缩、滤波和特征抽取时在均方误差意义下是最优的。但在实际应用中往往不能获得真正协方差矩阵，所以不一定有最优效果。它的运算较复杂且没有统一的快速算法。除上述变换外，余弦变换、正弦变换、哈尔变换和斜变换也在图像处理中得到应用。3.图像增强图像增强以便于人或机器分析，理解图像内容为主要目标的改善图像质量的方法。增强是用以改善供人观看的图像的主管质量，而不一定醉酒图像降质的原因。图像增强可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。4.图像恢复图像恢复是对失真的图像进行处理，使处理后的图像尽量接近原始的未失真的图像。图像的回复则需要找出图像降质的起因，并尽可能消除它，使图像恢复本来面目。常见的回复有纠正几何失真，从已知图像中信号和噪声的统计特性入手，用Wiener过滤等方法来改善信噪比。5.图像分割图像分割是把图像分成若干个有意义的区域的处理技术。这里，所谓“有意义”是一种很笼统的说法。就主管意愿来说，希望这些区域和景物中的各种目标相对应，但这是十分困难的。目前，已经提出了很多种图像分割的方法。她们各自基于不同的图像模型，利用不同的特性，有各自一定的适用范围和优缺点，没有一种普通适用的最优方法。图像分割方法大概可以分为基于边缘检测的方法和基于区域生成的方法两大类。基于边缘检测的分割犯法首先检出局部特性的不连续性，再将它们连成边界，这些边界把图像分成不同的区域。基于区域生成的方法是将像素分成不同的区域。这两种方法互为对偶，相辅相成，有时还要将它们集合起来，以得到更好的分割效果。6.图像重建利用X射线，超声波等手段取得物体的多幅来自不同角度的二维投影图(它们反映可物体内部情形)，通过计算可得出物体内部部位的图像，这种技术就是投影重建，医学上广泛采用的计算机层析术（CT）即是一例。而利用明暗，运动，体视等图像信息回复三维物体形状则是另一类复杂的重建技术。7.图像数据压缩与编码减少图像数据量，方便于图像的输和储存。以二维的形式展现出来的数字图像，它的信息量很大，比如一副由1024*1024个像素组成的图像，每个点的灰度级可在2^8中任意取一个值，即需要8bit表示，所以一幅图的信息量为1024*1024*8=1024KB。这么大的信息量给传输，处理，储存和显示等带来很多的问题。另一方面，图像中又有很大冗余信息。根据香浓的率失真理论，不论在传输或储存中，都可以对数字图像进行一定方式的编码，删除其多余信息，实现不失真的压缩，或者在允许失真范围内有失真的压缩来换取更大的压缩率。8.图像通信近几十年来，图像通讯的发展非常迅速，电视会议，数字电视，电子邮政等各种图像通讯业高速发展，他们是利用人们的视觉来获得图像信息的通讯方式。图像通信系统模型如框图2.1.1调制信道编码图像编码与压缩图像预处理图像信息源调制信道编码图像编码与压缩图像预处理图像信息源图像显示图像信源解码信道解码调解图像显示图像信源解码信道解码调解图2.19.图像存储包括图像的格式化，编码，解码，数据结构和索引等，其作用就是把图像数据存储在给定的存储介质中。10.图像检索使用索引或更灵活的的相似检索技术，或以查询语言来从图像数据库中检索图像。11.图像分析图像分析主要是研究图像分割，特征体育，测量，表达，纹理分析，运动等。2.1.2图像识别技术主要研究用计算机代替人自动的处理大量的物理信息，解决人类生理器官所不能识别的问题，从而部分代替人的脑力劳动。人类识别图像的过程总是先找出它们的外形或颜色的某些特征进行比较分析，判断，然后加以分门别类，即识别它们。图像识别所研究的领域十分广泛，它可以使机械加工中的零部件识别与分类。也可以从遥感图片中分辨农田，森林，湖泊，建筑设施来判断他们的属性，也可以是邮政系统中自动分拣信件，还包括银行现金识别，身份证识别等等，图像识别主要有：图像信息获取，信息加工和处理，抽取各种，判断或分类等，如图2.2.1所示。结果识别判断处理，特征抽取图像信息的获取被识别图像结果识别判断处理，特征抽取图像信息的获取被识别图像图2.2.1图像识别系统框图图像识别方法：图像识别方法很多，大体上可以归纳为两类方法;统计方法（数学方法）和语言（或结构）学方法，后者也成为句法结构识别方法。统计方法是以数学决策理论为基础的，通过这种理论建立了统计学识别模型。它的基本模型是对研究的图像进行大量的统计分析，找出其规律，抽出翻译图像本质特点的特征来进行识别。在这种方法中，大量的工作在于如何抽取图像的特征或取决于统计参数，即所谓的参数法，另外，还有非参数决策法，如临近法则，它是一种绕过概率的估计而直接进行决策的方法。对于特征抽取，必须把图像的大量原始信息缩减为少数的特征，如方差分布，特征向量等方法。对于文字，符号等几何形状特征，对申博信号可以抽取频谱特征。为了抽取特征，有时候要对原始图像进行各种变换，空间投影，把多维的图像点化简到几个坐标分量上去。。在处理具有大量图像数据的图像时，为了进行识别，可以先将图像划分为若干个小的集群，将性质相近的数据点化为一个集群，进行聚合分析，从而大大减少了信息量，只需要研究这些集群的性质就足够了，这就是群集分析法。句法结构识别法立足于分析图像的结构，一副图像可以模仿语言构造，用一些语句来表达。语句的结构总是由词，短语等组成，并按一定的语法表达出来。任何一幅图像都是有点，线等组成，解析图像的这些基本元素，观察它们的规则，而这些点，线等就相当于语句中的单词，分析它们，识别他们就是句法结构识别。除了这两类外，还有模糊数学和神级网络等方法应用也十分广泛。2.2本设计中的图像处理与识别技术在硬币自动计数器设计当中，用到了很多图像处理的方法，首先得把原图转化为数字图像，然后对数字图像进行变换，得到需要处理的灰度图像，然后对灰度图像进行二值化，对二值图像进行数学形态学处理的到被标记盘状的硬币，区域标定，标定进过形态学处理后的盘状硬币，分辨标定区域的硬币，然后就需要用图像识别中的统计方法来进行计算，通过抽取不同硬币面积的特征，进行集群分析。第3章硬币自动计数器装置在图像处理之前，需要搭建一个硬件平台来提供图像输入的装置，这个装置不仅能够稳定的拍摄来进行需要处理图片，而且可以不断填充需要拍摄硬币。因此本章就介绍了一种非常高效且适用的硬币自动计数器拍摄和送料装置。3.1拍摄环境数字摄像头可以直接捕捉影像，然后通过串、并口或者USB接口传到计算机里，因此摄像头是完成项目功能方面非常重要的数码器件。摄像头分为数字摄像头和模拟摄像头两大类。数字摄像头可以将视频采集设备产生的模拟视频信号转换成数字信号，进而将其储存在计算机里。模拟摄像头捕捉到的视频信号必须经过特定的视频捕捉卡将模拟信号转换成数字模式，并加以压缩后才可以转换到计算机上运用。考虑到成本以及连接计算机的特性，我们认为选择数字摄像头更加适合本设计的需要。平台的设计，平台不仅是放置硬币的水平工作面，更是摄像机取景是否便利，以及图像获取的质量效果，由于光线射在一般的平台上会产生反射，使得图像被摄入计算机中处理起来比较困难，会产生识别的差错。因此将取景区域设计成具有良好的透视能力的工作面，并在其背面放置一个合理发散的光源，产生均匀一致的背光效果，使得取景后的图片仅显示黑和白两种色彩，这样获取的黑、白两种色彩的图像就很容易被计算机进行判断识别，下面是对上述方案确认过程的的分析。光源的选择：摄像头采集图像的的优劣不仅在于摄像头本身，也与取景的光源方式有关，由于硬币是金属体，具有良好的对光反射能力，在加之硬币表面具有凹凸不平的雕刻图形，因此不同角度的光线会产生不同的反射效果，因此摄像的质量与光线的来源相关联。一般光线有垂直与平台与摄像头平行的光线，一种是与平台和摄像头成不同角度的光线，现对光线方向的确定分析如下：首先分析测光，即光线与平台和摄像头成不同角度的光照，如图3.1.1所示，当A光线摄入平台后，进入摄像头的图像主要是光源的反射光，硬币边缘会被模糊化，不能很好的反映出良好的硬币图像，不利于摄像头清晰的采集图像，同时硬币的位置变化也是无序的，使得每次的图像质量产生差异，使得计算机无法实现对硬币状态的有效识别，因此采用测光源获得的图像无法满足要求。图3.1.1测光在镜面的反射通常我们会采用柔和的直射光源如图3所示，当光线摄入平台时，可以较清晰的获得硬币图像，但由于硬币和放置硬币的背景差异不够强烈，虽然能够获得较清晰的图像，但计算机识别处理就存在不确定性难题，容易产生差错，因此也不是理想中的光源。图3.1.2上侧直射对镜面的反射为了有效的获取图像，同时又能是计算机的简单识别成为可能，我们采用了背光源，采用背光源不仅消除了光的反射，更重要的是硬币由于强光的照射基本呈现出黑色圆形，摄像头获取的图像成黑白两色，这样就使得计算机的识别处理变得非常简单，在背光板材料的选用细节上，如果采用一般玻璃，图像中的色彩不够均匀，因此我们采用磨面的钢化玻璃或乳白色塑料板作为背光背景，这样可以使光线更加柔一致，硬币边缘更加清晰，所获取的图像质量非常理想。图3.1.3上侧直射对镜面的反射对于光源的选择，白色与黑色的影子是差别最大的颜色差异，为了考虑对比性，光源选择冷光源即8W节能灯，这种光源柔和，同时340mm长的光体，不会产生强烈的集中光源现象。为了获取稳定的图像信息，将摄像头固定在工作台摄像区域上方340mm处，这样摄像头就可以对准要计数硬币的范围内，来便于摄取图像，因此摄像头的最大摄入范围就不会摄入平台边缘，这样的图像也便于计算机的识别，如图3.1.4所示图3.1.4摄像头取景范围3.2自动送料装置硬币的检测和计数需要是自动连续的进行处理才能提高工作效率，因此需要考虑到怎么把硬币按一定节奏送入平台摄像区域进行摄像处理，并在摄像完成后在把检测完的硬币送走并进行收集。在机械自动化生产方式中有很多种模式来实现，我们设计使用了圆盘作为送料基本装置，即定时将硬币从不同的工位自动转入到下道工位，我们可以设计一个圆形底盘作为底座，底座中间有电机来负责底盘的运转动力，底盘上设置三个工位，第一个为自动填料工位，硬币在震动料斗的作用下实现有序排列，并将硬币排放在检测区域内，第二个为硬币自动检测工位，第三个为硬币自动落料工序，硬币在送达该工位时将完全卸料，实现对硬币的收集，为了达到转盘的协调工作，整个工作平台分为三层，分别为压板，转盘，底板，整个圆盘只有转盘是以自动方式进行转动，自动将硬币送入不同的工位上进行处理。如图所有的图居中，全文同压板转盘底板图3.2.1自动送料,检测，落料装置三层转盘在硬币自动填料装置中，我们需要一个可以平稳装料的装置，因为在硬币装入时，硬币状态是杂乱无章缺少规则的状态（横、竖、斜状态），为了让其能够缓慢且有序的平铺在硬币自动填料口中，我们需要一个振动料斗来实现硬币的有序排列，同时有一个滑道使硬币能够平铺入底盘中，如图3.2.2，图中震动漏斗产生震动让硬币稳速缓慢下滑，让硬币散落到检测槽中。图3.2.2硬币自动填料装置而一元硬币币厚度为1.85mm，一角硬币厚度为五角币厚度为1.67mm，一角硬币厚度为1.67mm，因为三种硬币之间差距不是很大，因此可以在卡壳（表盘）和底板（里盘）之间安排一个很小的间隙，正好可以走一个硬币的厚度，在底盘转动的同时就可以把多余的硬币平铺到长方形的槽中当槽走完时，后面凸起的底板就可以封住震动漏斗停止供料，知道下一个槽到来，再继续填料。将平铺好硬币的槽直接转到有摄像头接口的硬币自动检测工位，此时摄像头将铺满硬币的槽中的硬币拍摄下来送入电脑进行处理，如图3.2.3。图3.2.3硬币自动检测工位当计算机识别处理完第二道工序的硬币后，底盘再次转动，转到硬币自动落料装置中，当转落料口时，由于地板是镂空的，所以硬币可以以自动下落的的方式来进行回收，如图3.2.4图3.2.4硬币自动落料装置3.3硬币自动计数器总装图第4章硬币自动计数器图像处理过程计算机需要对不同的硬币进行分类，才能有效进行处理和统计，因此我们需要给计算机一个能有效区分不同硬币的图像，如何才能达到这样的要求，就需要通过一种方法来实现不同硬币的直接比较，我们知道不同种类的硬币在重量，体积和面积上存在差异，因此只要在这些差异上找出可明确区分的特点，才能达到我们的设计要求，我们是通过计算机对二维图像来进行处理的，而重量和体积是无法通过二维的图像来区别，唯一有效是水平放置的硬币面积可以准确显示不同硬币间的差异，因此本设计就是通过对不同硬币面积之间的差别来辨别出硬币的种类。4.1图像预处理图像预处理是相对于后期图像识别和分析而言是一种前期处理。通过摄像机获得的图像，尚不具备计算机处理的要求，因此图像需要在原图的基础上要进行几种不同图像处理，首先是图像预处理，图像预处理是相对于后期图像识别和分析而言是一种前期处理。因为在实际应用当中，需要处理的原图往往不能达到图像识别和分析的基础，直接用来识别会造成很大的误差。因此在处理图像前需要改善图像的质量。在本设计中，通过摄像头拍摄的图像是彩色图像，为了更加明确的分辨图上的硬币大小，先要得到一个二值图像，二值图像是指每个像素不是黑就是白，其灰度值没有中间过渡的图像。二值图像一般用来描述文字或者图形，其优点是占用空间少，但直接进行二值图像只能描述其轮廓，不能描述细节。所以这时候要用更高的灰度级。因此需要进行一个先把彩色图像转化为灰度图像，在把转化的灰度图像进行二值化。所谓灰度图像就是每个像素只有一个采样\o"颜色"颜色的图像。这类图像通常显示为从最暗\o"黑色"黑色到最亮的\o"白色"白色的\o"灰度"灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像与\o"黑白图像"黑白图像不同，在计算机图像领域中黑白图像只有黑白两种颜色，灰度图像在黑色与白色之间还有许多级的颜色深度。因此灰度图像就是在转化为二值图像前的一种准备。而二值图像就是是每个像素只有两个可能值的\o"数字图像"数字图像。人们经常用黑白、B&W、\o"单色"单色图像表示二值图像，但是也可以用来表示每个像素只有一个采样值的任何图像，例如\o"灰度图像"灰度图像等。二值图像经常出现在\o"数字图像处理"数字图像处理中作为图像\o"掩码"掩码或者在\o"图像分割"图像分割、\o"二值化"二值化和\o"Dithering"dithering的结果中出现。在本次设计程序语言时就是用灰度图像转二值图像。我们先来看一下摄像机拍摄的原图如图4.1.1，此时我们需要对原图转化为灰度图像，使用语句I=rgb2gray(RGB)，用rgb2gray转换就是将真彩色RGB图像转换成灰度图像（RGB并不发生变化）。转化为灰度图像后用BW=I<70;%语句进行而值化，就是阈值小于70的值赋为1，大于70的赋为0，处理得到的图像如图4.1.2。图4.1.1原图图4.1.2二值化图像4.2形态学图像处理形态学的用途主要是获取物体拓扑和结构信息，它通过物体和结构元素互相作用的某些运行，得到物体更本质的形态。也就是帮助人们有意识的寻找图像中的某些结构。数学形态学是一门建立在\o"格论"格论和\o"拓扑学"拓扑学基础之上的图像分析学科，是数学形态学\o"图像处理"图像处理的基本理论。数学形态学可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。其基本的运算主要包括四种包括膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合，它们在二值图像和灰度图像中各有特点。简而言之数学形态学\o"图像处理"图像处理的功能就是通过运算帮助人们有意识的寻找图像中的某些结构。在本设计中需要对硬币进行形态学图像处理，也就是提取硬币的几何图形，这样做可以方便方便下一步进行硬币的分辨。主要过程就是让硬币被二值化的背景腐蚀，再而用硬币来膨胀腐蚀，也就是对二值图像进行开运算，简单的来说就是先腐蚀后膨胀，即OPEN(X)=D(E(X))。开运算的具体公式为图4.2.1。这里用形态学开运算的作用为可以把比结构元素小的突刺滤掉，切断细长搭接而起带分离作用，而这里采用开运算的主要原因就是开运算能够完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分，为下一步进行硬币的类比打好一个基础。通过程序se=strel('disk',24);先建立一个碟形形态学结构元素，进行形态学开操作I_opened=imopen(BW,se)，得到处理图像如图4.2.2QUOTEAOB=∪(Bz)(图4.2.1形态学开公式图4.2.形态学处理4.3区域标定下面需要标定在形态学图像处理后，就要找到需要计算面积的部分，因此这里就要标定需要排序和分类的部分，也就是区域标定，那么可以用bwlabel语句来实现，bwlabel主要对二维二值图像中各个分离部分进行标注，就是用bwlabel是用来标记二维的二值图像中相连部件，也就是鉴别出图中的由处理硬币得到几何图形。这样做可以标定每个硬币，并且通过结算来得到需要的结果，程序语句如下L=bwlabel(BW,n)该句表示返回一个和BW大小一样的L矩阵，其中包含了标记了BW中每个连通区域的类别标签，本程序中是8连通寻找，因为程序默认为8，所谓8连通就是同一像素在上，下，左，右,左上角，左下角，右下角，右上角8个方向有连通，八连通则定义为:(x-1,\#"0"4.4硬币识别QUOTE1,y-1软件所处理的图像只有三种硬币，而判别他们最直观的方法就是判断它们的大小，而如何判断它们的大小呢？程序中是是采用计算对比硬币之间相对的面积，从而对硬币的面积进行排列和聚类。在所得到的3种硬币当中1元的面积最大，而1角的最小，但是5角的面积和1角的差不多，因此把所有硬币按面积从大到小排列，那么第一个肯定是1元的，最后一个肯定是1角的。接下来判断它们之间的硬币，越靠近1元的，那么肯定是1元的，越靠近1角的那么有可能是1角的或者是5角的，这样就可以先把1元的硬币挑了出来。剩下的就是1角的和五角的，再把剩下的硬币按面积由大到小排列，第一个肯定是5角的，最后一个肯定是1角的。之后判断它们之间的硬币，靠近第一个的5角的，靠近最后一个的是1角的。具体方法如下：因为之前已经储存了园的面积S分出一块钱：[S1ind1]=sort(S,'descend');对面积S进行从大打小排序，也就是降序。flag=1;count=0;whileflagcount=count+1;ifabs(S1(count)-S1(1))<abs(S1(count)-S1(end))index10(count)=ind1(count);与一块钱硬币大小相等时elseS2=S1(count:end);ind2=ind1(count:end);与一块钱不等时flag=0;endend找出1角和5角index5=[];index1=[];fork=1:length(S2)ifabs(S2(k)-S2(1))<abs(S2(k)-S2(end))index5=[index5ind2(k)];找到5角elseindex1=[index1ind2(k)];否则为1角endend第5章硬币自动计数器制作5.1硬件制作硬件方面需要设计一个摆放硬币的平台和一个固定摄像头的支架，也就是分为底座和立柱支架两个部分。在设计一个实验硬件平台的时，需要考虑到很多问题，但是最重要的一点就是硬件设备要具有良好的稳定性，那么就需要设备在大部分环境下都能够稳定的工作，不易受外界条件的影响。简而言之，尽量使得底座有一定的总量，立柱和底座衔接要牢固。怎么达到这一个要求，那就需要在选材和打磨材料上有一定的讲究。5.1.底座是整个硬件的基础，为了使底座达到一定的重量，让其不易晃动，不易腐蚀，在选择材料时最常用的就是不锈钢，在现有的材料中选择了30号钢作为支柱和支持底座的挡板，30号与低碳钢相比，强度、硬度均较高，具有较好的韧性、焊接性尚好，切削性能良好，广泛应用于自动机床上加工的螺栓、螺钉等；也适用于制造需冷顶锻零件及焊接件；还可用作渗碳、碳氮共渗等零件。30号钢的密度为7.85g/cm3，为了使其能有足够的总量来稳定支持平台和支柱，因此选择了厚度为1cm的30号钢板，底座侧面挡板为210*40*10mm³，重0.66kg，正面挡板为400*40*10mm³，重1.32kg，这样前后挡板和左右挡板的总重量就达到了3.96kg足以稳定的支持起整个设备，在各侧挡板打上螺丝孔，便于安装，详细尺寸见附录2。挡板设计完后需要设计底板，由于侧板有足够的重量，底板就没有必要再用30号钢来打磨，这样就会浪费材料，当然这不是最重要的原因，最重要的原因是底板需要用绝缘材料做，为什么一定要用绝缘材料做，那是因为底板上需要架设几根灯管，灯管需要用导线连接外部的插头，这样就会产生一个问题，如果在使用过程中导线出现漏电情况怎么办，用具有导电性能的材料那就肯定不行，因此底板需要用绝缘材料，在设计硬件时选择了3240环氧板，这种绝缘材料在工业上很常见，3240环氧板是由电工玻璃布浸以环氧树脂，经烘干、热压而成，是一种环氧树脂的材料型号。3240环氧板力学性能高，具有很强的内聚力，分子结构致密；优良的电绝缘性，3240环氧板是用热固性树脂制作的材料中介电性能最好的品种之一。稳定性好，抗化学药品性优良，具有优良的化学稳定性；3240环氧板的耐热性可达200℃或更高在底板上安装的光源选择的是功率8W，长度340mm的分体式荧光灯，分体式荧光灯是灯管与电子镇流器分开的，由电子镇流器作为为一个独立电器盒，可以设计较为精密的电路，并且装配一些的电路监测及保护组件，使用寿命可长达3年以上；而灯管就成为了消耗品，寿命往往会比镇流器短，因此在灯管坏了的情况下可以很方便的换新的灯管。荧光灯是一种冷光源，寿命长，灯光柔和，在照明的时候不容易使作为地板的3240环氧板和下面采用为工作平面的有机玻璃产生化学变化，让整个设备的使用寿命变长。底板设计的最后一步就是工作平台的材料选择与设计，在硬币放置的平台需要有良好的透光性，而且硬度好，不易碎，使用寿命长，一般来说透光性材料的硬度都不是特别好，那么在搭建硬币放置平台的时候，在透光性材料下面垫上一层薄钢板，从外界来加强它的硬度。在投射硬币的时候需要使得光线均匀的照射在硬币放置平台上，怎样打到柔和的光线，而且使得摄像头拍摄的图片基本只有黑白二色，为此我选择的材料是厚度为2.5mm的聚苯乙烯装饰板属热塑性塑料，聚苯乙烯颗粒模塑料是在挤板机组上挤出成型的高分子有机板材，韧性大，硬度强，其比重为1.05，熔融温度为150-180℃，吸收率低，透光率可达88-92%，能耐有机酸、碱、盐及低级醇，又能溶于酯类及酮类。进过材料的选择与设备的设计后，通过机械加工以及零部件的装配，得到了本设计需求的底座，如图5.1.1。图5.1.1硬币自动计数器底座5.1.2立柱支架的材料和底板侧面材料是一样，都是30号钢，用20mm*20mm的钢柱打磨成直径10mm长340mm的支柱，在支柱的地步打磨成螺纹状态，这可以让其与底板的螺纹口紧密的衔接。在支柱的顶部需要架设一个固定摄像头的装置，摄像头固定装置的设计如图5.1.2图5.1.2摄像头固定装置在图的左边，有一个内嵌的装置，用螺丝来固定摄像头，尾部同样通过螺丝连接立柱。而装配好的立柱，如图5.1.图5.1.1支架立柱以及摄像头5.1.3将底座和支柱支架装配在一起后就可以得到我们所要使用的一个硬币自动计数设备的平台，装配的效果如图5.1.图5.1.4整体装配图5.2软件实现在设计软件的时候主要需要考虑到很多方面，比如怎么控制摄像头拍摄，怎么调整硬币识别的精度,怎么辨别它们等。在第四章中已经介绍了要实现硬币自动计数需要怎么来处理原图以及识别原图的方法，这里就详细介绍下怎么运用这些方法来实现编程。5.2..1MatlabGUI的设计首先需要对软件编辑一个GUI界面，根据我们需要的功能来排版GUI界面，首先我们需要有一个摄像头输入的axes（坐标轴），这个是将摄像头所显示的画面动态的显示在软件上面，而我们需要处理的是一个静态图片，那么还需要设置一另外一个axes来显示拍摄的静态图片，但是还需要一个显示处理过程和结果的画面，这就需要第三个axes，也就是说需要用到3个axes（坐标轴）。解决完图像的显示，下一步就需要摆放Pushbottom（按钮），众所周知在使用摄像头时我们需要对其进行初始化，那就需要一个摄像头初始化的Pushbottom，那么为了让摄像头所拍摄的画面显示在GUI界面上，还需要一个视频获取的Pushbottom，之前我们设置了一个显示拍摄画面的axes，就是显示需要处理的静态图片也就是拍摄，就像照相机控制拍照而安装一个拍摄按钮一样，需要设置一个Pushbottom来控制摄像头获取图像，但是我们所需要处理的图片并不是每张图片都来自摄像头拍摄的画面，遇到需要处理其他图片的情况怎么办，这里就应该设置一个能够读取电脑中储存好的图片Pushbottom图片读取，下面就是关键Pushbottom硬币检测，来控制硬币的处理和计数。设置完axes和Pushbottom后，必须考虑怎么显示程序运行后处理图片得到的结果，这里就需要设置一个table（表单），但是在设计GUI界面时我并没有把它直接放在上面，它是在图片进过处理和识别后自动显示的，直接用h=uitable就可以实现，在语句后面设置它的属性和需要显示的内容即可。最后就是怎么调整软件处理和识别的精度，在精度方面，主要考量的就是一开始的二值化阈值的范围，还有一个就是后期数学形态学处理中腐蚀结构元素的大小，为了方便使用者自己调节精度，设置了2个TEXT（文本）来设置用户所需要的值。进过上述设计GUI的过程，我们设计出了一个GUI界面，如图5.2图5.2.1GUI原始界面5.2.2控件的程序设计在图5.2.1中，axes是显示摄像头画面的控件，那就素需要一个摄像头初始化程序，摄像头获取程序和摄像头显示程序，在获取图像时候需要知道设备的ID，设置图像的格式，获取视频为彩色视频，视频输入的分辨率以及视频的帧数，最后用preview(vid,hImage)来显示视频。Pushbutton1，摄像头初始化程序：functionpushbutton1_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton1(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%摄像头初始化globalcameraIDwin_info=imaqhwinfo('winvideo');ID=win_info.DeviceIDs{1};%获取设备IDdev_win_info=win_info.DeviceInfo;%camera=dev_win_info.DefaultFormat;%获取设备默认图像格式camera='YUY2_320x240';%获取设备最佳图像格式Pushbutton2，视频获取程序：functionpushbutton2_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton2(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%摄像头初始化globalcameraIDvidvid=videoinput('winvideo',ID,camera);%视频流set(vid,'ReturnedColorSpace','rgb');%设置返回图像类型为彩色vidRes=get(vid,'VideoResolution');%获取视频分辨率nBands=get(vid,'NumberOfBands');%获取视频位数axes(handles.axes1);%设置在axes1中显示hImage=image(zeros(vidRes(2),vidRes(1),nBands));preview(vid,hImage);%显示视频流Pushbutton3，拍摄程序：functionpushbutton3_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton3(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%ÅÄÕÕglobalvidframeframe=getsnapshot(vid);%点击按钮后获取当前帧图像axes(handles.axes2);%在axes2中显示image(frame),axisoff;%显示图像Pushbotton4，图片读取程序：functionpushbutton4_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton4(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%打开一幅图像globalframe[filename,pathname]=uigetfile(...{'*.jpg;*.tif;*.png;*.bmp;*.gif','AllImageFiles';...'*.*','AllFiles'},...'请选择一幅图像',...'MultiSelect','on');frame=imread(strcat(pathname,filename));%读取打开的图像axes(handles.axes2);%在axes2中显示image(frame),axisoff;%显示图像Pushbotton5，硬币检测程序，此段程序是整个软件的核心，程序主要设计思路：1.先对图像的预处理得到灰度图像；2.然后对灰度图像进行二值2.对二至图像进行数学形态学处理的到被标记盘状的硬币；3.区域标定，标定进过形态学处理后的盘状硬币；4.分辨标定区域的硬币，通过对硬币面积的计算来进行排序类比，、在3种硬币当中1元的面积最大，先找出最大的1元硬币，剩下的就是5角和1角的硬币，然后对剩下的硬币进行排序，最大的是5角的，最小的是1角的，那么通过对比得出结果。functionpushbutton5_Callback(hObject,eventdata,handles)%hObjecthandletopushbutton5(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%检测程序globalframessethaxes(handles.axes3);%在axes3中显示处理得到的图像%灰度转换与二值化I=rgb2gray(frame);%彩色图像转化成灰度图像BW=I<th;%二值化：这里设置为一个变量th，具体作用会在下面介绍image(BW),colormap(gray(2)),axisoff;pause(0.1);%形态学处理se=strel('disk',sse);%创建形态学盘状结构元素I_opened=imopen(BW,se);%形态学开操作image(I_opened),colormap(gray(2)),axisoff;pause(0.1);%计算每个区域面积L=bwlabeln(I_opened);%白色区域标定S=zeros(1,max(L(:)));%面积存储矩阵fori=1:max(L(:))S(i)=length(find(L==i));end%找出1元硬币[S1ind1]=sort(S,'descend');%对面积S进行从大打小排序，也就是降序。flag=1;count=0;whileflagcount=count+1;ifabs(S1(count)-S1(1))<abs(S1(count)-S1(end))%与一块钱硬币大小相等时index10(count)=ind1(count);else%与一块钱不等时S2=S1(count:end);ind2=ind1(count:end);flag=0;endend%显示1元硬币tmp=zeros(size(BW));forj=1:length(index10)tmp(L==index10(j))=255;endimage(tmp),colormap(gray(256)),axisoff;pause(0.1);%找出5角硬币和1角硬币index5=[];index1=[];fork=1:length(S2)ifabs(S2(k)-S2(1))<abs(S2(k)-S2(end))%剩下的硬币进行对比最大的是5角，最小的是1角index5=[index5ind2(k)];elseindex1=[index1ind2(k)];endend%显示5角硬币forl=1:length(index5)tmp(L==index5(l))=170;endimage(tmp),colormap(gray(256)),axisoff;pause(0.1);%显示1角硬币form=1:length(index1)tmp(L==index1(m))=85;endimage(tmp),colormap(gray(256)),axisoff;pause(0.1);%显示结果axes(handles.axes2);%在axes2中显示forn=1:max(L(:))[rc]=find(L==n);x=mean(c);y=mean(r);ifmin(abs(index10-n))==0text(x-20,y,'一元','color','r');elseifmin(abs(index5-n))==0text(x-15,y,'五角','color','g');elseifmin(abs(index1-n))==0text(x-15,y,'一角','color','b');endpause(0.1);end下面是设置一个table来显示结果，之前已经用index10，index5，index1分别对一元硬币，五角硬币和一角硬币做了标记，只需要将这些标记显示在对于的地方即可，具体程序如下：h=uitable('data',[length(index10)length(index5)length(index1)],...'position',[34025530050],...'ColumnName',{'一元硬币','五角硬币','一角硬币'},...'RowName',{'¸个数'});下面是显示计算一共有多少钱的硬币，显示在text中，当然这也是在程序处理得到结果后再显示。T=length(index10)+0.5*length(index5)+0.1*length(index1);set(handles.text1,'string',sprintf('共%4.2f元\n',T));最后是设计一个可以调节二值化阈值的范围和数学形态学处理中腐蚀结构元素的大小的程序，方便用户使用，其中see表示的是形态学处理中腐蚀学盘状结构元素大小的一个变量，在检测程序中设置变量的语句为se=strel('disk',sse);而th调节二值化阈值的范围的一个变量在检测程序中设置变量的语句为BW=I<th，具体程序如下：functionedit1_Callback(hObject,eventdata,handles)%hObjecthandletoedit1(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesstructurewithhandlesanduserdata(seeGUIDATA)%Hints:get(hObject,'String')returnscontentsofedit1astext%str2double(get(hObject,'String'))returnscontentsofedit1asadoubleglobalsse%设置变量see的大小ed=get(handles.edit1,'string');sse=str2double(ed);%Executesduringobjectcreation,aftersettingallproperties.functionedit1_CreateFcn(hObject,eventdata,handles)%hObjecthandletoedit1(seeGCBO)%eventdatareserved-tobedefinedinafutureversionofMATLAB%handlesempty-handlesnotcreateduntilafterallCreateFcnscalled%Hint:editcontrolsusuallyhaveawhitebackgroundonWindows.%SeeISPCandCOMPUTER.ifispc&&isequal(get(hObject,'BackgroundColor'),get(0,'defaultUicontrolBackgroundColor'))set(hObject,'BackgroundColor','white');endfunctionedit2_Callback(hObject,eventdata,handles)%hObj