1. 项目背景与核心思路
硬币识别系统听起来像是银行专用设备,但其实用Python+OpenCV自己动手做一套并不难。去年我帮社区超市开发过类似功能,用来快速清点零钱箱,实测准确率能达到95%以上。这个项目的核心在于教会计算机"看"懂硬币的三个特征:颜色、大小和图案。
先看一个实际场景:假设你拍了一张包含1元、5角和1角硬币的照片(建议使用白色背景,识别效果最佳),系统需要完成以下任务:
- 找到图中所有圆形物体
- 判断每个圆形是不是硬币
- 区分不同面额的硬币
- 计算总金额
我试过两种主流方案:基于颜色+半径的简单识别和模板匹配。前者适合新版硬币(颜色差异明显),后者对老旧硬币识别更准。下面这段代码可以快速检测图中的所有圆形:
python复制import cv2
import numpy as np
def detect_circles(img_path):
img = cv2.imread(img_path)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.medianBlur(gray, 5)
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 20,
param1=50, param2=30, minRadius=10, maxRadius=300)
return circles
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境搭建与基础配置
推荐使用Python 3.8+和OpenCV 4.5+的组合,这是我在Windows/macOS/Linux三平台实测最稳定的版本。安装只需一行命令:
bash复制pip install opencv-python numpy matplotlib
遇到安装问题时有个小技巧:先升级pip(python -m pip install --upgrade pip),再用清华镜像源加速(pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python)。
