OpenCV ile Türk Parası Tanıma
Madeni para ve banknotları görüntü özelliklerine göre sınıflandıran, sonucu PyQt5 arayüzünde gösteren masaüstü uygulaması.
Proje Hakkında
Bu masaüstü uygulaması, yüklenen bir fotoğraftaki Türk madeni paralarını veya banknotunu tanıyıp parasal değeri kullanıcıya sunuyor. Madeni para ve banknotlar için iki ayrı görüntü işleme hattı kullanılıyor; PyQt5 arayüzü dosya seçimini, işlem türünü ve görsel sonucu tek yerde birleştiriyor.
Amaç
Farklı para türlerinin yalnızca görüntüden, klasik görüntü işleme teknikleriyle ayırt edilmesini ve bulunan değerlerin toplamının hesaplanmasını sağlamak.
Nasıl Çalışıyor?
- Madeni para görüntüsü median blur ile yumuşatılıyor, gri tona çevriliyor ve threshold uygulanıyor.
- Konturlar çıkarılıyor; küçük alanlar elendikten sonra moment değerlerinden her paranın merkezi bulunuyor.
- Kontur alanı, 5 kuruştan 1 TL’ye kadar tanımlanmış aralıklarla eşleştiriliyor. Etiketler görüntü üzerine yazılıyor ve toplam değer biriktiriliyor.
- Banknot tarafında görüntü HSV uzayına çevriliyor. Her kupür için tanımlanan renk aralığının maskesi çıkarılıyor; en fazla eşleşen piksele sahip maske banknot değerini belirliyor.
interface.py, seçilen resmi ilgili tanıyıcı sınıfa gönderiyor ve işlenmiş görüntüyü Qt arayüzünde gösteriyor.
Kullanılan Teknolojiler
- Python: uygulama akışı ve sınıflandırma kuralları.
- OpenCV: filtreleme, threshold, kontur analizi, HSV maskeleme ve görüntü üzerine sonuç yazma.
- NumPy: renk aralıkları ve kontur sonuçlarının işlenmesi.
- PyQt5: dosya seçimi ve sonuç önizlemeli masaüstü arayüzü.
Proje Yapısı
interface.py: kullanıcı arayüzü ve iki tanıma modunun koordinasyonu.madeni_para_tanimlama.py: kontur alanına dayalı madeni para sınıflandırması.banknot_tanimlama.py: HSV renk maskelerine dayalı banknot sınıflandırması.
Öne Çıkan Teknik Özellikler
- İki farklı nesne türü için ayrılmış görüntü işleme hattı
- Kontur momentleriyle merkez tespiti ve görsel etiketleme
- Banknotlar için çoklu HSV maske karşılaştırması
- Tanınan madeni paraların toplam değerini hesaplama
Teknik Notlar
Sınıflandırma eşikleri sabit alan ve renk değerlerine dayanıyor. Bu yaklaşım kontrollü çekim koşullarında anlaşılır ve hızlıdır; ölçek, ışık ve arka plan değişimleri için kalibrasyon gerektirir.