用matlab对硬币识别，先利用颜色把五角识别出来，求高手告诉程序，图片如下。

先用Hough变换找出圆圈

根据圈瞎和内的RGB来找出黄色的五角

再根据剩漏顷下圆圈的直径来判磨搜盯断一角与一元

提示一下，这个题目还挺有意思的，你自己好好做吧

这应该用贝叶斯 (Bayes) 理论来做。

下面的P代表概率。

A代表那枚硬币是正常的，B代表那枚硬币是异常的。

X(k)代表扔了k次全是正面的事件。

P(X(k) | A) = (1/2)^k

P(X(k) | B) = 1

作为博弈猜锋论来讲，我们需要假设敌人选取A或B的概率相等，也就是：P(A) = P(B) = 1/2

由全概率公式：

P(X(k)) = P(X(k) | A) * P(A) + P(X(k) | B) * P(B) = (1/2)^(k+1) + (1/2)

由贝叶斯公式：

P(A | X(k)) = P(X(k) | A) * P(A) / P(X(k))

= (1/2)^(k+1) / [(1/2)^(k+1) + (1/2)]

= 1 / (2^k + 1)

P(B | X(k)) = P(X(k) | B) * P(B) / P(X(k))

= (1/2) / [(1/2)^(k+1) + (1/2)]

= (2^k) / (2^k + 1)

对于判断是A还是B来讲，只需看P(A | X(k))和P(B | X(k))哪个大，哪个大就判断是哪个。

显然，P(A | X(k)) < P(B | X(k))，所以永远判断是B。

下面计算失去的本金：

设 k 次正面后，我们判迹兆穗断为 B 型硬币。

我们失去的本金是这样的：

如果原本是 A 型硬币。

对于任意 i (1<=i<=k)，如果前 i-1 次是正面，而第 i 次是背面，姿卜那么我们就能正确判断出 A。

此时我们失去的本金是：i

如果前 k 次都是正面，那么我们将作出错误判断，失去的本金将是：n

如果原本是 B 型硬币。

那么我们失去的本金是：k

所以，我们失去的本金的期望是：

这个方程只能用数值求解，比如用Matlab：

fzero('2^x - (1000 - x - 2) * log(2) - 1', 1)

得到解是：9.4225

也就是在 9 或 10 取到最小值。

再算算具体的值：

f(9) = 4.4658

f(10) = 4.4824

所以，最优的方法是扔 9 次后判断，失去的本金的期望是：4.4658

还可以用Matlab画张图（点击可放大）：

横轴是 k 值（k 从 1 到 100），纵轴是在 k 时结束损失的本金：

采用类似于抛硬币的方式来统计（即蒙特卡罗模拟法）：

1、如果X和Y没有分布，则在Y的区间内按均匀分布取一万个凳拍Y，然后也取一万个X。

2、对每个X，统计其大于枣哪羡Y的个数，记下该数值。

3、缓侍将上一步所得的个数取平均值，用该平均值除以一万，该值即约等于X>Y的概率。

---