古币版面对比工具产品系统Vibe Coding

古钱币收藏与鉴定中，"版别"直接决定价格 —— 同一枚钱币，不同版别的市场价可能差数倍。但版别差异往往只在某一两个字的笔画上（如「狭通」= 通字走之旁左偏、「降通」= 通字位置下移），需要长期经验才能分辨。

而常规图像相似度算法在这个场景基本失效：SSIM、直方图、像素差都会被锈色与包浆主导 —— 同版别锈色不同就判不出，不同版别锈色相近又误判。

痛点：鉴定依赖老师傅经验，效率低、不可复制；现有软件工具无法应对锈蚀干扰。

样本库管理 按「品类 → 版别」建库；导入标准样图后自动识别币缘、归一化；框选 ROI 可比对单个字，并可标记判别点（★）与细节笔画（◆）；一个版别可挂多张模板适应不同锈蚀程度
批量识别比对 导入本地图片（可多选），与目标品类下全部版别逐一比对，输出相似度排名 + 是否命中
可解释结果 列出该品类全部版式的得分明细，写明每个版别为什么未命中（分数不够 / 质量闸门 / 与次优过于接近）；并提供逐字匹配连线（标注内点率，避免被噪声误导）
完全本地运行 图片、样本库、日志全在本机；无任何联网、上传、爬虫代码

技术栈：Python · OpenCV · NumPy · PySide6（桌面界面）· PyInstaller（Windows 打包）

关键做法（针对"锈色干扰"与"类内差异大"两个核心难点）：

对锈色鲁棒的特征：用 ORB（基于梯度结构而非灰度）做匹配，并用黑帽变换提取笔画掩码 —— 只保留"局部比周围暗的细结构"，锈斑/背景被淡化
几何归一化：自动识别币缘圆与方孔 → 统一标准画布 → 多候选对齐择优（原检测 / 方孔精修 / 小幅旋转平移尺度微扰），不赌单一检测结果
多判据融合：多个量纲不同的判据秩归一化后加权，抗离群
多模板：版别得分取"与最像的那张模板"的相似度，避免单张不典型拖累整版
交付物：Windows 免安装 exe + 使用文档 + 自建 86 个分析/标定/验证脚本

实测结果：识别准确率 64%（单品类最高 75%）；一轮优化提升 9 个百分点

工程特点：先量化瓶颈再动手，每个参数都有实测出处；明确记录并公开了 6 条"走不通"的技术路线，避免后来者重复投入。