CN101882221B - 基于轨道线的条码图像校正方法 - Google Patents

基于轨道线的条码图像校正方法 Download PDF

Info

Publication number
CN101882221B
CN101882221B CN201010189225.8A CN201010189225A CN101882221B CN 101882221 B CN101882221 B CN 101882221B CN 201010189225 A CN201010189225 A CN 201010189225A CN 101882221 B CN101882221 B CN 101882221B
Authority
CN
China
Prior art keywords
railway line
bar code
coordinate
code image
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201010189225.8A
Other languages
English (en)
Other versions
CN101882221A (zh
Inventor
邱有森
王文敏
陈文传
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
New Continent Digital Technology Co., Ltd.
Original Assignee
Fujian Newland Computer Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujian Newland Computer Co Ltd filed Critical Fujian Newland Computer Co Ltd
Priority to CN201010189225.8A priority Critical patent/CN101882221B/zh
Publication of CN101882221A publication Critical patent/CN101882221A/zh
Application granted granted Critical
Publication of CN101882221B publication Critical patent/CN101882221B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Character Input (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于轨道线的条码图像校正方法,该方法包括:扫描条码图像,获取该条码图像中的轨道线;提取该轨道线中若干条、空单元的模块坐标和该模块中心的图像坐标;根据该模块坐标和该图像坐标并利用二次以上多项式方程校正该轨道线;利用该校正的轨道线校正该条码图像。与现有技术相比较,本发明先对轨道线的各条、空单元进行校正,再利用校正的轨道线对条码图像进行校正,大大提高了条码图像校正的准确性。

Description

基于轨道线的条码图像校正方法
【技术领域】
本发明涉及一种条码图像校正方法,特别涉及一种基于轨道线的条码图像校正方法。
【背景技术】
条码技术是在计算机技术与信息技术基础上发展起来的一门集编码、印刷、识别、数据采集和处理于一身的新兴技术。条码技术由于其识别快速、准确、可靠以及成本低等优点,被广泛应用于商业、图书管理、仓储、邮电、交通和工业控制等领域,并且势必在逐渐兴起的“物联网”应用中发挥重大的作用。
目前被广泛使用的条码包括一维条码及二维条码。一维条码又称线形条码是由平行排列的多个“条”和“空”单元组成,条形码信息靠条和空的不同宽度和位置来表达。一维条码只是在一个方向(一般是水平方向)表达信息,而在垂直方向则不表达任何信息,因此信息容量及空间利用率较低,并且在条码损坏后即无法识别。
二维条码是由按一定规律在二维方向上分布的黑白相间的特定几何图形组成,其信息容量大,应用非常广泛。
现有技术中的许多条码(特别是二维条码)中都存在由沿一条直线排列且彼此交错的黑白模块组成的轨道线(如图2所示)。轨道线的作用是通过获得各模块中心的图像坐标对整个条码图像进行校正。然而,在现有技术中,各模块中心点的坐标是通过扫描方式单独获得的,各模块中心点的坐标存在较大误差,对条码图像的校正影响较大。
【发明内容】
为了解决现有技术中各模块中心点的坐标存在较大误差,对条码图像的校正影响较大的问题,本发明提供了一种基于轨道线的条码图像校正方法。
本发明解决上述技术问题所采取的技术方案是提供一种基于轨道线的条码图像校正方法,其中,该方法包括:
a.扫描条码图像,获取该条码图像中的轨道线;
b.提取该轨道线中若干条、空单元的模块坐标和该模块中心的图像坐标;
c.根据该模块坐标和该图像坐标并利用二次以上多项式方程校正该轨道线;
d.利用该校正的轨道线校正该条码图像。
其中,以上用语“二次以上多项式方程”包括二次多项式方程。
根据本发明一优选实施例,在上述步骤c中,利用如下二次多项式计算该图像坐标的通用校正系数:
x=a1m2+b1m+c1
y=a2m2+b2m+c2
其中,x、y为该图像坐标,m为该模块坐标,根据三组x、y、m值求解a1、b1、c1、a2、b2、c2。
根据本发明一优选实施例,在上述步骤c中,利用如下三次多项式计算该图像坐标的通用校正系数:
x=a1m3+b1m2+c1m+d1
y=a2m3+b2m2+c2m+d2
其中,x、y为该图像坐标,m为该模块坐标,根据四组x、y、m值求解a1、b1、c1、d1、a2、b2、c2、d2。
根据本发明一优选实施例,将该轨道线中每一条、空单元的模块坐标代入该二次或该三次多项式方程来校正该条、空单元的图像坐标,从而获得校正的轨道线,并利用该校正的轨道线校正该条码图像。
与现有技术相比较,本发明先对轨道线的各条、空单元进行校正,再利用校正的轨道线对条码图像进行校正,大大提高了条码图像的校正准确性。
【附图说明】
可参考附图并通过实例更加具体地描述本发明,在附图中:
图1是根据本发明一实施例的基于轨道线的条码图像校正方法的流程图;
图2是一种包含轨道线的条码图像示意图;以及
图3是图2中条码图像的部分轨道线的放大示意图。
【具体实施方式】
下面结合附图和实施例对本发明进行详细说明。
本发明提供了一种基于轨道线的条码图像校正方法。该方法首先提取条码图像中的轨道线,对该轨道线进行校正,再利用该校正的轨道线对条码图像进行校正,可大大提高条码图像校正的准确性。
具体而言,请一并参见图1至图3,图1是根据本发明一实施例的基于轨道线的条码图像校正方法的流程图;图2是一种包含轨道线的条码图像示意图;以及图3是图2中条码图像的部分轨道线的放大示意图。
首先,扫描一幅条码图像,获取该条码图像中的轨道线,一般轨道线包括一条横向的轨道线和一条竖向的轨道线,当然,横向的轨道线和竖向的轨道线均采用相同的方法进行校正。然后,提取轨道线中若干条、空单元的模块坐标和模块中心的图像坐标,将该模块坐标和该图像坐标代入二次以上多项式方程可得出各条、空单元的通用校正系数,利用该通用校正系数可对轨道线的所有条、空单元模块中的图像座标进行校正,即得到校正的轨道线,再利用该校正的轨道线对该条码图像进行校正可大大提高条码图像校正的准确性。
在本发明的一实施例中,利用如下二次多项式计算轨道线的通用校正系数:
x=a1m2+b1m+c1
y=a2m2+b2m+c2
其中,x、y为模块中心的图像坐标,m为该模块坐标,根据三组x、y、m值即可求解出轨道线的通用校正系数a1、b1、c1、a2、b2、c2,利用该通用校正系数值可对该轨道线模块中心的图像坐标进行校正。从而得到校正的轨道线,利用校正的轨道线对该条码图像进行校正可大大提高条码图像校正的准确性。
在本发明的另一实施例中,还可以利用以下三次多项式计算轨道线的通用校正系数:
x=a1m3+b1m2+c1m+d1
y=a2m3+b2m2+c2m+d2
其中,x、y为该模块的图像坐标,m为该模块坐标,根据四组x、y、m值求解通用校正系数a1、b1、c1、d1、a2、b2、c2、d2,同样,利用该通用校正系数值可对该轨道线模块中心的图像坐标进行校正。从而得到校正的轨道线,再利用校正的轨道线对该条码图像进行校正可大大提高条码图像校正的准确性。
与现有技术相比较,本发明先对轨道线的各条、空单元进行校正,再利用校正的轨道线对条码图像进行校正,大大提高了条码图像的校正准确性。
在上述实施例中,仅对本发明进行了示范性描述,但是本领域技术人员在阅读本专利申请后可以在不脱离本发明的精神和范围的情况下对本发明进行各种修改。

Claims (3)

1.一种基于轨道线的条码图像校正方法,其特征在于,所述方法包括:
a.扫描所述条码图像,获取所述条码图像中的轨道线;
b.提取所述轨道线中若干条、空单元的模块坐标和所述模块中心的图像坐标;
c.根据所述模块坐标和所述图像坐标并利用二次以上多项式方程校正所述轨道线;
d.利用所述校正的轨道线校正所述条码图像。
2.根据权利要求1所述的基于轨道线的条码图像校正方法,其特征在于,在所述步骤c中,利用如下二次多项式计算所述图像坐标的通用校正系数:
x=a1m2+b1m+c1
y=a2m2+b2m+c2
其中,x、y为所述图像坐标,m为所述模块坐标,根据三组x、y、m值求解a1、b1、c1、a2、b2、c2;
利用所述轨道线中每一条、空单元的所述图像坐标的通用校正系数对所述每一条、空单元的所述图像坐标进行校正,从而获得校正的轨道线,并利用所述校正的轨道线校正所述条码图像。
3.根据权利要求1所述的基于轨道线的条码图像校正方法,其特征在于,在所述步骤c中,利用如下三次多项式计算所述图像坐标的通用校正系数:
x=a1m3+b1m2+c1m+d1
y=a2m3+b2m2+c2m+d2
其中,x、y为所述图像坐标,m为所述模块坐标,根据四组x、y、m值求解a1、b1、c1、d1、a2、b2、c2、d2;
利用所述轨道线中每一条、空单元的所述图像坐标的通用校正系数对所述每一条、空单元的所述图像坐标进行校正,从而获得校正的轨道线,并利用所述校正的轨道线校正所述条码图像。
CN201010189225.8A 2010-06-01 2010-06-01 基于轨道线的条码图像校正方法 Active CN101882221B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010189225.8A CN101882221B (zh) 2010-06-01 2010-06-01 基于轨道线的条码图像校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010189225.8A CN101882221B (zh) 2010-06-01 2010-06-01 基于轨道线的条码图像校正方法

Publications (2)

Publication Number Publication Date
CN101882221A CN101882221A (zh) 2010-11-10
CN101882221B true CN101882221B (zh) 2016-08-17

Family

ID=43054233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010189225.8A Active CN101882221B (zh) 2010-06-01 2010-06-01 基于轨道线的条码图像校正方法

Country Status (1)

Country Link
CN (1) CN101882221B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1963838A (zh) * 2006-11-07 2007-05-16 中国物品编码中心 二维条码图形畸变校正的方法
CN101059834A (zh) * 2007-05-31 2007-10-24 中国农业大学 基于聊天用摄像头的qr二维条码识读方法
CN101197004A (zh) * 2007-12-25 2008-06-11 深圳矽感科技有限公司 一种二维条码及其编解码方法
CN101398895A (zh) * 2007-09-26 2009-04-01 杨高波 一种数据矩阵(dm)二维条形码识别的图像预处理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090231427A1 (en) * 2008-03-17 2009-09-17 The Chamberlain Grroup, Inc. Method and Apparatus to Facilitate Using a Camera As Pertains to a Self-Storage Facility

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1963838A (zh) * 2006-11-07 2007-05-16 中国物品编码中心 二维条码图形畸变校正的方法
CN101059834A (zh) * 2007-05-31 2007-10-24 中国农业大学 基于聊天用摄像头的qr二维条码识读方法
CN101398895A (zh) * 2007-09-26 2009-04-01 杨高波 一种数据矩阵(dm)二维条形码识别的图像预处理方法
CN101197004A (zh) * 2007-12-25 2008-06-11 深圳矽感科技有限公司 一种二维条码及其编解码方法

Also Published As

Publication number Publication date
CN101882221A (zh) 2010-11-10

Similar Documents

Publication Publication Date Title
CN103632181B (zh) 一种三维图像码的生成和解析方法及其装置
Tian et al. Sobel edge detection based on weighted nuclear norm minimization image denoising
CN102799848B (zh) 商品信息识别方法和商品信息识别装置
KR20180108787A (ko) 도트 매트릭스 qr 코드의 코딩과 판독방법
CN101882205A (zh) 一维条码图像扫描方法
CN104036424B (zh) 基于二维码的零件快速选配方法及系统
CN102763121B (zh) 用于解码线性条码的方法
Na et al. Detecting deformation on pantograph contact strip of railway vehicle on image processing and deep learning
Yang et al. Sub-pixel chessboard corner localization for camera calibration and pose estimation
Chen et al. Customized 2D barcode sensing for anti-counterfeiting application in smart IoT with fast encoding and information hiding
Mousavi et al. Using information content to select keypoints for UAV image matching
CN101833644A (zh) 一种基于动态模板的校正图形搜索方法
Chen et al. Horticultural image feature matching algorithm based on improved ORB and LK optical flow
CN101882221B (zh) 基于轨道线的条码图像校正方法
Kang et al. Detecting maritime obstacles using camera images
Guo et al. Establishment of the complete closed mesh model of rail-surface scratch data for online repair
Liao et al. Data extraction method for industrial data matrix codes based on local adjacent modules structure
Zhou et al. A YOLOv8-based approach for real-time lithium-ion battery electrode defect detection with high accuracy
Boiangiu et al. Voting-based document image skew detection
CN201927052U (zh) 基于轨道码的条码图像校正装置
Xu et al. A vehicle-borne mobile mapping system based framework for semantic segmentation and modeling on overhead catenary system using deep learning
CN101882212B (zh) 一种条码图像的获取方法
Zhou et al. An anchor-free network for increasing attention to small objects in high resolution remote sensing images
Wang et al. A Multi-Channel Descriptor for LiDAR-Based Loop Closure Detection and Its Application
Biao A DataMatrix-based mutant code design and recognition method research

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 350015 No. 1 Rujiangxi Road, Mawei District, Fuzhou City, Fujian Province

Patentee after: New Continent Digital Technology Co., Ltd.

Address before: 350015 New Continental Science Park No. 1 Rujiangxi Road, Mawei District, Fuzhou City, Fujian Province

Patentee before: Fujian Newland Computer Co., Ltd.