CN102831428B - 图像内快速响应矩阵码区域的提取方法 - Google Patents

Abstract

一种图像内快速响应矩阵码区域的提取方法，第一步，初始化读入图像，将输入的RGB图像转换到灰度空间；第二步，利用大津法对其进行二值化处理；第三步，利用快速响应矩阵码寻像图形的形态特征：一个矩形中包含两个小矩形，利用这个特征和图像轮廓得到快速响应矩阵码的三个寻像图形的中心点，并且在寻轮廓时，对于每次寻到的一个轮廓，就对其进行判断是否符合规格，并进一步得到快速响应矩阵码的四个顶点实现精确定位。这种方法使得找寻像图形更准确，并且使得需要的存储空间大大减小，实验表明这种方法对普通摄像头采集的图像就能取得很好的效果，实时性高。

Description

图像内快速响应矩阵码区域的提取方法

技术领域

本发明属于电子条码识别技术，对根据国标GB/T 18284-2000《快速响应矩阵码》生成的快速响应矩阵码在复杂背景中对其条码区域进行提取。

背景技术

随着信息时代的发展，常见的一维条码已经满足不了现在的需求，这也就促进了二维码的发展，现有的二维码中，快速响应矩阵码除了具有信息量大，可靠性高，可表示图像及多种文字信息，保密防伪性强等有点外，还具有全方位识别，能有效表示汉字等主要特点。而且随着各种摄像头的普及，通过图像处理的方式来识别摄像头获取的快速响应矩阵码图像成为国内外识别快速响应矩阵码的主要研究方向。

发明内容

本发明提供一种准确、快速且实时性强的图像内快速响应矩阵码区域的提取方法。

为了实现该目标，本发明采取如下技术方案：

一种图像内快速响应矩阵码区域的提取方法，按照以下步骤进行：

步骤1：初始化，采集一帧图像大小为W×H×3，其中W,H为正整数(W＝640,H＝480)，分别表示图像的列数和行数，然后将获得的彩色图像转化为灰度图像，得到灰度图像的大小为W×H，

步骤2：利用大津法对灰度图像进行二值化处理，其具体方法如下：

计算类间方差σ，

σ＝ω₀×ω₁×(μ₀-μ₀)²

其中，

${\mathrm{\ω}}_0=\frac{N_0}{W\×H},$

${\mathrm{\ω}}_1=\frac{M_0}{W\×H},$

N₀为图像中像素的灰度值小于阈值T₁的像素个数，M₀为图像中像素的灰度值大于阈值T₁的像素个数，μ₀为图像中像素的灰度值小于阈值T₁的所有像素平均灰度，μ₁为图像中像素的灰度值大于阈值T₁的所有像素平均灰度，当阈值分别取T₁＝0,1,2,3……255时，由此得到256个类间方差σ，再从中选出最大σ值，并以最大σ值所对应的阈值T₁作为分割阈值T，将图像中灰度大于T的像素点赋值为0，将小于T的像素点赋值为1，得到大小为W×H的二值图像，

步骤3快速响应矩阵码图像的定位分为粗定位和精定位，f₁(i,j)是二值图像中位置在(i,j)处的像素点的灰度值，i表示行号，j表示列号，初始化轮廓标记符号为NB，它的值为1，具体方法如下：

步骤3.1对上面得到的二值图像进行逐行扫描，遇到一对符合轮廓条件相邻点时，则执行步骤3.2，并判断该点是否为二值图像的最后一点，若是则结束扫描，所述轮廓条件为：同时满足f₁(i,j)＝1和f₁(i,j-1)＝0，所述二值图像最后一点的判断方法为：如果当前i＝480，当前j＝640，则当前的点(i,j)为二值图像的最后一点，

步骤3.2NB的值加1，将步骤3.1得到的符合轮廓条件相邻点中的后一点(i,j)作为轮廓的第一个点并标记为(i₀,j₀)，将步骤3.1得到的符合轮廓条件相邻点中的前一点(i,j-1)标记为(i₂,j₂)，

步骤3.3以轮廓的第一个点(i₀,j₀)作为轮廓的起始点，从轮廓的起始点(i₀,j₀)开始，通过以下步骤寻找该闭合轮廓上的全部像素点位置，

步骤3.3.1从(i₂,j₂)开始，顺指针方向在(i₀,j₀)的8邻域空间内寻找到一个非零像素点，将找到的第一个非零像素点，将其坐标标记为(i₁,j₁)，并执行步骤3.3.2；如果没有找到非零像素点，则将二值图像中位置在(i₀,j₀)处的像素点的灰度值改为当前的NB，然后返回步骤3.1，

步骤3.3.2将步骤3.3.1找到的第一个非零像素点(i₁,j₁)标记为点(i₂,j₂)，将步骤3.3所述的轮廓起始点(i₀,j₀)标记为点(i₃,j₃)，

步骤3.3.3在当前的点(i₃,j₃)的8邻域中，以点(i₂,j₂)的逆时针方向上的下一个像素点作为扫描起始点进行逆时针方向扫描，将第一个非零的像素点标记为(i₄,j₄)，

步骤3.3.4将二值图像中位置在(i₃,j₃)处的像素点的灰度值改为当前的NB，

步骤3.3.5如果点(i₄,j₄)为轮廓的起始点(i₀,j₀)并且点(i₃,j₃)为点(i₁,j₁)，则找到整个闭合轮廓，执行步骤3.4；否则，将点(i₃,j₃)标记为点(i₂,j₂)并且将点(i₄,j₄)标记为点(i₃,j₃)，然后返回步骤3.3.3，

步骤3.4上面找出一个完整的轮廓，以该轮廓上的点所对应的最大行号imax，最小行号imin，最小列号jmin及最大列号jmax，计算的值，若该值小于0.8或者大于1.2，则删除该轮廓，返回步骤3.1，否则，将该轮廓保存，

步骤3.5分别在剩下的每个轮廓中心点的5×5像素范围内进行轮廓中心点搜索并获取5×5像素范围内的所有轮廓中心点的总个数，删除5×5像素范围内的轮廓中心点总个数为1或者2的轮廓，得到三个快速响应矩阵码区域内的寻像图形以及三个寻像图形中心点位置和三个寻像图形的宽度w_UL,w_UR,w_BL，再将这三个寻像图形中心点分别向外延伸的高度和宽度得到三个点，在再利用四点组成矩形的几何关系得到第四个顶点的位置，利用这四个点初步确定条码的位置，然后将所述矩形的外部区域全部填充为0，

步骤3.6对步骤3.5处理后的图像进行精确定位，分别取平行于原始图像边缘的四条直线，用直线逼近方法搜索并得到四个顶点，连接这四个顶点，得到精确定位的条码区域，所述的直线逼近方法是：用直线逼近条码区域，当遇到第一个像素点值为1的点且当所遇到的点的数量为1时，就以所述像素点值为1的点作为条码区域的顶点。

与现有的技术相比，本发明的特点在于：

1)利用快速响应矩阵码寻像图形的形态特征：一个矩形中包含两个小矩形，这个特征在条码的其他区域出现的概率为0，传统的方法是利用寻像图形的比例特征，这个特征在图像的其他地方出现的概率很高，虽然可以通过一定的方法进行刷选，但是还是存在判断不准确的缺点，而这个形态特征的特点使得找寻像图形更准确。

2)在寻轮廓时，对于每次寻到的一个轮廓，就对其进行判断是否符合规格，这使得需要的存储空间大大减小，从而大大提高了实时性。

附图说明

图1是整个程序的流程图；

图2是粗定位中寻轮廓的流程图；

图3是精定位中定位快速响应矩阵码的四个顶点。

具体实施方式

在具体的实施方式中，将结合附图，清楚完整地描述了图像内快速响应矩阵码区域的提取方法的详细过程，

一种图像内快速响应矩阵码区域的提取方法，其特征在于按照以下步骤进行：

步骤1：初始化，采集一帧图像大小为W×H×3，其中W,H为正整数(W＝640,H＝480)，分别表示图像的列数和行数，然后针对彩色图像的每一个像素点，使用公式Y＝0.299*R+0.587*G+0.114*B（R、G、B分别代表每一个像素红色，绿色，蓝色分量值）将Y作为该点灰度值，从而将彩色图像转换为灰度图像，大小为W×H，

步骤2利用大津法对光照均衡处理后的图像进行二值化处理，其具体方法如下：

计算类间方差σ，

σ＝ω₀×ω₁×(μ₀-μ₁)²

其中，

${\mathrm{\ω}}_0=\frac{N_0}{W\×H},$

${\mathrm{\ω}}_1=\frac{M_0}{W\×H},$

N₀为图像中像素的灰度值小于阈值T₁的像素个数，M₀为图像中像素的灰度值大于阈值T₁的像素个数，μ₀为图像中像素的灰度值小于阈值T₁的所有像素平均灰度，μ₁为图像中像素的灰度值大于阈值T₁的所有像素平均灰度，当阈值分别取T₁＝0,1,2,3……255时，由此得到256个类间方差σ，再从中选出最大σ值，并以最大σ值所对应的阈值T₁作为分割阈值T，图像中灰度大于T的像素点赋值为0，小于T的像素点赋值为1，得到大小为W×H的二值图像，

步骤3快速响应矩阵码图像的定位分为粗定位和精定位，f₁(i,j)是二值图像中位置在(i,j)处的像素点的灰度值，i表示行号，j表示列号，初始化轮廓标记符号为NB，它的值为1，具体方法如下：

步骤3.1对上面得到的二值图像进行逐行扫描，遇到一对符合轮廓条件相邻点时，则执行步骤3.2，并判断该点是否为二值图像的最后一点，若是则结束扫描，所述轮廓条件：同时满足f₁(i,j)＝1和f₁(i,j-1)＝0，所述二值图像最后一点的判断方法为：如果当前i＝480，当前j＝640，则当前的点(i,j)为二值图像的最后一点，

步骤3.2NB的值加1，将步骤3.1得到的符合轮廓条件相邻点中的后一点(i,j)作为轮廓的第一个点并标记为(i₀,j₀)，将步骤3.1得到的符合轮廓条件相邻点中的前一点(i,j-1)标记为(i₂,j₂)，

步骤3.3以轮廓的第一个点(i₀,j₀)作为轮廓的起始点，从轮廓的起始点(i₀,j₀)开始，通过以下步骤寻找该闭合轮廓上的全部像素点位置，

步骤3.3.1从(i₂,j₂)开始，顺指针方向在(i₀,j₀)的8邻域空间内寻找到一个非零像素点，将找到的第一个非零像素点，将其坐标标记为(i₁,j₁)，并执行步骤3.3.2；如果没有找到非零像素点，则将二值图像中位置在(i₀,j₀)处的像素点的灰度值改为当前的NB，然后返回步骤3.1，

步骤3.3.2将步骤3.3.1找到的第一个非零像素点(i₁,j₁)标记为点(i₂,j₂)，将步骤3.3所述的轮廓起始点(i₀,j₀)标记为点(i₃,j₃)，

步骤3.3.3在当前的点(i₃,j₃)的8邻域中，以点(i₂,j₂)的逆时针方向上的下一个像素点作为扫描起始点进行逆时针方向扫描，将第一个非零的像素点标记为(i₄,j₄)，

步骤3.3.4将二值图像中位置在(i₃,j₃)处的像素点的灰度值改为当前的NB，

步骤3.3.5如果点(i₄,j₄)为轮廓的起始点(i₀,j₀)并且点(i₃,j₃)为点(i₁,j₁)，则找到整个闭合轮廓，执行步骤3.4；否则，将点(i₃,j₃)标记为点(i₂,j₂)并且将点(i₄,j₄)标记为点(i₃,j₃)，然后返回步骤3.3.3，

步骤3.4上面找出一个完整的轮廓，以该轮廓中点对应的最大行号imax，最小行号imin，最小列号jmin，最大列号jmax组成一个外接矩形，计算的值，若该值小于0.8或者大于1.2，则删除该轮廓，返回步骤3.1，否则，将该轮廓保存，

步骤3.5分别在每个轮廓中心点的5×5像素范围内进行轮廓中心点搜索并获取5×5像素范围内的所有轮廓中心点的总个数，删除5×5像素范围内的轮廓中心点个数为1或者2的轮廓，得到三个快速响应矩阵码区域内的寻像图形以及三个寻像图形中心点位置和三个寻像图形的宽度w_UL,w_UR,w_BL，再将这三个寻像图形中心点分别向外延伸的高度和宽度得到三个点，在再利用四点组成矩形的几何关系得到第四个顶点的位置，利用这四个点可以大致确定条码的位置，后将该四边形的外部区域全部填充为0，

步骤3.6对上面处理后的图像进行精确定位，用四条直线从图像的左右上下四个方向逼近该条码区域，当遇到第一个像素点值为1的点停止，该点就是条码区域的顶点，四条直线就能够得到四个顶点，连接这四个点就能将条码区域精确定位，

下面针对步骤3.1-步骤3.3举例进行说明，下面的表格表示的是一副8×8的二值图像i,j分别表示图像的行号和列号，表格中的数据是图像中对应的像素点的灰度值。

（1）扫描图像遇到满足条件的点f₁(2,1)＝0和f₁(2,2)＝1，

（2）NB的值变为2，将(i₀,j₀)＝(2,2)作为轮廓的第一个点，从(i₂,j₂)＝(2,1)开始，顺指针方向在(i₀,j₀)＝(2,2)的8邻域空间内寻找到一个非零像素点(i₁,j₁)＝(2,3)，再修改(i₂,j₂)的值(i₂,j₂)＝(2,3)，赋值给(i₃,j₃)＝(i₀,j₀)，

（3）在当前的点(i₃,j₃)＝(2,2)的8邻域中，以点(i₂,j₂)＝(2,3)的逆时针方向上的下一个像素点作为扫描起始点进行逆时针方向扫描得到第一个非零像素点(i₄,j₄)＝(3,2)，

（4）将二值图像中位置在(i₃,j₃)＝(2,2)处的像素点的灰度值改为NB=2，

（5）此时(i₄,j₄)＝(3,2)≠(i₀，j₀)＝(2,2，(i₃,j₃)＝(2,2)≠(i₁,j₁)＝(2,3)，以将(i₂,j₂)的值修改为(i₃,j₃)的值，此时(i₂,j₂)＝(2,2)，同时修改(i₃,j₃)的值为(i₄,j₄)的值，此时(i₃,j₃)＝(3,2)，重复步骤(3)，

（6）接下来找到点(i₄,j₄)＝(3,3)，二值图像中位置在(i₃,j₃)＝(3,2)处的像素点的灰度值改为NB=2，此时(i₄,j₄)＝(3,3)≠(i₀,j₀)＝(2,2)，(i₃,j₃)＝(3,2)≠(i₁,j₃)＝(2,3)，故修改值后(i₂,j₂)＝(3,2)，(i₃,j₃)＝(3,3)，重复步骤(3)，

（7）接下来找到点(i₄,j₄)＝(2,3)，二值图像中位置在(i₃,j₃)＝(3,3)处的像素点的灰度值改为NB=2，此时(i₄,j₄)＝(2,3)≠(i₀,j₀)＝(2,2)，(i₃,j₃)＝(3,3)≠(i₁,j₁)＝(2,3)，故修改值后(i₂,j₂)＝(3,3)，(i₃,j₃)＝(2,3)，重复步骤(3)，

（8）接下来找到点(i₄,j₄)＝(2,2)，二值图像中位置在(i₃,j₃)＝(2,3)处的像素点的灰度值改为NB=2，此时(i₄,j₄)＝(2,2)＝(i₀,j₀)＝(2,2)，(i₃,j₃)＝(2,3)＝(i₁,j₁)＝(2,3)，此时则找到第一个轮廓，此时图像像素点灰度值如下表：

再找到一个轮廓并对其进行判断后，再次对图像进行水平扫描，这时找到轮廓的起始点为(i₀,j₀)＝(2,5)，利用该点可以再次找到另外一个闭合轮廓，找完后图像像素点灰度值如下表：

Claims (1)

1.一种图像内快速响应矩阵码区域的提取方法，其特征在于按照以下步骤进行：

步骤1：初始化，采集一帧图像大小为W×H×3，其中W,H为正整数，W＝640,H＝480，分别表示图像的列数和行数，然后将获得的彩色图像转化为灰度图像，得到灰度图像的大小为W×H，

步骤2：利用大津法对灰度图像进行二值化处理，其具体方法如下：

计算类间方差σ，

σ＝ω₀×ω₁×(μ₀-μ₁)²

其中，

${\mathrm{\ω}}_0=\frac{N_0}{W\×H},$

${\mathrm{\ω}}_1=\frac{M_0}{W\×H},$

N₀为图像中像素的灰度值小于阈值T₁的像素个数，M₀为图像中像素的灰度值大于阈值T₁的像素个数，μ₀为图像中像素的灰度值小于阈值T₁的所有像素平均灰度，μ₁为图像中像素的灰度值大于阈值T₁的所有像素平均灰度，当阈值分别取T₁＝0,1,2,3......255时，由此得到256个类间方差σ，再从中选出最大σ值，并以最大σ值所对应的阈值T₁作为分割阈值T，将图像中灰度大于T的像素点赋值为0，将小于T的像素点赋值为1，得到大小为W×H的二值图像，

步骤3快速响应矩阵码图像的定位分为粗定位和精定位，f₁(i,j)是二值图像中位置在(i,j)处的像素点的灰度值，i表示行号，j表示列号，初始化轮廓标记符号为NB，它的值为1，具体方法如下：

步骤3.1对上面得到的二值图像进行逐行扫描，遇到一对符合轮廓条件相邻点时，则执行步骤3.2，并判断该点是否为二值图像的最后一点，若是则结束扫描，所述轮廓条件为：同时满足f₁(i,j)＝1和f₁(i,j-1)＝0，所述二值图像最后一点的判断方法为：如果当前i＝480，当前j＝640，则当前的点(i,j)为二值图像的最后一点，

步骤3.2NB的值加1，将步骤3.1得到的符合轮廓条件相邻点中的后一点(i,j)作为轮廓的第一个点并标记为(i₀,j₀)，将步骤3.1得到的符合轮廓条件相邻点中的前一点(i,j-1)标记为(i₂,j₂)，

步骤3.3以轮廓的第一个点(i₀,j₀)作为轮廓的起始点，从轮廓的起始点(i₀,j₀)开始，通过以下步骤寻找闭合轮廓上的全部像素点位置，

步骤3.3.1从(i₂,j₂)开始，顺时针方向在(i₀,j₀)的8邻域空间内寻找到一个非零像素点，将找到的第一个非零像素点，将其坐标标记为(i₁,j₁)，并执行步骤3.3.2；如果没有找到非零像素点，则将二值图像中位置在(i₀,j₀)处的像素点的灰度值改为当前的NB，然后返回步骤3.1，

步骤3.3.2将步骤3.3.1找到的第一个非零像素点(i₁,j₁)标记为点(i₂,j₂)，将步骤3.3所述的轮廓起始点(i₀,j₀)标记为点(i₃,j₃)，

步骤3.3.3在当前的点(i₃,j₃)的8邻域中，以点(i₂,j₂)的逆时针方向上的下一个像素点作为扫描起始点进行逆时针方向扫描，将第一个非零的像素点标记为(i₄,j₄)，

步骤3.3.4将二值图像中位置在(i₃,j₃)处的像素点的灰度值改为当前的NB，

步骤3.3.5如果点(i₄,j₄)为轮廓的起始点(i₀,j₀)并且点(i₃,j₃)为点(i₁,j₁)，则找到整个闭合轮廓，执行步骤3.4；否则，将点(i₃,j₃)标记为点(i₂,j₂)并且将点(i₄,j₄)标记为点(i₃,j₃)，然后返回步骤3.3.3，

步骤3.4上面找出一个完整的轮廓，以该轮廓上的点所对应的最大行号imax，最小行号imin，最小列号jmin及最大列号jmax，计算的值，若该值小于0.8或者大于1.2，则删除该轮廓，返回步骤3.1，否则，将该轮廓保存，

步骤3.5分别在剩下的每个轮廓中心点的5×5像素范围内进行轮廓中心点搜索并获取5×5像素范围内的所有轮廓中心点的总个数，删除5×5像素范围内的轮廓中心点总个数为1或者2的轮廓，得到三个快速响应矩阵码区域内的寻像图形以及三个寻像图形中心点位置和三个寻像图形的宽度w_UL,w_UR,w_BL，再将这三个寻像图形中心点分别向外延伸的高度和宽度得到三个点，在再利用四点组成矩形的几何关系得到第四个顶点的位置，利用这四个点初步确定条码的位置，然后将所述矩形的外部区域全部填充为0，

步骤3.6对步骤3.5处理后的图像进行精确定位，分别取平行于原始图像边缘的四条直线，用直线逼近方法搜索并得到四个顶点，连接这四个顶点，得到精确定位的条码区域，所述的直线逼近方法是：用直线逼近条码区域，当遇到第一个像素点值为1的点且当所遇到的点的数量为1时，就以所述像素点值为1的点作为条码区域的顶点。