CN102902945B - 基于快速响应矩阵码外轮廓的畸变校正方法 - Google Patents
基于快速响应矩阵码外轮廓的畸变校正方法 Download PDFInfo
- Publication number
- CN102902945B CN102902945B CN201210370668.6A CN201210370668A CN102902945B CN 102902945 B CN102902945 B CN 102902945B CN 201210370668 A CN201210370668 A CN 201210370668A CN 102902945 B CN102902945 B CN 102902945B
- Authority
- CN
- China
- Prior art keywords
- theta
- image
- cos
- sin
- pixel
- 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.)
- Expired - Fee Related
Links
Abstract
一种基于快速响应矩阵码外轮廓的畸变校正方法,第一步,初始化读入图像,将输入的图像转换到灰度空间;第二步,利用大津法对灰度图像进行二值化处理;第三步,对图像进行形态学处理;第四步,在形态学处理完后的图像中寻找快速响应矩阵码所在图像的轮廓;第五步,对图像进行霍夫变换,得到快速响应矩阵码的四条边缘直线;第六步,对图像进行透视变换校正原始畸变图像。本发明采用图像处理的方式将畸变图像进行扭正,实验结果表明,该方法效果比较好。
Description
技术领域
本发明属于电子条码识别技术,对利用摄像头拍摄的根据国标GB/T18284-2000《快速响应矩阵码》生成的快速响应矩阵码进行畸变校正。
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,这也就促使了二维码的发展,快速响应矩阵码作为二维码中应用最广泛的条码,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,本发明最主要针对在拍摄二维码图像时产生畸变的情况采用对应的方法来解决这个问题。
发明内容
本发明是一种基于快速响应矩阵码外轮廓的畸变校正方法。
为了实现该目标,本发明采取如下技术方案:
一种基于快速响应矩阵码外轮廓的畸变校正方法,按照以下步骤进行:
步骤1:初始化,将摄像头与快速响应矩阵码图像成5-15度的角度拍摄,采集一帧畸变快速响应矩阵码图像,其大小为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,
其中,
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Tl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255,小于T的像素点赋值为0,得到大小为W×H的二值图像,
步骤3 利用图像形态学中的腐蚀操作对二值图像进行腐蚀处理,再利用图像形态学中的膨胀操作对腐蚀后的图像进行膨胀处理,
腐蚀的具体操作如下:记录扫描图像边界内的每个像素点灰度值,并任意选择一个扫描图像边界内的像素点,如果以所选像素点为中心的3×3邻域中的每个像素点灰度值全为0,则将所选像素点灰度值设为0,否则为255,遍历扫描图像边界内的每个像素点,
膨胀的具体操作如下:记录腐蚀处理后的扫描图像边界内的每个像素点灰度值,并任意选择一个腐蚀处理后的扫描图像边界内的像素点,如果以所选像素点为中心的3×3邻域中的每个像素点灰度值全为255,则所选的像素点值为255,否则为0,遍历腐蚀处理后的扫描图像边界内的每个像素点,
步骤4 寻找步骤3处理后图像的轮廓,具体步骤如下:设f'(m,n)是步骤3处理后图像在像素点(m,n)处的灰度值,m表示行号,n表示列号,扫描步骤3处理后的图像中的每个像素点,当出现f'(m,n)=255并且f'(m,n+1)=0情形时,标记像素点(m,n+1),当出现f'(m,n)=0并且f'(m,n+1)=255情形时,标记像素点(m,n),当出现f'(m,n)=255并且f'(m+1,n)=0情形时,标记像素点(m+1,n),当出现f'(m,n)=0并且f'(m+1,n)=255情形时,标记像素点(m,n),扫描完步骤3处理后的图像后,将标记的像素点灰度值赋为255,将未标记的像素点灰度值赋为0,
步骤5 设f(x,y)是步骤4处理后图像在(x,y)处的像素点的灰度值,x表示列号,y表示行号,对步骤4处理后的图像进行霍夫变换,具体算法如下:
步骤5.1 建立一个二维累加器数组A(ρ,θ),并,再将累加器数组中各元素置0,
步骤5.2 对步骤4处理后的图像进行扫描,当出现f(xl,yl)=255时,取θl=0°,1°,…,90°,根据公式ρl=xlcosθl+ylsinθl,计算不同的θl对应的ρl,同时将此时ρl及θl对应的累加器数组中元素A(ρl,θl)加1,
步骤5.3 遍历图像中的每个像素点,执行步骤5.2 的操作,当整幅图像扫描完后,在累加器数组中找出最大的4个元素值,这四个元素对应(ρ,θ)参数空间中的四个点分别为(ρ1,θ1),(ρ2,θ2),(ρ3,θ3),(ρ4,θ4),从而确定快速响应矩阵码的四条边界直线方程为:
步骤6 比较这四条直线方程的极角θ1,θ2,θ3,θ4,将极角θ1,θ2,θ3,θ4中的两个相对大的极角所对应的直线作为一组对边,将极角θ1,θ2,θ3,θ4中的两个相对小的极角所对应的直线作为另一组对边,设直线(ρ1,θ1)与(ρ3,θ3)为对边,(ρ2,θ2)与(ρ4,θ4)为对边,可解得快速响应矩阵码的四个顶点坐标为(x1,y1),(x2,y2),(x3,y3),(x4,y4),联立方程解得如下:
将反透视变换后的快速响应矩阵码设定为边长为的正方形,即变换后的快速响应矩阵码四个顶点(u1,v1),(u2,v2),(u3,v3),(u4,v4)分别为(0,0),(0,A),(A,A),(A,0),该四点分别对应原图中的(x1,y1),(x2,y2),(x3,y3),(x4,y4),代入公式:
通过上式求得a,b,c,d,e,f,g,h八个参数,
设g(u,v)为变换后图像位于坐标(u,v)的一个像素点的值,u表示列号,v表示行号,g'(u',v')为原二值图像位于坐标(u',v')的一个像素点的值,u'表示列号,v'表示行号,用如下公式进行反透视变换,
其中及都按四舍五入取整,
通过以上步骤实现了对畸变快速响应矩阵码的矫正。
与现有的技术相比,本发明的特点在于:
本发明在霍夫变换前先对图像进行了腐蚀膨胀处理,这样可以直接可以通过行列扫描来判断相邻像素点值不同的方法快速得到快速响应矩阵码所在图像的外部轮廓,而这样得到的外部轮廓,保留了二维码的定位信息,又使得霍夫变换时能够在尽可能小的运算量下运行,由此找到快速相应矩阵码外围的四条边。在本发明中对图像进行腐蚀膨胀后直接进行扫描得到外部轮廓信息,而不是先对图像中的连通区域进行刷选,这样也能够减小算法的复杂性。
附图说明
图1是整个程序的流程图。
图2是二值化图。
图3是腐蚀膨胀后的图像。
图4是寻外轮廓后的图像。
图5是霍夫变换检测直线的图像。
图6是校正后的图像。
具体实施方式
在具体的实施方式中,将结合附图,清楚完整地描述了一种基于快速响应矩阵码外轮廓的畸变校正方法的详细过程,
一种基于快速响应矩阵码外轮廓的畸变校正方法,其特征在于按照以下步骤进行:
步骤1:初始化,将摄像头与快速响应矩阵码图像成5-15度的角度拍摄,采集一帧畸变快速响应矩阵码图像,其大小为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,
其中,
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255,小于T的像素点赋值为0,得到大小为W×H的二值图像,
步骤3 利用图像形态学中的腐蚀操作对二值图像进行腐蚀处理,再利用图像形态学中的膨胀操作对腐蚀后的图像进行膨胀处理,
腐蚀的具体操作如下:记录扫描图像边界内的每个像素点灰度值,并任意选择一个扫描图像边界内的像素点,如果以所选像素点为中心的3×3邻域中的每个像素点灰度值全为0,则将所选像素点灰度值设为0,否则为255,遍历扫描图像边界内的每个像素点,
膨胀的具体操作如下:记录腐蚀处理后的扫描图像边界内的每个像素点灰度值,并任意选择一个腐蚀处理后的扫描图像边界内的像素点,如果以所选像素点为中心的3×3邻域中的每个像素点灰度值全为255,则所选的像素点值为255,否则为0,遍历腐蚀处理后的扫描图像边界内的每个像素点,
步骤4 寻找步骤3处理后图像的轮廓,具体步骤如下:设f'(m,n)(m,n)是步骤3处理后图像在像素点(m,n)处的灰度值,m表示行号,n表示列号,扫描步骤3处理后的图像中的每个像素点,当出现f'(m,n)=255并且f'(m,n+1)=0情形时,标记像素点(m,n+1),当出现f'(m,n)=0并且f'(m,n+1)=255情形时,标记像素点(m,n),当出现f'(m,n)=255并且f'(m+1,n)=0情形时,标记像素点(m+1,n),当出现f'(m,n)=0并且f'(m+1,n)=255情形时,标记像素点(m,n),扫描完步骤3处理后的图像后,将标记的像素点灰度值赋为255,将未标记的像素点灰度值赋为0,
步骤5 设f(x,y)是步骤4处理后图像在(x,y)处的像素点的灰度值,x表示列号,y表示行号,对步骤4处理后的图像进行霍夫变换,具体算法如下:
步骤5.1 建立一个二维累加器数组A(ρ,θ),并,再将累加器数组中各元素置0,
步骤5.2 对步骤4处理后的图像进行扫描,当出现f(xl,yl)=255时,取θl=0°,1°,…,90°,根据公式ρl=xlcosθl+ylsinθl,计算不同的θl对应的ρl, 同时将此时ρl及θl对应的累加器数组中元素A(ρl,θl)加1,
步骤5.3 遍历图像中的每个像素点,执行步骤5.2 的操作,当整幅图像扫描完后,在累加器数组中找出最大的4个元素值,这四个元素对应(ρ,θ)参数空间中的四个点分别为(ρ1,θ1),(ρ2,θ2),(ρ3,θ3),(ρ4,θ4),从而确定快速响应矩阵码的四条边界直线方程为:
步骤6 比较这四条直线方程的极角θ1,θ2,θ3,θ4,将极角θ1,θ2,θ3,θ4中的两个相对大的极角所对应的直线作为一组对边,将极角θ1,θ2,θ3,θ4中的两个相对小的极角所对应的直线作为另一组对边,设直线(ρ1,θ1)与(ρ3,θ3)为对边,(ρ2,θ2)与(ρ4,θ4)为对边,可解得快速响应矩阵码的四个顶点坐标为(x1,y1),(x2,y2),(x3,y3),(x4,y4),联立方程解得如下:
将反透视变换后的快速响应矩阵码设定为边长为的正方形,即变换后的快速响应矩阵码四个顶点(u1,v1),(u2,v2),(u3,v3),(u4,v4)分别为(0,0),(0,A),(A,A),(A,0),该四点分别对应原图中的(x1,y1),(x2,y2),(x3,y3),(x4,y4),代入公式:
通过上式求得a,b,c,d,e,f,g,h八个参数,
设g(u,v)为变换后图像位于坐标(u,v)的一个像素点的值,u表示列号,v表示行号,g'(u',v')为原二值图像位于坐标(u',v')的一个像素点的值,u'表示列号,v'表示行号,用如下公式进行反透视变换,
其中及都按四舍五入取整,
通过以上步骤实现了对畸变快速响应矩阵码的矫正。
Claims (1)
1.一种基于快速响应矩阵码外轮廓的畸变校正方法,其特征在于按照以下步骤进行:
步骤1 初始化,将摄像头与快速响应矩阵码图像成5-15度的角度拍摄,采集一帧畸变快速响应矩阵码图像,其大小为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,
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255,小于T的像素点赋值为0,得到大小为W×H的二值图像,
步骤3 利用图像形态学中的腐蚀操作对二值图像进行腐蚀处理,再利用图像形态学中的膨胀操作对腐蚀后的图像进行膨胀处理,
腐蚀的具体操作如下:记录扫描图像边界内的每个像素点灰度值,并任意选择一个扫描图像边界内的像素点,如果以所选像素点为中心的3×3邻域中的每个像素点灰度值全为0,则将所选像素点灰度值设为0,否则为255,遍历扫描图像边界内的每个像素点,
膨胀的具体操作如下:记录腐蚀处理后的扫描图像边界内的每个像素点灰度值,并任意选择一个腐蚀处理后的扫描图像边界内的像素点,如果以所选像素点为中心的3×3邻域中的每个像素点灰度值全为255,则所选的像素点值为255,否则为0,遍历腐蚀处理后的扫描图像边界内的每个像素点,
步骤4 寻找步骤3处理后图像的轮廓,具体步骤如下:设f'(m,n)是步骤3处理后图像在像素点(m,n)处的灰度值,m表示行号,n表示列号,扫描步骤3处理后的图像中的每个像素点,当出现f'(m,n)=255并且f'(m,n+1)=0情形时,标记像素点(m,n+1),当出现f'(m,n)=0并且f'(m,n+1)=255情形时,标记像素点(m,n),当出现f'(m,n)=255并且f'(m+1,n)=0情形时,标记像素点(m+1,n),当出现f'(m,n)=0并且f'(m+1,n)=255情形时,标记像素点(m,n),扫描完步骤3处理后的图像后,将标记的像素点灰度值赋为255,将未标记的像素点灰度值赋为0,
步骤5 设f(x,y)是步骤4处理后图像在(x,y)处的像素点的灰度值,x表示列号,y表示行号,对步骤4处理后的图像进行霍夫变换,具体算法如下:
步骤5.1 建立一个二维累加器数组A(ρ,θ),并将累加器数组中各元素置0,
步骤5.2 对步骤4处理后的图像进行扫描,当出现f(xl,yl)=255时,取θl=0°,1°,...,90°,根据公式ρl=xl cosθl+yl sinθl,计算不同的θl对应的ρl,同时将此时ρl,θl对应的累加器数组中元素A(ρl,θl)加1,
步骤5.3 遍历图像中的每个像素点,执行步骤5.2的操作,当整幅图像扫描完后,将累加器数组元素值大于150作为拟合直线的条件,在累加器数组中得到4个元素值满足这个条件,这四个元素对应(ρ,θ)参数空间中的四个点分别为(ρ1,θ1),(ρ2,θ2),(ρ3,θ3),(ρ4,θ4),从而确定快速相应矩阵码的四条边界直线方程为:
ρ1=xcosθ1+ysinθ1 ρ2=xcosθ2+ysinθ2
ρ3=xcosθ3+ysinθ3 ρ4=xcosθ4+ysinθ4
步骤6 比较这四条直线方程的θ1,θ2,θ3,θ4,根据这四个值是否近似相等判断这四条直线哪两条为一组对边,假设直线(ρ1,θ1)与(ρ3,θ3)为对边,(ρ2,θ2)与(ρ4,θ4)为对边,可解得快速响应矩阵码的四个顶点坐标为(x1,y1),(x2,y2),(x3,y3),(x4,y4),联立方程解得如下:
将反透视变换后的快速响应矩阵码设定为边长为的正方形,即变换后的快速响应矩阵码四个顶点(u1,v1),(u2,v2),(u3,v3),(u4,v4)分别为(0,0),(0,A),(A,A),(A,0),该四个顶点分别对应原图中的(x1,y1),(x2,y2),(x3,y3),(x4,y4),代入公式:
通过上式求得a,b,c,d,e,f,g,h八个参数,
设g(u,v)为变换后图像位于坐标(u,v)的一个像素点的值,u表示行号,v表示列号,g'(u',v')为原二值图像位于坐标(u',v')的一个像素点的值,u'表示行号,v'表示列号,用如下公式进行反透视变换,
其中 都取整,
通过以上步骤就实现了对畸变快速响应矩阵码的校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210370668.6A CN102902945B (zh) | 2012-09-28 | 2012-09-28 | 基于快速响应矩阵码外轮廓的畸变校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210370668.6A CN102902945B (zh) | 2012-09-28 | 2012-09-28 | 基于快速响应矩阵码外轮廓的畸变校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102902945A CN102902945A (zh) | 2013-01-30 |
CN102902945B true CN102902945B (zh) | 2015-04-15 |
Family
ID=47575170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210370668.6A Expired - Fee Related CN102902945B (zh) | 2012-09-28 | 2012-09-28 | 基于快速响应矩阵码外轮廓的畸变校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102902945B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073861A (zh) * | 2016-11-16 | 2018-05-25 | 东北大学秦皇岛分校 | 一种新的异常步态分析方法及系统 |
CN110288612A (zh) * | 2019-06-18 | 2019-09-27 | 上海眼控科技股份有限公司 | 铭牌定位与校正方法及设备 |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657940B (zh) | 2013-11-22 | 2019-03-15 | 中兴通讯股份有限公司 | 畸变图像校正复原与分析报警的方法和装置 |
CN103679721B (zh) * | 2013-12-10 | 2016-12-07 | 中国船舶重工集团公司第七0九研究所 | 采用邻域法霍夫变换的图像轮廓简化方法 |
CN103971098B (zh) * | 2014-05-19 | 2017-05-10 | 北京明兰网络科技有限公司 | 户型图中墙体的识别方法及户型图长度比例自动校正方法 |
CN104095827B (zh) * | 2014-07-04 | 2017-10-24 | 清华大学 | 一种自载二维码防伪药物及其制备和识别方法 |
CN104683773B (zh) * | 2015-03-25 | 2017-08-25 | 北京真德科技发展有限公司 | 无人机视频高速传输方法 |
CN105701434A (zh) * | 2015-12-30 | 2016-06-22 | 广州卓德信息科技有限公司 | 二维码扭曲图像的图像校正方法 |
CN106407983A (zh) * | 2016-09-12 | 2017-02-15 | 南京理工大学 | 图像主体的识别、矫正与配准方法 |
US9928426B1 (en) | 2016-09-16 | 2018-03-27 | Hong Kong Applied Science and Technology Research Institute Company Limited | Vehicle detection, tracking and localization based on enhanced anti-perspective transformation |
CN106485255B (zh) * | 2016-09-29 | 2019-12-24 | 元启工业技术(青岛)有限公司 | 一种dm码定位及识别的方法与系统 |
CN106407973B (zh) * | 2016-09-30 | 2019-04-02 | 石家庄铁道大学 | 标在柱面上的ar码的鲁棒识别方法 |
CN106845488B (zh) * | 2017-01-18 | 2020-08-21 | 博康智能信息技术有限公司 | 一种车牌图像处理方法及装置 |
CN106909869B (zh) * | 2017-02-27 | 2020-04-03 | 浙江华睿科技有限公司 | 一种矩阵式二维码的采样网格划分方法及装置 |
CN107256556A (zh) * | 2017-06-08 | 2017-10-17 | 福州大学 | 一种基于灰度跳变思想的太阳能电池组件单元分割方法 |
CN107944324A (zh) * | 2017-11-16 | 2018-04-20 | 凌云光技术集团有限责任公司 | 一种二维码畸变校正方法及装置 |
CN108280384B (zh) * | 2017-12-30 | 2019-03-15 | 广州市钛码电子科技有限公司 | 一种二维码识别方法 |
CN108320270B (zh) * | 2018-01-26 | 2023-12-29 | 腾讯科技(深圳)有限公司 | 一种图像校正方法、装置和存储介质 |
CN108765547B (zh) * | 2018-04-23 | 2021-11-30 | 北京林业大学 | 一种叶片形态空间校正的方法及其应用 |
CN109146927B (zh) * | 2018-09-06 | 2021-08-27 | 广州市保伦电子有限公司 | 一种基于机器视觉的图像追踪定位方法及系统 |
CN110910591A (zh) * | 2018-09-18 | 2020-03-24 | 北京意锐新创科技有限公司 | 应用于景区的基于移动支付设备的收银方法和装置 |
CN109659011A (zh) * | 2018-12-29 | 2019-04-19 | 杭州脉流科技有限公司 | 利用移动设备采集处理十二导联ecg图像的方法以及移动设备和计算机可读存储介质 |
CN110415183A (zh) * | 2019-06-18 | 2019-11-05 | 平安科技(深圳)有限公司 | 图片校正方法、装置、计算机设备及计算机可读存储介质 |
CN111402330B (zh) * | 2020-04-03 | 2024-02-27 | 山东省科学院激光研究所 | 一种基于平面靶标的激光线关键点提取方法 |
CN111740699A (zh) * | 2020-05-29 | 2020-10-02 | 南京航空航天大学 | 一种光伏板故障检测识别方法、装置和无人机 |
CN116109915B (zh) * | 2023-04-17 | 2023-07-18 | 济宁能源发展集团有限公司 | 一种集装箱箱门状态智能识别方法 |
CN117197534B (zh) * | 2023-08-04 | 2024-04-05 | 广州电缆厂有限公司 | 一种基于特征识别的电缆表面缺陷自动检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096795A (zh) * | 2010-11-25 | 2011-06-15 | 西北工业大学 | 磨损二维条码图像识别方法 |
CN102354363A (zh) * | 2011-09-15 | 2012-02-15 | 西北工业大学 | 高反光柱面金属上的二维条码图像识别方法 |
-
2012
- 2012-09-28 CN CN201210370668.6A patent/CN102902945B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096795A (zh) * | 2010-11-25 | 2011-06-15 | 西北工业大学 | 磨损二维条码图像识别方法 |
CN102354363A (zh) * | 2011-09-15 | 2012-02-15 | 西北工业大学 | 高反光柱面金属上的二维条码图像识别方法 |
Non-Patent Citations (3)
Title |
---|
"基于Hough变换的车牌倾斜检测算法";包明等;《交通与计算机》;20040229;第22卷(第2期);全文 * |
"基于二值图像的车牌精确定位方法";路小波等;《东南大学学报》;20051130;第35卷(第6期);全文 * |
"基于组合特征的车牌字符识别";路小波等;《仪器仪表学报》;20060731;第27卷(第7期);全文 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073861A (zh) * | 2016-11-16 | 2018-05-25 | 东北大学秦皇岛分校 | 一种新的异常步态分析方法及系统 |
CN108073861B (zh) * | 2016-11-16 | 2020-05-15 | 东北大学秦皇岛分校 | 一种新的异常步态分析方法及系统 |
CN110288612A (zh) * | 2019-06-18 | 2019-09-27 | 上海眼控科技股份有限公司 | 铭牌定位与校正方法及设备 |
CN110288612B (zh) * | 2019-06-18 | 2020-08-25 | 上海眼控科技股份有限公司 | 铭牌定位与校正方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102902945A (zh) | 2013-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102902945B (zh) | 基于快速响应矩阵码外轮廓的畸变校正方法 | |
CN108388896B (zh) | 一种基于动态时序卷积神经网络的车牌识别方法 | |
CN101789122B (zh) | 用于校正畸变文档图像的方法和系统 | |
CN102096795B (zh) | 磨损二维条码图像识别方法 | |
CN103530590B (zh) | Dpm二维码识别系统 | |
Sandler et al. | Nonnegative matrix factorization with earth mover's distance metric for image analysis | |
CN104732183B (zh) | 一种基于图像采样线灰度信息分析的一维条码识别方法 | |
CN101267493A (zh) | 透视变形文档图像的校正装置和校正方法 | |
CN105389774A (zh) | 对齐图像的方法和装置 | |
CN104700062A (zh) | 一种识别二维码的方法及设备 | |
CN104036480A (zh) | 基于surf算法的快速消除误匹配点方法 | |
CN104835116A (zh) | 一种基于轮廓的二维碎片拼接方法 | |
CN102521597B (zh) | 一种基于分级策略的影像直线特征匹配方法 | |
CN103914827A (zh) | 汽车密封条轮廓缺陷的视觉检测方法 | |
CN104298990A (zh) | 一种基于骨架图的快速图形匹配与识别的方法 | |
CN105184772A (zh) | 一种基于超像素的自适应彩色图像分割方法 | |
CN110647795A (zh) | 一种表格识别方法 | |
CN104239870A (zh) | 一种基于曲线弧分割的椭圆检测方法 | |
CN104463925A (zh) | 基于斑点模板自动组合的数码迷彩设计方法 | |
CN102831428B (zh) | 图像内快速响应矩阵码区域的提取方法 | |
CN104463129A (zh) | 一种指纹注册方法及装置 | |
CN104657964A (zh) | 一种碎片图像计算机自动拼接方法 | |
CN102982561B (zh) | 适用于彩色图像彩色的二进制鲁棒尺度不变特征检测方法 | |
CN103632362A (zh) | 图像匹配处理方法、装置及系统 | |
CN105447508A (zh) | 一种字符图像验证码识别的方法及系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150415 |