CN103279757A - 一种去除黑洞影响的猪耳标码图形的二值化方法 - Google Patents
一种去除黑洞影响的猪耳标码图形的二值化方法 Download PDFInfo
- Publication number
- CN103279757A CN103279757A CN2013101923279A CN201310192327A CN103279757A CN 103279757 A CN103279757 A CN 103279757A CN 2013101923279 A CN2013101923279 A CN 2013101923279A CN 201310192327 A CN201310192327 A CN 201310192327A CN 103279757 A CN103279757 A CN 103279757A
- Authority
- CN
- China
- Prior art keywords
- image data
- gray level
- level image
- piecemeal
- binaryzation
- 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.)
- Granted
Links
Images
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种去除黑洞影响的猪耳标码图形的二值化方法,方法为:1、获取一猪耳标码图形的灰度图像数据矩阵,2、将灰度图像数据矩阵平均分成4块,3、对各块的64个灰度图像数据求得对应的一平均灰度图像值nAvg;4、将猪耳标码图形的灰度图像数据矩阵最外层的3行3列的灰度图像数据取出,则每个分块将分别取出39个灰度图像数据;5、根据各个分块的39个灰度图像数据求得各分块对应的要进行二值化的阈值;6、将各分块的64个灰度图像数据均与对应分块的阈值进行对比,完成4个分块的64个灰度图像数据的二值化;7、将4个分块的64个灰度图像数据的二值化进行合并。本发明除去了猪耳标码中黑洞对猪耳标码图形的二值化的影响,二值化的准确率高。
Description
技术领域
本发明涉及信息通讯技术领域,尤其涉及一种去除黑洞影响的猪耳标码图形的二值化方法。
背景技术
农业部猪耳标码为一个黑色边框里面存放16*16个黑白模块的塑料耳标,即有256个灰度图像数据,由于其要镶嵌在猪耳朵上,设计的时候,图形的中间6*6模块不存放条码信息(如图1),应用的时候在耳标的中间打了一个空心洞,如图2。这个洞对图形的二值化处理产生了很大影响。特别是在经过长期使用耳标码图形变模糊的情况下,这个黑洞将使得二值化的准确率大大降低。目前通用的二值化方法,是对每个黑白块附近的5*5领域模块的灰度值进行取阈值,然后根据该模块灰度值与阈值的大小关系来确定是黑模块还是白模块,模块灰度值比阈值小是黑模块,模块灰度值比阈值大则是白模块。
现有技术,最大的缺点就是没有针对农业部猪耳标码的中间黑洞进行图形处理,使得图形二值化的效果很差,特别是经过长期使用耳标图形变模糊情况下,图形上黑洞位置的灰度值非常小,大大小于正常图形黑色模块的灰度值,这使得其附近点取得的阈值会偏小,导致很多黑模块二值化后被误判成白模块,从而导致后期解码失败。
发明内容
本发明要解决的技术问题,在于提供一种去除黑洞影响的猪耳标码图形的二值化方法,除去了猪耳标码中黑洞对猪耳标码图形的二值化的影响,该猪耳标码图形的二值化更加精确。
本发明是这样实现的:一种去除黑洞影响的猪耳标码图形的二值化方法,具体包括如下步骤:
步骤1、获取一猪耳标码图形的灰度图像数据矩阵,
步骤2、将灰度图像数据矩阵平均分成4块,则每块共有64个灰度图像数据;
步骤3、对各块的64个灰度图像数据求得对应的一平均灰度图像值nAvg;
步骤4、将猪耳标码图形的灰度图像数据矩阵中最外层的3行3列的灰度图像数据取出,则每个分块将分别取出39个最外层的3行3列的灰度图像数据;
步骤5、根据各个分块的39个灰度图像数据求得各分块对应的要进行二值化的阈值;
步骤6、将各分块的64个灰度图像数据均与对应分块的阈值进行对比,若一分块的一灰度图像数据大于该分块的阈值,则将该分块此时进行对比的灰度图像数据记录为白色块;若小于该阈值,则将该分块此时进行对比的灰度图像数据记录为黑色块;从而完成4个分块的64个灰度图像数据的二值化;
步骤7、将4个分块的64个灰度图像数据的二值化结果进行合并,即能得到整个猪耳码图形二值化后的数据。
进一步地,所述步骤5具体为:
步骤50、将4个分块逐个进行获取分块的39个灰度图像数据中最大的一灰度图像数据记为nMax和最小的一灰度图像数据记为nMin;
步骤51、判断nMax-nMin是否小于0x0F,否,则该分块的二值化的阈值nCut=nMin+(nMax-nMin)×k;是,则判断该块的平均灰度图像值nAvg是否大于0xBF,是,则取该分块的二值化的阈值nCut=0;否,则判断该块的平均灰度图像值nAvg是否小于0x40,是,则取该分块的二值化的阈值nCut=0xFF,否,则该分块的二值化的阈值nCut=nMin+(nMax-nMin)×k;所述k预设的数值为0到1;
步骤52、获得4个分块二值化的阈值后进入步骤6。
进一步地,所述k预设的数值根据各分块的平均灰度图像值nAvg来获得,即平均灰度图像值nAvg为0到0x3B时,k为0.35;平均灰度图像值nAvg为0x3C到0x59时,k为0.40;平均灰度图像值nAvg为0x5A到0xA9时,k为0.50;平均灰度图像值nAvg为0xAA到0xC7时,k为0.60;平均灰度图像值nAvg为0xC8到0xFF时,k为0.65。
进一步地,所述白色块用0表示,所述黑色块用1表示,则二值化后的各灰度图像数据均用0或1表示。
本发明具有如下优点:本发明将猪耳标码图形的灰度图像数据矩阵平均分为4块,并将灰度图像数据矩阵中最外层的3行3列的灰度图像数据取出,则每个分块将分别取出39个的灰度图像数据;根据各个分块的39个灰度图像数据求得各分块对应的要进行二值化的阈值;将各分块的64个灰度图像数据均与对应分块的阈值进行对比;完成4个分块的64个灰度图像数据的二值化;7、将4个分块的64个灰度图像数据的二值化结果进行合并得到整个猪耳标码图形的二值化数据。该二值化方法比现有技术的二值化方法更精准,且该二值化数据解码识别成功率高,即使猪耳标码长期使用,该猪耳标码的黑洞也不会影响猪耳标码的解码识别成功率。
附图说明
图1为本发明中猪耳标码图形中不存放条码信息的6*6模块的示意图。
图2为本发明中带有黑洞的猪耳标码图形的示意图。
图3为本发明方法流程示意图。
具体实施方式
如图2和图3所示,本发明为一种去除黑洞影响的猪耳标码图形的二值化方法,具体包括如下步骤:
步骤1、获取一猪耳标码图形的灰度图像数据矩阵,该灰度图像数据矩阵为16×16;矩阵中每个元素的值均为0到255(0xFF)之间的值;
步骤2、将灰度图像数据矩阵平均分成4块,则每块共有64个灰度图像数据,分别为左上、右上、左下和右下;
步骤3、对各块的64个灰度图像数据求得对应的一平均灰度图像值nAvg;
步骤4、将猪耳标码图形的灰度图像数据矩阵中最外层的3行3列的灰度图像数据取出,则每个分块将分别取出39个最外层的3行3列的灰度图像数据;
步骤5、根据各个分块的39个灰度图像数据求得各分块对应的要进行二值化的阈值;该步骤具体为:
步骤50、将4个分块逐个进行获取分块的39个灰度图像数据中最大的一灰度图像数据记为nMax和最小的一灰度图像数据记为nMin;
步骤51、判断nMax-nMin是否小于0x0F,否,则该分块的二值化的阈值nCut=nMin+(nMax-nMin)×k;是,认为该分块趋近一色,则判断该块的平均灰度图像值nAvg是否大于0xBF,是,则取该分块的二值化的阈值nCut=0;否,则判断该块的平均灰度图像值nAvg是否小于0x40,是,则取该分块的二值化的阈值nCut=0xFF,否,则该分块的二值化的阈值nCut=nMin+(nMax-nMin)×k;所述k预设的数值为0到1;其取值可根据实际情况适当调整,当环境光较强烈时,图像偏亮,k用大于0.5的值取得的阈值二值化的效果更佳,反之当环境光较弱时,图像偏暗,k用小于0.5的值取得的阈值二值化的效果更佳;
步骤52、获得4个分块二值化的阈值后进入步骤6;
步骤6、将各分块的64个灰度图像数据均与对应分块的阈值进行对比,若一分块的一灰度图像数据大于该分块的阈值,则将该分块此时进行对比的灰度图像数据记录为白色块;若小于该阈值,则将该分块此时进行对比的灰度图像数据记录为黑色块;从而完成4个分块的64个灰度图像数据的二值化;
步骤7、将4个分块的64个灰度图像数据的二值化结果进行合并,即能得到整个猪耳码图形二值化后的数据。
其中,所述k预设的数值根据各分块的平均灰度图像值nAvg来获得,即平均灰度图像值nAvg为0到0x3B时,k为0.35;平均灰度图像值nAvg为0x3C到0x59时,k为0.40;平均灰度图像值nAvg为0x5A到0xA9时,k为0.50;平均灰度图像值nAvg为0xAA到0xC7时,k为0.60;平均灰度图像值nAvg为0xC8到0xFF时,k为0.65。
所述白色块用0表示,所述黑色块用1表示,则二值化后的各灰度图像数据均用0或1表示。
下面结合一具体实施例对本发明作进一步说明:
如表1,为图2(中间的黑色圆为耳标黑洞位置)拍摄的灰度图像经过处理后,获取的一猪耳标码图形的灰度图像数据矩阵(以十六进制表示)。该灰度图像数据矩阵为16×16;蓝线矩阵中的将数据矩阵分成4块,分别为左上、右上、左下和右下;矩阵中的最外3行3列数据用红色显示;
表1
4F 62 68 52 64 59 67 5A | 53 6A 57 51 54 66 64 66 |
65 50 53 51 68 6F 5F 70 | 72 71 60 6B 71 6C 50 4B |
55 62 66 67 60 72 74 78 | 7C 7B 76 78 74 71 50 67 |
55 4F 4F 6A 60 76 7C 80 | 7E 80 7E 7D 7B 73 51 65 |
66 57 63 57 6D 7B 82 85 | 82 82 80 80 7E 77 58 67 |
56 68 6A 5B 5D 74 78 7D | 86 83 83 82 7E 7A 70 6C |
69 54 54 67 67 63 58 55 | 6F 82 84 80 7E 7B 72 67 |
56 50 4B 4F 5F 52 48 44 | 49 80 81 81 7F 78 71 4F |
-------------------------------------------------- |
58 51 67 57 64 50 42 3E | 43 81 7F 81 7B 78 6E 4F |
71 63 5A 59 73 55 44 42 | 6C 86 7F 7C 78 75 6D 66 |
72 72 73 75 7D 7F 7C 81 | 85 7E 7B 77 70 54 62 4A |
61 75 75 61 77 7E 5C 7D | 56 57 75 5A 4F 47 4A 60 |
71 60 5F 5A 5C 78 76 79 | 74 73 67 47 46 43 42 5F |
74 76 63 57 54 6F 5F 5E | 73 64 67 4B 62 62 49 63 |
60 5F 5B 68 5A 58 6D 5E | 71 6F 5A 68 53 60 4C 63 |
5B 6F 6F 5D 58 68 5A 51 | 57 57 6B 68 53 4D 67 67 |
对各块的64个灰度图像数据求得对应的一平均灰度图像值nAvg;
计算每个分块内红色数据最大最小值,即获取各分块的39个灰度图像数据中(表1中各分块红色部分的数据)最大的一灰度图像数据记为nMax和最小的一灰度图像数据记为nMin;
可以得到,四个分块的最大的一灰度图像数据nMax和最小的一灰度图像数据nMin的差值均大于0x0F,因此分块二值化的阈值均采用公式nCut=nMin+(nMax-nMin)×k计算二值化阈值,得到表2。
表2
根据这4个分块的二值化阈值,分别对相应分块进行二值化,得到如表3的二值化矩阵,其中1代表黑色块,0代表白色块。
表3
1,0,0,1,0,1,0,1, | 1,0,1,1,1,0,0,0, |
0,1,1,1,0,0,1,0, | 0,0,1,0,0,0,1,1, |
1,0,0,0,1,0,0,0, | 0,0,0,0,0,0,1,0, |
1,1,1,0,1,0,0,0, | 0,0,0,0,0,0,1,0, |
0,1,0,1,0,0,0,0, | 0,0,0,0,0,0,1,0, |
1,0,0,1,1,0,0,0, | 0,0,0,0,0,0,0,0, |
0,1,1,0,0,0,1,1, | 0,0,0,0,0,0,0,0, |
1,1,1,1,1,1,1,1, | 1,0,0,0,0,0,0,1, |
-------------------------------------------------- |
1,1,0,1,0,1,1,1, | 1,0,0,0,0,0,0,1, |
0,1,1,1,0,1,1,1, | 0,0,0,0,0,0,0,0, |
0,0,0,0,0,0,0,0, | 0,0,0,0,0,1,0,1, |
1,0,0,1,0,0,1,0, | 1,1,0,1,1,1,1,0, |
0,1,1,1,1,0,0,0, | 0,0,0,1,1,1,1,0, |
0,0,1,1,1,0,1,1, | 0,0,0,1,0,0,1,0, |
1,1,1,0,1,1,0,1, | 0,0,1,0,1,0,1,0, |
1,0,0,1,1,0,1,1, | 1,1,0,0,1,1,0,0, |
该表3为将4个分块的64个灰度图像数据的二值化结果进行合并的表,即该表是得到整个猪耳码图形二值化后的数据。该表3与图2对比,可以看到,二值化的效果很好,准确率非常高。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (4)
1.一种去除黑洞影响的猪耳标码图形的二值化方法,其特征在于,具体包括如下步骤:
步骤1、获取一猪耳标码图形的灰度图像数据矩阵,
步骤2、将灰度图像数据矩阵平均分成4块,则每块共有64个灰度图像数据;
步骤3、对各块的64个灰度图像数据求得对应的一平均灰度图像值nAvg;
步骤4、将猪耳标码图形的灰度图像数据矩阵中最外层的3行3列的灰度图像数据取出,则每个分块将分别取出39个最外层的3行3列的灰度图像数据;
步骤5、根据各个分块的39个灰度图像数据求得各分块对应的要进行二值化的阈值;
步骤6、将各分块的64个灰度图像数据均与对应分块的阈值进行对比,若一分块的一灰度图像数据大于该分块的阈值,则将该分块此时进行对比的灰度图像数据记录为白色块;若小于该阈值,则将该分块此时进行对比的灰度图像数据记录为黑色块;从而完成4个分块的64个灰度图像数据的二值化;
步骤7、将4个分块的64个灰度图像数据的二值化结果进行合并,即能得到整个猪耳码图形二值化后的数据。
2.根据权利要求1所述的一种去除黑洞影响的猪耳标码图形的二值化方法,其特征在于:所述步骤5具体为:
步骤50、将4个分块逐个进行获取分块的39个灰度图像数据中最大的一灰度图像数据记为nMax和最小的一灰度图像数据记为nMin;
步骤51、判断nMax-nMin是否小于0x0F,否,则该分块的二值化的阈值nCut=nMin+(nMax-nMin)×k;是,则判断该块的平均灰度图像值nAvg是否大于0xBF,是,则取该分块的二值化的阈值nCut=0;否,则判断该块的平均灰度图像值nAvg是否小于0x40,是,则取该分块的二值化的阈值nCut=0xFF,否,则该分块的二值化的阈值nCut=nMin+(nMax-nMin)×k;所述k预设的数值为0到1;
步骤52、获得4个分块二值化的阈值后进入步骤6。
3.根据权利要求2所述的一种去除黑洞影响的猪耳标码图形的二值化方法,其特征在于:所述k预设的数值根据各分块的平均灰度图像值nAvg来获得,即平均灰度图像值nAvg为0到0x3B时,k为0.35;平均灰度图像值nAvg为0x3C到0x59时,k为0.40;平均灰度图像值nAvg为0x5A到0xA9时,k为0.50;平均灰度图像值nAvg为0xAA到0xC7时,k为0.60;平均灰度图像值nAvg为0xC8到0xFF时,k为0.65。
4.根据权利要求1所述的一种去除黑洞影响的猪耳标码图形的二值化方法,其特征在于:所述白色块用0表示,所述黑色块用1表示,则二值化后的各灰度图像数据均用0或1表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310192327.9A CN103279757B (zh) | 2013-05-22 | 2013-05-22 | 一种去除黑洞影响的猪耳标码图形的二值化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310192327.9A CN103279757B (zh) | 2013-05-22 | 2013-05-22 | 一种去除黑洞影响的猪耳标码图形的二值化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103279757A true CN103279757A (zh) | 2013-09-04 |
CN103279757B CN103279757B (zh) | 2016-06-22 |
Family
ID=49062272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310192327.9A Active CN103279757B (zh) | 2013-05-22 | 2013-05-22 | 一种去除黑洞影响的猪耳标码图形的二值化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103279757B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105489228A (zh) * | 2015-12-08 | 2016-04-13 | 杭州百世伽信息科技有限公司 | 一种基于频域图处理的干罗音识别方法 |
CN103927493B (zh) * | 2014-03-04 | 2016-08-31 | 中天安泰(北京)信息技术有限公司 | 数据黑洞处理方法 |
CN109214230A (zh) * | 2017-07-05 | 2019-01-15 | 杭州海康威视数字技术股份有限公司 | 数据矩阵码识别方法、装置及电子设备 |
CN114143474A (zh) * | 2021-12-06 | 2022-03-04 | 广州尚臣电子有限公司 | 一种基于图像平均灰度的物感处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587585B1 (en) * | 2000-05-23 | 2003-07-01 | Ncr Corporation | Method of parameterizing a threshold curve for a binarization program and an apparatus therefor |
CN1790378A (zh) * | 2005-12-21 | 2006-06-21 | 北大方正集团有限公司 | 一种图像的二值化方法及系统 |
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 |
-
2013
- 2013-05-22 CN CN201310192327.9A patent/CN103279757B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587585B1 (en) * | 2000-05-23 | 2003-07-01 | Ncr Corporation | Method of parameterizing a threshold curve for a binarization program and an apparatus therefor |
CN1790378A (zh) * | 2005-12-21 | 2006-06-21 | 北大方正集团有限公司 | 一种图像的二值化方法及系统 |
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 |
CN102096795B (zh) * | 2010-11-25 | 2014-09-10 | 西北工业大学 | 磨损二维条码图像识别方法 |
Non-Patent Citations (2)
Title |
---|
刘欣: ""基于图像处理的QR码识别与应用研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 19, 15 October 2012 (2012-10-15) * |
常竞: ""鞣质皮革图像分割及缺陷检测的研究"", 《万方数据企业知识服务平台》, 1 September 2008 (2008-09-01) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927493B (zh) * | 2014-03-04 | 2016-08-31 | 中天安泰(北京)信息技术有限公司 | 数据黑洞处理方法 |
CN105489228A (zh) * | 2015-12-08 | 2016-04-13 | 杭州百世伽信息科技有限公司 | 一种基于频域图处理的干罗音识别方法 |
CN109214230A (zh) * | 2017-07-05 | 2019-01-15 | 杭州海康威视数字技术股份有限公司 | 数据矩阵码识别方法、装置及电子设备 |
CN114143474A (zh) * | 2021-12-06 | 2022-03-04 | 广州尚臣电子有限公司 | 一种基于图像平均灰度的物感处理方法 |
CN114143474B (zh) * | 2021-12-06 | 2023-10-10 | 广州尚臣电子有限公司 | 一种基于图像平均灰度的物感处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103279757B (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN103279757A (zh) | 一种去除黑洞影响的猪耳标码图形的二值化方法 | |
CN109874313A (zh) | 文本行检测方法及文本行检测装置 | |
CN104537651B (zh) | 一种路面图像中裂缝比例检测方法及系统 | |
CN103327220B (zh) | 低照度Bayer图像上以绿色通道为导向的去噪方法 | |
CN104866859B (zh) | 一种高鲁棒性的视觉图形标志及其识别方法 | |
CN106599965A (zh) | 一种将图像卡通化并与二维码融合的方法与装置 | |
CN104021527B (zh) | 一种图像中雨雪的去除方法 | |
CN104574960A (zh) | 一种交通灯识别方法 | |
CN106845475A (zh) | 基于连通域的自然场景文字检测方法 | |
CN109889820A (zh) | 双目摄像头模组的检测方法、装置、存储介质及终端 | |
CN103093203A (zh) | 一种人体再识别方法以及人体再识别系统 | |
CN104135660A (zh) | 一种摄像模组脏污检测方法及检测系统 | |
CN103996023B (zh) | 基于深度信念网络的光场人脸识别方法 | |
CN101615241B (zh) | 一种证件照片的筛选方法 | |
CN117058137B (zh) | 一种夹胶玻璃生产质量视觉检测方法 | |
CN105160682B (zh) | 图像边缘检测方法及装置 | |
CN102509095B (zh) | 一种车牌图像的预处理方法 | |
CN105844277B (zh) | 标签识别方法和装置 | |
CN103606220A (zh) | 一种基于白光图像及红外图像的支票印刷体数字识别系统及其方法 | |
CN102930547A (zh) | 风力传送条件下棉花异性纤维图像在线分割方法及系统 | |
CN106971399A (zh) | 图像马赛克检测方法及装置 | |
CN104484652A (zh) | 一种指纹识别方法 | |
CN105512600A (zh) | 一种基于互信息与特征提取的车牌识别方法 | |
CN109919917A (zh) | 基于图像处理的架空输电线路的异物检测方法 |
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 |