CN103294980A - 基于图像处理的微型qr码识别方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的微型QR码识别方法，微型QR码是标准的QR码的缩小版本，主要为了不能处理较大型扫描的应用而设计。本发明公开了一种对微型QR码进行定位、矫正和识别的方法。首先寻找连通区域，筛选后对条码进行定位。然后采用挖空算法提取条码边缘信息，再利用Hough变换得到旋转矫正时的旋转角度。旋转矫正后进行数据采样和译码。实验结果证明该方法能够快速准确地对微型QR码进行识别。

Description

基于图像处理的微型QR码识别方法

技术领域

本发明属于计算机数字图像处理方法，特别是基于图像处理的微型QR码的识别方法。

背景技术

条码是一种用图形作为载体的计算机数据文件。自70年代初问世以来，得到了人们的普遍关注并且迅速发展。QR码是由DENSO公司在1994年提出的一种矩阵式的二维条码，其作为一种优秀的二维条码在我国有独特的发展优势。微型QR码由其演化而来，面积比其更小。微型QR码继承了QR码节省打印面积、防破损与污渍、可从任意方向读取、可组合与拆分等优点，主要用于存储一些较小容量的数据。目前主要应用于印刷电路板和电子零件的编号等电子机械制造行业。

二维条码的应用是集条码图像识别、编码规则和条码印刷等技术为一体的综合应用。条码标签在实际使用过程中难免会受到污损，由于实际环境的采集条件和采集设备的限制，图像会有模糊和光照不均、几何失真等问题，为保证二维条码的译码的可靠性，必须对图像进行有效的预处理。针对QR码，目前已经有较为成熟的图像预处理技术。处理过程一般是将灰度图像进行二值化，然后对条码区域进行定位，最后进行几何矫正，如何对图像进行正确的二值化和几何矫正已经成为QR码图像处理要解决的核心问题。国内外专家学者做了大量研究，提出了很多有效的算法，如基于一维特征模板匹配的条码快速定位方法，并对条码进行Hough变换得到边界直线和顶点位置，再做控制点变换，形成只包含条码的图像并解码；通过双线性变换矫正变形的条码图像、然后使用条码符号特性对图像进行旋转并定向的方法；利用Hough变化、Sobel算子定位条码图像，再利用空间变换对图像失真进行纠正，利用形态学定位条码图像，再用Hough变换对图像进行几何校正等方法。然而国内对微型QR码识别的研究还较为缺乏，微型QR码面积相较于QR码更小，并且只有一个位置探测图形，因此其定位方法和形状矫正方法与QR码差别较大。 

发明内容

本发明的目的是提供一种基于图像处理的微型QR码识别方法，以对微型QR码进行快速准确的识别。

本发明的目的是这样实现的：一种基于图像处理的微型QR码识别方法，包括以下步骤：

1.1）对采集的微型QR码图像进行去噪处理，采用中值滤波，图像中每个像素的值等于这个像素点及其周围邻域各个像素点的中值；

1.2）对去噪后的图像进行二值化处理，采用最大类间方差法（即Otsu算法），把图像分为背景和目标两组，利用目标与背景区域的方差来确定最佳阈值；

1.3）遍历图像，根据位置探测图形的模块序列是由一个深色---浅色---深色---浅色---深色次序构成，各元素的相对宽度比例是1:1:3:1:1来确定其位置，并记录中心点位置；

1.4）利用形态学的闭运算寻找连通区域，并根据相关条件排除干扰区域，得到码字区域；

1.5）采用挖空算法，即将上下左右4个方向都有黑色像素的点置为255，条码边缘的像素点不可能4个方向都存在黑色像素，故提取条码的边缘信息；

1.6）采用改进后的Hough变换检测条码边缘，排除干扰线段，并求出条码边缘斜率；

1.7）结合位置探测图像所在相对位置与条码边缘斜率，计算旋转角度，对条码进行旋转矫正；以位置探测图形中心为初始点，建立网格，进行数据采样，然后译码。

所述步骤1.4）中的闭运算是使用同一结构元素对图像先膨胀再腐蚀，然后寻找连通区域，排除干扰区域，确定条码区域。

找到连通区域后对干扰区域进行排除的条件包括区域临边长度大致相等，条码区域应包含位置探测图形等。

上述步骤1.6）中使用的Hough变换是利用点---线的对偶性，实现了从图像空间到参数空间的映射关系，从而将原始图像中的直线检测转化为参数空间中的峰值搜索。使用Hough变换对边倾斜角度检测时，如果对目标区域每个像素点都进行Hough变换，计算量会很大，影响处理速度。此时，可只将上一步中提取到的具有直线特征的边缘像素点作为Hough变换的目标像素，从而提高检测效率。此时检测出的直线段分别隶属于微型QR码的上下边界和左右边界，以及非边界干扰线段。计算隶属上下边界与左右边界的斜率平均值，它们对应的角度应该相差90度。并且计算对应的直线条数，然后条数多的作为边缘倾斜斜率k。

上述步骤1.7）中将位置探测图像所在相对位置分为四种情况，并用变量flag进行标记。条码边缘斜率相同的条件下每种情况的对应的矫正时旋转角度不同，求出旋转角度后，以位置探测图形中心为旋转中心进行旋转矫正。以位置探测图形中心为起始点上下左右扫描位置探测图形，根据其水平与垂直方向都为7个模块计算模块大小。以位置探测图形中心为起点建立网格采样，转换为数据矩阵后进行译码。微型QR码的编码规则与QR码相同，因此可用QR码的译码方法对微型QR码进行译码。

条码标签在实际使用过程中难免会受到污损，图像本身很可能会有模糊和光照不均、几何失真等问题，因此，前期图像处理直接影响是否能正确译码。微型QR码相较于QR码的符号面积一般小很多，在采集时产生的几何失真较小，可以忽略不计。但由于采集时条码位置一般难以保证是标准位置（位置探测图形在左上角，上下边沿水平方向，左右边沿垂直方向），因此为了保证正确地提取条码信息，应对采集到的图像进行旋转矫正。本发明采用先一种对目标区域使用挖空算法，提取边缘信息，然后利用Hough变换并结合位置探测图形的相对位置求得旋转角度，最后再进行旋转校正。

本发明的有益效果主要有一下几点：

1、本发明提供的技术方案对于模糊和光照不均等常见的干扰情况具有较好的鲁棒性。

2、能够较为准确快速地将条码旋转到标准位置。

3、能较为快速准确地进行译码，有益于推广微型QR码在我国的应用。

附图说明

图1是微型QR码符号的结构示意图。

图2是本发明所述方法的系统示意框图。

图3是本发明中位置探测图形所在区域分布图。

图4是本发明方法在使用挖空算法提取边缘信息后的结果图。

图5是本发明中使用改进Hough变换检测直线后的标记图。

具体实施方式

下面结合附图具体描述本发明的实施方式。

微型QR码的符号结构如图1所示，微型QR码符号是由正方形模块组成的一个正方形阵列构成，它由编码区域和包括位置探测图形、分隔区域、定位图形在内的功能区域组成，图1中，1、空白区域；2、位置探测图形；3、位置探测图形分隔符；4、定位图形；5、形式信息；6、数据和纠错码字。上述1~4组成功能区域，5、6组成数据区域。目前微型QR码一共有四种类型。

参照图2，微型QR码识别方法步骤如下：

步骤一：读取包含有微型QR码的图像，将其转化成256级的灰度图像。然后进行去噪处理，对图像进行中值滤波，图像中每个像素的值等于这个像素点及其周围邻域各个像素点的中值；

步骤二：对去噪后的图像进行二值化处理，采用最大类间方差法（Otsu算法），使用是聚类的思想，把图像的灰度数按灰度级分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别来划分；

步骤三：微型QR码的位置探测图形只有一个，即左上角的回字区域。它的模块序列由一个深色---浅色---深色---浅色---深色次序构成，各元素的相对宽度比例是1:1:3:1:1，遍历图像,确定位置探测图形的中心位置；

步骤四：微型QR码内部为黑白模块堆叠的特性，将图像进行闭运算，即使用同一个结构元素对图像先膨胀再腐蚀，然后寻找连通区域，根据相关规则排除干扰区域，确定条码区域。计算条码区域的中心坐标，与位置探测图形中心坐标进行比较，确定位置探测图行所在相对位置的情况，使用变量flag进行标记（分为四种情况，如图3所示）；

步骤五：此时微型QR码中间的信息是不必要的，而且将影响后面采用Hough变换获得图像的偏转角。挖空算法简单快速，遍历目标区域，将上下左右4个方向都有黑色像素的点像素值置为255（即挖空），条码边缘不可能4个方向上都存在黑色像素点，所以条码边缘信息将会提取出来，结果如图4所示；

步骤六：将上一步中提取到的具有直线特征的边缘像素点作为Hough变换的目标像素，进行Hough变换，检测边缘直线，并计算斜率。直线检测标记后图像如图5所示。此时检测出的直线段分别隶属于微型QR码的上下边界（                                               

）和左右边界（

）以及非边界干扰线段。计算隶属

，

的平均值

，

，

与

对应的角度应该相差，并且计算对应的直线条数

，

，然后条数多的作为边缘斜率k，即

；

结合位置探测图形所在象限，可确定以位置探测图形中心为旋转中心的旋转角度

，

当k>0时，

；

当k<0时，

；

步骤七：为方便下一步以位置探测图形中心为采样基准点，此时对图像进行剪裁与扩充，使位置探测图像中心即为图像中心。然后对图像进行旋转矫正。以位置探测图形中心为起始点上下左右扫描位置探测图形，根据其水平与垂直方向都为7个模块计算模块大小。微型QR码的水平和垂直定位图形分别为个模块宽的一行和一列，由深色与浅色交替组成，位于条码的第一行与第一列，可利用这一特点对条码第一行与第一列进行扫描确定微型QR码尺寸，结合模块大小进而确定版本号。格式信息的前3位为版本信息，可对版本号进行验证。以位置探测图形中心为起始点，按模块大小建立采样网格，对图像进行采样,把图像转换为数据矩阵。微型QR码的编码规则与QR码相同，因此可用QR码的译码方法对微型QR码进行译码。

Claims (4)

1.一种基于图像处理的微型QR码识别方法，其特征是：包括以下步骤：

1.1）对采集的微型QR码图像进行去噪处理，采用中值滤波，图像中每个像素的值等于这个像素点及其周围邻域各个像素点的中值；

1.2）对去噪后的图像进行二值化处理，采用最大类间方差法，把图像分为背景和目标两组，利用目标与背景区域的方差来确定最佳阈值；

1.3）遍历图像，根据位置探测图形的模块序列是由一个深色---浅色---深色---浅色---深色次序构成，各元素的相对宽度比例是1:1:3:1:1来确定其位置，并记录中心点位置；

1.4）利用形态学的闭运算寻找连通区域，并根据相关条件排除干扰区域，得到码字区域；

1.5）采用挖空算法，即将上下左右4个方向都有黑色像素的点置为255，条码边缘的像素点不可能4个方向都存在黑色像素，故提取条码的边缘信息；

1.6）采用改进后的Hough变换检测条码边缘，排除干扰线段，并求出条码边缘斜率；

1.7）结合位置探测图像所在相对位置与条码边缘斜率，计算旋转角度，对条码进行旋转矫正；以位置探测图形中心为初始点，建立网格，进行数据采样，然后译码。

2.根据权利要求1所述的基于图像处理的微型QR码识别方法，其特征是：所述步骤1.4）中的闭运算是使用同一结构元素对图像先膨胀再腐蚀，然后寻找连通区域，排除干扰区域，确定条码区域。

3.根据权利要求1所述的基于图像处理的微型QR码识别方法，其特征是：所述步骤1.6）中使用的Hough变换是利用点---线的对偶性，实现从图像空间到参数空间的映射关系，从而将原始图像中的直线检测转化为参数空间中的峰值搜索，使用Hough变换对边倾斜角度检测时，只须将上一步中提取到的具有直线特征的边缘像素点作为Hough变换的目标像素，从而提高检测效率，此时检测出的直线段分别隶属于微型QR码的上下边界和左右边界，以及非边界干扰线段，计算隶属上下边界与左右边界的斜率平均值，它们对应的角度应该相差90度，并且计算对应的直线条数，然后条数多的作为边缘斜率。

4.根据权利要求1所述的基于图像处理的微型QR码识别方法，其特征是：所述步骤1.7）中将位置探测图像所在相对位置分为四种情况，并用变量flag进行标记；条码边缘斜率相同的条件下每种情况的对应的矫正时旋转角度不同，求出旋转角度后，以位置探测图形中心为旋转中心进行旋转矫正；以位置探测图形中心为起始点上下左右扫描位置探测图形，根据其水平与垂直方向都为7个模块计算模块大小；以位置探测图形中心为起点建立网格采样，转换为数据矩阵后进行译码，译码时采用QR码的译码方法。

Images