CN103870790A - 一种二维条码的识别方法及其装置 - Google Patents
一种二维条码的识别方法及其装置 Download PDFInfo
- Publication number
- CN103870790A CN103870790A CN201410131978.1A CN201410131978A CN103870790A CN 103870790 A CN103870790 A CN 103870790A CN 201410131978 A CN201410131978 A CN 201410131978A CN 103870790 A CN103870790 A CN 103870790A
- Authority
- CN
- China
- Prior art keywords
- image
- bar code
- dimensional bar
- carried out
- processing
- 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.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种二维条码的识别方法及其装置,该方法包括:基于图像传感器采集二维条码图像;对二维条码图像进行图像增强处理;对增强处理后的图像进行二值化处理;对二值化处理后的图像进行边缘检测处理;对边缘检测处理后的图像进行连通标识处理;对连通标识处理后的二维条码图像进行定位提取;对定位提取后的二维条码图像进行水平校正和畸形校正;对校正后的二维条码图像进行解码处理。通过本发明实施例,通过对采集的二条条码图像进行增强处理,并有效地识别和定位采集图片中的二维条码,并进一步对二维条码进行水平位置校正和畸形校正,保障了整个二维条码图像的识别更加准确,减少了解码错误率。
Description
技术领域
本发明涉及二维条码技术领域,具体涉及一种二维条码的识别方法及其装置。
背景技术
二维条码是由一组规则的黑白相间条纹组成的标识,这些条纹组成的数据表达一定信息,但信息量不大,一般只记录商品的出产编号,后面还要利用出产编号访问商品数据库才能得到此商品的详细信息。而二维条码的最大特点是存储信息量大,可以记录着物体的关键信息,不用联机,可以独立成为识别终端。同时二维条码本身还具有自身纠错能力,保密性好等特点。所以,现今社会中主要以二维条码技术标识信息为主,因此,目前二维条码识读技术更是我们所关注的关键技术。
现在大多数的二维条码采集手段以摄像方式为主,这需要求采用灵敏和低失真的图像传感器拍摄下清晰度较高的图像,才能有利于后期的解码处理。需处理的二维条码会以图片的形式呈现,但往往由于摄像头的缘故,图片上面不仅仅有二维条码的图像信息,而且还有着大量的背景信息。还有由于拍摄角度的缘故,二维条码在采集图片上的位置并没有在水平位置上,往往有一定的倾斜角,而且二维条码形状会有所变形。因此,需要对二维条码图像处理的重点就在于有效地识别和定位采集图片中的二维条码,并进一步对二维条码进行水平位置校正和畸形校正,保障整个二维条码的识别更加准确。
发明内容
本发明提供了一种二维条码的识别方法及其装置,其能解决现有二维条码不能有效识别和定位的问题。
本发明提供了一种二维条码的识别方法,包括如下步骤:
基于图像传感器采集二维条码图像;
对二维条码图像进行图像增强处理;
对增强处理后的图像进行二值化处理;
对二值化处理后的图像进行边缘检测处理;
对边缘检测处理后的图像进行连通标识处理;
对连通标识处理后的二维条码图像进行定位提取;
对定位提取后的二维条码图像进行水平校正和畸形校正;
对校正后的二维条码图像进行解码处理。
所述对二维条码的图像进行图像增强处理包括:
过滤噪声、增强图像对比度、边缘突出、去模糊。
所述对二维条码的图像进行图像增强处理具体为:把采集到的二维条码图像进行维纳滤波处理,得到增强采集图片清晰度和去模糊的效果。
所述对增强处理后的图像进行二值化处理具体为:
通过比较灰度值中的类间方差大小的阈值分割方法,将采集图片变为二值图像,突出目标部分。
所述对二值化处理后的图像进行边缘检测处理具体为:
使用边缘定位精度较高的sobel算法对整幅二值图像进行边缘检测,得到图像整体轮廓;
对边缘检测后的采集图像进行先膨胀后腐蚀处理,在图像的黑色背景下得到大小不一的白色连通区域。
所述对边缘检测处理后的图像进行连通标识处理具体为:
对采集的二维条码图片进行闭运算图像处理,得到经过处理后,在图像上得到多个大小不一的白色像素块,并对图像中每个连通区域进行标识,输出一幅标识区域后的新图像。
所述对连通标识处理后的二维条码图像进行定位提取包括:
对新图像进行遍历,找到二维条码矩形区域的四个顶点,宽高以及倾斜角度,对二维条码进行定位。
相应的,本发明还提供了一种二维条码的识别装置,包括:
采集模块,用于基于图像传感器采集二维条码图像;
增强模块,用于对采集到的二维条码图像进行图像增强处理;
二值化模块,用于对增强处理后的图像进行二值化处理;
边缘检测模块,用于对二值化处理后的图像进行边缘检测处理;
连通标识模块,用于对边缘检测处理后的图像进行连通标识处理;
定位提取模块,用于对连通标识处理后的二维条码图像进行定位提取;
校正模块,用于对定位提取后的二维条码图像进行水平校正和畸形校正;
解码模块,用于对校正后的二维条码图像进行解码处理。
在本发明通过对采集的二条条码图像进行增强处理,并有效地识别和定位采集图片中的二维条码,并进一步对二维条码进行水平位置校正和畸形校正,保障了整个二维条码图像的识别更加准确,减少了解码错误率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的二维条码的识别方法流程图;
图2是本发明实施例中的二维条码的识别装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
当图像传感器采集到二维条码图像后,需先对二维条码图像进行图像增强处理。因为由于存在些摄影硬件设备有时难以克服的外界复杂环境,如聚焦差、成像系统误差、光照不均、噪声、人手抖动等所影响,采集到的二维条码图像还是有欠清晰度的。所以,需要利用图像处理技术作出增强图像清晰度的预处理,如:过滤噪声,增强图像对比度,边缘突出,去模糊等。
接着,对采集图像进行二值化处理,主要是把源图像变成一幅灰度值只有0或255的二值图像,从而把图像中的背景部分和目标部分分割出来。
再接着,对二值图像进行边缘检测处理。主要是把二维条码部分的边缘提取出来,为后期的连通标记做好准备。
然后,这是二维条码进行有效识别和定位的重要一步。先对这幅采集图片进行闭运算图像处理,得到经过处理后,在图像上得到多个大小不一的白色像素块,一般称为连通区域,并对图像中每个连通区域进行标识,输出一幅标识区域后的新图像。紧接着,对新图像进行遍历,找到二维条码矩形区域的四个顶点,宽高以及倾斜角度,对二维条码进行定位。最后,对二维条码图像进行水平校正和畸形校正,方便后期的解码。
具体的,图1示出了本发明实施例中的二维条码的识别方法流程图,包括如下步骤:
S101、基于图像传感器采集二维条码图像;
S102、对二维条码图像进行图像增强处理;
需要说明的是,这里的对二维条码的图像进行图像增强处理包括:过滤噪声、增强图像对比度、边缘突出、去模糊等等。其可以把采集到的二维条码图像进行维纳滤波处理,得到增强采集图片清晰度和去模糊的效果。
S103、对增强处理后的图像进行二值化处理;
这里二值化处理包括:通过比较灰度值中的类间方差大小的阈值分割方法,将采集图片变为二值图像,突出目标部分。
S104、对二值化处理后的图像进行边缘检测处理;
需要说明的是,这里的边缘检测处理包括:使用边缘定位精度较高的sobel算法对整幅二值图像进行边缘检测,得到图像整体轮廓;对边缘检测后的采集图像进行先膨胀后腐蚀处理,在图像的黑色背景下得到大小不一的白色连通区域。
S105、对边缘检测处理后的图像进行连通标识处理;
需要说明的是,这里的连通标识处理包括:对采集的二维条码图片进行闭运算图像处理,得到经过处理后,在图像上得到多个大小不一的白色像素块,并对图像中每个连通区域进行标识,输出一幅标识区域后的新图像。
S106、对连通标识处理后的二维条码图像进行定位提取;
需要说明的是,这里的定位提取包括:对新图像进行遍历,找到二维条码矩形区域的四个顶点,宽高以及倾斜角度,对二维条码进行定位。
S107、对定位提取后的二维条码图像进行水平校正和畸形校正;
S108、对校正后的二维条码图像进行解码处理。
基于上述技术实现,二维条码识别过程方法的实施,主要有三方面,分别是创造连通区域,连通区域标识以及定位目标连通区域。
(1)创造连通区域
得到连通区域之前,需先对采集图片进行预处理。先把采集图片进过维纳滤波的处理,得到增强采集图片清晰度和去模糊的效果。然后,通过比较灰度值中的类间方差大小的阈值分割方法,将采集图片变为二值图像,从而突出目标部分。接着,使用边缘定位精度较高的sobel算法对整幅二值图像进行边缘检测,得到图像整体轮廓。最后,对边缘检测后的采集图像进行先膨胀后腐蚀处理,就在图像的黑色背景下得到多大小不一的白色连通区域。
(2)连通区域标识
较大的连通区域是由多个或多种单元连通区域组成的。单元连通区域主要有4-连通区域和8-连通区域等。连通区域标识就是对图像中的多个连通区域进行标号,方便后面遍历查找到目标区域。把第一个找到的连通区域中所有像素值变为1,把第二个找到的连通区域中所有像素值变为2,往下如此类推。进行连通标识的方法也是使用遍历查找,即逐行扫描,判断每个元素有没有与上下左右的元素形成8-连通区域,继而有没有形成更大的连通区域,再统一进行标记。在这里,还需要定义一个结构体数组struct ReginInf FindLoc[MAX],ReginInf结构体成员中有maxhang,minhang,ReSize三个整形类型。其中maxhang记录每个连通区域中最高点的行号,minhang就是记录每个连通区域中最低点的行号,ReSize记录着每个连通区域的总像素数。
(3)定位目标连通区域
下面就是要找到目标连通区域,即定位二维条码在图像中的位置以及获得其尺寸特征。根据二维条码标准的面积范围,再通过遍历FindLoc[MAX]中的元素,可以初步去掉区域面积过少或区域面积不符合二维条码面积大小标准要求的连通区域。然后,再对剩下可能符合要求的每个连通区域进行逐行扫描,各自的扫描范围是maxhang和minhang的差值。
在这里定义两个动态结构体链表PixLeft和PixRight,结构体的成员分别是记录遍历中元素的行列号的PixHang和PixLie,以及为每个加进链表的元素标号的num。接着,先对可能符合要求的其中一个区域从左往右遍历扫描,然后把一行中遇到属于该区域的第一个像素点行列号记录在PixLeft动态链表中,然后还需将此点的列号与前一行的第一个点的列号比较,当前者比后者大时,就证明后者是此连通区域的左顶点。当仅某些时候存在两者相等时,可认为此连通区域不符合二维条码形状的标准要求。还有,以此得到的左顶点多于一个时,亦可排除此连通区域。同理,再对连通区域从右往左遍历扫描,所需像素点的行列号记录在PixRight动态链表中,找到此连通区域的右顶点。明显的是,在各连通区域的maxhang和minhang的点就分别是区域的上下顶点。
其中,每个连通区域的左半部分的两条边的长度分别是记录在PixLeft链表中的左顶点和上顶点的num差值以及下顶点和左顶点的num差值。同理可得连通区域右半部分的两条边。然后,再用这两条边的长度相比,根据二维条码标准的宽高比,可作进一步排除不符合要求的连通区域,最终确定属于二维条码的连通区域,实现定位。需要说明的是,每当一个不符合要求的连通区域被排除时,会把此时的PixLeft和PixRight链表的内容清空,释放此时所占的内存空间,但依然保留PixLeft和PixRight链表的头指针,等待下一次的数据加载。再根据各类条码的维数要求,宽高比要求以及面积要求等,上述方法可以适合于对多种二维条码进行有效的定位和识别。
相应的,图2还示出了本发明实施例中的二维条码的识别装置结构示意图,该装置包括:
采集模块,用于基于图像传感器采集二维条码图像;
增强模块,用于对采集到的二维条码图像进行图像增强处理;
需要说明的是,增强模块的增强处理包括:过滤噪声、增强图像对比度、边缘突出、去模糊等等。该增强模块可以把采集到的二维条码图像进行维纳滤波处理,得到增强采集图片清晰度和去模糊的效果。
二值化模块,用于对增强处理后的图像进行二值化处理;
需要说明的是,二值化模块通过比较灰度值中的类间方差大小的阈值分割方法,将采集图片变为二值图像,突出目标部分。
边缘检测模块,用于对二值化处理后的图像进行边缘检测处理;
边缘检测模块使用边缘定位精度较高的sobel算法对整幅二值图像进行边缘检测,得到图像整体轮廓;对边缘检测后的采集图像进行先膨胀后腐蚀处理,在图像的黑色背景下得到大小不一的白色连通区域。
连通标识模块,用于对边缘检测处理后的图像进行连通标识处理;
连通标识模块对采集的二维条码图片进行闭运算图像处理,得到经过处理后,在图像上得到多个大小不一的白色像素块,并对图像中每个连通区域进行标识,输出一幅标识区域后的新图像。
定位提取模块,用于对连通标识处理后的二维条码图像进行定位提取;
定位提取模块对新图像进行遍历,找到二维条码矩形区域的四个顶点,宽高以及倾斜角度,对二维条码进行定位。
校正模块,用于对定位提取后的二维条码图像进行水平校正和畸形校正;
解码模块,用于对校正后的二维条码图像进行解码处理。
综上,在本发明通过对采集的二条条码图像进行增强处理,并有效地识别和定位采集图片中的二维条码,并进一步对二维条码进行水平位置校正和畸形校正,保障了整个二维条码图像的识别更加准确,减少了解码错误率。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上对本发明实施例所提供的二维条码的识别方法及其装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种二维条码的识别方法,其特征在于,包括如下步骤:
基于图像传感器采集二维条码图像;
对二维条码图像进行图像增强处理;
对增强处理后的图像进行二值化处理;
对二值化处理后的图像进行边缘检测处理;
对边缘检测处理后的图像进行连通标识处理;
对连通标识处理后的二维条码图像进行定位提取;
对定位提取后的二维条码图像进行水平校正和畸形校正;
对校正后的二维条码图像进行解码处理。
2.如权利要求1所述的二维条码的识别方法,其特征在于,所述对二维条码的图像进行图像增强处理包括:
过滤噪声、增强图像对比度、边缘突出、去模糊。
3.如权利要求2所述的二维条码的识别方法,其特征在于,所述对二维条码的图像进行图像增强处理具体为:把采集到的二维条码图像进行维纳滤波处理,得到增强采集图片清晰度和去模糊的效果。
4.如权利要求3所述的二维条码的识别方法,其特征在于,所述对增强处理后的图像进行二值化处理具体为:
通过比较灰度值中的类间方差大小的阈值分割方法,将采集图片变为二值图像,突出目标部分。
5.如权利要求4所述的二维条码的识别方法,其特征在于,所述对二值化处理后的图像进行边缘检测处理具体为:
使用边缘定位精度较高的sobel算法对整幅二值图像进行边缘检测,得到图像整体轮廓;
对边缘检测后的采集图像进行先膨胀后腐蚀处理,在图像的黑色背景下得到大小不一的白色连通区域。
6.如权利要求5所述的二维条码的识别方法,其特征在于,所述对边缘检测处理后的图像进行连通标识处理具体为:
对采集的二维条码图片进行闭运算图像处理,得到经过处理后,在图像上得到多个大小不一的白色像素块,并对图像中每个连通区域进行标识,输出一幅标识区域后的新图像。
7.如权利要求6所述的二维条码的识别方法,其特征在于,所述对连通标识处理后的二维条码图像进行定位提取包括:
对新图像进行遍历,找到二维条码矩形区域的四个顶点,宽高以及倾斜角度,对二维条码进行定位。
8.一种二维条码的识别装置,其特征在于,包括:
采集模块,用于基于图像传感器采集二维条码图像;
增强模块,用于对采集到的二维条码图像进行图像增强处理;
二值化模块,用于对增强处理后的图像进行二值化处理;
边缘检测模块,用于对二值化处理后的图像进行边缘检测处理;
连通标识模块,用于对边缘检测处理后的图像进行连通标识处理;
定位提取模块,用于对连通标识处理后的二维条码图像进行定位提取;
校正模块,用于对定位提取后的二维条码图像进行水平校正和畸形校正;
解码模块,用于对校正后的二维条码图像进行解码处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410131978.1A CN103870790A (zh) | 2014-04-02 | 2014-04-02 | 一种二维条码的识别方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410131978.1A CN103870790A (zh) | 2014-04-02 | 2014-04-02 | 一种二维条码的识别方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103870790A true CN103870790A (zh) | 2014-06-18 |
Family
ID=50909309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410131978.1A Pending CN103870790A (zh) | 2014-04-02 | 2014-04-02 | 一种二维条码的识别方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103870790A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573674A (zh) * | 2015-01-29 | 2015-04-29 | 杨克己 | 面向实时嵌入式系统的一维条码识别方法 |
CN104636701A (zh) * | 2014-12-12 | 2015-05-20 | 浙江工业大学 | 一种基于图像修复的激光二维码识别方法 |
CN105260694A (zh) * | 2015-10-22 | 2016-01-20 | 佛山科学技术学院 | 一种基于多级骨干提取与分析的二维码区域定位方法 |
CN105335744A (zh) * | 2015-11-10 | 2016-02-17 | 佛山科学技术学院 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
CN105844277A (zh) * | 2016-03-22 | 2016-08-10 | 江苏木盟智能科技有限公司 | 标签识别方法和装置 |
CN106156674A (zh) * | 2015-03-31 | 2016-11-23 | 联想(北京)有限公司 | 一种识别方法及电子设备 |
CN106446750A (zh) * | 2016-07-07 | 2017-02-22 | 深圳市华汉伟业科技有限公司 | 一种条形码读取方法及装置 |
CN104298947B (zh) * | 2014-08-15 | 2017-03-22 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种对二维条码精确定位的方法及装置 |
CN107096720A (zh) * | 2017-06-22 | 2017-08-29 | 西安科技大学 | 基于图像处理的快件条码自动识别系统及方法 |
CN107545207A (zh) * | 2017-09-28 | 2018-01-05 | 云南电网有限责任公司电力科学研究院 | 基于图像处理的dm二维码识别方法及装置 |
CN107679437A (zh) * | 2017-09-26 | 2018-02-09 | 四川元匠科技有限公司 | 基于Zbar的条形码图像识别算法 |
CN108108646A (zh) * | 2017-12-29 | 2018-06-01 | Tcl王牌电器(惠州)有限公司 | 条码信息识别方法、终端和计算机可读存储介质 |
CN108254386A (zh) * | 2016-12-29 | 2018-07-06 | 研祥智能科技股份有限公司 | 一种在线检测方法、装置及系统 |
CN108932449A (zh) * | 2017-05-27 | 2018-12-04 | 广州智慧城市发展研究院 | 一种基于聚类的条码二值化方法及系统 |
CN109241805A (zh) * | 2018-08-08 | 2019-01-18 | 广东工业大学 | 一种图像模块识别算法 |
CN109800615A (zh) * | 2018-12-28 | 2019-05-24 | 新大陆数字技术股份有限公司 | 二维码区域的检测定位方法及系统 |
CN110119799A (zh) * | 2019-05-11 | 2019-08-13 | 安图实验仪器(郑州)有限公司 | 样本架采血管条码视觉识别方法 |
CN110795955A (zh) * | 2019-07-30 | 2020-02-14 | 广东工业大学 | 一种快速识别多条码的系统及其方法 |
CN110967328A (zh) * | 2019-12-25 | 2020-04-07 | 珠海丽珠试剂股份有限公司 | 荧光免疫取值方法、装置和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154267A (zh) * | 2006-09-28 | 2008-04-02 | 李振宇 | 一种二维条形码区域定位及类型判断的方法 |
CN101710407A (zh) * | 2009-12-29 | 2010-05-19 | 江西科技师范学院 | 一种基于二维码采用手机进行消费结算的支付方法及其支付系统 |
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 |
CN102880849A (zh) * | 2012-09-18 | 2013-01-16 | 腾讯科技(深圳)有限公司 | 一种二维码识别方法,及设备 |
CN103235951A (zh) * | 2013-04-22 | 2013-08-07 | 中山大学 | 一种矩阵式二维条码的初步定位方法 |
-
2014
- 2014-04-02 CN CN201410131978.1A patent/CN103870790A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101154267A (zh) * | 2006-09-28 | 2008-04-02 | 李振宇 | 一种二维条形码区域定位及类型判断的方法 |
CN101710407A (zh) * | 2009-12-29 | 2010-05-19 | 江西科技师范学院 | 一种基于二维码采用手机进行消费结算的支付方法及其支付系统 |
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 |
CN102880849A (zh) * | 2012-09-18 | 2013-01-16 | 腾讯科技(深圳)有限公司 | 一种二维码识别方法,及设备 |
CN103235951A (zh) * | 2013-04-22 | 2013-08-07 | 中山大学 | 一种矩阵式二维条码的初步定位方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298947B (zh) * | 2014-08-15 | 2017-03-22 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种对二维条码精确定位的方法及装置 |
CN104636701A (zh) * | 2014-12-12 | 2015-05-20 | 浙江工业大学 | 一种基于图像修复的激光二维码识别方法 |
CN104636701B (zh) * | 2014-12-12 | 2017-09-19 | 浙江工业大学 | 一种基于图像修复的激光二维码识别方法 |
CN104573674A (zh) * | 2015-01-29 | 2015-04-29 | 杨克己 | 面向实时嵌入式系统的一维条码识别方法 |
CN104573674B (zh) * | 2015-01-29 | 2017-11-28 | 杨克己 | 面向实时嵌入式系统的一维条码识别方法 |
CN106156674A (zh) * | 2015-03-31 | 2016-11-23 | 联想(北京)有限公司 | 一种识别方法及电子设备 |
CN106156674B (zh) * | 2015-03-31 | 2019-03-08 | 联想(北京)有限公司 | 一种识别方法及电子设备 |
CN105260694B (zh) * | 2015-10-22 | 2017-12-01 | 佛山科学技术学院 | 一种基于多级骨干提取与分析的二维码区域定位方法 |
CN105260694A (zh) * | 2015-10-22 | 2016-01-20 | 佛山科学技术学院 | 一种基于多级骨干提取与分析的二维码区域定位方法 |
CN105335744A (zh) * | 2015-11-10 | 2016-02-17 | 佛山科学技术学院 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
CN105335744B (zh) * | 2015-11-10 | 2018-09-21 | 佛山科学技术学院 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
CN105844277B (zh) * | 2016-03-22 | 2019-06-25 | 江苏木盟智能科技有限公司 | 标签识别方法和装置 |
CN105844277A (zh) * | 2016-03-22 | 2016-08-10 | 江苏木盟智能科技有限公司 | 标签识别方法和装置 |
CN106446750A (zh) * | 2016-07-07 | 2017-02-22 | 深圳市华汉伟业科技有限公司 | 一种条形码读取方法及装置 |
CN106446750B (zh) * | 2016-07-07 | 2018-09-14 | 深圳市华汉伟业科技有限公司 | 一种条形码读取方法及装置 |
CN108254386A (zh) * | 2016-12-29 | 2018-07-06 | 研祥智能科技股份有限公司 | 一种在线检测方法、装置及系统 |
CN108932449A (zh) * | 2017-05-27 | 2018-12-04 | 广州智慧城市发展研究院 | 一种基于聚类的条码二值化方法及系统 |
CN108932449B (zh) * | 2017-05-27 | 2021-04-20 | 广州智慧城市发展研究院 | 一种基于聚类的条码二值化方法及系统 |
CN107096720A (zh) * | 2017-06-22 | 2017-08-29 | 西安科技大学 | 基于图像处理的快件条码自动识别系统及方法 |
CN107679437A (zh) * | 2017-09-26 | 2018-02-09 | 四川元匠科技有限公司 | 基于Zbar的条形码图像识别算法 |
CN107545207A (zh) * | 2017-09-28 | 2018-01-05 | 云南电网有限责任公司电力科学研究院 | 基于图像处理的dm二维码识别方法及装置 |
CN108108646A (zh) * | 2017-12-29 | 2018-06-01 | Tcl王牌电器(惠州)有限公司 | 条码信息识别方法、终端和计算机可读存储介质 |
CN108108646B (zh) * | 2017-12-29 | 2022-04-22 | Tcl王牌电器(惠州)有限公司 | 条码信息识别方法、终端和计算机可读存储介质 |
CN109241805A (zh) * | 2018-08-08 | 2019-01-18 | 广东工业大学 | 一种图像模块识别算法 |
CN109800615A (zh) * | 2018-12-28 | 2019-05-24 | 新大陆数字技术股份有限公司 | 二维码区域的检测定位方法及系统 |
CN110119799A (zh) * | 2019-05-11 | 2019-08-13 | 安图实验仪器(郑州)有限公司 | 样本架采血管条码视觉识别方法 |
CN110795955A (zh) * | 2019-07-30 | 2020-02-14 | 广东工业大学 | 一种快速识别多条码的系统及其方法 |
CN110967328A (zh) * | 2019-12-25 | 2020-04-07 | 珠海丽珠试剂股份有限公司 | 荧光免疫取值方法、装置和电子设备 |
CN110967328B (zh) * | 2019-12-25 | 2023-11-21 | 珠海丽珠试剂股份有限公司 | 荧光免疫取值方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103870790A (zh) | 一种二维条码的识别方法及其装置 | |
JP5775225B2 (ja) | マルチレイヤ連結成分をヒストグラムと共に用いるテキスト検出 | |
US9292759B2 (en) | Methods and systems for optimized parameter selection in automated license plate recognition | |
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
CN104298947B (zh) | 一种对二维条码精确定位的方法及装置 | |
CN111027546B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
US9679354B2 (en) | Duplicate check image resolution | |
CN105844277B (zh) | 标签识别方法和装置 | |
CN112183511A (zh) | 一种图像导出表格的方法、系统、存储介质及设备 | |
CN108573184B (zh) | 一种二维码定位方法、模块及计算机可读存储介质 | |
CN109308465A (zh) | 表格线检测方法、装置、设备及计算机可读介质 | |
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 | |
CN104978576A (zh) | 一种文字识别方法及装置 | |
CN110570442A (zh) | 一种复杂背景下轮廓检测方法、终端设备及存储介质 | |
JP4904330B2 (ja) | 画像からテキストを抽出する方法及び装置 | |
CN114187602A (zh) | 一种房产证明材料内容识别方法、系统、设备及存储介质 | |
CN106909869A (zh) | 一种矩阵式二维码的采样网格划分方法及装置 | |
CN104899589A (zh) | 一种采用阈值二值化算法实现二维条码预处理的方法 | |
CN114495098A (zh) | 一种基于显微镜图像的盘星藻类细胞统计方法及系统 | |
CN108765456B (zh) | 基于直线边缘特征的目标跟踪方法、系统 | |
CN113033562A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN116167394A (zh) | 一种条码识别方法及系统 | |
Tian et al. | Robust text segmentation using graph cut | |
US10970464B2 (en) | Method, device for processing webpage content and storage medium | |
CN114495144A (zh) | 文本图像中表格key-value信息的提取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140618 |