CN104143200A - 一种图像附加信息的边框型编码与智能识别方法 - Google Patents

Abstract

本发明提供一种图像附加信息的边框型编码与智能识别方法，其中编码部分，用户提供一张将要打印或印刷的图像与需隐藏的信息。在图像三个角加上定位点、宽高比信息点以及含有循环冗余校验码的信息点后，即可印刷该图像。识别部分，首先使用手机对含有编码信息的图像进行拍摄，接着校正该图像的几何变形，接着对填涂位置进行局部自适应二值化操作，并检测相应信息点，最后输出经循环冗余检验正确的数据。本发明利用图像边框编码信息，在美观与识别效果上取得了平衡，识别准确率高且计算量较小，适合手机使用，本发明图像内容不作修改，满足新闻报纸等对图片真实性的需求，出版商只需为图像加上边框即可实现手机阅读与传统阅读的无缝衔接。

Description

一种图像附加信息的边框型编码与智能识别方法

技术领域

本发明一般涉及计算机模式识别与图像处理领域，具体涉及图像附加信息的边框型编码与智能识别方法。

背景技术

阅读一直是人类获得知识和信息、提升自我的重要途径。随着人类文明的发展,人类的阅读方式随着载体而不断变化。从最早的石头、木头上的简单刻画,到竹简、帛,及至纸张和印刷术的发明,再到多媒体计算机的出现。近年来逐渐流行的手机阅读方式又成为了阅读史上的一个突破。手机阅读一方面给传统阅读带来了很大的冲击，另一方面又带来了传统阅读升级的机遇。许多出版商纷纷推出了与传统阅读相结合的手机阅读软件，用户通过对感兴趣的新闻内容(如新闻图片、二维码等)的拍摄，即可转到相应的网页，查看传统阅读不能提供的视频与相关报道等详细信息。

目前该技术的实现方法主要分为两种：图像隐写技术、二维码技术。

图像隐写技术直接将网址嵌入在图像中，不需要附加其他内容，对新闻排版影响小、美观，但也存在一些缺点：1)该方法需在频率域对图像进行信息的嵌入，到频率域的正、反变换计算量对于手机来说较大；2)容易受到印刷质量、手机摄像头成像条件等因素的影响，网址提取的成功率不高，3)可能会对原图的真实性产生影响，违背了新闻图片的原则。

二维码技术将信息用一个正方形区域内的若干个黑白块表示，该技术是为识别而设计，具有简单可靠，计算量小的特点，但二维码具有不美观，增加排版工作量等缺点。

基于图像边框的信息编码与识别是一项新技术。它利用图像边框编码信息，在美观与识别效果上取得了平衡，不但可以克服图像隐写技术计算量大、信息提取成功率不高、对原始图像有影响等缺陷；而且有着二维码技术所不具备的，无需修改印刷排版，相对美观等优势。该技术将在广告、手机阅读、传媒及其它领域中显示出其良好的应用前景。

发明内容

本发明针对目前图像附加信息编码与识别技术的不足，提供了一种图像附加信息的边框型编码与智能识别方法。本发明的目的在于使用计算机图像处理技术解决图像附加信息的快速识别问题，克服现有的图像隐写技术与二维码技术的缺陷，提供一个可靠的、美观的、计算量小的图像附加信息编码与识别方案，具体技术方案如下。

图像附加信息的边框型编码与智能识别方法，包括以下步骤：

(a)从本地磁盘读入一个待印刷的图像文件，用户键入需要加入的信息；

(b)根据用户输入信息长度，选择对应的生成多项式，生成循环冗余校验和；

(c)在图像四周加入由定位点与边框，所述边框根据图像宽高比与校验和编码的信息点组成；

(d)印刷步骤(c)得到的带边框的图像；

(e)通过手机拍摄步骤(d)得到的印刷品中带信息边框的图像；

(f)对步骤(e)中得到的图像进行定位点检测与几何形变校正；

(g)在步骤(f)中得到的图像中定位与裁切编码；

(h)对步骤(g)得到的编码图像进行自适应阈值色块检测与解码。

上述图像附加信息的边框型编码与智能识别方法中，步骤(b)包括以下步骤：

(b-1)将用户输入的信息根据ascii码表转换为二进制字符串；

(b-2)根据步骤(b-1)得到的二进制字符串长度选择合适的生成多项式。若二进制字符串长度小于256，选择CRC-16标准的生成多项式，否则，选用CRC-32标准的生成多项式；

(b-3)对步骤(b-3)得到的码字，进行循环冗余编码，生成二进制校验和；

上述图像附加信息的边框型编码与智能识别方法中，步骤(c)包括以下步骤：

(c-1)根据用户输入的印刷分辨率，计算信息点的大小与单边容量，计算方法分别为：s＝min(w,h)×0.6％，c＝min(w,h)÷s，其中w、h分别为图像的宽、高，s为信息点的大小，单位为像素，c为单边容量。

(c-2)根据图像大小，计算加入边框后的新图像的大小，并创建新图像，将源图像置于新图像正中。新图像大小计算方法为：h_d＝h_s+s×8、w_d＝w_s+s×8，其中h_d和h_s分别为新图像与源图像的高，w_d和w_s分别为新图像与源图像的宽，s为步骤3、(c-1)中计算得到的信息点的像素数；

(c-3)根据图像的宽高比，选取对应的宽高比信息点，并将三个定位点置于图像的左上、右上与右下角，宽高比信息点置于图像的左下角。定位点与宽高比信息点由4行4列共16个信息点组成，定位点除二、三行的二三列的信息点为白色外其余信息点为黑色；宽高比信息点一、四行信息点以及二三行的一四列定位点为黑色，二三行的二三列信息点对应用户预定义的15种宽高比。

(c-4)对步骤(b)得到的二进制校验和构造信息点，信息点的构造方法为：校验和为1信息点为黑，否则为白，每四个信息点一列，若信息点数量小于单边容量，将其分别置于左上定位点的右侧及下侧、右上定位点的下册、右下角定位点的左侧，否则，将信息点分为两段，第一段长度为水平方向最大容量第二段为余下信息点，并将第一段信息点置于左上定位点的右侧及右下定位点的左侧，第二段信息点置于右上定位点的下侧与左上定位点的下侧，最终得到带有信息边框的图像。

上述图像附加信息的边框型编码与智能识别方法中，步骤(f)包括以下步骤：

(f-1)对图像进行局部自适应二值化，其计算方法为：将图像分为若干个N×N的小块，N＝2×s，s为步骤(c-1)中计算得到的信息点的像素数，以每个小块中像素的灰度均值作为阈值，图像中的像素若大于该块阈值则赋值为0，否则赋值为1，得到二值图像；

(f-2)对步骤(f-1)得到的二值图像去除面积小于阈值T_area的连通域，其中T_area＝(s×0.3)²，s为步骤(c-1)中计算得到的信息点的像素数；

(f-3)计算二值图像中所有连通域的外接矩形、面积、填充后面积以及欧拉数，取出满足条件的连通域作为候选连通域。其中h、w分别为图像的高和宽，Area、Area_f分别为连通域的面积和填充后面积，E为连通域的欧拉数；

(f-4)将步骤(f-2)中得到的候选连通域按填充大小进行排序，取最大的三个连通域进行定位点匹配，匹配方法为：计算两两连通域中心的距离，设图像左上角为坐标原点，水平向右为x轴正方向，竖直向下为y轴正方向，A_o1、A_o2、A_o3分别为左上、右上、右下定位点，除距离最大的两个连通域外，剩余的连通域对应为右上定位点A_o2，随机将距离最大的两个连通域的中心坐标赋予P₁、P₃，A_o2的中心坐标赋予P₂。

P₁＝(x₁,y₁)、P₂＝(x₂,y₂)、P₃＝(x₃,y₃)，计算f_c＝(x₂-x₁)×(y₃-y₂)-(y₂-y₁)×(x₃-x₂)，若f_c＞0则P₁对应A_o3，P₃对应A_o1，若f_c＜0则P₁对应A_o1，P₃对应A_o3，得到匹配后的A_o1、A_o2、A_o3定位点坐标P₁′、P₂′、P₃′。

(f-5)将步骤(f-4)得到的三个定位点坐标P′_１、P′_２、P′₃与步骤(c)中定位点的原始坐标P₁、P₂、P₃分别代入x′＝a₀+a₁x+a₂y，y′＝b₀+b₁x+b₂y。得到六元一次方程组，解出a₀、a₁、a₂、b₀、b₁、b₂。将图像坐标一一代入，计算出仿射变换后的坐标，得到新的图像。

上述图像附加信息的边框型编码与智能识别方法中，步骤(g)中根据左上定位点右侧信息点与右上定位点下侧信息点的差异，判断是否需要将两端信息点拼接。判断方法：取左上定位点右侧信息点区域与右上定位点下侧信息点区域，将右上定位点下侧信息点区域逆时针旋转90度，设w_I,w_J分别为两个区域的宽，计算两区域的平均像素灰度差异方法为：其中I(i,j)、J(i,j)分别为两个区域i行j列像素的灰度值，s为步骤3、(c-1)中计算得到的信息点的像素数，若D_avg＞100，则拼接两区域，否则无须拼接；

上述图像附加信息的边框型编码与智能识别方法中，步骤(h)包括以下步骤：

(h-1)对步骤(g)裁切得到的编码区域进行自适应二值化操作。计算方法为：将图像分为若干个N×N区域，N＝min(w,h)，其中w,h分别为信息区域的宽、高。计算每个N×N区域二值化阈值，其中Offset为均值偏移值，设为10，二值化图像 $\mathrm{BW}(i,j)=\left\{\begin{array}{cc}1& I(i,j)>T\\ 0& I(i,j)\≤T\end{array}\right.$

(h-2)计算各个信息点的二进制值，计算方法为：

$\mathrm{Info}(i,j)=\left\{\begin{array}{cc}1& {\mathrm{\Σ}}_{m=1+(i-1)\×s,n=1+(j-1)\×s}^{i\×s,j\×s}\mathrm{BW}(i,j)>\frac{s\×s}{2}\\ 0& {\mathrm{\Σ}}_{m=1+(i-1)\×s,n=1+(j-1)\×s}^{i\×s,j\×s}\mathrm{BW}(i,j)\≤\frac{s\×s}{2}\end{array}\right.,$ 其中BW为步骤(h-1)中计算得到的信息区域的二值化图像，s为步骤3、(c-1)中计算得到的信息点的像素数。

(h-3)步骤(h-2)中得到的二进制串，每8位组成一组，取出不全为零的组得到新的二进制串，若新的二进制串的长度小于272，选择CRC-16的生成多项式，否则选择CRC-32的生成多项式。

(h-4)使用步骤(h-3)得到的生成多项式对步骤(h-3)中去零后的二进制字符串进行循环冗余校验，若校验结果没有出错，将二进制串根据ascii码表，转换为字符串，并输出结果，否则继续对其他信息点区域重复步骤(h)的方法。

本发明分为编码部分与识别部分，编码部分先读取用户提供的将要打印或印刷的图像与需隐藏的信息。在图像三个角加上定位点、宽高比信息点以及含有循环冗余校验码的信息点后，即可印刷该图像。识别部分，首先使用手机对含有编码信息的图像进行拍摄，接着校正该图像的几何变形，接着对填涂位置进行局部自适应二值化操作，并检测相应信息点，最后输出经循环冗余检验正确的数据。

与现有技术相比，本发明具有如下优点和技术效果：

相对于图像隐写技术本发明克服了频率域变换计算量大、信息提取成功率不高、对原始图像有影响等缺点，相对于二维码技术本发明克服了不美观，需要修改排版等缺点，总的来说本发明具有识别率高、计算量小、美观等众多优点，出版商不必通过使用昂贵的高质量印刷来保证识别准确率，也不需要对现有排版进行修改，不会增加出版的成本的同时相对美观。本发明采用局部自适应阈值的方法判断信息点黑与白，能适应复杂的光照条件与摄像头成像噪声。

附图说明

图1为实施方式中图像附加信息的边框型编码与智能识别方法的流程图。

图2、图3是实例中定位点与宽高比信息点的具体的样式。

具体实施方式

以下结合附图对本发明的实施方式作进一步说明，但本发明的实施不限于此。

如图1，图像附加信息的边框型编码与智能识别方法的主要流程包括以下步骤：

(a)从本地磁盘读入一个待印刷的图像文件，用户键入需要加入的信息；

(b)根据用户输入信息长度，选择对应的生成多项式，生成循环冗余校验和；

(c)在图像四周加入由定位点与边框，所述边框根据图像宽高比与校验和编码的信息点组成；

(d)印刷步骤(c)得到的带边框的图像；

(e)通过手机拍摄步骤(d)得到的印刷品中带信息边框的图像；

(f)对步骤(e)中得到的图像进行定位点检测与几何形变校正；

(g)在步骤(f)中得到的图像中定位与裁切编码；

(h)对步骤(g)得到的编码图像进行自适应阈值色块检测与解码。

步骤(a)允许用户通过文件选择窗口从本地硬盘选择一个图像文件与一个文本文件作为答题卡图像数据源与待编码信息，图像文件要求是jpg格式文件，文本文件要求为txt格式文件。

步骤(b)使用循环冗余校验来对信息进行编码，使得识别时能判断信息的正确性。其主要原理是：根据数据长度，产生少数固定位数的一种散列函数。用来检测或校验数据传输或者保存后可能出现的错误。生成的数字在传输之前计算出来并且附加到数据后面，然后接收方通过异或操作，确定数据是否发生变化。

步骤(b)包括以下步骤：

(b-4)将用户输入的信息根据ascii码表转换为二进制字符串；

(b-5)根据步骤(b-1)得到的二进制字符串长度选择合适的生成多项式。若二进制字符串长度小于256，选择CRC-16标准的生成多项式，否则，选用CRC-32标准的生成多项式；

(b-6)对步骤(b-3)得到的码字，进行循环冗余编码，生成二进制校验和；

步骤(c)在图像四周加入由定位点与根据图像宽高比与校验和编码的信息点组成的边框；

步骤(c)包括以下步骤：

根据用户输入的印刷分辨率，计算信息点的大小与单边容量，计算方法分别为：s＝min(w,h)×0.6％，c＝min(w,h)÷s，其中w、h分别为图像的宽、高，s为信息点的大小，单位为像素，c为单边容量。

(c-1)根据图像大小，计算加入边框后的新图像的大小，并创建新图像，将源图像置于新图像正中。新图像大小计算方法为：h_d＝h_s+s×8、w_d＝w_s+s×8，其中h_d和h_s分别为新图像与源图像的高，w_d和w_s分别为新图像与源图像的宽，s为步骤3、(c-1)中计算得到的信息点的像素数；

(c-2)根据图像的宽高比，选取对应的宽高比信息点，并将三个定位点置于图像的左上、右上与右下角，宽高比信息点置于图像的左下角。定位点与宽高比信息点由4行4列共16个信息点组成，定位点除二、三行的二三列的信息点为白色外其余信息点为黑色；宽高比信息点一、四行信息点以及二三行的一四列定位点为黑色，二三行的二三列信息点对应用户预定义的15种宽高比。

(c-3)对步骤(b)得到的二进制校验和构造信息点，信息点的构造方法为：校验和为1信息点为黑，否则为白，每四个信息点一列，若信息点数量小于单边容量，将其分别置于左上定位点的右侧及下侧、右上定位点的下册、右下角定位点的左侧，否则，将信息点分为两段，第一段长度为水平方向最大容量第二段为余下信息点，并将第一段信息点置于左上定位点的右侧及右下定位点的左侧，第二段信息点置于右上定位点的下侧与左上定位点的下侧，最终得到带有信息边框的图像。

步骤(c-3)中定位点与宽高比信息点的具体的样式如图2、图3所示。通过不同样式的宽高比信息点来代表不同的图像的宽高比。步骤(d)将步骤(c)所得到的带边框的图像印刷出来。

步骤(e)使用手机拍摄步骤(d)得到的印刷品中带信息边框的图像。

步骤(f)中使用仿射变换进行几何形变校正，通过步骤(e)得到的图像形变主要是由旋转、缩放、切变、平移引起的。仿射变换是线性变换加上一个平移变换组成，线性变换包括旋转、缩放、切变、反射及正投影，而故仿射变换能很好的满足形变校正的需求，仿射变换矩阵中共有六个未知数，将三组一一对应但不共线的点代入仿射变换中，可得到六元一次方程组，解该方程组即可就得仿射变换矩阵。

步骤(f)包括以下步骤：

(f-1)对图像进行局部自适应二值化，其计算方法为：将图像分为若干个N×N的小块，N＝2×s，s为步骤(c-1)中计算得到的信息点的像素数，以每个小块中像素的灰度均值作为阈值，图像中的像素若大于该块阈值则赋值为0，否则赋值为1，得到二值图像；

(f-2)对步骤(f-1)得到的二值图像去除面积小于阈值T_area的连通域，其中T_area＝(s×0.3)²，s为步骤(c-1)中计算得到的信息点的像素数；

(f-3)计算二值图像中所有连通域的外接矩形、面积、填充后面积以及欧拉数，取出满足条件的连通域作为候选连通域。其中h、w分别为图像的高和宽，Area、Area_f分别为连通域的面积和填充后面积，E为连通域的欧拉数；

(f-4)将步骤(f-2)中得到的候选连通域按填充大小进行排序，取最大的三个连通域进行定位点匹配，匹配方法为：计算两两连通域中心的距离，设图像左上角为坐标原点，水平向右为x轴正方向，竖直向下为y轴正方向，A_o1、A_o2、A_o3分别为左上、右上、右下定位点，除距离最大的两个连通域外，剩余的连通域对应为右上定位点A_o2，随机将距离最大的两个连通域的中心坐标赋予P₁、O₃，A_o2的中心坐标赋予P₂。

P₁＝(x₁,y₁)、P₂＝(x₂,y₂)、P₃＝(x₃,y₃)，计算f_c＝(x₂-x₁)×(y₃-y₂)-(y₂-y₁)×(x₃-x₂)，若f_c＞0则P₁对应A_o3，P₃对应A_o1，若f_c＜0则P₁对应A_o1，P₃对应A_o3，得到匹配后的A_o1、A_o2、A_o3定位点坐标P₁′、P₂′、P₃′。

(f-5)将步骤(f-4)得到的三个定位点坐标P′₁、P′₂、P′₃与步骤(c)中定位点的原始坐标P₁、P₂、P₃分别代入x′＝a₀+a₁x+a₂y，y′＝b₀+b₁x+b₂y。得到六元一次方程组，解出a₀、a₁、a₂、b₀、b₁、b₂。将图像坐标一一代入，计算出仿射变换后的坐标，得到新的图像。

步骤(h)中使用局部自适应阈值来对图像进行二值化。局部自适应二值化的原理是：对图像进行分块，使用每一块区域像素的灰度均值作为该块区域的二值化阈值，从而适应局部亮度的变化。

步骤(h)包括以下步骤：

(h-1)对步骤(g)裁切得到的编码区域进行自适应二值化操作。计算方法为：将图像分为若干个N×N区域，N＝min(w,h)，其中w,h分别为信息区域的宽、高。计算每个N×N区域二值化阈值，其中Offset为均值偏移值，设为10，二值化图像 $\mathrm{BW}(i,j)=\left\{\begin{array}{cc}1& I(i,j)>T\\ 0& I(i,j)\≤T\end{array}\right.$

(h-2)计算各个信息点的二进制值，计算方法为：

$\mathrm{Info}(i,j)=\left\{\begin{array}{cc}1& {\mathrm{\Σ}}_{m=1+(i-1)\×s,n=1+(j-1)\×s}^{i\×s,j\×s}\mathrm{BW}(i,j)>\frac{s\×s}{2}\\ 0& {\mathrm{\Σ}}_{m=1+(i-1)\×s,n=1+(j-1)\×s}^{i\×s,j\×s}\mathrm{BW}(i,j)\≤\frac{s\×s}{2}\end{array}\right.,$ 其中BW为步骤(h-1)中计算得到的信息区域的二值化图像，s为步骤3、(c-1)中计算得到的信息点的像素数。

(h-3)步骤(h-2)中得到的二进制串，每8位组成一组，取出不全为零的组得到新的二进制串，若新的二进制串的长度小于272，选择CRC-16的生成多项式，否则选择CRC-32的生成多项式。

(h-4)使用步骤(h-3)得到的生成多项式对步骤(h-3)中去零后的二进制字符串进行循环冗余校验，若校验结果没有出错，将二进制串根据ascii码表，转换为字符串，并输出结果，否则继续对其他信息点区域重复步骤(h)的方法。

Claims (6)

1.一种图像附加信息的边框型编码与智能识别方法，其特征在于包括以下步骤：

(a)从本地磁盘读入一个待印刷的图像文件，用户键入需要加入的信息；

(b)根据用户输入信息长度，选择对应的生成多项式，生成循环冗余校验和；

(c)在图像四周加入由定位点与边框，所述边框根据图像宽高比与校验和编码的信息点组成；

(d)印刷步骤(c)得到带边框的图像；

(e)通过手机拍摄步骤(d)得到的印刷品中带信息边框的图像；

(f)对步骤(e)中得到的图像进行定位点检测与几何形变校正；

(g)在步骤(f)得到的图像中定位与裁切编码；

(h)对步骤(g)得到的编码图像进行自适应阈值色块检测与解码。

2.根据权利要求1所述图像附加信息的边框型编码与智能识别方法，其特征在于，步骤(b)包括以下步骤：

(b-1)将用户输入的信息根据ascii码表转换为二进制字符串；

(b-2)根据步骤(b-1)得到的二进制字符串长度选择合适的生成多项式，若二进制字符串长度小于256，选择CRC-16标准的生成多项式，否则，选用CRC-32标准的生成多项式；

(b-3)对步骤(b-3)得到的码字，进行循环冗余编码，生成二进制校验和。

3.根据权利要求1所述一种图像附加信息的边框型编码与智能识别方法，其特征在于：步骤(c)包括以下步骤：

(c-1)根据用户输入的印刷分辨率，计算信息点的大小与单边容量；信息点的大小与单边容量计算方法分别为：s＝min(w,h)×0.6％，c＝min(w,h)÷s，其中w、h分别为图像的宽、高，s为信息点的大小，单位为像素，c为单边容量；

(c-2)根据图像大小，计算加入边框后的新图像的大小，并创建新图像，将源图像置于新图像正中，新图像大小计算方法为：h_d＝h_s+s×8、w_d＝w_s+s×8，其中h_d和h_s分别为新图像与源图像的高，w_d和w_s分别为新图像与源图像的宽，s为步骤(c-1)中计算得到的信息点的像素数；

(c-3)根据图像的宽高比，选取对应的宽高比信息点，并将三个定位点置于图像的左上、右上与右下角，宽高比信息点置于图像的左下角，定位点与宽高比信息点由4行4列共16个信息点组成，其中，定位点除二、三行的二三列的信息点为白色外其余信息点为黑色；宽高比信息点一、四行信息点以及二三行的一四列定位点为黑色，二三行的二三列信息点对应用户预定义的15种宽高比；

(c-4)对步骤(b)得到的二进制校验和构造信息点，构造方法为：校验和为1信息点为黑，否则为白，每四个信息点一列，若信息点数量小于单边容量，将其分别置于左上定位点的右侧及下侧、右上定位点的下侧、右下角定位点的左侧，否则，将信息点分为两段，第一段长度为水平方向最大容量，第二段为余下信息点，并将第一段信息点置于左上定位点的右侧及右下定位点的左侧，第二段信息点置于右上定位点的下侧与左上定位点的下侧，最终得到带有信息边框的图像。

4.根据权利要求1所述一种图像附加信息的边框型编码与智能识别方法，其特征在于：步骤(f)包括以下步骤：

(f-1)对图像进行局部自适应二值化，其计算方法为：将图像分为若干个N×N的小块，N＝2×s，s为信息点的像素数，以每个小块中像素的灰度均值作为阈值，图像中的像素若大于该块阈值则赋值为0，否则赋值为1，得到二值图像；

(f-2)对步骤(f-1)得到的二值图像去除面积小于阈值T_area的连通域，其中T_area＝(s×0.3)²，s为步骤(c-1)中计算得到的信息点的像素数；

(f-3)计算二值图像中所有连通域的外接矩形、面积、填充后面积以及欧拉数，取出满足条件的连通域作为候选连通域，其中h、w分别为图像的高和宽，Area、Area_f分别为连通域的面积和填充后面积，E为连通域的欧拉数；

(f-4)将步骤(f-2)中得到的候选连通域按填充大小进行排序，取最大的三个连通域进行定位点匹配，匹配方法为：计算两两连通域中心的距离，设图像左上角为坐标原点，水平向右为x轴正方向，竖直向下为y轴正方向，A_o1、A_o2、A_o3分别为左上、右上、右下定位点，除距离最大的两个连通域外，剩余的连通域对应为右上定位点A_o2，随机将距离最大的两个连通域的中心坐标赋予P₁、P₃，A_o2的中心坐标赋予P₂；

P₁＝(x₁,y₁)、P₂＝(x₂,y₂)、P₃＝(x₃,y₃)，计算f_c＝(x₂-x₁)×(y₃-y₂)-(y₂-y₁)×(x₃-x₂)，若f_c＞0则P₁对应A_o3，P₃对应A_o1，若f_c＜0则P₁对应A_o1，P₃对应A_o3，得到匹配后的A_o1、A_o2、A_o3定位点坐标P₁′、P₂′、P₃′；

(f-5)将步骤(f-4)得到的三个定位点坐标P′₁、P′₂、P′₃与步骤(c)中定位点的原始坐标P₁、P₂、P₃分别代入x′＝a₀+a₁x+a₂y，y′＝b₀+b₁x+b₂y。得到六元一次方程组，解出a₀、a₁、a₂、b₀、b₁、b₂，将图像坐标一一代入，计算出仿射变换后的坐标，得到新的图像。

5.根据权利要求1所述一种图像附加信息的边框型编码与智能识别方法，其特征在于步骤(g)中根据左上定位点右侧信息点与右上定位点下侧信息点的差异，判断是否需要将两端信息点拼接，判断方法：取左上定位点右侧信息点区域与右上定位点下侧信息点区域，将右上定位点下侧信息点区域逆时针旋转90度，设w_I,w_J分别为两个区域的宽，计算两区域的平均像素灰度差异方法为：其中I(i,j)、J(i,j)分别为两个区域i行j列像素的灰度值，s为信息点的像素数，若D_avg＞100，则拼接两区域，否则无须拼接。

6.根据权利要求6所述一种图像附加信息的边框型编码与智能识别方法，其特征在于：步骤(h)包括以下步骤：

(h-1)对步骤(g)裁切得到的编码区域进行自适应二值化操作：将图像分为若干个N×N区域，N＝min(w,h)，其中w,h分别为信息区域的宽、高，计算每个N×N区域二值化阈值，其中Offset为均值偏移值，设为10，二值化图像 $\mathrm{BW}(i,j)=\left\{\begin{array}{cc}1& I(i,j)>T\\ 0& I(i,j)\≤T\end{array}\right.;$

(h-2)计算各个信息点的二进制值，计算方法为：

$\mathrm{Info}(i,j)=\left\{\begin{array}{cc}1& {\mathrm{\Σ}}_{m=1+(i-1)\×s,n=1+(j-1)\×s}^{i\×s,j\×s}\mathrm{BW}(i,j)>\frac{s\×s}{2}\\ 0& {\mathrm{\Σ}}_{m=1+(i-1)\×s,n=1+(j-1)\×s}^{i\×s,j\×s}\mathrm{BW}(i,j)\≤\frac{s\×s}{2}\end{array}\right.,$ 其中BW为步骤(h-1)中计算得到的信息区域的二值化图像，s为信息点的像素数；

(h-3)步骤(h-2)中得到的二进制串，每8位组成一组，取出不全为零的组得到新的二进制串，若新的二进制串的长度小于272，选择CRC-16的生成多项式，否则选择CRC-32的生成多项式；

(h-4)使用步骤(h-3)得到的生成多项式对步骤(h-3)中去零后的二进制字符串进行循环冗余校验，若校验结果没有出错，将二进制串根据ascii码表，转换为字符串，并输出结果，否则继续对其他信息点区域重复步骤(h)的方法。