CN104408698B - 一种基于压缩感知的二维码图像光照均衡方法 - Google Patents
一种基于压缩感知的二维码图像光照均衡方法 Download PDFInfo
- Publication number
- CN104408698B CN104408698B CN201410598979.7A CN201410598979A CN104408698B CN 104408698 B CN104408698 B CN 104408698B CN 201410598979 A CN201410598979 A CN 201410598979A CN 104408698 B CN104408698 B CN 104408698B
- Authority
- CN
- China
- Prior art keywords
- image
- code
- carried out
- fourier
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005286 illumination Methods 0.000 title claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 4
- 238000011084 recovery Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 7
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开一种基于压缩感知的光照不均的二维码图像复原方法,包括以下步骤:采集同一个二维码图像,获取两张二维码图像,并对二维码图像进行稀疏性分析;分别对两张二维码图像进行傅里叶变换得到其频谱图像X1和X2,根据二维码图像的傅里叶特征设置一个非相关采样矩阵,此非相关矩阵是由十字形和同心圆所组成的,并且采样的十字形宽度和同心圆形的大小可以进行适当的调整,对频谱图像X1和X2在傅里叶域进行频谱采样到Y1和Y2;对Y1和Y2进行线性融合得到了新傅里叶频谱Y;用FISTA对频谱Y进行快速软阈值迭代,得到Y’,并且对Y’进行逆傅里叶变换的到恢复后的图像f,并且对图像f进行二值化处理,识别二维码图像。本发明能够均衡光照,在提高对光照不均图像处理速度的同时,又能比较准确的还原出原二维码图像。
Description
技术领域
本发明涉及二维码图像的识别领域,更具体地,涉及一种基于压缩感知的二维码图像的光照均衡方法。
背景技术
二维条码的预处理是二维码识别过程中一个非常重要的环节,二维码图像的预处理结果直接影响到识别的结果。由于二维码的应用环境复杂多变,且从成像设备上获取的二维码图像质量不一,经常会遇到光照不均的情况。传统的图像融合方法有基于小波变换图像融合和基于快速迭代收缩阈值算法(Fast Iterative Shrinkage-thresholdingAlgorithm FISTA)的压缩感知的图像融合。基于小波变换图像融合算法,其恢复的二维码图像效果较好,但该算法存在复杂和耗时过长的缺点;而基于FISTA算法的压缩感知的图像融合算法,时间虽然较快,但是恢复的二维码图像效果一般都很不好。
经对现有技术文献的检索发现,论文名称“基二维条码识读技术及其应用研究”。该技术首先利用小波分解得到图像的高低频,再分别对高低频进行处理,然后恢复图像。该文利用小波分解法,对高频低频分别进行处理,提升图像的效果;对一些光照不均较明显的图像,该技术并不能完全消除光照不均的影响,而且最终的算法过于复杂,导致处理速度较慢。
发明内容
为了解决上述现有技术的不足,本发明提出一种基于压缩感知的二维码图像光照均衡的方法,该方法能够在提高对严重光照不均图像处理速度的同时,又能比较准确的还原出原二维码图像。
为了实现上述目的,本发明采用的技术方案是:
一种基于压缩感知的二维码图像光照均衡方法,其包括以下步骤:
1)多次采集同一个二维码图像,获取两张二维码图像,并对二维码图像进行稀疏性分析,得出二维码图像具有稀疏的特性;
2)分别对两张二维码图像进行傅里叶变换得到其频谱图像X1和X2,根据二维码图像的傅里叶特征设置一个非相关采样矩阵,对频谱图像X1和X2在傅里叶域进行频谱采样到Y1和Y2;
3)对Y1和Y2进行线性融合得到了新傅里叶频谱Y;
4)用FISTA对频谱Y进行快速软阈值迭代,得到Y’,并且对Y’进行逆傅里叶变换的到恢复后的图像f,并且对图像f进行二值化处理,识别二维码图像。
在使用本发明获取两张二维码图像之后,对二维图像的稀疏性进行分析,具体如下:
稀疏性的描述,一个信号u∈RN如果是稀疏的,那么理论上就可以在以远低于奈圭斯特定理所要求最少2倍的采样速率来采样的情况下,仍可以精确重构原始信U。压缩感知理论揭示了一个道理,采样速率不在取决于信号带宽,而是很大程度上取决于以下两个准则,即非相关性和稀疏性。如果一个信号中只有少数元素是非零的,则该信号是稀疏的或可压缩的。通常图像信号在时域内是非稀疏的,而在某些基下是稀疏的,例如自然图像在Wavelet下是稀疏的或可压缩。可用下式子来表示信号的稀疏性:
u∈RN
其中,U表示一个N×1的信号,Ψ=[ψ1|ψ2|...ψN],ψi为N×1的列向量,称之为稀疏矩阵,α是在稀疏矩阵Ψ下的变换系数,如果α里面含有少量的大系数,而大多系数是零或者接近零,则称信号U是可压缩的。
二维码(QR码)图像的数据和纠错深色部分占55%左右,所以根据每个QR码深色的块数s;深色的块数占的比例通q确定QR码图像是否为可压缩图像,a是QR码每边的块数,b是QR码功能图形块数,c是QR码格式及版本信息模块数,公式如下:
s=b+c+(a2-b-c)/2
根据上面的公式得到从版本1到版本40的QR码图像中,深色的块数占的比例分别是从81%-57%左右。由于在一个信号中如果只有少数元素是非零的,则该信号是稀疏的可压缩,可知QR码图像是可压缩的,是稀疏的,所以QR码图像是稀疏性分析图像。
更进一步的,所述步骤2)中根据二维码图像的傅里叶特征设置一个非相关采样矩阵的具体过程为:
2.1)非相关采样矩阵是根据二维码图像的傅里叶特征进行设置的,二维码图像的傅里叶变换是类似十字形的图像;
2.2)构造出一个确定性的M(i,j)的观测矩阵,其中0≤i≤256;0≤j≤256,则上述非相关采样矩阵是一个同心圆和一个十字形的叠加而成的;其模型如下:
其中D表示同心圆内点到点的距离,其中同心圆内点到点的距离为D,且是距离D小于等于45个像素点的同心圆,并且采样的十字形宽度和同心圆形的大小可以进行适当的调整。调整的具体大小是通过统计二维码的黑色和白色点的比例来确定,其确定方法为:首先将QR码进行二值化处理,然后进行归一化处理,得出0和1的两个数值,统计0黑色点的个数,判断每一个像素点,如果是0,则n=n+1。然后(256*256)-n得出白色点的个数,算出黑色点和白色点的比例,黑色点数越多,采样矩阵的宽度和长度越大,相反,就越小。
所述步骤4)中用FISTA对频谱Y进行快速软阈值迭代的具体步骤如下:
4.1)设置图像的阈值为T,阈值T是根据QR码的傅里叶变换的频谱还原的图像质量来选取的;
4.2)比较经过傅里叶变换和采样后的图像对应的频率点x(i,j)和阈值T,0≤i≤256;0≤j≤256,当x(i,j)≤T,则变量f1=0,当x(i,j)>T,则变量f1=1;
4.3)比较经过傅里叶变换和采样后的图像对应的频率点x(i,j)与阈值T的相反数,当x(i,j)≥-T,则变量f2=0,当x(i,j)<-T,则变量f2=1;
4.4)变量f3=f1+f2;
4.5)设置图像每一像素点的大小,如下公式所示:
x(i,j)=[x(i,j)-f1×T]
x(i,j)=[(x(i,j)+f2×T]
X=X*f3
4.6)设置迭代系数t,如下公式所示:
4.7)根据迭代系数t来更新图像每像素的傅里叶域的值,如下公式所示:
其中x(i,j)是通过阈值更新后傅里叶域的值,x(i,j)p为未通过阈值更新的傅里叶域的值;
4.8)对其阈值T进行更新,并且判断此时的阈值是否小于0.001,当大于等于0.001则需要从步骤4.2)至4.8)重新再做一次;当阈值小于0.001则中断循环,如下公式所示更新阈值T:T=T×0.9。
与现有技术相比,本发明具有如下技术效果:
本发明首先将二维条码图像进行稀释性分析,得出二维码具有稀疏性。然后对二维条码图像进行傅里叶变换,得到转换后的频谱图像;然后对其傅里叶频谱进行观测分析;最后设置出一个针对条形码频谱的采样矩阵。这一方法既提高了算法的速度,又能减少采样点数,并且使得融合后还原的条形码图像的效果较好。所以,本发明在速度和效果上取得了一个相对的平衡,在二维条码识别系统中取得了良好的应用效果。
附图说明
图1是本发明所述方法的系统示意框图。
图2、图3、图4是实施例1所要处理的原图。
图5是实施例1所设计的采样矩阵示意图。
图6、图7、图8是实施例1分别对图2、图3、图4融合处理结果示意图。
具体实施方式
下面结合具体实施例对本发明作进一步的说明。
一种基于压缩感知的二维码图像光照均衡方法,其包括以下步骤:
1.1)QR码图像稀疏性分析,得出二维码具有稀疏的特性;
1.2)分别对两张光照不均的二维码图像进行傅里叶变换和根据二维码的图像傅里叶特征设计一个非相关采样矩阵对其进行采样;
1.3)采取线性融合,对融合后的频谱通过FISTA和傅里叶逆变换得到恢复后的图像,并对其进行二值化。
实施例1
以两个光照不均条形码图像大小256*256,参照图1,二维条码图像的二值化识别处理步骤如下:
步骤一:输入二维条码,例如输入两张二维码图像,对其进行灰度转变将数据存入I1和I2。
步骤二:将I1和I2分别进行傅里叶变换256*256,得到其频谱图像X1和X2。
步骤三:设置一个采样矩阵,分别对X1和X2在傅里叶域进行频谱采样到Y1和Y2。
步骤四:对Y1和Y2进行线性融合得到了新傅里叶频谱Y;
步骤五:用FISTA对频谱Y进行快速软阈值迭代,得到Y’,并且对Y’进行逆傅里叶变换的到恢复后的图像f,并且对图像进行二值化,识别二维码图像。
在使用本发明获取两张二维码图像之后,对二维图像的稀疏性进行分析,具体如下:
稀疏性的描述,一个信号u∈RN如果是稀疏的,那么理论上就可以在以远低于奈圭斯特定理所要求最少2倍的采样速率来采样的情况下,仍可以精确重构原始信U。压缩感知理论揭示了一个道理,采样速率不在取决于信号带宽,而是很大程度上取决于以下两个准则,即非相关性和稀疏性。如果一个信号中只有少数元素是非零的,则该信号是稀疏的或可压缩的。通常图像信号在时域内是非稀疏的,而在某些基下是稀疏的,例如自然图像在Wavelet下是稀疏的或可压缩。可用下式子来表示信号的稀疏性:
U=ψα
其中,U表示一个N×1的信号,Ψ=[ψ1|ψ2|...ψN],ψi为N×1的列向量,称之为稀疏矩阵,α是在稀疏矩阵Ψ下的变换系数,如果α里面含有少量的大系数,而大多系数是零或者接近零,则称信号U是可压缩的。
二维码(QR码)图像的数据和纠错深色部分占55%左右,所以根据每个QR码深色的块数s;深色的块数占的比例通q确定QR码图像是否为可压缩图像,a是QR码每边的块数,b是QR码功能图形块数,c是QR码格式及版本信息模块数,公式如下:
s=b+c+(a2-b-c)/2
根据上面的公式得到从版本1到版本40的QR码图像中,深色的块数占的比例分别是从81%-57%左右。由于在一个信号中如果只有少数元素是非零的,则该信号是稀疏的可压缩,可知QR码图像是可压缩的,是稀疏的,所以QR码图像是稀疏性分析图像。
更进一步的,所述步骤1.2)中根据二维码图像的傅里叶特征设置一个非相关采样矩阵的具体过程为:
2.1)非相关采样矩阵是根据二维码图像的傅里叶特征进行设置的,二维码图像的傅里叶变换是类似十字形的图像;
2.2)构造出一个确定性的M(i,j)的观测矩阵,其中0≤i≤256;0≤j≤256,则上述非相关采样矩阵是一个同心圆和一个十字形的叠加而成的;其模型如下:
其中D表示同心圆内点到点的距离,其中同心圆内点到点的距离为D,且是距离D小于等于45个像素点的同心圆。
十字形是通过105≤i≤150 105≤i≤150和105≤j≤150的宽带组成。
而这些数据则是通过了20张的不同数据量的二维码的傅里叶变换的频谱图,并且计算其频谱宽度的平均值而得出的,(128,128)是图采样矩阵的中心点,因为输入的二维码图像大小为256*256,通过这些数据可以得出一个适合二维码的傅里叶变换的M(i,j)的非相关采样矩阵,并且采样的十字形宽度和圆形的大小可以进行适当的调整。
所述步骤4)中用FISTA对频谱Y进行快速软阈值迭代的具体步骤如下:
4.1)设置图像的阈值为T,阈值T是根据QR码的傅里叶变换的频谱还原的图像质量来选取的;
4.2)比较经过傅里叶变换和采样后的图像对应的频率点x(i,j)和阈值T,0≤i≤256;0≤j≤256,当x(i,j)≤T,则变量f1=0,当x(i,j)>T,则变量f1=1;
4.3)比较经过傅里叶变换和采样后的图像对应的频率点x(i,j)与阈值T的相反数,当x(i,j)≥-T,则变量f2=0,当x(i,j)<-T,则变量f2=1;
4.4)变量f3=f1+f2;
4.5)设置图像每一像素点的大小,如下公式所示:
x(i,j)=[x(i,j)-f1×T]
x(i,j)=[(x(i,j)+f2×T]
X=X*f3
4.6)设置迭代系数t,如下公式所示:
4.7)根据迭代系数t来更新图像每像素的傅里叶域的值,如下公式所示:
其中x(i,j)是通过阈值更新后傅里叶域的值,x(i,j)p为未通过阈值更新的傅里叶域的值;
4.8)对其阈值T进行更新,并且判断此时的阈值是否小于0.001,当大于等于0.001则需要从步骤42)至48)重新再做一次;当阈值小于0.001则中断循环,如下公式所示更新阈值T:T=T×0.9。
Claims (1)
1.一种基于压缩感知的二维码图像光照均衡方法,其特征是,包括以下步骤:
1)采集同一个二维码图像,获取两张二维码图像,并对二维码图像进行稀疏性分析,得出二维码图像具有稀疏的特性;
2)分别对两张二维码图像进行傅里叶变换得到其频谱图像X1和X2,根据二维码图像的傅里叶特征设置一个非相关采样矩阵,对频谱图像X1和X2在傅里叶域进行频谱采样到Y1和Y2;
3)对Y1和Y2进行线性融合得到了新傅里叶频谱Y;
4)用FISTA对频谱Y进行快速软阈值迭代,得到Y’,并且对Y’进行逆傅里叶变换的到恢复后的图像f,并且对图像f进行二值化处理,复原二维码图像;
所述步骤2)中根据二维码图像的傅里叶特征设置一个非相关采样矩阵的具体过程为:
2.1)非相关采样矩阵是根据二维码图像的傅里叶特征进行设置的,二维码图像的傅里叶变换是类似十字形的图像;
2.2)构造出一个确定性的M(i,j)的观测矩阵,其中0≤i≤256;0≤j≤256,则上述非相关采样矩阵是一个同心圆和一个十字形的叠加而成的,其模型如下:
其中D表示同心圆内点到点的距离;
2.3)上述确定性的M(i,j)的观测矩阵中采样的十字形宽度和同心圆形的大小能够通过统计二维码的黑色和白色点的比例来确定,其确定方法为:首先将QR码进行二值化处理,然后进行归一化处理,得出0和1的两个数值,统计0黑色点的个数,判断每一个像素点,如果是0,则n=n+1;然后(256*256)-n得出白色点的个数,算出黑色点和白色点的比例,黑色点数越多,采样矩阵的宽度和长度越大,相反,就越小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410598979.7A CN104408698B (zh) | 2014-10-29 | 2014-10-29 | 一种基于压缩感知的二维码图像光照均衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410598979.7A CN104408698B (zh) | 2014-10-29 | 2014-10-29 | 一种基于压缩感知的二维码图像光照均衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408698A CN104408698A (zh) | 2015-03-11 |
CN104408698B true CN104408698B (zh) | 2017-06-06 |
Family
ID=52646327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410598979.7A Expired - Fee Related CN104408698B (zh) | 2014-10-29 | 2014-10-29 | 一种基于压缩感知的二维码图像光照均衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408698B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3096290B1 (en) * | 2015-05-19 | 2018-07-18 | Axis AB | Method and system for determining camera pose |
CN109740402B (zh) * | 2019-01-02 | 2022-04-22 | 苏州天准科技股份有限公司 | 基于频谱信息的二维码方向与位置获取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824257A (zh) * | 2012-11-16 | 2014-05-28 | 无锡汉兴电子有限公司 | 一种二维码图像预处理方法 |
CN103942762A (zh) * | 2014-04-24 | 2014-07-23 | 胡建国 | 一种二维码预处理的方法及其装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100828539B1 (ko) * | 2005-09-20 | 2008-05-13 | 후지제롯쿠스 가부시끼가이샤 | 이차원 코드의 검출 방법, 검출 장치, 및 검출 프로그램을기억한 기억 매체 |
-
2014
- 2014-10-29 CN CN201410598979.7A patent/CN104408698B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824257A (zh) * | 2012-11-16 | 2014-05-28 | 无锡汉兴电子有限公司 | 一种二维码图像预处理方法 |
CN103942762A (zh) * | 2014-04-24 | 2014-07-23 | 胡建国 | 一种二维码预处理的方法及其装置 |
Non-Patent Citations (4)
Title |
---|
一种低质量QR Code二维码图像的预处理方法;张然 等;《计算机科学》;20080430;第35卷(第4B期);第146-148页 * |
压缩感知理论及其在图像融合中的应用;魏超 等;《测绘工程》;20130430;第22卷(第2期);第2.1-2.2节 * |
基于稀疏表示和字典学习的QR码图像去噪;孙道达 等;《西北大学学报(自然科学版)》;20121231;第42卷(第6期);第915-918页 * |
基于稀疏表示的QR码识别;孙道达 等;《计算机应用》;20130101;第33卷(第1期);第179-181、185页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104408698A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | SOM: Semantic obviousness metric for image quality assessment | |
Ye et al. | Unsupervised feature learning framework for no-reference image quality assessment | |
CN105184744B (zh) | 基于标准化稀疏度量图像块先验的模糊核估计方法 | |
CN109359681A (zh) | 一种基于改进全卷积神经网络的大田作物病虫害识别方法 | |
CN104899830A (zh) | 一种图像超分辨方法 | |
CN102148986B (zh) | 基于自适应块压缩传感的渐进图像编码方法 | |
CN106529549B (zh) | 基于自适应特征和离散余弦变换的视觉显著性检测方法 | |
CN104021523A (zh) | 一种基于边缘分类的图像超分辨率放大的新方法 | |
Pang et al. | Image colorization using sparse representation | |
CN104408698B (zh) | 一种基于压缩感知的二维码图像光照均衡方法 | |
CN104050642A (zh) | 彩色图像复原方法 | |
Almeida et al. | Nonlinear separation of show-through image mixtures using a physical model trained with ICA | |
Niresi et al. | Robust hyperspectral inpainting via low-rank regularized untrained convolutional neural network | |
Wang et al. | Image reconstruction from patch compressive sensing measurements | |
Bioglio et al. | On the fly estimation of the sparsity degree in compressed sensing using sparse sensing matrices | |
He et al. | Fast image quality assessment via supervised iterative quantization method | |
Ancuti et al. | Image decolorization based on information theory | |
Sigurdsson et al. | Total variation and ℓ q based hyperspectral unmixing for feature extraction and classification | |
Santhosh et al. | A novel approach for denoising coloured remote sensing image using Legendre Fenchel transformation | |
Li et al. | Multi-variable intelligent matching pursuit algorithm using prior knowledge for image reconstruction by l0 minimization | |
CN108038516B (zh) | 基于低维图像编码与集成学习的白胚布平整度分级方法 | |
Bao et al. | Reduced quaternion matrix‐based sparse representation and its application to colour image processing | |
Ali et al. | Iterative thresholded bi-histogram equalization for medical image enhancement | |
Yuan et al. | Hypspectral image denoising with a multi-view fusion strategy | |
CN103971118A (zh) | 静态图片中葡萄酒瓶的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170606 |
|
CF01 | Termination of patent right due to non-payment of annual fee |