CN104463066B - 一种商品外包装一维条形码快速定位识别方法 - Google Patents

Abstract

本发明提出一种商品外包装一维条形码快速定位识别方法，包括下列步骤：获取商品条形码图像；利用条形码模板图像与所述获取的商品条形码图像进行特征匹配，得到当前商品条形码的定位区域；对所述商品条形码图像进行分割及复原后进行条形码识别获取商品信息。本发明提出一种商品外包装一维条形码快速定位识别方法，对商品外包装上的一维条码进行自动、快速定位，分割条码区域，最终进行条码识别，完成对整个商品的准确识别，具有快速、准确且自动等特点，并且适用于复杂背景的商品图像。

Description

一种商品外包装一维条形码快速定位识别方法

技术领域

本发明涉及商品条形码识别领域，且特别涉及一种商品外包装一维条形码快速定位识别方法。

背景技术

传统的条码识别方法主要包括光电识别方法、射频识别以及图像式的条码识别方法。

光电识别方法非常成熟,在市场上应用非常广泛。但是该种条码技术对有污染的条码识别能力差，要达到理想的识别效果对条码印刷质量要求较高。

射频识别(RFID)作为一种新型的条码识别技术，它通过射频标签与射频读写器之间的感应、无线电波或微波能量进行非接触双向通信，实现数据交换，从而达到识别目的。具有扫描速度快、扫描距离远、多目标同时扫描的优点。然而由于射频识别标签的成本问题，使得射频识别技术在零售领域并不能被广泛应用。

图像式的条码识别技术一般首先由图像采集装置采集有复杂背景的条码图像,然后利用图像处理技术进行条码图像的去噪和分割处理,最后调用读码模块,读出条码值并显示识别结果。

上述三种方法主要存在以下两方面的缺点：

(1)识别过程需要人工干预，手工确定条码位置。

(2)对复杂的图像检测效果很差，算法鲁棒性低。

发明内容

本发明提出一种商品外包装一维条形码快速定位识别方法，对商品外包装上的一维条码进行自动、快速定位，分割条码区域，最终进行条码识别，完成对整个商品的准确识别，具有快速、准确且自动等特点，并且适用于复杂背景的商品图像。

为了达到上述目的，本发明提出一种商品外包装一维条形码快速定位识别方法，包括下列步骤：

获取商品条形码图像；

利用条形码模板图像与所述获取的商品条形码图像进行特征匹配，得到当前商品条形码的定位区域；

对所述商品条形码图像进行分割及复原后进行条形码识别获取商品信息。

进一步的，所述商品条形码图像获取步骤为：通过红外装置检测到商品后，触发相机并由相机采集当前拍摄的商品条形码图像。

进一步的，所述特征匹配步骤为利用条形码模板图像与所述获取的商品条形码图像进行SURF特征匹配。

进一步的，所述获取商品条形码定位区域步骤为利用RANSAC算法消除错误匹配点，得到当前商品图像条形码的定位区域。

进一步的，所述对商品条形码图像进行分割步骤包括：

对商品条形码区域加噪，使得添加噪声后的条形码区域提取出密集而均匀分布的SURF特征点；

利用Hough变换直线检测求得的准确条形码倾斜角度；

改变surf特征主方向的范围区间到0-180度后SURF特征点主方向具有同一指向，从而将倾斜的商品条形码区域进行角度校正。

进一步的，所述将倾斜的商品条形码区域进行角度校正步骤包括：利用一定半径大小的圆形窗口，从SURF特征匹配准确定位点开始，沿着准确条形码倾斜方向的前后左右进行区域生长运动，找出条形码图像的前后左右边界点，最后利用这四个边界点完整分割出商品条形码图像，并利用双线性插值法对倾斜条形码图像进行摆正。

进一步的，所述对商品条形码图像进行复原步骤包括：

在分割后的商品条形码图像中查找收缩最轻微的横截区域，并截取原始商品条形码图像中设定单位宽度的图像；

利用90度的直线型结构元素函数SE，对截取的设定单位宽度的条形码图像进行腐蚀膨胀运算，使得商品条形码的线条由弯曲恢复为竖直。

进一步的，所述对商品条形码图像进行复原步骤中，截取原始商品条形码图像中15个单位宽度的图像。

进一步的，该方法对水平方向的商品条形码分成多段进行分割。

本发明提出的商品外包装一维条形码快速定位识别方法，识别速度快，能够满足实时要求、精度高，具有很好的推广应用价值。本发明能够定位分割大角度倾斜、视觉变形、薄膜覆盖、表面褶皱、复杂干扰背景等多种实际应用中的条形码图像。本发明支持在复杂背景上快速定位与识别一维点阵条码，并允许条码在位置、尺寸和方向上的较大变化。可广泛应用于半导体芯片生产线的流程控制，汽车部件上的一维条码识别，仓库货物上的一维条码识别以及其它产品包装或表面上的一维条码识别。

附图说明

图1所示为本发明较佳实施例的商品外包装一维条形码快速定位识别方法流程图。

具体实施方式

以下结合附图给出本发明的具体实施方式，但本发明不限于以下的实施方式。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用于方便、明晰地辅助说明本发明实施例的目的。

条形码共同具有的黑白条纹相间的单一图像特性，使得任意两个条形码图像之间的SURF特征匹配都能够进行。本发明利用该特性，首先通过条形码模板图像与包含条形码的商品图像之间进行粗匹配，快速定位出条形码的位置；再通过误匹配点的消除，精确定位出条形码的位置。对定位后的条码区域进行分割与校正，最终利用条形码识别的方法，得到条码信息，从而进行商品识别。

加速稳健特征(Speeded Up Robust Features,SURF)是一个稳健的图像识别和描述算法，首先于2006年发表在欧洲计算机视觉国际会议(Europeon Conference onComputer Vision，ECCV)。该算法可被用于计算机视觉任务，如物件识别和3D重构。他部分的灵感来自于SIFT算法。SURF标准的版本比SIFT要快数倍，并且其作者声称在不同图像变换方面比SIFT更加稳健。SURF基于近似的2D离散小波变换响应和并且有效地利用了积分图。作为尺度不变特征变换(SIFT)算法的加速版，SURF算法在适中的条件下完成两幅图像中物体的匹配基本实现了实时处理。

请参考图1，图1所示为本发明较佳实施例的商品外包装一维条形码快速定位识别方法流程图。本发明提出一种商品外包装一维条形码快速定位识别方法，包括下列步骤：

步骤S100：获取商品条形码图像；

步骤S200：利用条形码模板图像与所述获取的商品条形码图像进行特征匹配，得到当前商品条形码的定位区域；

步骤S300：对所述商品条形码图像进行分割及复原后进行条形码识别获取商品信息。

根据本发明较佳实施例，所述商品条形码图像获取步骤为：通过红外装置检测到商品后，触发相机并由相机采集当前拍摄的商品条形码图像，并采集当前拍摄图像存储到内存中。

进一步的，所述特征匹配步骤为利用条形码模板图像与所述获取的商品条形码图像进行SURF特征匹配。所述模板图像，即任意一维条码图像。

所述获取商品条形码定位区域步骤为利用RANSAC算法消除错误匹配点，得到当前商品图像条形码的定位区域。RANSAC为RANdom SAmple Consensus(随机抽样一致性算法)的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。RANSAC算法的基本假设是样本中包含正确数据(inliers，可以被模型描述的数据)，也包含异常数据(Outliers，偏离正常范围很远、无法适应数学模型的数据)，即数据集中含有噪声。这些异常数据可能是由于错误的测量、错误的假设、错误的计算等产生的。同时RANSAC也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。

根据本发明较佳实施例，所述对商品条形码图像进行分割步骤包括：

对商品条形码区域加噪，使得添加噪声后的条形码区域提取出密集而均匀分布的SURF特征点；

利用Hough变换直线检测求得的准确条形码倾斜角度；

改变surf特征主方向的范围区间到0-180度后SURF特征点主方向具有同一指向，从而将倾斜的商品条形码区域进行角度校正。

Hough变换是一种使用表决原理的参数估计技术。其原理是利用图像空间和Hough参数空间的点－线对偶性，把图像空间中的检测问题转换到参数空间。通过在参数空间里进行简单的累加统计，然后在Hough参数空间寻找累加器峰值的方法检测直线。Hough变换的实质是将图像空间内具有一定关系的像元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间累积对应点。在参数空间不超过二维的情况下，这种变换有着理想的效果。

在不考虑误差的情况下，Hough变换直线检测求得的准确条形码倾斜方向，与条形码区域的SURF特征点的主方向是相同的。但是不考虑误差是不现实的，SURF特征点的主方向在准确条形码倾斜方向大致6度范围内变化。所述将倾斜的商品条形码区域进行角度校正步骤包括：利用一定半径r大小的圆形窗口，从SURF特征匹配准确定位点开始，沿着准确条形码倾斜方向的前后左右进行区域生长运动，找出条形码图像的前后左右边界点，最后利用这四个边界点完整分割出商品条形码图像，并利用双线性插值法对倾斜条形码图像进行摆正。双线性插值，又称为双线性内插。在数学上，双线性插值是有两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。当对相邻四个像素点采用双线性插值时，所得表面在邻域处是吻合的，但斜率不吻合。并且双线性灰度插值的平滑作用可能使得图像的细节产生退化，这种现象在进行图像放大时尤其明显。

根据本发明较佳实施例，所述对商品条形码图像进行复原步骤包括：

在分割后的商品条形码图像中查找收缩最轻微的横截区域，并截取原始商品条形码图像中设定单位宽度的图像；

利用90度的直线型结构元素函数SE，对截取的设定单位宽度的条形码图像进行腐蚀膨胀运算，使得商品条形码的线条由弯曲恢复为竖直。

进一步的，所述对商品条形码图像进行复原步骤中，截取原始商品条形码图像中15个单位宽度的图像。腐蚀膨胀运算属于数学形态学(Mathematical Morphology)，腐蚀运算是一种消除边界点，使边界向内部收缩的过程，可以用来消除小且无意义的物体。腐蚀的算法：用3x3的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为1，结果图像的该像素为1，否则为0，其运算结果：使二值图像减小一圈；膨胀运算是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程，可以用来填补物体中的空洞。膨胀的算法：用3x3的结构元素，扫描图像的每一个像素，用结构元素与其覆盖的二值图像做“与”操作，如果都为0，结果图像的该像素为0，否则为1，其运算结果：使二值图像扩大一圈。因此腐蚀就是使用算法，将图像的边缘腐蚀掉，作用就是将目标的边缘的“毛刺”踢除掉。膨胀就是使用算法，将图像的边缘扩大些，作用就是将目标的边缘或者是内部的坑填掉。使用相同次数的腐蚀与膨胀，可以使目标表面更平滑。

进一步的，对条形码的完整分割产生影响的情况主要表现在水平方向条形码图像的光照不均匀，自适应阈值Ostu对这种情况下的条形码分割效果并不理想。然而通过对水平方向的条形码分成多段进行分割可以消除这个影响。

综上所述，本发明提出的商品外包装一维条形码快速定位识别方法，识别速度快，能够满足实时要求、精度高，具有很好的推广应用价值。本发明能够定位分割大角度倾斜、视觉变形、薄膜覆盖、表面褶皱、复杂干扰背景等多种实际应用中的条形码图像。本发明支持在复杂背景上快速定位与识别一维点阵条码，并允许条码在位置、尺寸和方向上的较大变化。可广泛应用于半导体芯片生产线的流程控制，汽车部件上的一维条码识别，仓库货物上的一维条码识别以及其它产品包装或表面上的一维条码识别。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (8)

1.一种商品外包装一维条形码快速定位识别方法，其特征在于，包括下列步骤：

获取商品条形码图像；

利用条形码模板图像与所述获取的商品条形码图像进行特征匹配，得到当前商品条形码的定位区域；

对所述商品条形码图像进行分割及复原后进行条形码识别获取商品信息；

其中，对所述商品条形码图像进行分割步骤包括：

对商品条形码区域加噪，使得添加噪声后的条形码区域提取出密集而均匀分布的SURF特征点；

利用Hough变换直线检测求得准确条形码倾斜角度；

改变SURF特征点主方向的范围区间到0-180度后SURF特征点主方向具有同一指向，从而将倾斜的商品条形码区域进行角度校正。

2.根据权利要求1所述的商品外包装一维条形码快速定位识别方法，其特征在于，所述商品条形码图像获取步骤为：通过红外装置检测到商品后，触发相机并由相机采集当前拍摄的商品条形码图像。

3.根据权利要求1所述的商品外包装一维条形码快速定位识别方法，其特征在于，所述特征匹配步骤为利用条形码模板图像与所述获取的商品条形码图像进行SURF特征匹配。

4.根据权利要求3所述的商品外包装一维条形码快速定位识别方法，其特征在于，所述获取商品条形码定位区域步骤为利用RANSAC算法消除错误匹配点，得到当前商品图像条形码的定位区域。

5.根据权利要求1所述的商品外包装一维条形码快速定位识别方法，其特征在于，所述将倾斜的商品条形码区域进行角度校正步骤包括：利用一定半径大小的圆形窗口，从SURF特征匹配准确定位点开始，沿着准确条形码倾斜方向的前后左右进行区域生长运动，找出条形码图像的前后左右边界点，最后利用这四个边界点完整分割出商品条形码图像，并利用双线性插值法对倾斜条形码图像进行摆正。

6.根据权利要求1所述的商品外包装一维条形码快速定位识别方法，其特征在于，所述对商品条形码图像进行复原步骤包括：

在分割后的商品条形码图像中查找收缩最轻微的横截区域，并截取原始商品条形码图像中设定单位宽度的图像；

利用90度的直线型结构元素函数SE，对截取的设定单位宽度的条形码图像进行腐蚀膨胀运算，使得商品条形码的线条由弯曲恢复为竖直。

7.根据权利要求6所述的商品外包装一维条形码快速定位识别方法，其特征在于，所述对商品条形码图像进行复原步骤中，截取原始商品条形码图像中15个单位宽度的图像。

8.根据权利要求1所述的商品外包装一维条形码快速定位识别方法，其特征在于，该方法对水平方向的商品条形码分成多段进行分割。