CN104517091A - 一种qr码探测图形的筛选方法及系统 - Google Patents
一种qr码探测图形的筛选方法及系统 Download PDFInfo
- Publication number
- CN104517091A CN104517091A CN201310459674.3A CN201310459674A CN104517091A CN 104517091 A CN104517091 A CN 104517091A CN 201310459674 A CN201310459674 A CN 201310459674A CN 104517091 A CN104517091 A CN 104517091A
- Authority
- CN
- China
- Prior art keywords
- detected
- detection
- length
- reference value
- figures
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
- G06K7/1473—Methods for optical code recognition the method including quality enhancement steps error correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
Abstract
本发明提供一种QR码探测图形的筛选方法及系统,当QR码图片中因为出现干扰或者其他原因可能会混进多个探测图形时,首先确定每个待探测图形的边长,进而确定多个待探测图形边长的平均值,然后通过与预先设定的参考值进行比较,将符合预定条件的待探测图形确定为探测图形。填补了现有技术在发现多于三个探测图形时却无法准确去除因干扰引入的探测图形的技术空白,提供了一种行之有效的解决方案。
Description
技术领域
本发明涉及一种二维码的图像处理方法,具体是一种基于多个QR码探测图形的筛选方法及系统,属于信息图像处理技术领域。
背景技术
QR码是二维码中的一种,以其识读速度快、数据密度大、占用空间小的优势得到了越来越广泛的应用。通过使用CCD识读设备来探测QR码的位置、大小、倾斜角度、并加以解码,实现360度高速识读。众所周知图像识读设备识别图像时需要先对图像进行定位,继而对图像采用一些相应的处理方法,获得图像所携带的信息,QR码也不例外。对于QR码的定位是通过三个相同的探测图形,分别位于QR码的左上角、右上角和左下角,如图1所示。每个探测图形可以看作是由3个重叠的同心的正方形组成,它们分别为7*7个深色模块、5*5个浅模块和3*3个深色模块。其中探测图形1位于左上角,探测图形2位于右上角,探测图形3位于左下角。探测图形的模块宽度比为1:1:3:1:1。符号中其他地方遇到类似图形的可能性极小,因此CCD识读设备可以在视场中迅速地识别可能的QR码符号。由于QR码图像本身在不考虑外部干扰的前提下,整体呈现为一个正方形。三个探测图形位于三个顶点的位置,所以三个探测图形若两两相连,在失真不是很严重的情况下,基本呈现等腰直角三角形的结构。识别完成三个探测图形,再根据三个探测图形之间的几何关系,就可以确定该QR码的位置和方向。
现有技术中通过对探测图形的定位检测都是在默认探测图形个数只有三个的时候进行的检测,继而通过排序算法确定三个探测图形的相对位置,准确定位QR码图像。但是现实中还会存在整个检测画面内的探测图形数量多于三个的情况,可能是由于干扰引进了多余的探测图形,也可能由于在一张图片中其他文字或者符号所组成的图形与探测图形的结构特征很相似会被误判为探测图形等。对于这种情况,现有的CCD识读设备则显得相对无力。现有情况下对于如何准确地从多个检测到的探测图形,目前尚没有公开的相应处理方法。
发明内容
本发明所要解决的技术问题是现有技术中在发现多于三个探测图形时无法准确去除因干扰引入的探测图形,从而提供一种QR码探测图形的筛选方法及系统。
为解决上述技术问题,本发明是通过以下技术方案实现的:
一种QR码探测图形的筛选方法,包括如下步骤:
获取多个待探测图形;
确定每个待探测图形的边长;
根据每个待探测图形的边长,确定多个待探测图形边长的平均值;
根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值;
将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形。
进一步地所述根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值的处理包括:
根据所述平均值和每个待探测图形的边长,确定多个待探测图形对应的标准差;
根据所述平均值和所述标准差,确定所述参考值。
进一步地利用下述公式确定标准差Std:
其中N为待探测图形的个数,Si为第i个待探测图形的边长,Avg为所述平均值,i为整数且1≤i≤N。
进一步地利用下述公式确定参考值E:
E=max(n×Avg,Std),其中n为调整系数且0<n<1。
进一步地设定所述调整系数n=0.2。
进一步地所述将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形的处理中:
所述预定条件为:|Si-Avg|≤E。
进一步地还包括如下步骤:
判断所述符合预定条件的待探测图形的数量,若为三个或三个以下则结束筛选,否则进行如下步骤:
获取任意三个待探测图形的中心组成的三角形;
确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形。
进一步地所述确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形的处理包括:
利用以下公式获得每一所述三角形的判定因子:
其中,L1、L2、L3为三角形的三个边的长度;
所述三角形判定因子最小的三角形的三个顶点所对应的三个待探测图形确定为探测图形。
一种QR码探测图形的筛选系统,包括:
图形获取模块,用于获取多个待探测图形;
图形边长确定模块,用于确定每个待探测图形的边长;
平均值获取模块,用于根据每个待探测图形的边长,确定多个待探测图形边长大小的平均值;
参考值确定模块,用于根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值;
探测图形确定模块,用于将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形。
进一步地所述参考值确定模块包括:
标准差获取单元,用于根据所述平均值和每个待探测图形的边长,确定多个待探测图形对应的标准差;
参考值获取单元,用于根据所述平均值和所述标准差,确定所述参考值。
进一步地所述标准差获取单元利用下述公式确定标准差Std:
其中N为待探测图形的个数,Si为第i个待探测图形的边长,Avg为所述平均值,i为整数且1≤i≤N。
进一步地所述参考值获取单元利用下述公式确定参考值E:
E=max(n×Avg,Std),其中n为调整系数且0<n<1。
进一步地所述参考值获取单元中设定所述调整系数n=0.2。
进一步地所述探测图形确定模块中所述预定条件为:|Si-Avg|≤E。
进一步地还包括:
图形数量判断模块,用于判断所述符合预定条件的待探测图形的数量;
三角形获取模块,用于在所述符合预定条件的带探测图形的数量在三个以上时,获取任意三个待探测图形的中心组成的三角形;
所述探测图形确定模块,用于确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形。
进一步地所述探测图形确定模块包括:
判定因子获取单元,利用以下公式获得每一所述三角形的判定因子:
其中,L1、L2、L3为三角形的三个边的长度;
探测图形确定单元,用于将所述三角形判定因子最小的三角形的三个顶点所对应的三个待探测图形确定为探测图形。
本发明的上述技术方案相比现有技术具有以下优点:
(1)本发明所述的一种QR码探测图形的筛选方法及系统,当QR码图片中因为出现干扰或者其他原因可能会混进多个探测图形时,首先确定每个待探测图形的边长,进而确定多个待探测图形边长的平均值,然后通过与预先设定的参考值进行比较,将符合预定条件的待探测图形确定为探测图形。填补了现有技术在发现多于三个探测图形时却无法准确去除因干扰引入的探测图形的技术空白,提供了一种行之有效的解决方案。
(2)本发明所述的一种QR码探测图形的筛选方法及系统,所述预定条件的设定是充分结合每一待探测图形边长以及多个待探测图形边长的平均值,并经过多次试验验证后得出,具有很强的操作性和可实施性。通过预定条件的合理设定便可以有效的剔除一部分乃至全部多余的探测图形,在一般情况下可以有效地从多个检测到的探测图形去除全部因干扰引入的探测图形,找到三个探测图形。
(3)本发明所述的一种QR码探测图形的筛选方法及系统,筛选方案灵活且层层递进,包括探测图形的数量判定,根据探测图形的边长大小与参考值之差是否在设定的预定条件范围内判定,以及对最后剩下的探测图形数量依然超过三个的根据探测图形位置之间的几何关系来判断,最终挑选出真正的探测图形。可以有效地从多个检测到的探测图形去除因干扰引入的探测图形,找到三个探测图形。并且只要找到三个探测图形后边无需再进行进一步的筛选,针对不同情况可以省去不必要的检测步骤,提升筛选速度。
(4)本发明所述的一种QR码探测图形的筛选方法及系统,在对探测图形进行筛选时充分考虑了形变的因素,即无论如何形变,三个探测图形之间总是大致呈等腰直角三角形的关系。在实际应用中,考虑到形变的关系,采用放宽的判定条件加以筛选。如此改进,充分考虑到探测图形之间的几何关系,不会简单地根据模块大小的微小差异来简单地判断。在寻找出较多待探测图形的情况下,能够较准确地将探测图形筛选出来,提升了筛选探测图形的精准度。
(5)本发明所述的一种QR码探测图形的筛选方法及系统,在准确筛选出三个探测图形后结合探测图形在整个QR码中的位置关系,进而准确判断三个探测图形的位置关系,对探测图形进行排序,有助于CCD识读设备准确定位QR码,同时读取QR码的模块长度、版本信息和模块数,为QR码的解码做好了前期的准备工作。
附图说明
为了使本发明的内容更容易被清楚的理解,下面结合附图,对本发明作进一步详细的说明,其中,
图1是QR码图像中的探测图形的位置示意图;
图2是一种实施例所述的QR码探测图形的筛选方法流程图;
图3是一种实施例所述的QR码探测图形的筛选方法流程图;
图4是一种实施例运用所述的QR码探测图形的筛选方法效果图;
图5是一种实施例构建的三角形示意图;
图6是一种实施例所述的QR码探测图形的筛选系统结构框图;
图7是一种实施例所述的QR码探测图形的筛选系统结构框图。
1-左上角探测图形,2-右上角探测图形,3-左下角探测图形。
具体实施方式
实施例1
本实施例提供了一种QR码探测图形的筛选方法,如图2所示,包括如下步骤:
获取多个待探测图形;
确定每个待探测图形的边长;
根据每个待探测图形的边长,确定多个待探测图形边长的平均值;
根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值;
将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形。
每一个QR码包括三个探测图形,但是由于现实中还会存在整个检测画面内的探测图形数量多于三个的情况,可能是由于干扰引进了多余的探测图形,也可能由于在一张图片中其他文字或者符号所组成的图形与探测图形的结构特征很相似会被误判为探测图形等。本实施例的实施便是建立在这种检测到的探测图形的个数大于3的情况下,若最初检测到的探测图形的个数刚好等于3时,根本无需通过本实施例所述的方法进行筛选,普通算法便可轻松达到目的。若最初检测到的探测图形的个数小于3时,则一定不是用于构成QR码探测图形,直接返回错误。
由于在同一个码图中的探测图形,都是相同的正方形图形。因此,探测图形的边长理论上都相等。所述边长可以是横向边长也可以是纵向边长。而对于不属于码图中探测图形的其他待探测图形,其形状虽然会与探测图形类似,即也是正方形,但是其边长与真正的探测图形的边长差距会比较大,所以根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值,并进一步将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形,就能够获得较为准确的结果。
本实施例所述的一种QR码探测图形的筛选方法,当QR码图片中因为出现干扰或者其他原因可能会混进多个探测图形时,首先确定每个待探测图形的边长,进而确定多个待探测图形边长的平均值,然后通过与预先设定的参考值进行比较,将符合预定条件的待探测图形确定为探测图形。填补了现有技术在发现多于三个探测图形时却无法准确去除因干扰引入的探测图形的技术空白,提供了一种行之有效的解决方案。
为了本领域技术人员可以很好的实施本实施例所述的方案,下面结合公式具体阐述本实施例所述的方案。所述根据平均值和每个待探测图形的边长,确定检测待探测图形的参考值的处理步骤包括:
根据所述平均值和每个待探测图形的边长,确定多个待探测图形对应的标准差;
根据所述平均值和所述标准差,确定所述参考值。
利用下述公式确定标准差Std:
其中N为待探测图形的个数,Si为第i个待探测图形的边长,Avg为所述平均值,i为整数且1≤i≤N。
利用下述公式确定参考值E:
E=max(n×Avg,Std),其中n为调整系数且0<n<1。
根据实际检测中遇到的情况,当我们检测到的探测图形的数量很多的情况是比较少见的,而且受限于检测设备,所以一般检测到的探测图形的数量不会太多,而且其中混入较多的是一些疑似探测图形的非探测图形被误判的探测图形。简言之,排除形变以及失真严重等原因,真正的探测图形的大小相差并不大,而那些误判的探测图形与我们实际需要获得的探测图形的大小倒是相差较大并且数量相对较多。上述筛选步骤中首先获得标准差,确定参考值,最后通过与合理设置的预定条件进行比较筛选出符合条件的探测图形。预定条件设置的合理,便可以有效的剔除一部分乃至全部多余的探测图形。
经过多次试验验证,当所述调整系数n=0.2时可以获得较好的筛选效果,既可以保证最大程度的剔除一些过大或过小的探测图形,也可以保证不会将真正的探测图形剔除掉,故本实施例优选n=0.2。本领域技术人员应当知晓,n的数值的变化亦在本实施例的保护范围之内,此处不在赘述。
所述将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形的处理步骤中:
所述预定条件为:|Si-Avg|≤E。
预设条件设置为|Si-Avg|≤E,即用每个待探测图形的边长与多个待探测图形边长的平均值之间的差值大小与所述参考值进行比较,进而判断是否为探测图形。所述预定条件的设定是充分结合每一待探测图形边长以及多个待探测图形边长的平均值,并经过多次试验验证后得出,具有很强的操作性和可实施性。通过预定条件的合理设定便可以有效的剔除一部分乃至全部多余的探测图形,在一般情况下可以有效地从多个检测到的探测图形去除全部因干扰引入的探测图形,找到三个探测图形。但是本领域技术人员应当知晓,所述预定条件设置为|Si-Avg|≤E仅仅是一种优选的实施方式,本实施例保留其他合理设置预定条件的权利。
经过上述筛选步骤我们可以剔除一些探测图形,使得剩余的探测图形的数量刚好等于3,这时便可以进入排序步骤。但是经过上述筛选步骤并不能完全保证检测出的探测图形的数量等于3,对于探测图形的数量超过3的情形还需要借助进一步地筛选步骤才能保证筛选的准确性。如图3所示,本实施例还包括如下步骤:
判断所述符合预定条件的待探测图形的数量,若为三个或三个以下则结束筛选,否则进行如下步骤:
获取任意三个待探测图形的中心组成的三角形;
确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形。
本实施例筛选方案灵活且层层递进,包括探测图形的数量判定,根据探测图形的边长大小与参考值之差是否在设定的预定条件范围内判定,以及对最后剩下的探测图形数量依然超过三个的根据探测图形位置之间的几何关系来判断,最终挑选出真正的探测图形。可以有效地从多个检测到的探测图形去除因干扰引入的探测图形,找到三个探测图形。并且只要找到三个探测图形后边无需再进行进一步的筛选,针对不同情况可以省去不必要的检测步骤,提升筛选速度。
所述确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形的处理包括:
利用以下公式获得每一所述三角形的判定因子:
其中,L1、L2、L3为三角形的三个边的长度;
所述三角形判定因子最小的三角形的三个顶点所对应的三个待探测图形确定为探测图形。
构建三角形,是基于探测图形在QR码中的位置来考虑的,三个探测图形大致构成一个等腰直角三角形的形状。若三个探测图形的中心点无法构成三角形,那么这三个待探测图形肯定不是我们最终需要查找的探测图形。当三个探测图形可以构成三角形时,若只有三个待探测图形可以构成三角形,其余的待探测图形都不能构成三角形时,便可以直接将这三个待探测图形确认为探测图形。若有多组三个待探测图形可以构成三角形时,便需要借助三角形判定因子进行进一步的判断。
三角形判定因子的构建旨在判断这个三角形接近等腰三角形与直角三角形的程度,三角形判定因子F的数值越小便可以证明其越接近等腰直角三角形,三角形判定因子最小的三角形所对应的三个待探测图形组合是所有待探测图形组合中最接近等腰直角三角形的组合,就认为这三个候选图形是探测图形。
实施例所述的一种QR码探测图形的筛选方法,在对探测图形通过几何关系进行筛选时充分考虑了形变的因素,即无论如何形变,三个探测图形之间总是大致呈等腰直角三角形的关系。在实际应用中,考虑到形变的关系,采用放宽的判定条件加以筛选。如此改进,充分考虑到探测图形之间的几何关系,不会简单地根据模块大小的微小差异来简单地判断。在寻找出较多候选图形的情况下,能够较准确地将目标筛选出来,提升了筛选探测图形的精准度。
本实施例所述的一种QR码探测图形的筛选方法,当QR码图片中因为出现干扰或者其他原因可能会混进多个探测图形时,采用多级筛选机制准确选择探测图形,包括探测图形的数量判定,根据图形的边长大小与参考值之差是否符合预定条件,以及对最后剩下的探测图形数量依然超过三个的根据探测图形位置之间的几何关系来判断,最终挑选出真正的探测图形。通过多级筛选机制可以有效地从多个检测到的探测图形去除因干扰引入的探测图形,找到三个探测图形。
实施例2
本实施例所述的一种QR码探测图形的筛选方法是在实施例1的基础上进行的改进,包括如下步骤:
待探测图形数量判定:当待探测图形数量小于3时返回错误;当待探测图像数量等于3时,3个待探测图像均为探测图形则直接进入排序步骤;当待探测图形数量大于3时进入筛选步骤,筛选出3个探测图形;
筛选步骤:为实施例1所述的筛选方法;
排序步骤:对3个探测图形进行排序。
本实施例首先通过对待探测图形进行数量判定,当数量小于3时,未满足QR码包含三个探测图形的基本要求,故通过返回错误来告知检测到的图形并不完全。当等于3时,直接进入排序步骤。只有在检测到的探测图形的数量大于3时,才进行如实施例1所述的探测图形的筛选步骤,此处对筛选步骤不在赘述。图4便为运用本实施例所述的方法进行探测图形的筛选所得到的效果图,图中包含四个待探测图形,经过筛选步骤后成功的筛选出探测图形,剔除了多余的探测图形。
所述排序步骤具体包括如下步骤:
确定左上角探测图形:获得三个探测图形组成的三角形边长最长的边,其相对的探测图形为左上角的探测图形;
确定左下角和右上角的探测图形:以左上角探测图形所对应的顶点为中心,右上角探测图形在左下角探测图形的逆时针方向上。
获得QR码信息:根据探测图形获得QR码的模块长度、版本信息和模块数信息。
由于探测图形在QR码中的位置已经固定,当我们获知左上角的探测图形时,其余两个探测图形便可以根据与其的相对关系来获得。本实施例提供一种通过对三角形构架向量的方法来对探测图形进行排序。
假设经过筛选步骤得到的三个探测图形中心分别为A、B、C,为了确定三者的位置关系,需对其进行重新排序,排序后的位置关系如图5所示。
由图可以看出三个探测图形的中心点间的距离满足|AB|<|BC|,|AC|<|BC|这个关系,且∠BAC<180°,通过这个关系即可以判定A点为三个探测图形组成的三角形边长最长的边其相对的三角形顶点,由此便可以判定A点所对应的探测图形为左上角的探测图形。接下来是对另外连个探测图形的位置的判定,由于C点肯定在B点的顺时针方向,本实施例便是利用这一点结合向量进行的判断。
若的分量为正,即(Cx-Ax)(By-Ay)-(Cy-Ay)(Bx-Ax)>0,结合数学知识便可以清楚的知道C点肯定在B点的顺时针方向。需要说明的是,本实施例中所说的左上角、右上角和左下角,是一种相对的说法而非绝对。其中左上角探测图形应当位于直角三角形的直角顶点上,而以直角顶点的探测图形为中心,右上角探测图形在左下角探测图形的逆时针方向上。这一位置关系不受QR码的正向反向等位置的影响。当然本领域技术人员应该知晓,通过构建向量来对探测图形进行排序只是其实现的一种方式,本实施例并不限于这种方式,其他的可以实施的方式也在本实施例的保护范围之内。
本实施例所述的一种QR码探测图形的筛选方法,在准确筛选出真正的探测图形后结合探测图形在整个QR码中的位置关系,构造向量关系,进而准确判断三个点的位置关系,对探测图形进行排序,有助于CCD识读设备准确定位QR码,同时读取QR码的模块长度、版本信息和模块数,为QR码的解码做好了前期的准备工作。
实施例3
本实施例提供了一种QR码探测图形的筛选系统,如图6所示,包括:
图形获取模块,用于获取多个待探测图形;
图形边长确定模块,用于确定每个待探测图形的边长;
平均值获取模块,用于根据每个待探测图形的边长,确定多个待探测图形边长大小的平均值;
参考值确定模块,用于根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值;
探测图形确定模块,用于将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形。
每一个QR码包括三个探测图形,但是由于现实中还会存在整个检测画面内的探测图形数量多于三个的情况,可能是由于干扰引进了多余的探测图形,也可能由于在一张图片中其他文字或者符号所组成的图形与探测图形的结构特征很相似会被误判为探测图形等。本实施例的实施便是建立在这种检测到的探测图形的个数大于3的情况下,若最初检测到的探测图形的个数刚好等于3时,根本无需通过本实施例所述的系统进行筛选,普通算法便可轻松达到目的。若最初检测到的探测图形的个数小于3时,则一定不是用于构成QR码探测图形,直接返回错误。
由于在同一个码图中的探测图形,都是相同的正方形图形。因此,探测图形的边长理论上都相等。所述边长可以是横向边长也可以是纵向边长。而对于不属于码图中探测图形的其他待探测图形,其形状虽然会与探测图形类似,即也是正方形,但是其边长与真正的探测图形的边长差距会比较大,所以根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值,并进一步将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形,就能够获得较为准确的结果。
本实施例所述的一种QR码探测图形的筛选系统,当QR码图片中因为出现干扰或者其他原因可能会混进多个探测图形时,首先确定每个待探测图形的边长,进而确定多个待探测图形边长的平均值,然后通过与预先设定的参考值进行比较,将符合预定条件的待探测图形确定为探测图形。填补了现有技术在发现多于三个探测图形时却无法准确去除因干扰引入的探测图形的技术空白,提供了一种行之有效的解决方案。
为了本领域技术人员可以很好的实施本实施例所述的方案,下面结合公式具体阐述本实施例所述的方案。所述参考值确定模块包括:
标准差获取单元,用于根据所述平均值和每个待探测图形的边长,确定多个待探测图形对应的标准差;
参考值获取单元,用于根据所述平均值和所述标准差,确定所述参考值。
所述标准差获取单元利用下述公式确定标准差Std:
其中N为待探测图形的个数,Si为第i个待探测图形的边长,Avg为所述平均值,i为整数且1≤i≤N。
所述参考值获取单元利用下述公式确定参考值E:
E=max(n×Avg,Std),其中n为调整系数且0<n<1。
根据实际检测中遇到的情况,当我们检测到的探测图形的数量很多的情况是比较少见的,而且受限于检测设备,所以一般检测到的探测图形的数量不会太多,而且其中混入较多的是一些疑似探测图形的非探测图形被误判的探测图形。简言之,排除形变以及失真严重等原因,真正的探测图形的大小相差并不大,而那些误判的探测图形与我们实际需要获得的探测图形的大小倒是相差较大并且数量相对较多。上述筛选模块中首先获得标准差,确定参考值,最后通过与合理设置的预定条件进行比较筛选出符合条件的探测图形。预定条件设置的合理,便可以有效的剔除一部分乃至全部多余的探测图形。
经过多次试验验证,当所述参考值获取单元中设定所述调整系数n=0.2时可以获得较好的筛选效果,既可以保证最大程度的剔除一些过大或过小的探测图形,也可以保证不会将真正的探测图形剔除掉,故本实施例优选n=0.2。本领域技术人员应当知晓,n的数值的变化亦在本实施例的保护范围之内,此处不在赘述。
所述探测图形确定模块中所述预定条件为:|Si-Avg|≤E。
预设条件设置为|Si-Avg|≤E,即用每个待探测图形的边长与多个待探测图形边长的平均值之间的差值大小与所述参考值进行比较,进而判断是否为探测图形。所述预定条件的设定是充分结合每一待探测图形边长以及多个待探测图形边长的平均值,并经过多次试验验证后得出,具有很强的操作性和可实施性。通过预定条件的合理设定便可以有效的剔除一部分乃至全部多余的探测图形,在一般情况下可以有效地从多个检测到的探测图形去除全部因干扰引入的探测图形,找到三个探测图形。但是本领域技术人员应当知晓,所述预定条件设置为|Si-Avg|≤E仅仅是一种优选的实施方式,本实施例保留其他合理设置预定条件的权利。
经过上述筛选我们可以剔除一些探测图形,使得剩余的探测图形的数量刚好等于3,这时便可以进入排序模块。但是经过上述筛选并不能完全保证检测出的探测图形的数量等于3,对于探测图形的数量超过3的情形还需要借助进一步地筛选才能保证筛选的准确性。如图7所示,本实施例还包括:
判断所述符合预定条件的待探测图形的数量,若为三个或三个以下则结束筛选,否则进行如下步骤:
图形数量判断模块,用于判断所述符合预定条件的待探测图形的数量;
三角形获取模块,用于在所述符合预定条件的带探测图形的数量在三个以上时,获取任意三个待探测图形的中心组成的三角形;
所述探测图形确定模块,用于确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形。
本实施例筛选方案灵活且层层递进,包括探测图形的数量判定,根据探测图形的边长大小与参考值之差是否在设定的预定条件范围内判定,以及对最后剩下的探测图形数量依然超过三个的根据探测图形位置之间的几何关系来判断,最终挑选出真正的探测图形。可以有效地从多个检测到的探测图形去除因干扰引入的探测图形,找到三个探测图形。并且只要找到三个探测图形后边无需再进行进一步的筛选,针对不同情况可以省去不必要的检测步骤,提升筛选速度。
所述探测图形确定模块包括:
判定因子获取单元,利用以下公式获得每一所述三角形的判定因子:
其中,L1、L2、L3为三角形的三个边的长度;
探测图形确定单元,用于将所述三角形判定因子最小的三角形的三个顶点所对应的三个待探测图形确定为探测图形。
构建三角形,是基于探测图形在QR码中的位置来考虑的,三个探测图形大致构成一个等腰直角三角形的形状。若三个探测图形的中心点无法构成三角形,那么这三个待探测图形肯定不是我们最终需要查找的探测图形。当三个探测图形可以构成三角形时,若只有三个待探测图形可以构成三角形,其余的待探测图形都不能构成三角形时,便可以直接将这三个待探测图形确认为探测图形。若有多组三个待探测图形可以构成三角形时,便需要借助三角形判定因子进行进一步的判断。
三角形判定因子的构建旨在判断这个三角形接近等腰三角形与直角三角形的程度,三角形判定因子F的数值越小便可以证明其越接近等腰直角三角形,三角形判定因子最小的三角形所对应的三个待探测图形组合是所有待探测图形组合中最接近等腰直角三角形的组合,就认为这三个候选图形是探测图形。
实施例所述的一种QR码探测图形的筛选系统,在对探测图形通过几何关系进行筛选时充分考虑了形变的因素,即无论如何形变,三个探测图形之间总是大致呈等腰直角三角形的关系。在实际应用中,考虑到形变的关系,采用放宽的判定条件加以筛选。如此改进,充分考虑到探测图形之间的几何关系,不会简单地根据模块大小的微小差异来简单地判断。在寻找出较多候选图形的情况下,能够较准确地将目标筛选出来,提升了筛选探测图形的精准度。
本实施例所述的一种QR码探测图形的筛选系统,当QR码图片中因为出现干扰或者其他原因可能会混进多个探测图形时,采用多级筛选机制准确选择探测图形,包括探测图形的数量判定,根据图形的边长大小与参考值之差是否符合预定条件,以及对最后剩下的探测图形数量依然超过三个的根据探测图形位置之间的几何关系来判断,最终挑选出真正的探测图形。通过多级筛选机制可以有效地从多个检测到的探测图形去除因干扰引入的探测图形,找到三个探测图形。
实施例4
本实施例所述的一种QR码探测图形的筛选系统是在实施例3的基础上进行的改进,包括:
待探测图形数量判定模块:用于判断待探测图形数量,若待探测图形的数量小于3返回;若待探测图像数量等于3,3个待探测图像均为探测图形则直接进入排序模块;若待探测图形数量大于3时进入筛选模块,筛选出3个探测图形;
筛选模块:为实施例3任一所述的筛选系统;
排序模块:对3个探测图形进行排序。
本实施例首先通过对待探测图形进行数量判定,当数量小于3时,未满足QR码包含三个探测图形的基本要求,故通过返回错误来告知检测到的图形并不完全。当等于3时,直接进入排序步骤。只有在检测到的探测图形的数量大于3时,才进行如实施例3所述的探测图形的筛选系统,此处对筛选系统不在赘述。图4便为运用本实施例所述的系统进行探测图形的筛选所得到的效果图,图中包含四个待探测图形,经过筛选模块后成功的筛选出探测图形,剔除了多余的探测图形。
所述排序模块具体包括:
左上角探测图形确定单元:用于获得三个探测图形组成的三角形边长最长的边,其相对的三角形顶点为左上角的探测图形;
左下角和右上角的探测图形确定单元:用于以左上角探测图形所对应的顶点为中心,判断其余两个探测图形的位置,右上角的探测图形在左下角的探测图形的逆时针方向。
QR码信息获得单元:用于根据探测图形获得QR码的模块长度、版本信息和模块数信息。
由于探测图形在QR码中的位置已经固定,当我们获知左上角的探测图形时,其余两个探测图形便可以根据与其的相对关系来获得。本实施例提供一种通过对三角形构架向量的方法来对探测图形进行排序的系统。
假设经过筛选系统得到的三个探测图形中心分别为A、B、C,为了确定三者的位置关系,需对其进行重新排序,排序后的位置关系如图5所示。
由图可以看出三个探测图形的中心点间的距离满足|AB|<|BC|,|AC|<|BC|这个关系,且∠BAC<180°,通过这个关系即可以判定A点为三个探测图形组成的三角形边长最长的边其相对的三角形顶点,由此便可以判定A点所对应的探测图形为左上角的探测图形。接下来是对另外连个探测图形的位置的判定,由于C点肯定在B点的顺时针方向,本实施例便是利用这一点结合向量进行的判断。
若的分量为正,即(Cx-Ax)(By-Ay)-(Cy-Ay)(Bx-Ax)>0,结合数学知识便可以清楚的知道C点肯定在B点的顺时针方向。当然本领域技术人员应该知晓,通过构建向量来对探测图形进行排序只是其实现的一种方式,本实施例并不限于这种方式,其他的可以实施的方式也在本实施例的保护范围之内。
本实施例所述的一种QR码探测图形的筛选系统,在准确筛选出真正的探测图形后结合探测图形在整个QR码中的位置关系,构造向量关系,进而准确判断三个点的位置关系,对探测图形进行排序,有助于CCD识读设备准确定位QR码,同时读取QR码的模块长度、版本信息和模块数,为QR码的解码做好了前期的准备工作。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
Claims (16)
1.一种QR码探测图形的筛选方法,其特征在于,包括如下步骤:
获取多个待探测图形;
确定每个待探测图形的边长;
根据每个待探测图形的边长,确定多个待探测图形边长的平均值;
根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值;
将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形。
2.根据权利要求1所述的QR码探测图形的筛选方法,其特征在于,所述根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值的处理包括:
根据所述平均值和每个待探测图形的边长,确定多个待探测图形对应的标准差;
根据所述平均值和所述标准差,确定所述参考值。
3.根据权利要求2所述的QR码探测图形的筛选方法,其特征在于,利用下述公式确定标准差Std:
其中N为待探测图形的个数,Si为第i个待探测图形的边长,Avg为所述平均值,i为整数且1≤i≤N。
4.根据权利要求2或3所述的QR码探测图形的筛选方法,其特征在于,利用下述公式确定参考值E:
E=max(n×Avg,Std),其中n为调整系数且0<n<1。
5.根据权利要求4所述的QR码探测图形的筛选方法,其特征在于,设定所述调整系数n=0.2。
6.根据权利要求1-5任一所述的QR码探测图形的筛选方法,其特征在于,所述将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形的处理步骤中:
所述预定条件为:|Si-Avg|≤E。
7.根据权利要求1-6任一所述的QR码探测图形的筛选方法,其特征在于,还包括如下步骤:
判断所述符合预定条件的待探测图形的数量,若为三个或三个以下则结束筛选,否则进行如下步骤:
获取任意三个待探测图形的中心组成的三角形;
确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形。
8.根据权利要求7所述的QR码探测图形的筛选方法,其特征在于,所述确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形的处理包括:
利用以下公式获得每一所述三角形的判定因子:
其中,L1、L2、L3为三角形的三个边的长度;
所述三角形判定因子最小的三角形的三个顶点所对应的三个待探测图形确定为探测图形。
9.一种QR码探测图形的筛选系统,其特征在于,包括:
图形获取模块,用于获取多个待探测图形;
图形边长确定模块,用于确定每个待探测图形的边长;
平均值获取模块,用于根据每个待探测图形的边长,确定多个待探测图形边长大小的平均值;
参考值确定模块,用于根据所述平均值和每个待探测图形的边长,确定检测待探测图形的参考值;
探测图形确定模块,用于将每个探测图形的边长分别与所述参考值进行比较,将符合预定条件的待探测图形确定为探测图形。
10.根据权利要求9所述的QR码探测图形的筛选系统,其特征在于,所述参考值确定模块包括:
标准差获取单元,用于根据所述平均值和每个待探测图形的边长,确定多个待探测图形对应的标准差;
参考值获取单元,用于根据所述平均值和所述标准差,确定所述参考值。
11.根据权利要求10所述的QR码探测图形的筛选系统,其特征在于,所述标准差获取单元利用下述公式确定标准差Std:
其中N为待探测图形的个数,Si为第i个待探测图形的边长,Avg为所述平均值,i为整数且1≤i≤N。
12.根据权利要求10或11所述的QR码探测图形的筛选系统,其特征在于,所述参考值获取单元利用下述公式确定参考值E:
E=max(n×Avg,Std),其中n为调整系数且0<n<1。
13.根据权利要求12所述的QR码探测图形的筛选系统,其特征在于,所述参考值获取单元中设定所述调整系数n=0.2。
14.根据权利要求9-13任一所述的QR码探测图形的筛选系统,其特征在于,所述探测图形确定模块中所述预定条件为:|Si-Avg|≤E。
15.根据权利要求9-14任一所述的QR码探测图形的筛选系统,其特征在于,还包括:
图形数量判断模块,用于判断所述符合预定条件的待探测图形的数量;
三角形获取模块,用于在所述符合预定条件的带探测图形的数量在三个以上时,获取任意三个待探测图形的中心组成的三角形;
所述探测图形确定模块,用于确定每一所述三角形的形状,将最接近等腰直角三角形的三角形所对应的三个待探测图形确定为探测图形。
16.根据权利要求15所述的QR码探测图形的筛选系统,其特征在于,所述探测图形确定模块包括:
判定因子获取单元,利用以下公式获得每一所述三角形的判定因子:
其中,L1、L2、L3为三角形的三个边的长度;
探测图形确定单元,用于将所述三角形判定因子最小的三角形的三个顶点所对应的三个待探测图形确定为探测图形。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310459674.3A CN104517091A (zh) | 2013-09-29 | 2013-09-29 | 一种qr码探测图形的筛选方法及系统 |
US14/102,654 US9111165B2 (en) | 2013-09-29 | 2013-12-11 | Method and system for filtering detection patterns in a QR code |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310459674.3A CN104517091A (zh) | 2013-09-29 | 2013-09-29 | 一种qr码探测图形的筛选方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104517091A true CN104517091A (zh) | 2015-04-15 |
Family
ID=52739103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310459674.3A Pending CN104517091A (zh) | 2013-09-29 | 2013-09-29 | 一种qr码探测图形的筛选方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9111165B2 (zh) |
CN (1) | CN104517091A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529370A (zh) * | 2016-10-18 | 2017-03-22 | 福州觉感视觉软件科技有限公司 | 一种多qr码识别方法 |
CN106991460A (zh) * | 2017-01-23 | 2017-07-28 | 中山大学 | 一种qr码快速定位检测算法 |
CN106991354A (zh) * | 2017-01-23 | 2017-07-28 | 中山大学 | 一种多qr码同时提取检测算法 |
CN107729790A (zh) * | 2017-09-27 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 二维码定位方法及装置 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9405538B2 (en) * | 2012-12-28 | 2016-08-02 | Intel Corporation | Functional unit having tree structure to support vector sorting algorithm and other algorithms |
JP7021651B2 (ja) * | 2019-03-01 | 2022-02-17 | オムロン株式会社 | シンボル境界特定装置、シンボル境界特定方法および画像処理プログラム |
USD1015427S1 (en) * | 2020-03-05 | 2024-02-20 | Skincoach Inc. | Two-dimensional tag |
CN113177959B (zh) * | 2021-05-21 | 2022-05-03 | 广州普华灵动机器人技术有限公司 | 一种快速运动过程中qr码实时提取方法 |
USD959552S1 (en) * | 2021-07-21 | 2022-08-02 | Speedfind, Inc | Display sign |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1924899A (zh) * | 2006-09-26 | 2007-03-07 | 福建榕基软件开发有限公司 | 复杂背景下qr码图像符号区域的精确定位方法 |
US20100155464A1 (en) * | 2008-12-22 | 2010-06-24 | Canon Kabushiki Kaisha | Code detection and decoding system |
CN101930532A (zh) * | 2010-10-29 | 2010-12-29 | 福州中路网络技术开发有限公司 | 基于手机摄像头快速响应矩阵码识读方法 |
-
2013
- 2013-09-29 CN CN201310459674.3A patent/CN104517091A/zh active Pending
- 2013-12-11 US US14/102,654 patent/US9111165B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1924899A (zh) * | 2006-09-26 | 2007-03-07 | 福建榕基软件开发有限公司 | 复杂背景下qr码图像符号区域的精确定位方法 |
US20100155464A1 (en) * | 2008-12-22 | 2010-06-24 | Canon Kabushiki Kaisha | Code detection and decoding system |
CN101930532A (zh) * | 2010-10-29 | 2010-12-29 | 福州中路网络技术开发有限公司 | 基于手机摄像头快速响应矩阵码识读方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529370A (zh) * | 2016-10-18 | 2017-03-22 | 福州觉感视觉软件科技有限公司 | 一种多qr码识别方法 |
CN106529370B (zh) * | 2016-10-18 | 2019-08-13 | 福州觉感视觉软件科技有限公司 | 一种多qr码识别方法 |
CN106991460A (zh) * | 2017-01-23 | 2017-07-28 | 中山大学 | 一种qr码快速定位检测算法 |
CN106991354A (zh) * | 2017-01-23 | 2017-07-28 | 中山大学 | 一种多qr码同时提取检测算法 |
CN107729790A (zh) * | 2017-09-27 | 2018-02-23 | 阿里巴巴集团控股有限公司 | 二维码定位方法及装置 |
CN107729790B (zh) * | 2017-09-27 | 2020-12-29 | 创新先进技术有限公司 | 二维码定位方法及装置 |
US10929628B2 (en) | 2017-09-27 | 2021-02-23 | Advanced New Technologies Co., Ltd. | QR code positioning method and apparatus |
US11194982B2 (en) | 2017-09-27 | 2021-12-07 | Advanced New Technologies Co., Ltd. | QR code positioning method and apparatus |
Also Published As
Publication number | Publication date |
---|---|
US20150090788A1 (en) | 2015-04-02 |
US9111165B2 (en) | 2015-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517091A (zh) | 一种qr码探测图形的筛选方法及系统 | |
Bariya et al. | Scale-hierarchical 3d object recognition in cluttered scenes | |
TWI673651B (zh) | 二維碼定位方法及裝置 | |
CN106778737B (zh) | 一种车牌矫正方法、装置和一种视频采集装置 | |
CN105574550A (zh) | 一种车辆识别方法及装置 | |
CN104517108B (zh) | 一种确定qr码二值化图像边缘线的方法及系统 | |
JPS5959397A (ja) | 特徴点のラベリング装置 | |
CN107192716A (zh) | 一种基于轮廓特征的工件缺陷快速检测方法 | |
CN104990926A (zh) | 一种基于视觉的tr元件定位和缺陷检测方法 | |
CN104933720A (zh) | 一种基于视觉的sop元件定位和缺陷检测方法 | |
JP2011022991A (ja) | 画像認識方法及び画像認識装置 | |
CN105957059A (zh) | 电子元件漏件检测方法和系统 | |
CN104915678A (zh) | 一种输电线路中目标对象的检测方法及装置 | |
Reynolds et al. | Searching for geometric structure in images of natural scenes | |
CN113822247A (zh) | 基于航拍影像的违章建筑识别方法及系统 | |
CN105374037A (zh) | 一种边角检测的棋盘格角点自动筛选方法 | |
CN105354816B (zh) | 一种电子元件定位方法及装置 | |
CN111223078B (zh) | 瑕疵等级判定的方法及存储介质 | |
CN104648397A (zh) | 车道偏移警示系统及方法 | |
CN107423738A (zh) | 一种基于模板匹配的试卷题目定位方法及装置 | |
CN109509165B (zh) | 图像定位区域选取方法及装置 | |
JP3372419B2 (ja) | 物体認識方法 | |
CN104463896A (zh) | 基于核相似区分布特性的图像角点检测方法及系统 | |
CN103729850B (zh) | 一种在全景图中提取直线的方法 | |
CN103489195B (zh) | 金属罐罐身图案方向检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150415 |
|
WD01 | Invention patent application deemed withdrawn after publication |