CN104517110A - 一种二维码图像的二值化方法及系统 - Google Patents
一种二维码图像的二值化方法及系统 Download PDFInfo
- Publication number
- CN104517110A CN104517110A CN201310455030.7A CN201310455030A CN104517110A CN 104517110 A CN104517110 A CN 104517110A CN 201310455030 A CN201310455030 A CN 201310455030A CN 104517110 A CN104517110 A CN 104517110A
- Authority
- CN
- China
- Prior art keywords
- segmented areas
- gray
- image
- value
- code
- 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.)
- Granted
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
- G06K7/1408—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
- 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
- G06K7/1478—Methods for optical code recognition the method including quality enhancement steps adapting the threshold for pixels in a CMOS or CCD pixel sensor for black and white recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Toxicology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种二维码图像的二值化方法及系统,每一个分块区域的灰度阈值都不相同,因此对于每一个分块区域内的像素点在二维码图像被还原的过程中是判定为黑还是判定为白,并不是单纯由其自身的灰度值来决定的,而是考虑到该像素点所在分块区域的预定范围的平均灰度值。即当一个分块区域所在的预定范围的灰度值整体偏大时,那么该分块区域中所对应的灰度阈值就会偏大,反之亦然。即每一个分块区域的灰度阈值是根据其所在区域的背景灰度密切相关的,因此得到的二值化结果可以排除外界环境的干扰,可以清晰呈现出二值化图像。
Description
技术领域
本发明涉及图像转化技术领域,尤其涉及一种二维码图像的二值化方法及系统,具体是一种针对较暗、光照不均以及对比度过大或过小的二维码图像的二值化方法及系统。
背景技术
近年来,随着资料自动收集技术的发展,二维码得到了越来越广泛的应用。二维码的识读过程为:通过二维码识读设备中的图像感应器抓取二维码图像,识读设备抓取完二维码图像后,利用二维码识读算法将二维码图像逐像素的进行图像的二值化,然后根据相应的二维码码制获得二维码二进制码流。之后,再依据二维码编码规则和纠错算法对二维码进行译码,完成二维码的识读。
因为一幅图像包括目标物体、背景还有噪声,要想从多值的数字图像中直接提取出目标物体,最常用的方法就是设定一个阈值T,将图像的数据分成两部分:大于阈值T的像素群和小于阈值T的像素群。这是研究灰度变换的常用的方法,即图像的二值化。图像的二值化,简言之就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
但是,由于二维码依附的介质不同,所处的光照环境不同,以及成像系统不同等因素,会导致通过二维码识读设备抓取到的二维码图像千差万别,噪声的影响、图像光照不均、对比度过大过小等都会使得二维码图像转化为二值化图像变得很复杂,而图像的二值化过程的效果优劣又直接关乎二维码的识读效果。
目前针对一个灰度图像进行二值化处理的处理技术主要是两种:
一种是利用全局阈值,通过全局直方图阈值或者Otsu方法的最佳全局阈值计算固定阈值来进行图像的二值化,这种方法运算量小,对于质量好的灰度图像具有很好的性能,但不适于对干扰较大的图片进行二值化处理。
另一种是利用动态阈值,通过图像区域的变化来动态的计算每一个点的阈值,如小范围均值阈值和加权运算阈值等来动态确定每个阈值来二值化,即用与像素位置相关的一组阈值(即阈值坐标的函数)来对图像各部分分别进行分割。这类算法的可以对任何图像进行二值化处理都能得到较准确的结果,但是时间复杂性和空间复杂性高,运算量过大。
因此,根据用户需求的不断提高,亟需一种对于干扰较为严重的二维码图像能够获得准确的二值化结果且具有高效率的二值化方法。
发明内容
本发明所要解决的技术问题是现有技术中无法对对于干扰较为严重的二维码图像无法既准确又快速的进行二值化处理从而提供一种二维码图像的二值化方法及系统。
为解决上述技术问题,本发明是通过以下技术方案实现的:
一种二维码图像的二值化方法,包括如下步骤:
将二维码图像进行切割得到若干分块区域;
获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值获得每一分块区域的灰度值;
根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值;
根据每一分块区域对应的灰度阈值对该分块区域中的像素点进行二值化处理。
进一步地所述根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值的处理包括:
根据所述预定范围包含的多个分块区域的灰度值,获得多个分块区域的灰度值的平均值作为所述灰度阈值。
进一步地还包括如下步骤:
根据二维码图像中像素点灰度值的关系构建对比度因子,所述对比度因子与二维码图像中最大灰度值和最小灰度值的差值呈正比关系;
所述获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值的获得每一分块区域的灰度值的处理包括:
根据某一分块区域中最大灰度值和最小灰度值的差值与所述对比度因子的关系并结合与该分块区域相邻的其他分块区域的灰度值,确定该分块区域的灰度值。
进一步地所述根据某一分块区域中最大灰度值和最小灰度值的差值与所述对比度因子的关系并结合与该分块区域相邻的其他分块区域的灰度值,确定该分块区域的灰度值的处理中利用以下公式获得分块区域(i,j)的灰度值
其中,i表示分块区域所在行的编号,j表示分块区域所在列的编号,Sij表示该分块区域中所有像素点的灰度值的总和,C表示对比度因子,maxij表示该分块区域中的最大灰度值,minij表示该分块区域中最小灰度值,m表示分块区域中包含m*m个像素点,其中m为大于1的整数。
进一步地利用以下公式构建所述对比度因子C:
其中C0、C1、C2均为0-255的常数,Y0和Y1均为亮度差常数,且Y0和Y1均为0-255的常数。
进一步地所述亮度差常数Y0=110,Y1=130。
进一步地所述对比度因子C的公式中,C0=4;C1=14;C2=24。
进一步地所述构建对比度因子的公式中,设定m=8。
进一步地所述根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值的处理中:
所述预定范围包括n*n个分块区域,其中n为大于1的整数。
进一步地所述预定范围包括5*5个分块区域。
一种二维码图像的二值化系统,包括:
图像切割模块,用于将二维码图像进行切割得到若干分块区域;
灰度值获取模块,用于获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值获得每一分块区域的灰度值;
灰度阈值获取模块,用于根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值;
二值化模块,用于根据每一分块区域对应的灰度阈值对该分块区域中的像素点进行二值化处理。
进一步地所述灰度阈值获取模块中,用于根据所述预定范围包含的多个分块区域的灰度值,获得多个分块区域的灰度值的平均值作为所述灰度阈值。
进一步地还包括:
对比度因子构建模块,用于根据二维码图像中像素点灰度值的关系构建对比度因子,所述对比度因子与二维码图像中最大灰度值和最小灰度值的差值呈正比关系;
所述灰度值获取模块中包括:
分块区域灰度值获取单元,用于根据某一分块区域中最大灰度值和最小灰度值的差值与所述对比度因子的关系并结合与该分块区域相邻的其他分块区域的灰度值,确定该分块区域的灰度值。
进一步地所述分块区域灰度值获取单元中利用以下公式获得分块区域(i,j)的灰度值
其中,i表示分块区域所在行的编号,j表示分块区域所在列的编号,Sij表示该分块区域中所有像素点的灰度值的总和,C表示对比度因子,maxij表示该分块区域中的最大灰度值,minij表示该分块区域中最小灰度值,m表示分块区域中包含m*m个像素点,其中m为大于1的整数。
进一步地所述对比度因子构建模块中利用以下公式构建所述对比度因子C:
其中C0、C1、C2均为0-255的常数,Y0和Y1均为亮度差常数,且Y0和Y1均为0-255的常数。
进一步地所述对比度因子构建模块中,设定所述亮度差常数Y0=110,Y1=130。
进一步地所述对比度因子构建模块中,设定所述对比度因子C的公式中,C0=4;C1=14;C2=24。
进一步地所述对比度因子构建模块中,设定m=8。
进一步地所述灰度阈值获取模块中,所述预定范围包括n*n个分块区域,其中n为大于1的整数。
进一步地所述灰度阈值获取模块中,所述预定范围包括5*5个分块区域。
本发明的上述技术方案相比现有技术具有以下优点:
(1)本发明所述的二维码图像的二值化方法及系统,每一个分块区域的灰度阈值都不相同,因此对于每一个分块区域内的像素点在二维码图像被还原的过程中是判定为黑还是判定为白,并不是单纯由其自身的灰度值来决定的,而是考虑到该像素点所在分块区域的预定范围的平均灰度值。即当一个分块区域所在的预定范围的灰度值整体偏大时,那么该分块区域中所对应的灰度阈值就会偏大,反之亦然。即每一个分块区域的灰度阈值是根据其所在区域的背景灰度密切相关的,因此得到的二值化结果可以排除外界环境的干扰,可以清晰呈现出二值化图像。
(2)本发明所述的二维码图像的二值化方法及系统,加入了对比度因子,对比因子的数值根据每一个二维码图像的不同而进行相应的调整,结合每一个二维码图像的最大灰度值与最小灰度值来进行对比度因子的架构,进而可以适应不同对比度的二维码图像,对于对比度过大或过小的二维码图像都可以清晰准确的还原二维码图像,消除了对比度给二维码图像进行二值化带来的不便。
(3)本发明所述的二维码图像的二值化方法及系统,算法简单,没有过于繁杂的计算,同时因为在确定阈值时是采用计算多个相邻分块区域内的灰度均值来确定的,阈值更加精准,有效避免了块效应的产生,清晰准确的还原了各种受干扰的二维码图像。
(4)本发明所述的二维码图像的二值化方法及系统,对于分块区域处于边缘处或者边角处的情况做了特殊的处理,使得获得的二值化图像的效果很好,不会出现边缘模糊的效果,为后续的解码步骤打下了良好的基础。
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是本发明一个实施例所述的二维码图像的二值化方法的流程图;
图2是本发明一个实施例中预定范围选择示意图;
图3是二维码图像;
图4是一种实施例中的二维码二值化后的图像;
图5是本发明所述一种二维码图像的二值化系统的结构示意图。
具体实施方式
实施例1
本实施例所述的一种二维码图像的二值化方法,其流程如图1所示,包括如下步骤:
将二维码图像进行切割得到若干分块区域。
获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值获得每一分块区域的灰度值。
根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值。
根据每一分块区域对应的灰度阈值对该分块区域中的像素点进行二值化处理。
本实施例的上述技术方案,其核心思想在于,每一个分块区域的灰度阈值都不相同,因此对于每一个分块区域内的像素点在二维码图像被还原的过程中是判定为黑还是判定为白,并不是单纯由其自身的灰度值来决定的,而是考虑到该像素点所在分块区域所在的预定范围的平均灰度值。例如,当某一个像素点的灰度值为150时,如果其所在分块区域所在的预定范围的平均灰度值为180,即灰度阈值为180,那么在对该分块区域进行二值化处理时,由于该像素点的灰度值小于灰度阈值,应当将其设定为黑色。而同样是灰度值为150的像素点,如果其所在分块区域所在的预定范围的平均灰度值为100,即灰度阈值为100,则该像素点的灰度值大于灰度阈值,在进行二值化处理时就将该像素点判定为白色。按照这个判定规则对该分块区域的每一个像素点进行判断得出其二值化的数值。继而对每一个分块区域内的不同像素点进行如此判断,最终将整个二维码图像按照判断后得出的二值化数值进行二值化,完成了二维码图像的二值化过程。很容易理解,预定范围最大可以选择整个的二维码图像,最小可以只选择与该分块区域相邻的一个或几个的分块区域均可。而分块区域越多,预定范围中包含的分块区域越多,得到的结果会越准确,但是处理速度会受到影响。本实施例中的上述方案,考虑到每一个分块区域在预定范围内的相对的灰度值,而该分块区域的大小,以及预定范围的大小,可以根据系统运算能力以及用户对运算时间的接受程度来设定。
本实施例中,所述根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值的处理包括:
根据所述预定范围包含的多个分块区域的灰度值,获得多个分块区域的灰度值的平均值作为所述灰度阈值。
本实施例中,所述根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值的处理中:
所述预定范围中包括n*n个分块区域,其中n为大于1的整数。如前所述,预定范围的选择可以根据系统运算能力和用户对运算时间的接受程度来选择,一般情况下,为了能够较快响应又能够有较好的结果为佳当然为了追求整体二值化的精准度,可以进一步将预定范围扩大,但是综合考虑整体的运算量以及实际的需求,优选所述预定范围中包括5*5个分块区域。
如图2所示,其中的每一个原点均代表一个分块区域。当选择预定范围内包括5*5个分块区域时,如图中第3行第3列的分块区域(3,3),其所在预定范围即为图中所标出的正方形区域,该预定范围中一共包含25个分块区域。故计算其灰度阈值时即为这25个分块区域的平均灰度值。
需要说明的是针对分块区域处于边缘处或者边角处的情况来说,以其为中心的5*5个分块区域并不能全部在二维码图像中找到,对此我们选择找到其中所能找到的以其为中心的5*5个分块区域内剩余分块区域。例如图中第一行第一列的分块区域,无法找全25个分块区域,此时只需要将图中虚线部分的分块区域作为其预定范围即可。故此处将虚线部分的分块区域的灰度值进行加和计算求得平均值即为该分块区域的灰度阈值。对分块区域处于边缘处或者边角处的情况的处理,使得获得的二值化图像的效果很好,不会出现边缘模糊的效果。其效果可以结合图3所述的二维码图像的原始图像以及图4所示的经过本实施例所述的方法处理得到的二维码二值化后的图像来看,可以明显观察到图4所示的二维码二值化图像清晰准确的还原了二维码图像并使二维码图像的目标物体与背景更好地进行分割,很好地克服了较暗、光照不均带来的影响。
本实施例所述的一种二维码图像的二值化方法,可以清晰准确的还原二维码图像并使二维码图像的目标物体与背景更好地进行分割,很好地克服了较暗、光照不均带来的影响。并且算法简单,没有过于繁杂的计算,同时因为在确定阈值时是采用计算多个相邻分块区域内的灰度均值来确定的,阈值更加精准,有效避免了块效应的产生,清晰准确的还原了各种受干扰的二维码图像。
优选地,本实施例中的二值化方法还包括如下步骤:
根据二维码图像中像素点灰度值的关系构建对比度因子,所述对比度因子与二维码图像中最大灰度值和最小灰度值的差值呈正比关系。
所述获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值获得每一分块区域的灰度值的处理包括:
根据某一分块区域中最大灰度值和最小灰度值的差值与所述对比度因子的关系并结合与该分块区域相邻的其他分块区域的灰度值,确定该分块区域的灰度值。
本实施例中,利用以下公式获得分块区域(i,j)的灰度值
其中,i表示分块区域所在行的编号,j表示分块区域所在列的编号,Sij表示该分块区域中所有像素点的灰度值的总和,C表示对比度因子,maxij表示该分块区域中的最大灰度值,minij表示该分块区域中最小灰度值,m表示分块区域中包含m*m个像素点,其中m为大于1的整数。
在获取所述灰度值的时候,与对比度因子相关。如前所述,对比度因子是和整个二维码图像的最大灰度值和最小灰度值的差值相关的,而针对每一个分块区域来说,当其内像素点的最大灰度值和最小灰度值之间的差值大于对比度因子时,可以理解为该分块区域内的像素点的灰度值的均匀性较差,很难采用某一个值来代表该分块区域内的平均灰度值,因此直接采用所有像素点的灰度值的和除以像素点的个数来计算平均灰度值。而当该分块区域内像素点的最大灰度值和最小灰度值之间的差值小于对比度因子时,可以认为在该分块区域内的所有像素点的灰度值的均匀性较好,可以选择某一个数值来代表整个分块区域的平均灰度值,而在这种情况下又分为两个条件:
为了方便说明,将与一个分块区域相邻的几个分块区域定义为部分邻域。当该分块区域中最小灰度值小于部分邻域的平均灰度值时,即该分块区域的灰度值相较于其背景来说灰度值偏低,那么理论上该分块区域的灰度值偏低,希望最终设定为黑色。但是由于最终的二值化结果需要结合阈值来进行判断,当该分块区域内的像素点的数值小于其对应的灰度阈值时才能最终设定为黑色。而灰度阈值的设定需要结合预定范围中所包含的所有分块区域的平均灰度值,所以为了最大限度的将阈值进行合理化的扩大,故将该分块区域的平均灰度值设定为部分邻域的平均灰度值。因此该分块区域中的平均灰度值取较大的值,能够使灰度阈值合理化的扩大,提高该分块区域内的像素点在二值化处理时被判定为黑色的几率。
反之当最小灰度值大于部分邻域的平均灰度值时,即该分块区域的灰度值偏高,希望最终设定为白色。所以为了最大限度的将阈值进行合理化的缩小,故将该分块区域的平均灰度值设定为最小灰度值的一半,因此该分块区域中的平均灰度值取较小的值,能够使灰度阈值合理化的减小,提高该分块区域内的像素点在二值化处理时被判定为白色的几率。
需要说明的是,上面所述的部分邻域概念可以灵活选择。若设定部分邻域为分块区域(i-1,j-1)、分块区域(i,j-1)和分块区域(i-1,j),此时bg可以取值为也可以取值为
若设定部分邻域为分块区域(i-1,j-1)、分块区域(i,j-1)、分块区域(i-1,j)和分块区域(i-1,j+1)四个分块区域,此时bg可以取值为也可以利用其它方法计算得到,此处不在赘述。
由于对于分块区域的平均灰度值的计算是按照一定的顺序进行的,故一般选择部分邻域时会选择其那些已经计算出平均灰度值的分块区域。上述的部分邻域的选择只是用于说明,并非限制部分邻域的选择,相关领域技术人员应当知晓,其他的显而易见的部分邻域的选择方法依然在本实施例的保护范围之内。分块区域的平均灰度值的计算充分保证了部分邻域选择的合理性,也保证了bg取值的灵活性。
本实施例中,优选地,利用以下公式构建所述对比度因子C:
其中C0、C1、C2均为0-255的常数,Y0和Y1均为亮度差常数,且Y0和Y1均为0-255的常数。
Y0和Y1的取值范围都是在0-255之间,因为灰度图像的灰度值范围0-255,但经过大量测试后,在Y0=110,Y1=130能够得到最理想的二值化效果。故优选所述亮度差常数为Y0=110,Y1=130。
C0、C1和C2的取取值也是在0-255之间,并且要求递增,但经过大量测试后,在C0=4、C1=14、C2=24能够得到最理想的二值化效果。故所述对比度因子C的公式中,优选C0=4、C1=14、C2=24。
本实施例所述的一种二维码图像的二值化方法,加入了对比度因子,对比因子的数值根据每一个二维码图像的不同而进行相应的调整,结合每一个二维码图像的最大灰度值与最小灰度值来进行对比度因子的架构,进而可以适应不同对比度的二维码图像,对于对比度过大或过小的二维码图像都可以清晰准确的还原二维码图像,消除了对比度给二维码图像进行二值化带来的不便。
本实施例中,所述分块处理的步骤中,将二维码图像进行切割得到的每一个分块区域大小相同,每一分块区域中均包含m*m个像素点,其中m为大于1的整数。所述分块区域的个数为:
水平块个数:subW=W/m,其中W表示横向上的像素点总和。
垂直块个数:subH=H/m,其中H表示纵向上的像素点总和。
二维码图像有各种规格,例如640像素*480像素,752像素*480像素,1280像素*720像素等,因为不同规格的二维码图像中所拍摄到的二维码部分占图像的比例不变,所以,我们可以根据灰度图像的长和宽的乘积大小来确定分块图像的大小,例如,将640像素*640像素的二维码灰度图像分成4像素*4像素的块区域;将752像素*480像素的二维码灰度图像分成40像素*40像素的块区域;将1280像素*720像素的二维码灰度图像分成80像素*80像素的块区域。但是为了尽可能的保证二值化的精准度,并且尽可能的减少不必要的运算,在所述分块处理的步骤中,每一分块区域优选为8*8个像素点。当然其他所述分块方法也在本发明的保护范围之内,此处不再赘述。
实施例2
本实施例所述的一种二维码图像的二值化系统,其系统结构如图5所示,包括:
图像切割模块,用于将二维码图像进行切割得到若干分块区域。
灰度值获取模块,用于获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值获得每一分块区域的灰度值。
灰度阈值获取模块,用于根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值。
二值化模块,用于根据每一分块区域对应的灰度阈值对该分块区域中的像素点进行二值化处理。
本实施例的上述技术方案,其核心思想在于,每一个分块区域的灰度阈值都不相同,因此对于每一个分块区域内的像素点在二维码图像被还原的过程中是判定为黑还是判定为白,并不是单纯由其自身的灰度值来决定的,而是考虑到该像素点所在分块区域邻域的平均灰度值。例如,当某一个像素点的灰度值为150时,如果其所在分块区域所在的预定范围的平均灰度值为180,即灰度阈值为180,那么在对该分块区域进行二值化处理时,由于该像素点的灰度值小于灰度阈值,应当将其设定为黑色。而同样是灰度值为150的像素点,如果其所在分块区域所在的预定范围的平均灰度值为100,即灰度阈值为100,则该像素点的灰度值大于灰度阈值,在进行二值化处理时就将该像素点判定为白色。按照这个判定规则对该分块区域的每一个像素点进行判断得出其二值化的数值。继而对每一个分块区域内的不同像素点进行如此判断,最终将整个二维码图像按照判断后得出的二值化数值进行二值化,完成了二维码图像的二值化过程。很容易理解,预定范围最大可以选择整个的二维码图像,最小可以只选择与该分块区域相邻的一个或几个的分块区域均可。而分块区域越多,预定范围中包含的分块区域越多,得到的结果会越准确,但是处理速度会受到影响。本实施例中的上述方案,考虑到每一个分块区域在预定范围内的相对的灰度值,而该分块区域的大小,以及预定范围的大小,可以根据系统运算能力以及用户对运算时间的接受程度来设定。
优选地,所述灰度阈值获取模块中,用于根据所述预定范围包含的多个分块区域的灰度值,获得多个分块区域的灰度值的平均值作为所述灰度阈值。
本实施例中,所述灰度阈值获取模块中,所述预定范围中包括n*n个分块区域,其中n为大于1的整数。如前所述,预定范围的选择可以根据系统运算能力和用户对运算时间的接受程度来选择,一般情况下,为了能够较快响应又能够有较好的结果为佳当然为了追求整体二值化的精准度,可以进一步将预定范围扩大,但是综合考虑整体的运算量以及实际的需求,优选所述预定范围中包括5*5个分块区域。
需要说明的是针对分块区域处于边缘处或者边角处的情况来说,以其为中心的5*5个分块区域并不能全部在二维码图像中找到,对此我们选择找到其中所能找到的以其为中心的5*5个分块区域内剩余分块区域。例如图中第一行第一列的分块区域,无法找全25个分块区域,此时只需要将图中虚线部分的分块区域作为其预定范围即可。故此处将虚线部分的分块区域的灰度值进行加和计算求得平均值即为该分块区域的灰度阈值。对分块区域处于边缘处或者边角处的情况的处理,使得获得的二值化图像的效果很好,不会出现边缘模糊的效果。其效果可以结合图3所述的二维码图像的原始图像以及图4所示的经过本实施例所述的方法处理得到的二维码二值化后的图像来看,可以明显观察到图4所示的二维码二值化图像清晰准确的还原了二维码图像并使二维码图像的目标物体与背景更好地进行分割,很好地克服了较暗、光照不均带来的影响。
本实施例所述的一种二维码图像的二值化系统,可以清晰准确的还原二维码图像并使二维码图像的目标物体与背景更好地进行分割,很好地克服了较暗、光照不均带来的影响。并且算法简单,没有过于繁杂的计算,同时因为在确定阈值时是采用计算多个相邻分块区域内的灰度均值来确定的,阈值更加精准,有效避免了块效应的产生,清晰准确的还原了各种受干扰的二维码图像。
优选地,本实施例中的所述的二维码图像的二值化系统,还包括:
对比度因子构建模块,用于根据二维码图像中像素点灰度值的关系构建对比度因子,所述对比度因子与二维码图像中最大灰度值和最小灰度值的差值呈正比关系;
所述灰度值获取模块中包括:
分块区域灰度值获取单元,用于根据某一分块区域中最大灰度值和最小灰度值的差值与所述对比度因子的关系并结合与该分块区域相邻的其他分块区域的灰度值,确定该分块区域的灰度值。
本实施例中,利用以下公式获得分块区域(i,j)的灰度值
其中,i表示分块区域所在行的编号,j表示分块区域所在列的编号,Sij表示该分块区域中所有像素点的灰度值的总和,C表示对比度因子,maxij表示该分块区域中的最大灰度值,minij表示该分块区域中最小灰度值,m表示分块区域中包含m*m个像素点,其中m为大于1的整数。
在获取所述灰度值的时候,与对比度因子相关。如前所述,对比度因子是和整个二维码图像的最大灰度值和最小灰度值的差值相关的,而针对每一个分块区域来说,当其内像素点的最大灰度值和最小灰度值之间的差值大于对比度因子时,可以理解为该分块区域内的像素点的灰度值的均匀性较差,很难采用某一个值来代表该分块区域内的平均灰度值,因此直接采用所有像素点的灰度值的和除以像素点的个数来计算平均灰度值。而当该分块区域内像素点的最大灰度值和最小灰度值之间的差值小于对比度因子时,可以认为在该分块区域内的所有像素点的灰度值的均匀性较好,可以选择某一个数值来代表整个分块区域的平均灰度值,而在这种情况下又分为两个条件:
为了方便说明,将与一个分块区域相邻的几个分块区域定义为部分邻域。当该分块区域中最小灰度值小于部分邻域的平均灰度值时,即该分块区域的灰度值相较于其背景来说灰度值偏低,那么理论上该分块区域的灰度值偏低,希望最终设定为黑色。但是由于最终的二值化结果需要结合阈值来进行判断,当该分块区域内的像素点的数值小于其对应的灰度阈值时才能最终设定为黑色。而灰度阈值的设定需要结合预定范围中所包含的所有分块区域的平均灰度值,所以为了最大限度的将阈值进行合理化的扩大,故将该分块区域的平均灰度值设定为部分邻域的平均灰度值。因此该分块区域中的平均灰度值取较大的值,能够使灰度阈值合理化的扩大,提高该分块区域内的像素点在二值化处理时被判定为黑色的几率。
反之当最小灰度值大于部分邻域的平均灰度值时,即该分块区域的灰度值偏高,希望最终设定为白色。所以为了最大限度的将阈值进行合理化的缩小,故将该分块区域的平均灰度值设定为最小灰度值的一半,因此该分块区域中的平均灰度值取较小的值,能够使灰度阈值合理化的减小,提高该分块区域内的像素点在二值化处理时被判定为白色的几率。
需要说明的是,上面所述的部分邻域概念可以灵活选择。若设定部分邻域为分块区域(i-1,j-1)、分块区域(i,j-1)和分块区域(i-1,j),此时bg可以取值为也可以取值为
若设定部分邻域为分块区域(i-1,j-1)、分块区域(i,j-1)、分块区域(i-1,j)和分块区域(i-1,j+1)四个分块区域,此时bg可以取值为也可以利用其它方法计算得到,此处不在赘述。
由于对于分块区域的平均灰度值的计算是按照一定的顺序进行的,故一般选择部分邻域时会选择其那些已经计算出平均灰度值的分块区域。上述的部分邻域的选择只是用于说明,并非限制部分邻域的选择,相关领域技术人员应当知晓,其他的显而易见的部分邻域的选择方法依然在本实施例的保护范围之内。分块区域的平均灰度值的计算充分保证了部分邻域选择的合理性,也保证了bg取值的灵活性。
本实施例中,优选所述对比度因子构建模块中利用以下公式构建所述对比度因子C:
其中C0、C1、C2均为0-255的常数,Y0和Y1均为亮度差常数,且Y0和Y1均为0-255的常数。
Y0和Y1的取值范围都是在0-255之间,因为灰度图像的灰度值范围0-255,但经过大量测试后,在Y0=110,Y1=130能够得到最理想的二值化效果。故优选所述亮度差常数为Y0=110,Y1=130。
C0、C1和C2的取取值也是在0-255之间,并且要求递增,但经过大量测试后,在C0=4、C1=14、C2=24能够得到最理想的二值化效果。故所述对比度因子C的公式中,优选C0=4、C1=14、C2=24。
本实施例所述的一种二维码图像的二值化系统,加入了对比度因子,对比因子的数值根据每一个二维码图像的不同而进行相应的调整,结合每一个二维码图像的最大灰度值与最小灰度值来进行对比度因子的架构,进而可以适应不同对比度的二维码图像,对于对比度过大或过小的二维码图像都可以清晰准确的还原二维码图像,消除了对比度给二维码图像进行二值化带来的不便。
本实施例中,所述分块处理的步骤中,将二维码图像进行切割得到的每一个分块区域大小相同,每一分块区域中均包含m*m个像素点,其中m为大于1的整数。所述分块区域的个数为:
水平块个数:subW=W/m,其中W表示横向上的像素点总和。
垂直块个数:subH=H/m,其中H表示纵向上的像素点总和。
二维码图像有各种规格,例如640像素*480像素,752像素*480像素,1280像素*720像素等,因为不同规格的二维码图像中所拍摄到的二维码部分占图像的比例不变,所以,我们可以根据灰度图像的长和宽的乘积大小来确定分块图像的大小,例如,将640像素*640像素的二维码灰度图像分成4像素*4像素的块区域;将752像素*480像素的二维码灰度图像分成40像素*40像素的块区域;将1280像素*720像素的二维码灰度图像分成80像素*80像素的块区域。但是为了尽可能的保证二值化的精准度,并且尽可能的减少不必要的运算,在所述分块处理的步骤中,每一分块区域优选为8*8个像素点。当然其他所述分块方法也在本发明的保护范围之内,此处不再赘述。
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。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (20)
1.一种二维码图像的二值化方法,其特征在于,包括如下步骤:
将二维码图像进行切割得到若干分块区域;
获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值获得每一分块区域的灰度值;
根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值;
根据每一分块区域对应的灰度阈值对该分块区域中的像素点进行二值化处理。
2.根据权利要求1所述的二维码图像的二值化方法,其特征在于,所述根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值的处理包括:
根据所述预定范围包含的多个分块区域的灰度值,获得多个分块区域的灰度值的平均值作为所述灰度阈值。
3.根据权利要求1或2所述的二维码图像的二值化方法,其特征在于,还包括如下步骤:
根据二维码图像中像素点灰度值的关系构建对比度因子,所述对比度因子与二维码图像中最大灰度值和最小灰度值的差值呈正比关系;
所述获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值的获得每一分块区域的灰度值的处理包括:
根据某一分块区域中最大灰度值和最小灰度值的差值与所述对比度因子的关系并结合与该分块区域相邻的其他分块区域的灰度值,确定该分块区域的灰度值。
4.根据权利要求3所述的二维码图像的二值化方法,其特征在于,所述根据某一分块区域中最大灰度值和最小灰度值的差值与所述对比度因子的关系并结合与该分块区域相邻的其他分块区域的灰度值,确定该分块区域的灰度值的处理中利用以下公式获得分块区域(i,j)的灰度值
其中,i表示分块区域所在行的编号,j表示分块区域所在列的编号,Sij表示该分块区域中所有像素点的灰度值的总和,C表示对比度因子,maxij表示该分块区域中的最大灰度值,minij表示该分块区域中最小灰度值,m表示分块区域中包含m*m个像素点,其中m为大于1的整数。
5.根据权利要求3或4所述的二维码图像的二值化方法,其特征在于,利用以下公式构建所述对比度因子C:
其中C0、C1、C2均为0-255的常数,Y0和Y1均为亮度差常数,且Y0和Y1均为0-255的常数。
6.根据权利要求5所述的二维码图像的二值化方法,其特征在于,所述亮度差常数Y0=110,Y1=130。
7.根据权利要求5或6所述的二维码图像的二值化方法,其特征在于,所述对比度因子C的公式中,C0=4;C1=14;C2=24。
8.根据权利要求5-7任一所述的二维码图像的二值化方法,其特征在于,所述构建对比度因子的公式中,设定m=8。
9.根据权利要求1-8任一所述的二维码图像的二值化方法,其特征在于,所述根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值的处理中:
所述预定范围包括n*n个分块区域,其中n为大于1的整数。
10.根据权利要求9所述的二维码图像的二值化方法,其特征在于,所述预定范围包括5*5个分块区域。
11.一种二维码图像的二值化系统,其特征在于,包括:
图像切割模块,用于将二维码图像进行切割得到若干分块区域;
灰度值获取模块,用于获取每一分块区域的所有像素点的灰度值,并根据所述所有像素点的灰度值获得每一分块区域的灰度值;
灰度阈值获取模块,用于根据每一分块区域所在的预定范围的平均灰度值,确定该分块区域的灰度阈值;
二值化模块,用于根据每一分块区域对应的灰度阈值对该分块区域中的像素点进行二值化处理。
12.根据权利要求11所述的二维码图像的二值化系统,其特征在于,所述灰度阈值获取模块中,用于根据所述预定范围包含的多个分块区域的灰度值,获得多个分块区域的灰度值的平均值作为所述灰度阈值。
13.根据权利要求11所述的二维码图像的二值化系统,其特征在于,还包括:
对比度因子构建模块,用于根据二维码图像中像素点灰度值的关系构建对比度因子,所述对比度因子与二维码图像中最大灰度值和最小灰度值的差值呈正比关系;
所述灰度值获取模块中包括:
分块区域灰度值获取单元,用于根据某一分块区域中最大灰度值和最小灰度值的差值与所述对比度因子的关系并结合与该分块区域相邻的其他分块区域的灰度值,确定该分块区域的灰度值。
14.根据权利要求13所述的二维码图像的二值化系统,其特征在于,所述分块区域灰度值获取单元中利用以下公式获得分块区域(i,j)的灰度值
其中,i表示分块区域所在行的编号,j表示分块区域所在列的编号,Sij表示该分块区域中所有像素点的灰度值的总和,C表示对比度因子,maxij表示该分块区域中的最大灰度值,minij表示该分块区域中最小灰度值,m表示分块区域中包含m*m个像素点,其中m为大于1的整数。
15.根据权利要求13或14所述的二维码图像的二值化系统,其特征在于,所述对比度因子构建模块中利用以下公式构建所述对比度因子C:
其中C0、C1、C2均为0-255的常数,Y0和Y1均为亮度差常数,且Y0和Y1均为0-255的常数。
16.根据权利要求15所述的二维码图像的二值化系统,其特征在于:
所述对比度因子构建模块中,设定所述亮度差常数Y0=110,Y1=130。
17.根据权利要求15或16所述的二维码图像的二值化系统,其特征在于:
所述对比度因子构建模块中,设定所述对比度因子C的公式中,C0=4;C1=14;C2=24。
18.根据权利要求15-17任一所述的二维码图像的二值化系统,其特征在于:
所述对比度因子构建模块中,设定m=8。
19.根据权利要求11-18任一所述的二维码图像的二值化系统,其特征在于:
所述灰度阈值获取模块中,所述预定范围包括n*n个分块区域,其中n为大于1的整数。
20.根据权利要求19所述的二维码图像的二值化系统,其特征在于:
所述灰度阈值获取模块中,所述预定范围包括5*5个分块区域。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310455030.7A CN104517110B (zh) | 2013-09-29 | 2013-09-29 | 一种二维码图像的二值化方法及系统 |
US14/102,638 US9230148B2 (en) | 2013-09-29 | 2013-12-11 | Method and system for binarization of two dimensional code image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310455030.7A CN104517110B (zh) | 2013-09-29 | 2013-09-29 | 一种二维码图像的二值化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104517110A true CN104517110A (zh) | 2015-04-15 |
CN104517110B CN104517110B (zh) | 2018-01-05 |
Family
ID=52739105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310455030.7A Expired - Fee Related CN104517110B (zh) | 2013-09-29 | 2013-09-29 | 一种二维码图像的二值化方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9230148B2 (zh) |
CN (1) | CN104517110B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105280105A (zh) * | 2015-11-12 | 2016-01-27 | 国网黑龙江省电力有限公司信息通信公司 | Led点阵二维码生成方法及生成模块 |
CN106203436A (zh) * | 2016-07-22 | 2016-12-07 | 北京小米移动软件有限公司 | 图像二值化方法和装置 |
CN106709393A (zh) * | 2015-11-13 | 2017-05-24 | 航天信息股份有限公司 | 一种qr二维码二值化方法和系统 |
CN107067403A (zh) * | 2017-03-13 | 2017-08-18 | 广州卓德信息科技有限公司 | 一种二维码图像二值化的改进方法 |
CN107644608A (zh) * | 2017-07-24 | 2018-01-30 | 友达光电股份有限公司 | 显示装置及其影像处理方法 |
CN108647550A (zh) * | 2018-04-11 | 2018-10-12 | 中山大学 | 一种基于机器学习的二维码模糊聚类识别方法及系统 |
CN110490847A (zh) * | 2019-07-31 | 2019-11-22 | 浙江大学山东工业技术研究院 | 基于视觉的led芯片质量检测方法 |
CN111429420A (zh) * | 2020-03-19 | 2020-07-17 | 中联重科股份有限公司 | 混凝土搅拌匀质度检测方法、系统及混凝土搅拌控制方法 |
CN111523341A (zh) * | 2020-04-03 | 2020-08-11 | 青岛进化者小胖机器人科技有限公司 | 二维码图像的二值化方法及设备 |
CN111626970A (zh) * | 2020-05-25 | 2020-09-04 | 天津维创微智能科技有限公司 | 一种图像二值化处理方法、装置、设备及存储介质 |
CN112052700A (zh) * | 2019-06-06 | 2020-12-08 | 北京京东尚科信息技术有限公司 | 图像二值化阈值矩阵确定与图形码信息识别方法及装置 |
CN113255393A (zh) * | 2021-07-07 | 2021-08-13 | 江苏东大集成电路系统工程技术有限公司 | 图像二值化方法、装置、存储介质及计算机设备 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778452B (zh) * | 2014-01-10 | 2017-09-05 | 惠州Tcl移动通信有限公司 | 一种基于手机的二维码编码和解码的方法及系统 |
CN105069394B (zh) * | 2015-07-23 | 2017-10-10 | 福建联迪商用设备有限公司 | 二维码加权平均灰度法解码方法及系统 |
CN105069389B (zh) * | 2015-07-27 | 2017-10-31 | 福建联迪商用设备有限公司 | 二维码分块解码方法及系统 |
CN106951811A (zh) * | 2017-03-20 | 2017-07-14 | 深圳市金立通信设备有限公司 | 一种图像处理方法及终端 |
US10346660B2 (en) | 2017-08-25 | 2019-07-09 | Datalogic I.P. Tech S.R.L. | Coded image capture and decoding system |
CN108989604B (zh) * | 2018-07-20 | 2020-05-05 | 京东方科技集团股份有限公司 | 图像加密方法、图像传输方法、电子设备、可读存储介质 |
WO2020071188A1 (ja) * | 2018-10-01 | 2020-04-09 | 株式会社日立産機システム | 印字検査装置 |
US11335214B2 (en) * | 2019-02-11 | 2022-05-17 | Andrea G. FORTE | Content encryption and in-place decryption using visually encoded ciphertext |
CN111259680B (zh) * | 2020-02-13 | 2022-04-12 | 支付宝(杭州)信息技术有限公司 | 二维码图像二值化处理方法及装置 |
CN111583150B (zh) * | 2020-05-07 | 2023-06-16 | 湖南优象科技有限公司 | 一种二维码图像处理方法与系统 |
CN113658164B (zh) * | 2021-08-24 | 2024-05-24 | 凌云光技术股份有限公司 | 一种二维码信息提取准确性的评估方法及装置 |
EP4184381A1 (en) * | 2021-11-23 | 2023-05-24 | Virnect Inc. | Method and system for setting dynamic image threshold for two-dimensional identification code detection |
CN114066881B (zh) * | 2021-12-01 | 2022-07-15 | 常州市宏发纵横新材料科技股份有限公司 | 一种基于非线性变换检测方法、计算机设备及存储介质 |
CN114143474B (zh) * | 2021-12-06 | 2023-10-10 | 广州尚臣电子有限公司 | 一种基于图像平均灰度的物感处理方法 |
CN117036364B (zh) * | 2023-10-09 | 2024-01-02 | 全芯智造技术有限公司 | 图像处理方法及装置、存储介质、计算设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6081627A (en) * | 1996-08-23 | 2000-06-27 | Matsushita Electric Industrial Co., Ltd. | Two-dimensional code reader |
CN102842116A (zh) * | 2012-06-30 | 2012-12-26 | 南京汇兴博业数字设备有限公司 | 图像内快速响应矩阵码的光照均衡处理方法 |
CN103093225A (zh) * | 2013-01-05 | 2013-05-08 | 武汉矽感科技有限公司 | 二维码图像的二值化方法 |
CN103235948A (zh) * | 2013-04-22 | 2013-08-07 | 中山大学 | 一种二维条码的自适应阈值二值化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4794847B2 (ja) * | 2004-10-29 | 2011-10-19 | キヤノン株式会社 | 2次元コードおよび情報処理方法 |
CN100511271C (zh) * | 2006-11-16 | 2009-07-08 | 深圳市天朗时代科技有限公司 | 二维码解码方法 |
US9010639B2 (en) * | 2009-04-10 | 2015-04-21 | Gmedia Technology (Beijing) Co., Ltd. | System and method for reading a two-dimensional array code |
CN102298953B (zh) * | 2011-06-03 | 2014-04-30 | 武汉纺织大学 | 带保护字的二维游程长度受限约束的编解码器及使用方法 |
US8500026B2 (en) * | 2011-12-06 | 2013-08-06 | Xerox Corporation | Dual resolution two-dimensional barcode |
-
2013
- 2013-09-29 CN CN201310455030.7A patent/CN104517110B/zh not_active Expired - Fee Related
- 2013-12-11 US US14/102,638 patent/US9230148B2/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6081627A (en) * | 1996-08-23 | 2000-06-27 | Matsushita Electric Industrial Co., Ltd. | Two-dimensional code reader |
CN102842116A (zh) * | 2012-06-30 | 2012-12-26 | 南京汇兴博业数字设备有限公司 | 图像内快速响应矩阵码的光照均衡处理方法 |
CN103093225A (zh) * | 2013-01-05 | 2013-05-08 | 武汉矽感科技有限公司 | 二维码图像的二值化方法 |
CN103235948A (zh) * | 2013-04-22 | 2013-08-07 | 中山大学 | 一种二维条码的自适应阈值二值化方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105280105A (zh) * | 2015-11-12 | 2016-01-27 | 国网黑龙江省电力有限公司信息通信公司 | Led点阵二维码生成方法及生成模块 |
CN106709393A (zh) * | 2015-11-13 | 2017-05-24 | 航天信息股份有限公司 | 一种qr二维码二值化方法和系统 |
CN106203436A (zh) * | 2016-07-22 | 2016-12-07 | 北京小米移动软件有限公司 | 图像二值化方法和装置 |
CN107067403A (zh) * | 2017-03-13 | 2017-08-18 | 广州卓德信息科技有限公司 | 一种二维码图像二值化的改进方法 |
CN107644608B (zh) * | 2017-07-24 | 2020-09-29 | 友达光电股份有限公司 | 显示装置及其影像处理方法 |
CN107644608A (zh) * | 2017-07-24 | 2018-01-30 | 友达光电股份有限公司 | 显示装置及其影像处理方法 |
TWI622914B (zh) * | 2017-07-24 | 2018-05-01 | 友達光電股份有限公司 | 顯示裝置及其影像處理方法 |
CN108647550A (zh) * | 2018-04-11 | 2018-10-12 | 中山大学 | 一种基于机器学习的二维码模糊聚类识别方法及系统 |
CN112052700A (zh) * | 2019-06-06 | 2020-12-08 | 北京京东尚科信息技术有限公司 | 图像二值化阈值矩阵确定与图形码信息识别方法及装置 |
CN112052700B (zh) * | 2019-06-06 | 2024-04-05 | 北京京东乾石科技有限公司 | 图像二值化阈值矩阵确定与图形码信息识别方法及装置 |
CN110490847A (zh) * | 2019-07-31 | 2019-11-22 | 浙江大学山东工业技术研究院 | 基于视觉的led芯片质量检测方法 |
CN110490847B (zh) * | 2019-07-31 | 2022-05-06 | 浙江大学山东工业技术研究院 | 基于视觉的led芯片质量检测方法 |
CN111429420A (zh) * | 2020-03-19 | 2020-07-17 | 中联重科股份有限公司 | 混凝土搅拌匀质度检测方法、系统及混凝土搅拌控制方法 |
CN111523341A (zh) * | 2020-04-03 | 2020-08-11 | 青岛进化者小胖机器人科技有限公司 | 二维码图像的二值化方法及设备 |
CN111523341B (zh) * | 2020-04-03 | 2023-07-11 | 青岛进化者小胖机器人科技有限公司 | 二维码图像的二值化方法及设备 |
CN111626970A (zh) * | 2020-05-25 | 2020-09-04 | 天津维创微智能科技有限公司 | 一种图像二值化处理方法、装置、设备及存储介质 |
CN111626970B (zh) * | 2020-05-25 | 2022-11-01 | 天津维创微智能科技有限公司 | 一种图像二值化处理方法、装置、设备及存储介质 |
CN113255393A (zh) * | 2021-07-07 | 2021-08-13 | 江苏东大集成电路系统工程技术有限公司 | 图像二值化方法、装置、存储介质及计算机设备 |
CN113255393B (zh) * | 2021-07-07 | 2021-10-15 | 江苏东大集成电路系统工程技术有限公司 | 图像二值化方法、装置、存储介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
US9230148B2 (en) | 2016-01-05 |
US20150090791A1 (en) | 2015-04-02 |
CN104517110B (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517110A (zh) | 一种二维码图像的二值化方法及系统 | |
CN111583097A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN110675339A (zh) | 基于边缘修复和内容修复的图像修复方法及系统 | |
KR101570290B1 (ko) | 화상 처리 장치, 화상 처리 방법, 화상 처리 제어 프로그램, 및 기록 매체 | |
CN116091497B (zh) | 遥感变化检测方法、装置、电子设备和存储介质 | |
JP2014089626A (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
Xiao et al. | Single image dehazing based on learning of haze layers | |
CN107705254B (zh) | 一种基于街景图的城市环境评估方法 | |
CN113781510B (zh) | 边缘检测方法、装置及电子设备 | |
CN114494821B (zh) | 基于特征多尺度感知与自适应聚合的遥感影像云检测方法 | |
CN110866455B (zh) | 一种路面水体检测方法 | |
CN103942762A (zh) | 一种二维码预处理的方法及其装置 | |
CN111179196B (zh) | 一种基于分而治之的多分辨率深度网络图像去高光方法 | |
CN111597845A (zh) | 一种二维码检测方法、装置、设备及可读存储介质 | |
CN107945122A (zh) | 基于自适应直方图分段的红外图像增强方法及系统 | |
CN104715221A (zh) | 一种超低对比度二维码的解码方法及系统 | |
CN109214996A (zh) | 一种图像处理方法及装置 | |
CN106651816B (zh) | 数字图像的半色调处理方法和系统 | |
CN115861823A (zh) | 一种基于自监督深度学习的遥感变化检测方法和装置 | |
CN104809705A (zh) | 一种基于阈值块匹配的图像去噪的方法和系统 | |
CN107945196B (zh) | 一种用于航拍校正图像拼接的图像边沿检测方法 | |
CN114120056B (zh) | 小目标识别方法、装置、电子设备、介质及产品 | |
CN116229098A (zh) | 一种基于掩模轮廓跟踪的图像识别方法及相关产品 | |
CN116091933A (zh) | 基于遥感技术的水域地形的地质分析方法及装置 | |
CN101702238A (zh) | 基于浮雕图像的运动分割方法 |
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: 20180105 Termination date: 20180929 |
|
CF01 | Termination of patent right due to non-payment of annual fee |