CN104636706B - 一种基于梯度方向一致性复杂背景条码图像自动分割方法 - Google Patents

Abstract

一种基于梯度方向一致性复杂背景条码图像自动分割方法，其包括如下步骤：第一步，将输入图像转换为灰度图I(n)，在灰度图I(n)上计算每个像素点n的水平方向梯度G_x(n)和垂直方向梯度G_y(n)，进而得到每个像素点n的梯度幅值G(n)和梯度角度Φ(n)；第二步，选择梯度阈值α，将梯度幅值G(n)大于阈值α的像素点作为图像边缘点，得到边缘图像I_e(n)；第三步，基于分块的梯度方向一致性评估和筛选，得到候选图像块集合；第四步，计算每个候选图像块P_ci的平均梯度方向Φ_ci，并归一化到区间内，作为该候选图像块P_ci的梯度方向；第五步，基于方向一致性的候选图像块连通域标记；第六步，候选图像块连通域分析和筛选；第七步，对候选条码区域进行波形提取和匹配，用于后续译码。本发明的方法对条码识别更加快速准确。

Description

一种基于梯度方向一致性复杂背景条码图像自动分割方法

技术领域

本发明涉及自动图像识别技术领域，尤其涉及一种基于梯度方向一致性复杂背景条码图像自动分割方法。

背景技术

自动化数据采集技术是信息采集和处理的关键技术。条码技术在自动化数据采集中占重要地位，已被广泛运用于工业、商业、图书出版和医疗卫生事业等。

一维条码是由一组规则排列、宽窄不一的条、空组成的标记，用来表示一定的信息。目前市场上普遍采用的条码识别装置是光电识读器，该识别技术已成功投入商业应用。但是光电识读器需要手动去对准条码，自动化程度不高。

随着数字图像处理技术的发展，基于视频的条码识别技术引起了国内外学者的广泛关注，并逐渐成为研究热点。简单背景下的条码定位技术已较为成熟，而对于复杂背景下的条码图像，如何快速高效地检测和定位出条码区域，成为了研究的难点。

目前常用的条码定位方法主要可以分为频域方法和空域方法两种。

频域方法主要有基于小波多分辨率分析、傅里叶变换、DCT等。如有学者提出的基于小波多分辨率分析的条码检测算法，该算法在高频子图基于特征向量利用纹理相似性原理，采用区域增长法产生条码数据区域的候选子区域集合，然后在低频子图利用条码的边界特征对候选子区域进行验证，该方法对含有倾斜的条码图像并不适用。基于DCT域算法对条码区域自动定位，可以定位任意旋转角度的条码，然而当图像中其他区域的纹理比重远大于条码区域时，该算法将会失效。

空域方法主要有基于Hough变换、边缘梯度以及形态学操作等，如有学者提出在空域中利用条码区域的纹理特征以及条码区域的形状，并且结合形态学操作检测条码区域，该方法在后面的多次形态学膨胀时，容易将条码区域与其他区域连通到一块，易出现误检及漏检的现象。

发明内容

本发明提出一种基于梯度方向一致性的复杂背景条码图像自动分割方法，针对现有方法的不足，利用图像中条码区域的强方向一致性和高灰度对比度的特征，克服复杂背景以及条码倾斜带来的干扰，准确高效地定位分割条出图像中的条码区域。

为达到上述目的，本发明所提出的技术方案为：

本发明的一种基于梯度方向一致性复杂背景条码图像自动分割方法，其包括如下步骤：

第一步，将输入图像转换为灰度图I(n)，在灰度图I(n)上计算每个像素点n的水平方向梯度G_x(n)和垂直方向梯度G_y(n)，进而得到每个像素点n的梯度幅值G(n)和梯度角度Φ(n)；

第二步，选择梯度阈值α，将梯度幅值G(n)大于阈值α的像素点作为图像边缘点，得到边缘图像I_e(n)；

第三步，基于分块的梯度方向一致性评估和筛选，得到候选图像块集合；

第四步，计算每个候选图像块P_ci的平均梯度方向Φ_ci，并归一化到区间内，作为该候选图像块P_ci的梯度方向；

第五步，基于方向一致性的候选图像块连通域标记；

第六步，候选图像块连通域分析和筛选；

第七步，对候选条码区域进行波形提取和匹配，用于后续译码。

其中，所述的第三步还包括以下步骤：

第一步，选择宽度w，将图像分成一系列w*w的图像块{P₁,P₂,,P_k}，其中k为图像块的数目；

第二步，将一个圆周360度划分为36个角度区间，每个区间10度，由于条码中相差180度的角度作为一个方向，进而36个角度区间归并为18个方向区间，每个方向区间包含两个相差180度的角度区间，在边缘图像I_e(n)中，将每个图像块P_i内各个梯度方向区间中边缘点的个数，得到图像块P_i的梯度方向直方图H_i，梯度方向直方图H_i的每一项归一化为该方向区间内的边缘点数目占图像块P_i内总边缘点数目的比例，其中i＝1,2,,k；

第三步，对每个图像块P_i，判定该图像块P_i是否具有方向一致性，剔除不具有方向一致性的图像块，得到候选图像块集合{P_c1,P_c2,,P_cm}，m为候选图像块的数目。

其中，所述的第五步还包括以下步骤：

第一步，从候选图像块集合{P_c1,P_c2,,P_cm}中取出一个未标记图像块P_ci；

第二步，从P_ci开始进行区域生长，将相邻并且满足方向一致性约束的候选图像块标记为一类，作为一个图像块连通域R_i，并保存图像块连通域的宽w_ri和高h_ri，图像块P_ci与图像块P_cj的方向一致性约束：

|θ_ci-θ_cj|＜σ或者|θ_ci-θ_cj|＞π-σ

其中，θ_ci和θ_cj分别为图像块P_ci和P_cj的梯度方向，σ为最大角度偏差，通常取为

第三步，继续从候选图像块集合{P_c1,P_c2,,P_cm}中取出未标记图像块，按照所述第二步进行区域生长，直到候选图像块集合中没有未标记的图像块，至此，得到图像块连通域集合{R₁,R₂,,R_t}，t为图像块连通域的数目。

其中，所述的第六步包括以下步骤：

第一步，对图像块连通域集合{R₁,R₂,,R_t}中的每一个图像块连通域R_i，计算其内部的图像块梯度方向的加权平均值作为连通域的梯度方向θ_ri，图像块的权值为图像块内边缘点的数目；

第二步，从图像块连通域R_i的中心点o出发，沿着R_i的梯度方向θ_ri，在R_i内部扫描，统计扫描线上和梯度方向θ_ri满足方向一致性约束的边缘点数目N_ri；

第三步，筛选出大小符合要求并且边缘点数目大于条码最小边缘数的图像块连通域，作为候选条码区域，条件如下：

0.2W＜w_ri＜0.8W，0.2H＜h_ri＜0.8H并且N_ri＞N_min；

其中W和H分别为原图像的宽和高，N_min为条码的最小边缘数；

至此，得到候选图像块连通域即候选条码区域集合{R_c1,R_c2,,R_cl}，l为筛选后的候选图像块连通域集合数目。

其中，所述的第七步还包括以下步骤：

第一步，对候选条码区域集合{R_c1,R_c2,,R_cl}中的每一个条码区域R_ci，沿着在条码区域内部梯度方向θ_rci进行多行扫描，并记录扫描线上满足梯度方向一致性的边缘点数目，剔除边缘点数目小于N_min的扫描线，得到一系列的灰度波形曲线{L₁,L₂,,L_q}；

第二步，对灰度波形曲线{L₁,L₂,,L_q}进行相互校验，保留相互匹配的灰度曲线用于后续译码。

与现有技术相比，本发明的一种基于梯度方向一致性复杂背景条码图像自动分割方法，其充分利用了条码区域的强方向一致性和高灰度对比度的特点，不仅能在复杂背景干扰下准确快速地定位出条码，而且不受条码倾斜的影响。通过对图像进行分块，剔除方向一致性差的图像块，去掉大部分的背景干扰。计算图像块的平均梯度方向作为图像块梯度方向的估计，使用区域生长的方法，对相邻且具有梯度方向一致性的图像块进行连通域标记，得到图像块的连通域。通过对图像块连通域尺寸和方向一致性特征的进行分析和筛选，快速准确地得到候选条码区域，并估计出条码区域的方向，从而具有旋转不变性，使条码识别更加准确快速。

附图说明

图1为本发明一种基于梯度方向一致性复杂背景条码图像自动分割方法的流程图。

具体实施方式

以下参考附图，对本发明予以进一步地详尽阐述。

请参阅图1，本发明的一种基于量子点间接免疫荧光的病原体检测方法，其包括如下步骤：

第一步T1，将输入图像转换为灰度图I(n)，在灰度图I(n)上计算每个像素点n的水平方向梯度G_x(n)和垂直方向梯度G_y(n)，进而得到每个像素点n的梯度幅值和梯度角度

第二步T2，选择梯度阈值α，如果像素点n的梯度幅值G(n)＞α，则该像素点n作为图像的边缘点，得到边缘图像I_e(n)。

第三步T3，基于分块的梯度方向一致性评估和筛选，得到候选图像块集合。

上述第三步T3还包括以下步骤：

第一步，选择宽度w，将图像分成一系列w*w的图像块{P₁,P₂,,P_k}，其中k为图像块的数目。

第二步，将一个圆周360度划分为36个角度区间，每个区间10度。由于条码中相差180度的角度作为一个方向，进而36个角度区间归并为18个方向区间，每个方向区间包含两个相差180度的角度区间。在边缘图像I_e(n)中，统计每个图像块P_i内各个梯度方向区间中边缘点的个数，得到图像块P_i的梯度方向直方图H_i。梯度方向直方图H_i的每一项归一化为该方向区间内的边缘点数目占图像块P_i内总边缘点数目的比例，其中i＝1,2,,k。。

第三步，对每个图像块P_i，如果梯度方向直方图H_i中超过百分比p的边缘点集中在相邻的三个方向区间内，则判定该图像块P_i具有方向一致性，p取经验值90％。剔除不具有方向一致性的图像块，得到候选图像块集合{P_c1,P_c2,,P_cm}，m为候选图像块的数目。

第四步T4，计算每个候选图像块P_ci的平均梯度方向，公式如下：

其中，N为图像块内的边缘点总数。

然后将Φ_ci归一化到区间内，作为图像块P_ci的梯度方向。

第五步，基于方向一致性的候选图像块连通域标记。

所述的第五步还包括以下步骤：

第一步，从候选图像块集合{P_c1,P_c2,,P_cm}中取出一个未标记图像块P_ci。

第二步，从P_ci开始进行区域生长，将相邻并且满足方向一致性约束的候选图像块标记为一类，作为一个图像块连通域R_i，并保存图像块连通域的宽w_ri和高h_ri。图像块P_ci与图像块P_cj的方向一致性约束：

|θ_ci-θ_cj|＜σ或者|θ_ci-θ_cj|＞π-σ

其中，θ_ci和θ_cj分别为图像块P_ci和P_cj的梯度方向，σ为最大角度偏差，通常取为

第三步，继续从候选图像块集合{P_c1,P_c2,,P_cm}中取出未标记图像块，按照第2步进行区域生长，直到候选图像块集合中没有未标记的图像块。至此，得到图像块连通域集合{R₁,R₂,,R_t}，t为图像块连通域的数目。

第六步T6，图像块连通域分析和筛选。

所述的第六步还包括以下步骤：

第一步，对图像块连通域集合{R₁,R₂,,R_t}中的每一个图像块连通域R_i，计算其内部的图像块梯度方向的加权平均值作为连通域的梯度方向：

其中，s是图像块连通域R_i中包含的图像块数目，N_ci为图像块P_ci中边缘点数目，Φ_ci为图像块P_ci的梯度方向。

第二步，从图像块连通域R_i的中心点o出发，沿着R_i的梯度方向θ_ri，在R_i内部扫描。统计扫描线上和梯度方向θ_ri满足方向一致性约束的边缘点数目N_ri。方向一致性约束同步骤五中第2步。

第三步，筛选出大小符合要求并且边缘点数目大于条码最小边缘数的图像块连通域，作为候选条码区域，条件如下：

0.2W＜w_ri＜0.8W,0.2H＜h_ri＜0.8H并且N_ri＞N_min

其中W和H分别为原图像的宽和高，N_min为条码的最小边缘数。

至此，得到候选图像块连通域即候选条码区域集合{R_c1,R_c2,,R_cl}，l为筛选后的候选图像块连通域集合数目。

第七步T7，对候选条码区域进行波形提取和匹配，用于后续译码。

所述的第七步还包括以下步骤：

第一步，对候选条码区域集合{R_c1,R_c2,,R_cl}中的每一个条码区域R_ci，沿着在条码区域内部梯度方向θ_rci进行多行扫描，并记录扫描线上满足梯度方向一致性的边缘点数目。剔除边缘点数目小于N_min的扫描线，得到一系列的灰度波形曲线{L₁,L₂,,L_q}。

第二步，对灰度波形曲线{L₁,L₂,,L_q}进行相互校验，保留相互匹配的灰度曲线用于后续译码。

上述内容，仅为本发明的较佳实施例，并非用于限制本发明的实施方案，本领域普通技术人员根据本发明的主要构思和精神，可以十分方便地进行相应的变通或修改，故本发明的保护范围应以权利要求书所要求的保护范围为准。

Claims (2)

1.一种基于梯度方向一致性复杂背景条码图像自动分割方法，其特征在于，包括如下步骤：

第一步，将输入图像转换为灰度图I(n)，在灰度图I(n)上计算每个像素点n的水平方向梯度G_x(n)和垂直方向梯度G_y(n)，进而得到每个像素点n的梯度幅值G(n)和梯度角度Φ(n)；

第二步，选择梯度阈值α，将梯度幅值G(n)大于阈值α的像素点作为图像边缘点，得到边缘图像I_e(n)；

第三步，基于分块的梯度方向一致性评估和筛选，得到候选图像块集合；

第四步，计算每个候选图像块P_ci的平均梯度方向Φ_ci，并归一化到区间内，作为该候选图像块P_ci的梯度方向；

第五步，基于方向一致性的候选图像块连通域标记；

第六步，候选图像块连通域分析和筛选；

第七步，对候选条码区域进行波形提取和匹配，用于后续译码；

其中，所述的第三步还包括以下步骤：

第一步，选择宽度w，将图像分成一系列w*w的图像块{P₁,P₂,…,P_k}，其中k为图像块的数目；

第二步，将一个圆周360度划分为36个角度区间，每个区间10度，由于条码中相差180度的角度作为一个方向，进而36个角度区间归并为18个方向区间，每个方向区间包含两个相差180度的角度区间，在边缘图像I_e(n)中，将每个图像块P_i内各个梯度方向区间中边缘点的个数，得到图像块P_i的梯度方向直方图H_i，梯度方向直方图H_i的每一项归一化为该方向区间内的边缘点数目占图像块P_i内总边缘点数目的比例，其中i＝1,2,…,k；

第三步，对每个图像块P_i，判定该图像块P_i是否具有方向一致性，剔除不具有方向一致性的图像块，得到候选图像块集合{P_c1,P_c2,…,P_cm}，m为候选图像块的数目；

其中，所述的第五步还包括以下步骤：

第一步，从候选图像块集合{P_c1,P_c2,…,P_cm}中取出一个未标记图像块P_ci；

第二步，从P_ci开始进行区域生长，将相邻并且满足方向一致性约束的候选图像块标记为一类，作为一个图像块连通域R_i，并保存图像块连通域的宽w_ri和高h_ri，图像块P_ci与图像块P_cj的方向一致性约束：

|θ_ci-θ_cj|＜σ或者θ_ci-θ_cj|＞π-σ

其中，θ_ci和θ_cj分别为图像块P_ci和P_cj的梯度方向，σ为最大角度偏差；σ为

第三步，继续从候选图像块集合{P_c1,P_c2,…,P_cm}中取出未标记图像块，按照所述第二步进行区域生长，直到候选图像块集合中没有未标记的图像块，至此，得到图像块连通域集合{R₁,R₂,…,R_t}，t为图像块连通域的数目；

其中，所述的第六步包括以下步骤：

第一步，对图像块连通域集合{R₁,R₂,…,R_t}中的每一个图像块连通域R_i，计算其内部的图像块梯度方向的加权平均值作为连通域的梯度方向θ_ri，图像块的权值为图像块内边缘点的数目；

第二步，从图像块连通域R_i的中心点o出发，沿着R_i的梯度方向θ_ri，在R_i内部扫描，统计扫描线上和梯度方向θ_ri满足方向一致性约束的边缘点数目N_ri；

第三步，筛选出大小符合要求并且边缘点数目大于条码最小边缘数的图像块连通域，作为候选条码区域，条件如下：

0.2W＜w_ri＜0.8W，0.2H＜h_ri＜0.8H并且N_ri＞N_min；

其中W和H分别为原图像的宽和高，N_min为条码的最小边缘数；

至此，得到候选图像块连通域即候选条码区域集合{R_c1,R_c2,…,R_cl}，l为筛选后的候选图像块连通域集合数目。

2.如权利要求1所述的基于梯度方向一致性复杂背景条码图像自动分割方法，其特征在于，所述的第七步还包括以下步骤：

第一步，对候选条码区域集合{R_c1,R_c2,…,R_cl}中的每一个条码区域R_ci，沿着在条码区域内部梯度方向θ_rci进行多行扫描，并记录扫描线上满足梯度方向一致性的边缘点数目，剔除边缘点数目小于N_min的扫描线，得到一系列的灰度波形曲线{L₁,L₂,…,L_q}；

第二步，对灰度波形曲线{L₁,L₂,…,L_q}进行相互校验，保留相互匹配的灰度曲线用于后续译码。