CN104657728B - 基于计算机视觉的条码识别系统 - Google Patents
基于计算机视觉的条码识别系统 Download PDFInfo
- Publication number
- CN104657728B CN104657728B CN201510122501.1A CN201510122501A CN104657728B CN 104657728 B CN104657728 B CN 104657728B CN 201510122501 A CN201510122501 A CN 201510122501A CN 104657728 B CN104657728 B CN 104657728B
- Authority
- CN
- China
- Prior art keywords
- image
- bar code
- scanning
- length
- recording
- 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.)
- Active
Links
Abstract
本发明涉及一种基于计算机视觉的条码识别系统,包括照相机、FPGA处理器、DSP处理器和通信接口。首先利用FPGA处理器获取原始的图像数据,并对其进行预处理(包括自动白平衡、图像增强、滤波等),然后对图像进行二值化处理,通过数值计算将图片中的物品条码进行定位和提取。然后利用DSP处理器对FPGA定位和提取后的二维码进行旋转、校正以及解码处理。最后将结果通过通信接口传输至后台处理系统。本系统可以用于一维条码和二维条码的识别,当位置探测图像发生畸变时仍然能够准确定位。
Description
技术领域
本发明涉及条码识别技术领域,尤其是一种基于计算机视觉的条码识别系统。
背景技术
二维码又称二维条码,它是用特定的几何图形按一定的规律在平面上分布的黑白相间的图形,是所有信息数据的一把钥匙。
目前对于二维条码的预处理方法有:(1)利用最大类间类差算法或图像直方图进行二值化;(2)利用Hough变换求取条码倾斜的角度或得到条码的4条边界直线从而找到4个顶点坐标,并针对Hough变换运算量大的缺点提出相应的改进方法;(3)倾斜纠正。但上述算法都存在不足:QR码不同于PDF417码,没有明显的长直线,为Hough变换提取角度带来困难,而且上述算法定位QR码的4个顶点,由于噪声的影响。往往右下角的顶点定位不够准确。针对这一问题,国内外许多学者提出了对右下角顶点的重定位方法能较准确地定位QR码,但运算量较大,并且图像畸变时候不适用。
发明内容
本发明的目的是克服现有技术的不足,提供一种基于计算机视觉的条码识别系统,用于定位和识别条码,特别是QR码。
按照本发明提供的技术方案,所述基于计算机视觉的条码识别系统包括照相机、FPGA处理器、DSP处理器和通信接口,所述照相机用于对传送带上的物品进行拍照,将拍得的图像数据传送给FPGA处理器;所述FPGA处理器获取原始的图像数据,并对其进行预处理,包括自动白平衡、图像增强、滤波,然后对图像进行二值化处理,通过数值计算将图像中的物品条码进行定位和提取;所述DSP处理器对FPGA处理器定位和提取后的条码进行旋转、校正以及解码处理;所述FPGA处理器和DSP处理器的处理结果通过通信接口传输至后台处理系统。
具体的,所述图像增强、滤波是指对图像的灰度值进行拉伸,进行图像的增强,以及采用中值滤波算法对图像进行滤波。
所述对图像进行二值化处理的方法是:
将采集到的图像进行灰度处理后,记条码图像为A(i,j),大小为M×N,分为4块子块图像分别处理,子块记为Pi,i=1,2,3,4;
计算每一子块的像素的平均值
对每个子块计算局部阈值
并分别进行二值化处理,再利用horzcat和vertcat函数将每个子块二值化处理后的结果合并为一幅图像;其中,k为补偿因子,取0.69~0.82,调节每一子块灰度值之间的差异。
所述将图像中的物品条码进行定位和提取的方法为:
对位置探测图形区域水平和垂直扫描,对每一行的扫描步骤如下:
步骤1、以第一个像素点为起始点,从左至右扫描,直到像素值发生变化或者该行扫描结束,记录每段长度,分别标记为L1,L2,L3,L4,L5,执行步骤2;
步骤2、如果L2:L1∈(0.5,1.5),L3:L1∈(2.5,3.5),L4:L1∈(0.5,1.5),L5:L1∈(0.5,1.5),则记录L1段起始点与L5段的终点坐标,标记中点坐标,否则不记录;如果该行扫描结束,则执行步骤1扫描下一行,否则执行步骤3;
步骤3、将L2长度赋给L1,L3长度赋给L2,L4长度赋给L3,L5长度赋给L4,向右扫描直到像素值发生变化或者该行扫描结束,重新记录L5的长度,执行步骤2;
用同样的方法进行垂直方向的扫描,并标记得到的中点坐标;取邻域内标记中点最多的三个邻域,对每一个领域内的水平和垂直扫描的中点分别采用最小二乘法拟合直线,求得直线的交点即位置探测图像的中心点位置。
所述对条码进行旋转的方法是:对标记的三个中心点形成的三角形计算三条边长度,得到最长边,记最长边相对的顶点为A,另两个顶点分别记为B、C;以B、C两点的中点O为坐标系原点建立直角坐标系,计算A、B、C三点在新坐标系中的坐标,设图像绕O点顺时针旋转角度θ可以将条码旋正,设A、B、C旋转后对应的点为A1,B1,C1,则角度θ计算公式为
对条码进行旋转后采用双线性变换对几何形变的图像进行校正。
本发明的优点是:本发明所用识别系统和算法可以用于一维条码和二维条码的识别,当位置探测图像发生畸变时仍然能够准确定位。
附图说明
图1系统的工作流程图。
图2旋转算法示意图,其中图2(a)是yA≤0的情况,图2(b)是yA>0的情况。
图3校正算法示意图,其中图3(a)是校正前的图像,图3(b)是校正后的图像。
具体实施方式
以下结合附图和实施例对本发明做进一步说明。
本发明的条码识别系统包括照相机、FPGA处理器、DSP处理器和通信接口,系统的工作过程如下:
(1)利用高速照相机对传送带上的物品进行拍照,将拍得的图像数据传送给FPGA处理器的识别软件。
(2)FPGA处理器获取原始的图像数据,并对其进行预处理(包括自动白平衡、图像增强、滤波等),然后对图像进行二值化处理,通过数值计算将图片中的物品条码(比如快递单条码)进行定位和提取。
(3)然后利用DSP处理器对FPGA处理器定位和提取后的条码进行旋转、校正以及解码处理。
(4)最后将结果通过通信接口(以太网接口、RS232、RS485等可选择)传输至后台处理系统。
系统对拍摄得到的图片进行图像增强,滤波,具体的算法是对图像的灰度值进行拉伸,进行图像的增强,采用中值滤波算法对图像进行滤波。
对图像进行二值化处理方法如下。
以常用的QR码为例,考虑到QR码自身的特点,将其分为4个子块分别处理,能在较短时间内有效地分离目标与背景。具体步骤如下:
(1)将采集到的图像进行灰度处理后,记QR码图像为A(i,j),大小为M×N分为4块子块图像分别处理,子块记为Pi,i=1,2,3,4。
(2)计算每一子块的像素的平均值
(3)对每个子块计算局部阈值
并分别进行二值化处理,再利用horzcat和vertcat函数将每个子块二值化处理后的结果合并为一幅图像。其中,k为补偿因子,调节每一子块灰度值之问的差异。通过多次实验表明,k=0.69~0.82。对于偏亮的子块,一般k值较小,对于偏暗的子块,k值较大。
所述通过数值计算将图片中的物品条码进行定位和提取,其方法为:对位置探测图形区域水平和垂直扫描,搜索连续黑白模块长度比大致符合1:1:3:1:1区域,标记得到的区域的中点。分别对水平和垂直扫描得到的中点拟合直线,求得直线的交点即位置探测图形中心。该定位算法当位置探测图像发生畸变时仍然能够准确定位。
对每一行的扫描步骤如下:
步骤1、以第一个像素点为起始点,从左至右扫描,直到像素值发生变化或者该行扫描结束,记录每段长度,分别标记为L1,L2,L3,L4,L5执行步骤2:
步骤2、如果L2:L1∈(0.5,1.5),L3:L1∈(2.5,3.5),L4:L1∈(0.5,1.5),L5:L1∈(0.5,1.5),则记录L1段起始点与L5段的终点坐标,标记中点坐标,否则不记录。如果该行扫描结束,则执行步骤1,否则执行步骤3;
步骤3、将L2长度赋给L1,L3长度赋给L2,L4长度赋给L3,L5长度赋给L4,向右扫描直到像素值发生变化或者该行扫描结束,重新记录L5的长度,执行步骤2。
用同样的方法进行垂直方向的扫描,标记得到的中点坐标。
取邻域内标记中点最多的三个邻域,对每一个领域内的水平和垂直扫描的中点分别采用最小二乘法拟合直线,求得交点即位置探测图像的中心点位置。
所述对FPGA处理器定位和提取后的二维码进行旋转、校正以及解码处理方法如下。
对标记的三个中心点形成一个近似等腰直角三角形。计算三条边长度,得到最长边。记最长边相对的顶点为A,另两个顶点分别记为B、C。以B、C两点的中点O为坐标系原点建立直角坐标系,如图2,计算A、B、C三点在新坐标系中的坐标,设图像绕O点顺时针旋转角度θ可以将QR码旋正,设A、B、C旋转后对应的点为A1,B1,C1。则由图2可推出角度θ计算公式为
然后采用双线性变换对几何形变的图像进行校正,如图3所示。图3(a)是校正前的图像,图3(b)是校正后的图像。再依据QR码的解码规则对二维码进行解码。
Claims (3)
1.基于计算机视觉的条码识别系统,其特征是,包括照相机、FPGA处理器、DSP处理器和通信接口,
所述照相机用于对传送带上的物品进行拍照,将拍得的图像数据传送给FPGA处理器;
所述FPGA处理器获取原始的图像数据,并对其进行预处理,包括自动白平衡、图像增强、滤波,然后对图像进行二值化处理,通过数值计算将图像中的物品条码进行定位和提取;
所述DSP处理器对FPGA处理器定位和提取后的条码进行旋转、校正以及解码处理;
所述FPGA处理器和DSP处理器的处理结果通过通信接口传输至后台处理系统;
其中,所述图像增强、滤波是指对图像的灰度值进行拉伸,进行图像的增强,以及采用中值滤波算法对图像进行滤波;
所述将图像中的物品条码进行定位和提取的方法为:
对位置探测图形区域水平和垂直扫描,对每一行的扫描步骤如下:
步骤1、以第一个像素点为起始点,从左至右扫描,直到像素值发生变化或者该行扫描结束,记录每段长度,分别标记为L1,L2,L3,L4,L5,执行步骤2:
步骤2、如果L2:L1∈(0.5,1.5),L3:L1∈(2.5,3.5),L4:L1∈(0.5,1.5),L5:L1∈(0.5,1.5),则记录L1段起始点与L5段的终点坐标,标记中点坐标,否则不记录;如果该行扫描结束,则执行步骤1扫描下一行,否则执行步骤3;
步骤3、将L2长度赋给L1,L3长度赋给L2,L4长度赋给L3,L5长度赋给L4,向右扫描直到像素值发生变化或者该行扫描结束,重新记录L5的长度,执行步骤2;
用同样的方法进行垂直方向的扫描,并标记得到的中点坐标;取邻域内标记中点最多的三个邻域,对每一个领域内的水平和垂直扫描的中点分别采用最小二乘法拟合直线,求得直线的交点即位置探测图像的中心点位置;
所述对条码进行旋转的方法是:对标记的三个中心点形成的三角形计算三条边长度,得到最长边,记最长边相对的顶点为A,另两个顶点分别记为B、C;以B、C两点的中点0为坐标系原点建立直角坐标系,计算A、B、C三点在新坐标系中的坐标,设图像绕0点顺时针旋转角度θ可以将条码旋正,设A、B、C旋转后对应的点为A1,B1,C1,则角度θ计算公式为
2.如权利要求1所述的基于计算机视觉的条码识别系统,其特征是,所述对图像进行二值化处理的方法是:
将采集到的图像进行灰度处理后,记条码图像为A(i,j),大小为M×N,分为4块子块图像分别处理,子块记为Pi,i=1,2,3,4;
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mrow>
<mo>{</mo>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>,</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>M</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mrow>
<mo>{</mo>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>N</mi>
<mo>,</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>M</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mn>3</mn>
</msub>
<mo>=</mo>
<mrow>
<mo>{</mo>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>M</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>M</mi>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mn>4</mn>
</msub>
<mo>=</mo>
<mrow>
<mo>{</mo>
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>N</mi>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>M</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mi>j</mi>
<mo>&le;</mo>
<mi>M</mi>
</mrow>
<mo>}</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
计算每一子块的像素的平均值
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</munderover>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>&CenterDot;</mo>
<mi>N</mi>
<mo>/</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
<mo>&lsqb;</mo>
<mn>2</mn>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</munderover>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>&CenterDot;</mo>
<mi>N</mi>
<mo>/</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
<mo>&lsqb;</mo>
<mn>3</mn>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>M</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mi>M</mi>
</munderover>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>&CenterDot;</mo>
<mi>N</mi>
<mo>/</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
<mo>&lsqb;</mo>
<mn>4</mn>
<mo>&rsqb;</mo>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mi>M</mi>
</munderover>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>&CenterDot;</mo>
<mi>N</mi>
<mo>/</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
对每个子块计算局部阈值
<mrow>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>a</mi>
<mi>v</mi>
<mi>e</mi>
<mo>&lsqb;</mo>
<mi>i</mi>
<mo>&rsqb;</mo>
</mrow>
<mn>255</mn>
</mfrac>
<mo>&times;</mo>
<mi>k</mi>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>4</mn>
</mrow>
并分别进行二值化处理,再利用horzcat和vertcat函数将每个子块二值化处理后的结果合并为一幅图像;其中,k为补偿因子,取0.69~0.82,调节每一子块灰度值之间的差异。
3.如权利要求1所述的基于计算机视觉的条码识别系统,其特征是,对条码进行旋转后采用双线性变换对几何形变的图像进行校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510122501.1A CN104657728B (zh) | 2015-03-19 | 2015-03-19 | 基于计算机视觉的条码识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510122501.1A CN104657728B (zh) | 2015-03-19 | 2015-03-19 | 基于计算机视觉的条码识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104657728A CN104657728A (zh) | 2015-05-27 |
CN104657728B true CN104657728B (zh) | 2018-01-09 |
Family
ID=53248829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510122501.1A Active CN104657728B (zh) | 2015-03-19 | 2015-03-19 | 基于计算机视觉的条码识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104657728B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056020B (zh) * | 2016-06-01 | 2018-09-25 | 东莞理工学院 | 一种基于机器视觉系统的条码检测识别方法及系统 |
CN106874820B (zh) * | 2017-01-12 | 2019-07-23 | 杭州晟元数据安全技术股份有限公司 | 一种基于最小二乘法的一维条码码字解码方法 |
CN107478499A (zh) * | 2017-08-08 | 2017-12-15 | 宋林涛 | 智能消解检测系统 |
CN108197522A (zh) * | 2018-02-06 | 2018-06-22 | 佛山市南方数据科学研究院 | 一种隐形二维条码自动识别系统 |
CN117952135A (zh) * | 2019-05-09 | 2024-04-30 | 深圳盈达机器视觉技术有限公司 | 条码识别装置 |
CN110400278B (zh) * | 2019-07-30 | 2021-10-01 | 广东工业大学 | 一种图像颜色和几何畸变的全自动校正方法、装置及设备 |
CN110705486B (zh) * | 2019-10-08 | 2021-06-25 | 济南东朔微电子有限公司 | 一种基于视频图像识别快递面单上倾斜数字的方法 |
CN112254722B (zh) * | 2020-12-21 | 2021-05-11 | 之江实验室 | 一种基于qr码和惯性导航融合的车辆定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101006923A (zh) * | 2007-01-23 | 2007-08-01 | 天津理工大学 | 基于人体手背皮下静脉血管特征的身份识别仪及识别方法 |
CN101064010A (zh) * | 2006-12-28 | 2007-10-31 | 华中科技大学 | 红外小目标检测的图像预处理装置 |
CN101105836A (zh) * | 2007-07-06 | 2008-01-16 | 哈尔滨工程大学 | 运动背景的红外图像实时目标识别与跟踪器及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140337186A1 (en) * | 2012-01-11 | 2014-11-13 | II Antonio Sabarez | Method and system for associating container labels with product units |
US8807434B1 (en) * | 2012-08-08 | 2014-08-19 | Google Inc. | Techniques for generating customized two-dimensional barcodes |
-
2015
- 2015-03-19 CN CN201510122501.1A patent/CN104657728B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101064010A (zh) * | 2006-12-28 | 2007-10-31 | 华中科技大学 | 红外小目标检测的图像预处理装置 |
CN101006923A (zh) * | 2007-01-23 | 2007-08-01 | 天津理工大学 | 基于人体手背皮下静脉血管特征的身份识别仪及识别方法 |
CN101105836A (zh) * | 2007-07-06 | 2008-01-16 | 哈尔滨工程大学 | 运动背景的红外图像实时目标识别与跟踪器及方法 |
Non-Patent Citations (2)
Title |
---|
一种QR码的预处理算法;杨佳丽等;《计算机工程》;20110131;第37卷(第2期);文章第218页 * |
一种复杂条件下的QR码图像预处理算法;阳建华等;《科学技术与工程》;20140131;第14卷(第2期);文章第212-213页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104657728A (zh) | 2015-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657728B (zh) | 基于计算机视觉的条码识别系统 | |
CN108920992B (zh) | 一种基于深度学习的医药标签条码的定位与识别方法 | |
CN104809422B (zh) | 基于图像处理的qr码识别方法 | |
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN107633192B (zh) | 一种基于机器视觉的复杂背景下条形码分割与识读方法 | |
CN106056020B (zh) | 一种基于机器视觉系统的条码检测识别方法及系统 | |
WO2017012581A1 (zh) | 二维码加权平均灰度法解码方法及系统 | |
CN108171688B (zh) | 一种基于Gabor特征与随机降维的晶圆表面缺陷检测方法 | |
EP3462372B1 (en) | System and method for detecting optical codes with damaged or incomplete finder patterns | |
CN108230315B (zh) | 一种基于机器视觉的口罩带缺失检测方法 | |
CN111931538A (zh) | 一种Micro QR二维码的定位方法 | |
CN110992326A (zh) | 一种qfn芯片引脚图像快速倾斜校正方法 | |
CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN104794421A (zh) | 一种qr码定位及识别方法 | |
CN103745221B (zh) | 一种二维码图像矫正方法 | |
CN108256375B (zh) | 一种一维条形码扫描方法 | |
CN106156684A (zh) | 一种二维码识别方法及装置 | |
CN112233116A (zh) | 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法 | |
CN110097048A (zh) | 一种sot芯片图像快速校正与字符识别方法 | |
CN103177251A (zh) | 一种qr码自动定位及定向方法 | |
CN114783010B (zh) | 一种掌纹图像感兴趣区域提取方法 | |
CN106778766B (zh) | 一种基于定位点的旋转数字识别方法及系统 | |
CN111815725A (zh) | 一种qr码区域定位方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230720 Address after: 214135 Building C, Weina Sensor Network International Innovation Park, No. 200, Linghu Avenue, the Taihu Lake International Science Park, Wuxi New District, Jiangsu Province Patentee after: JIANGSU CAS INTERNET-OF-THINGS TECHNOLOGY VENTURE CAPITAL CO.,LTD. Address before: 214135 Block C, International Innovation Park of China Sensor Network, 200 Linghu Avenue, Wuxi New District, Jiangsu Province Patentee before: JIANGSU R & D CENTER FOR INTERNET OF THINGS |
|
TR01 | Transfer of patent right |