CN104794421A - 一种qr码定位及识别方法 - Google Patents
一种qr码定位及识别方法 Download PDFInfo
- Publication number
- CN104794421A CN104794421A CN201510216927.3A CN201510216927A CN104794421A CN 104794421 A CN104794421 A CN 104794421A CN 201510216927 A CN201510216927 A CN 201510216927A CN 104794421 A CN104794421 A CN 104794421A
- Authority
- CN
- China
- Prior art keywords
- code
- connected domain
- image
- positioning
- point
- 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
Abstract
本发明公开了一种QR码定位及识别方法。定位方法包括以下步骤:(1)获取待检测QR码的图像并二值化;(2)根据连通域提取、矩形度分析以及孤岛特征判断,提取QR码三个定位图形坐标:采用连通域分析,提取黑色像素的连通域;获取连通区域的矩形度,保留矩形度大于筛选阈值的黑色像素连通域作为矩形连通域;保留具有黑色像素点孤岛特征的矩形连通域,作为定位标,得到定位图形。识别方法包括以下步骤:S1、按照所述定位方法进行定位;S2、检测QR码边缘;S3、计算四条边的交点作为畸变控制点;S4、采用双线性差值算法,几何矫正QR码图像;S5、按照QR码识别算法进行识别。本方法适用于几何畸变的QR码图像定位和识别。
Description
技术领域
本发明属于图像识别领域,更具体地,涉及一种QR码定位及识别方法。
背景技术
QR码是一种矩阵二维码符号,QR码不仅信息容量大、可靠性高、成本低,还可表示汉字及图像等多种文字信息、其保密防伪性强而且使用非常方便。这些特点决定了QR二维码适用于表单、物流追踪、证照、存货盘点等方面。
在众多的应用场景下,图像获取设备获取的二维码图像,可能因为拍摄角度、图像弯折等各种因素造成的图像存在几何畸变,获得的条码图像并非是标准的正方形,而是任意四边形,由对于这种几何失真的存在,使得使用传统的定位方法,也即是在整幅图像中搜索QR码的定位图形,根据定位图形中各元素图像宽度的比例是1∶1∶3∶1∶1的特点,在水平和垂直方向进行计算,找到3个定位图形,进而确定二维码的方位的这种方法不能对QR码进行定位,因此不能对几何畸变的QR码进行矫正。故需要提出一种新的在图像存在几何变形中的QR码定位及畸变矫正的算法。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种QR码定位及识别方法,其目的在于通过图像矫正对产生几何畸变的QR码进行定位和识别,由此解决现有的QR码扫描识别要求较高限制识别效率的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种QR码定位方法,包括以下步骤:
(1)图像获取及预处理:获取待检测QR码的灰度图像,并进行二值化处理得到QR码的二值化图像;
(2)判断定位图形坐标:在步骤(1)中获得的QR码二值化图像中,根据连通域提取、矩形度分析以及孤岛特征判断,提取QR码三个定位图形坐标,具体步骤如下:
(2-1)连通域提取:将步骤(1)中获得的QR码二值化图像,采用连通域分析,提取黑色像素的连通域;
(2-2)矩形度分析:对于步骤(2-1)中获得的每一个黑色像素连通域,获取该连通区域的矩形度,所述矩形度为该连通域的实际面积值与其最小外接矩形框面积之比,保留矩形度大于预设的筛选阈值的黑色像素连通域作为矩形连通域;
(2-3)孤岛特征判断:对于步骤(2-2)中获得的每一个矩形连通域,保留具有黑色像素点孤岛特征的矩形连通域,作为定位标,得到定位图形。
优选地,所述QR码定位方法,其步骤(2-3)所述孤岛特征为以下特征之一:
A、采用连通域分析,其中矩形连通域中包含有白色连通域;
B、采用连通域分析,其中包括三个或三个以上连通域;
C、统计像素黑色像素点和白色像素点数量比,其在预设筛选范围之内。
优选地,所述QR码定位方法,其步骤(2-1)及(2-3)连通域分析方法为区域种子生长法或两遍扫描法两步法。
按照本发明的另一方面,提供了一种QR码识别方法,包括以下步骤:
S1、按照所述QR码定位方法进行定位,根据定位结果在QR码的二值化图像中获取QR码定位图像;
S2、对于步骤S1中获得的QR码定位图像,依次进行膨胀运算和腐蚀运算,并用边缘检测算法,得到QR码边缘;
S3、对于步骤S2中获得的QR码边缘,通过边算法获得QR码的四条边,并计算四条边的交点作为畸变控制点;
S4、根据步骤S3中获得的畸变控制点,采用双线性差值算法,得到几何矫正后的QR码图像;
S5、对于步骤S4中获得的几何矫正后的图像,按照QR码识别算法进行识别,得到识别结果。
优选地,所述QR码识别方法,其步骤S2所述的边缘检测算法采用Canny算子、sobel算子或roberts算子。
优选地,所述QR码识别方法,其步骤S3所述的边算法为边缘追踪算法或点扫描算法,所述点扫描算法的具体步骤为:
根据步骤S1得到的定位结果,计算其QR码图形的中点;以所述中点为起始点,从内向外沿相互垂直的四个方向进行扫描,得四个与步骤S2中获得的QR码边缘的交点;对于每一个交点,以该交点为中心,以预设的步长采样得到多个采样点,对所述多个采样点进行直线拟合,得到QR码的四条边界。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)本发明提供了一种在图像存在几何畸变下的QR码定位及畸变矫正的处理方法,从而降低了对QR码的图像要求,适应于各种不同角度的图像扫描结果。
(2)在存在几何畸变的图片下,相对于传统的按照比例来寻找定位图形,本方法的根据矩形度及连通域内轮廓特征检测定位图形更精确
(3)根据双线性插值算法,QR码几何畸变矫正更精确。
附图说明
图1是本发明提供的QR码定位方法流程图;
图2是本发明提供的QR码识别方法流程图;
图3是实施例1中待识别的畸变图像;
图4是实施例1中经过连通域、矩形度分析及孤岛判断后的定位图形;
图5是实施例2中QR码边缘提取图像;
图6是实施例2中QR码图像边缘点拟合直线;
图7是实施例2中QR码图像畸变矫正结果图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供的QR码定位方法,如图1所示,包括以下步骤:
(1)图像获取及预处理:获取待检测QR码的灰度图像,并进行二值化处理得到QR码的二值化图像;
(2)判断定位图形坐标:在步骤(1)中获得的QR码二值化图像中,根据连通域提取、矩形度分析以及孤岛特征判断,提取QR码三个定位图形坐标,具体步骤如下:
(2-1)连通域提取:将步骤(1)中获得的QR码二值化图像,采用连通域分析,提取黑色像素的连通域;
(2-2)矩形度分析:对于步骤(2-1)中获得的每一个黑色像素连通域,获取该连通区域的矩形度,所述矩形度为该连通域的实际面积值与其最小外接矩形框面积之比,保留矩形度大于预设的筛选阈值的黑色像素连通域作为矩形连通域;
(2-3)孤岛特征判断:对于步骤(2-2)中获得的每一个矩形连通域,保留具有黑色像素点孤岛特征的矩形连通域,作为定位标,得到定位图形。
所述孤岛特征为以下特征之一:
A、采用连通域分析,其中矩形连通域中包含有白色连通域;
B、采用连通域分析,其中包括三个或三个以上连通域;
C、统计像素黑色像素点和白色像素点数量比,其在预设筛选范围之内。
优选地,采用A类特征,根据定位图形的特点,可以确认黑色连通域中有白色连通域,这类特征最为明显,判断结果最为准确。
步骤(2-1)及(2-3)采用的连通域分析方法原则上可为任意连通域分析方法,常用区域种子生长法或两遍扫描法两步法。连通区域,一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域,连通域分析是指将图像中的各个连通区域找出并标记。连通域分析能够前景目标提取出来以便后续进行处理的应用场景,在本例中使用的连通域分析能够对图像中的黑色区域进行标记,便于后续的分割筛选。
本发明提供的QR码识别方法,如图2所示,包括以下步骤:
S1、按照所述的QR码定位方法进行定位,根据定位结果在QR码的二值化图像中获取QR码定位图像;
S2、对于步骤S1中获得的QR码定位图像,依次进行膨胀运算和腐蚀运算,并用边缘检测算法,得到QR码边缘;所述的边缘检测算法可采用Canny算子、sobel算子或roberts算子。
S3、对于步骤S2中获得的QR码边缘,通过边算法获得QR码的四条边,并计算四条边的交点作为畸变控制点;所述的边算法为边缘追踪算法或点扫描算法。所述点扫描算法的具体步骤为:
根据步骤S1得到的定位结果,计算其QR码图形的中点;以所述中点为起始点,从内向外沿相互垂直的四个方向进行扫描,得四个与步骤S2中获得的QR码边缘的交点;对于每一个交点,以该交点为中心,以预设的步长采样得到多个采样点,对所述多个采样点进行直线拟合,得到QR码的四条边界。
S4、根据步骤S3中获得的畸变控制点,采用双线性差值算法,得到几何矫正后的QR码图像;
S5、对于步骤S4中获得的几何矫正后的图像,按照QR码识别算法进行识别,得到识别结果。
以下为实施例:
实施例1
一种QR码定位方法,包括以下步骤:
(1)图像获取及预处理:获取待检测QR码的灰度图像,并使用最大类间方差法对采集到的QR码图形进行二值化处理,得到QR码的二值化图像,如图3所示;
(2)判断定位图形坐标:在步骤(1)中获得的QR码二值化图像中,根据连通域提取、矩形度分析以及孤岛特征判断,提取QR码三个定位图形坐标,具体步骤如下:
(2-1)连通域提取:将步骤(1)中获得的QR码二值化图像,采用区域种子生长法进行连通域分析,提取黑色像素的连通域;
(2-2)矩形度分析:对于步骤(2-1)中获得的每一个黑色像素连通域,获取该连通区域的矩形度:利用该连通域的实际面积值Scontour与该连通域的最小外接矩形框面积Sboundect之比矩形度Ratio。对于QR码中定位图形畸变后为四边形,其矩形度Ratio一般大于0.6,而其他的连通域值一般远小于这个值所计算值大于0.6可认为是待选的定位图形,以0.6为矩形度Ratio阈值,删除矩形度小于或等于0.6的区域,保留矩形度大于0.6的黑色像素连通域作为矩形连通域。
(2-3)孤岛特征判断:对于步骤(2-2)中获得的每一个矩形连通域,保留具有黑色像素点孤岛特征的矩形连通域,作为定位标,得到定位图形,如图4所示。
所述孤岛特征为采用连通域分析,其中矩形连通域中包含有白色连通域,具体实现方法如下:
在矩形连通域中,采用区域种子生长法,判断该连通域内部是否包含一个黑色的连通域,如果有则该待选连通域为定位标,否则不是定位标。
实施例2
一种QR码识别方法,包括以下步骤:
S1、按照所述的QR码定位方法进行定位,根据定位结果在QR码的二值化图像中获取QR码定位图像;
S2、对于步骤S1中获得的QR码定位图像,对整幅图形进行多次腐蚀和膨胀运算,消除了QR码黑白模块之间的颜色差,最终得到统一的黑色区域,如图4所示。然后使用canny算子检测边缘,得到得到QR码边缘,图像的边缘为白色点,如图5所示。
S3、对于步骤S2中获得的QR码边缘,通过边算法获得QR码的四条边,并计算四条边的交点作为畸变控制点;所述的边算法为边缘追踪算法或点扫描算法。所述点扫描算法的具体步骤为:
根据步骤S1得到的定位结果,根据得到的三个定位表的中点得到其QR码图形的中点(X0,Y0);以(X0,Y0)为起始点,从内向外沿X轴进行扫描,得到点(X1,Y0)如果该点为黑在继续向上扫描得到点(X2,Y0),直到扫描到了第一个白色像素点(Xi,Y0),根据所定的步长n,得到的起始点为(Xn,Y0),重复以上步骤得到下一个白色点(Xi+n,Y0),一次重复上述过程直到得到该边缘上的20个采样点,对着20个采样点使用最小二乘法对其进行直线拟合,得到QR码的第一条边界。如图6所示。重复上述步骤,得到QR码的另外三条边界,这四条边界中两相邻边界的交点即为畸变QR码的4个顶点,即畸变矫正控制点。
S4、根据步骤S3中获得的畸变控制点,采用双线性差值算法,得到几何矫正后的QR码图像;具体步骤如下:
获取无失真QR码图像4个顶点P1(x1,y1)、P2(x2,y2)、P3(x3,y3)、以及P4(x4,y4):根据几何畸变的QR码图形4个顶点为P1'(x1',y1'),P2'(x2',y2'),P3'(x3',y3'),P4'(x4',y4')。用f(x,y)表示矫正后无失真QR码图像,f(x',y')为未矫正的图像,由于灰度值不变,f(x,y)与f(x',y')存在这样关系f(x,y)=f(x',y'),即点(x,y)由于发生了几何畸变坐标值变换为(x',y'),x,y,x',y'之间的方程为:x=ax'+by'+cx'y'+d和y=mx'+ny'+px'y'+q根据变换前后的4点,得到的8个方程组如下:
x1=ax1'+by1'+cx1'y1'+d
x4=ax4'+by4'+cx4'y4'+d
y1=mx1′+ny1′+px1′y1′+q
y4=mx4′+ny4′+px4′y4′+q
由上述两个方程组可以求出a,b,c,d,m,n,p,q这些系数,由于矫正之后的坐标(x,y)可能不是整数,因此采用最邻近插值方法,确定该坐标的灰度值。
S5、对于步骤S4中获得的几何矫正后的图像,如图7所示,按照QR码识别算法进行识别,得到识别结果。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种QR码定位方法,其特征在于,包括以下步骤:
(1)图像获取及预处理:获取待检测QR码的灰度图像,并进行二值化处理得到QR码的二值化图像;
(2)判断定位图形坐标:在步骤(1)中获得的QR码二值化图像中,根据连通域提取、矩形度分析以及孤岛特征判断,提取QR码三个定位图形坐标,具体步骤如下:
(2-1)连通域提取:将步骤(1)中获得的QR码二值化图像,采用连通域分析,提取黑色像素的连通域;
(2-2)矩形度分析:对于步骤(2-1)中获得的每一个黑色像素连通域,获取该连通区域的矩形度,所述矩形度为该连通域的实际面积值与其最小外接矩形框面积之比,保留矩形度大于预设的筛选阈值的黑色像素连通域作为矩形连通域;
(2-3)孤岛特征判断:对于步骤(2-2)中获得的每一个矩形连通域,保留具有黑色像素点孤岛特征的矩形连通域,作为定位标,得到定位图形。
2.如权利要求1所述的QR码定位方法,其特征在于,步骤(2-3)所述孤岛特征为以下特征之一:
A、采用连通域分析,其中矩形连通域中包含有白色连通域;
B、采用连通域分析,其中包括三个或三个以上连通域;
C、统计像素黑色像素点和白色像素点数量比,其在预设筛选范围之内。
3.如权利要求1或2所述的QR码定位方法,其特征在于,步骤(2-1)及(2-3)连通域分析方法为区域种子生长法或两遍扫描法两步法。
4.一种QR码识别方法,其特征在于,包括以下步骤:
S1、按照如权利要求1或3任意一项所述的QR码定位方法进行定位,根据定位结果在QR码的二值化图像中获取QR码定位图像;
S2、对于步骤S1中获得的QR码定位图像,依次进行膨胀运算和腐蚀运算,并用边缘检测算法,得到QR码边缘;
S3、对于步骤S2中获得的QR码边缘,通过边算法获得QR码的四条边,并计算四条边的交点作为畸变控制点;
S4、根据步骤S3中获得的畸变控制点,采用双线性差值算法,得到几何矫正后的QR码图像;
S5、对于步骤S4中获得的几何矫正后的图像,按照QR码识别算法进行识别,得到识别结果。
5.如权利要求4所述的QR码识别方法,其特征在于,步骤S2所述的边缘检测算法采用Canny算子、sobel算子或roberts算子。
6.如权利要求4所述的QR码识别方法,其特征在于,步骤S3所述的边算法为边缘追踪算法或点扫描算法,所述点扫描算法的具体步骤为:
根据步骤S1得到的定位结果,计算其QR码图形的中点;以所述中点为起始点,从内向外沿相互垂直的四个方向进行扫描,得四个与步骤S2中获得的QR码边缘的交点;对于每一个交点,以该交点为中心,以预设的步长采样得到多个采样点,对所述多个采样点进行直线拟合,得到QR码的四条边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510216927.3A CN104794421B (zh) | 2015-04-29 | 2015-04-29 | 一种qr码定位及识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510216927.3A CN104794421B (zh) | 2015-04-29 | 2015-04-29 | 一种qr码定位及识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104794421A true CN104794421A (zh) | 2015-07-22 |
CN104794421B CN104794421B (zh) | 2017-09-26 |
Family
ID=53559209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510216927.3A Active CN104794421B (zh) | 2015-04-29 | 2015-04-29 | 一种qr码定位及识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104794421B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105352437A (zh) * | 2015-10-21 | 2016-02-24 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
CN105868724A (zh) * | 2016-04-07 | 2016-08-17 | 广州智慧城市发展研究院 | 一种基于连通域的二维条码识别方法及系统 |
CN106203431A (zh) * | 2016-07-14 | 2016-12-07 | 国芯科技(北京)有限公司 | 一种图像识别方法及装置 |
CN107133967A (zh) * | 2017-05-05 | 2017-09-05 | 杭州远舟医疗科技有限公司 | 提取目标图像的方法及装置 |
CN107273777A (zh) * | 2017-04-26 | 2017-10-20 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于滑动部件匹配的二维码码型识别方法 |
CN107886026A (zh) * | 2016-09-30 | 2018-04-06 | 腾讯科技(深圳)有限公司 | 图形码处理方法及装置 |
CN108154210A (zh) * | 2016-12-02 | 2018-06-12 | 杭州海康机器人技术有限公司 | 一种二维码生成、识别方法及装置 |
CN108268811A (zh) * | 2018-01-15 | 2018-07-10 | 深圳市易成自动驾驶技术有限公司 | 图像处理方法、装置及计算机可读存储介质 |
CN109409163A (zh) * | 2018-11-12 | 2019-03-01 | 凌云光技术集团有限责任公司 | 一种基于纹理特性的qr码快速定位方法 |
CN109858304A (zh) * | 2019-01-04 | 2019-06-07 | 广州广电研究院有限公司 | 二维码位置探测图形的检测方法、装置和存储介质 |
CN109858303A (zh) * | 2018-12-19 | 2019-06-07 | 维沃移动通信有限公司 | 一种扫描方法及终端设备 |
CN109993019A (zh) * | 2019-04-15 | 2019-07-09 | 苏州国芯科技股份有限公司 | 基于连通域分析的二维码识别方法、系统及设备和介质 |
CN110490021A (zh) * | 2019-08-21 | 2019-11-22 | 网易(杭州)网络有限公司 | 二维码定位方法、介质、装置和计算设备 |
CN112926350A (zh) * | 2021-02-25 | 2021-06-08 | 中国人民解放军32181部队 | 一种批量识别二维码的方法及终端 |
CN115482244A (zh) * | 2022-09-14 | 2022-12-16 | 南京索图科技有限公司 | 一种内镜镜下影像处理方法 |
CN115620072A (zh) * | 2022-11-08 | 2023-01-17 | 哈尔滨工业大学 | 一种基于融合特征和混合神经网络的贴片元件分类方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430768A (zh) * | 2007-11-07 | 2009-05-13 | 刘涛 | 一种二维条码系统及其定位方法 |
CN102096795A (zh) * | 2010-11-25 | 2011-06-15 | 西北工业大学 | 磨损二维条码图像识别方法 |
CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
-
2015
- 2015-04-29 CN CN201510216927.3A patent/CN104794421B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101430768A (zh) * | 2007-11-07 | 2009-05-13 | 刘涛 | 一种二维条码系统及其定位方法 |
CN102096795A (zh) * | 2010-11-25 | 2011-06-15 | 西北工业大学 | 磨损二维条码图像识别方法 |
CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
Non-Patent Citations (1)
Title |
---|
朱仁欢等: "符号特征QR码定位和校正算法", 《中国测试》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105352437B (zh) * | 2015-10-21 | 2019-05-07 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
CN105352437A (zh) * | 2015-10-21 | 2016-02-24 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
CN105868724A (zh) * | 2016-04-07 | 2016-08-17 | 广州智慧城市发展研究院 | 一种基于连通域的二维条码识别方法及系统 |
CN105868724B (zh) * | 2016-04-07 | 2019-09-10 | 广州智慧城市发展研究院 | 一种基于连通域的二维条码识别方法及系统 |
CN106203431A (zh) * | 2016-07-14 | 2016-12-07 | 国芯科技(北京)有限公司 | 一种图像识别方法及装置 |
CN107886026B (zh) * | 2016-09-30 | 2019-12-13 | 腾讯科技(深圳)有限公司 | 图形码处理方法及装置 |
CN107886026A (zh) * | 2016-09-30 | 2018-04-06 | 腾讯科技(深圳)有限公司 | 图形码处理方法及装置 |
CN108154210B (zh) * | 2016-12-02 | 2021-04-16 | 杭州海康机器人技术有限公司 | 一种二维码生成、识别方法及装置 |
CN108154210A (zh) * | 2016-12-02 | 2018-06-12 | 杭州海康机器人技术有限公司 | 一种二维码生成、识别方法及装置 |
CN107273777A (zh) * | 2017-04-26 | 2017-10-20 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于滑动部件匹配的二维码码型识别方法 |
CN107133967B (zh) * | 2017-05-05 | 2019-06-28 | 杭州远舟医疗科技有限公司 | 提取目标图像的方法及装置 |
CN107133967A (zh) * | 2017-05-05 | 2017-09-05 | 杭州远舟医疗科技有限公司 | 提取目标图像的方法及装置 |
CN108268811A (zh) * | 2018-01-15 | 2018-07-10 | 深圳市易成自动驾驶技术有限公司 | 图像处理方法、装置及计算机可读存储介质 |
CN108268811B (zh) * | 2018-01-15 | 2021-02-02 | 深圳市易成自动驾驶技术有限公司 | 图像处理方法、装置及计算机可读存储介质 |
CN109409163A (zh) * | 2018-11-12 | 2019-03-01 | 凌云光技术集团有限责任公司 | 一种基于纹理特性的qr码快速定位方法 |
CN109409163B (zh) * | 2018-11-12 | 2022-04-01 | 凌云光技术股份有限公司 | 一种基于纹理特性的qr码快速定位方法 |
CN109858303B (zh) * | 2018-12-19 | 2022-05-06 | 维沃移动通信有限公司 | 一种扫描方法及终端设备 |
CN109858303A (zh) * | 2018-12-19 | 2019-06-07 | 维沃移动通信有限公司 | 一种扫描方法及终端设备 |
CN109858304A (zh) * | 2019-01-04 | 2019-06-07 | 广州广电研究院有限公司 | 二维码位置探测图形的检测方法、装置和存储介质 |
CN109858304B (zh) * | 2019-01-04 | 2022-02-01 | 广州广电研究院有限公司 | 二维码位置探测图形的检测方法、装置和存储介质 |
CN109993019A (zh) * | 2019-04-15 | 2019-07-09 | 苏州国芯科技股份有限公司 | 基于连通域分析的二维码识别方法、系统及设备和介质 |
CN110490021A (zh) * | 2019-08-21 | 2019-11-22 | 网易(杭州)网络有限公司 | 二维码定位方法、介质、装置和计算设备 |
CN112926350A (zh) * | 2021-02-25 | 2021-06-08 | 中国人民解放军32181部队 | 一种批量识别二维码的方法及终端 |
CN112926350B (zh) * | 2021-02-25 | 2023-02-28 | 中国人民解放军32181部队 | 一种批量识别二维码的方法及终端 |
CN115482244A (zh) * | 2022-09-14 | 2022-12-16 | 南京索图科技有限公司 | 一种内镜镜下影像处理方法 |
CN115620072A (zh) * | 2022-11-08 | 2023-01-17 | 哈尔滨工业大学 | 一种基于融合特征和混合神经网络的贴片元件分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104794421B (zh) | 2017-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794421A (zh) | 一种qr码定位及识别方法 | |
US8867790B2 (en) | Object detection device, object detection method, and program | |
CN108280450B (zh) | 一种基于车道线的高速公路路面检测方法 | |
CN102945368B (zh) | 啤酒瓶盖激光字符的定位识别方法 | |
US20020051575A1 (en) | Method and apparatus for recognizing text in an image sequence of scene imagery | |
CN109784344A (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
KR101207127B1 (ko) | 문자 인식 전처리 방법 및 장치 | |
JP5468332B2 (ja) | 画像特徴点抽出方法 | |
CN102096795A (zh) | 磨损二维条码图像识别方法 | |
CN103729655A (zh) | 一种用于片式元件视觉定位的检测方法 | |
CN109727279B (zh) | 一种矢量数据与遥感影像的自动配准方法 | |
CN105426844A (zh) | 一种答题卡识别方法 | |
JP6188052B2 (ja) | 情報システム及びサーバー | |
CN103745221A (zh) | 一种二维码图像矫正方法 | |
CN102750530B (zh) | 一种字符识别方法及装置 | |
CN102243705A (zh) | 基于边缘检测的车牌定位方法 | |
CN109685827A (zh) | 一种基于dsp的目标检测与跟踪方法 | |
CN108256375A (zh) | 一种一维条形码扫描方法 | |
CN110502948B (zh) | 折叠二维码图像的还原方法、还原装置与扫码设备 | |
CN110610163B (zh) | 一种自然场景下基于椭圆拟合的表格提取方法及系统 | |
CN105373793A (zh) | 一种qr码图像几何校正的顶点定位方法 | |
CN114998347B (zh) | 一种半导体面板角点定位方法及装置 | |
CN105718929A (zh) | 全天候未知环境下高精度快速圆形目标定位方法和系统 | |
JP3378439B2 (ja) | 帳票画像作成装置 | |
KR101580594B1 (ko) | 정규격자 기반 허프변환을 이용한 고해상도 위성영상의 선형 추출 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |