CN105160339A - 一种二维码打印质量在线评估方法 - Google Patents

Abstract

本发明公开一种二维码打印质量在线评估方法，包括分别离线提取质量合格和质量不合格的二维码图像的质量特征，综合训练得到判别质量是否合格的贝叶斯分类器参数；将上述训练得到贝叶斯分类器参数载入在线分类器中；提取观测样本图像中二维码图像的质量特征，输入在线分类器，得到质量合格的概率值；当观测样本质量合格的概率值低于设定阈值时，判定为质量不合格。本发明提供的方法可自动及时地发现二维码打印机的输出质量下降或者二维码保存损耗到某指定程度，以提醒工作人员维护和更换打印机或补打条码，以保证二维码的打印质量和后续的扫描效率，避免因二维码输出质量问题所导致的时间和财力浪费。

Description

一种二维码打印质量在线评估方法

技术领域

本发明涉及数字图像处理技术领域，具体为一种二维码打印质量在线评估方法。

背景技术

作为物联网应用中物与计算机之间的信息交互的关键技术，二维码具有成本低、使用方便、可靠性高、信息容量大、纠错能力高等优点，在当前社会中被广泛应用。其中以大规模居民健康体检为代表的公共卫生行业是二维码的重要应用领域。大规模的居民体检是对传染病流行情况的监测与预警的重要措施。通过规模化的体检监测群众体质是持续、系统的收集、分析并解释数据以支持公共卫生行动，并且将在时间上分散的这些数据密切整合发布给需要的人，并采取公共卫生行动以改善公共卫生。现有体检手段难以处理大规模的居民体检，亟待一种面向重大传染病监测的居民体检信息化解决方案，以解决基层体检点和医院缺乏结合传统纸质和计算机信息化综合处理的问题。

然而，由于二维条形码的需要打印生成，则不可避免的受到打印设备输出质量的约束。尽管在实际中广泛应用热敏技术还是热转印技术都技术成熟，但在大强度的应用中仍可能出现打印质量下降的问题，进而导致对条码识别的影响较大。热敏打印与热转印是条码打印机的两种打印方法。每种方法都使用热敏打印头对打印表面加热。热转印是通过加热色带，在多种材料上打印出耐用、持久的图案。热敏打印不使用色带，而是直接在标签材料上打印图案。热敏打印与热转印是最佳的条形码打印技术，因为它们可以简便应用在多种黏性标签材料上，并以出色的边缘定义打印出准确、高品质的图案。每种技术都能够以相同的打印清晰度和速度，产生二维条形码和文本符号。更关键的是，实际使用过程的环境复杂多变，经常出现二维条形码被磨损和污染的情况。并且热敏打印使用经过化学处理的热敏介质，其上的图案会随时间的推移而褪色。如果标签过度暴露在热、光或其他催化剂下，材料将会变暗，使条形码难以被读取。热敏标签的可读取性随使用条件的不同而变化很大，难以简单地以时间估算其使用寿命。条码扫描枪在处理低质量二维码时会自动开启增强功能模式，因而会使扫描效率降低；而在严重质量低下的二维码情况下，扫描枪难以读取，反复尝试更直接影响扫描效率。因此，研究二维码的质量评估方法具有积极意义。

发明内容

针对上述问题本发明的目的在于提供一种二维码打印质量在线评估方法，该方法能够自动及时地发现二维码打印机的输出质量下降或者二维码保存损耗到某指定程度，以便提醒工作人员维护和更换打印机或补打条码。技术方案如下：

一种二维码打印质量在线评估方法，包括：

分别离线提取质量合格和质量不合格的二维码图像的质量特征，训练得到判别质量是否合格的贝叶斯分类器参数；

将上述训练得到贝叶斯分类器参数载入在线分类器中；

提取观测样本图像中二维码图像的质量特征，输入在线分类器，得到质量合格的概率值；

当观测样本质量合格的概率值低于设定阈值时，判定为质量不合格。

进一步的，所述质量特征包括以下两种或两种以上的特征：第一灰度分布特征、第二灰度分布特征、方向性黑白比例特征、长宽比特征、整体黑白比特征、打印机缺齿特征。

更进一步的，所述质量特征的提取方法包括：

1)读取目标图像，采用二维码快速检测提取方法确定目标图像中二维码的位置和范围；

2)根据二维码的位置和范围提取ROI区域；

3)统计ROI区域内的像素灰度值的分布，得到灰度直方图h，利用灰度直方图h计算ROI区域的绝对中心矩，作为第一灰度分布特征；

4)用大津算法(OTSU)对ROI区域内的图像进行二值化处理，并得到分割阈值T_OTSU；

5)根据大津算法的分割阈值T_OTSU和灰度直方图h计算分别对应黑白两种色块的像素灰度值分布的Fisher距离，作为第二灰度分布特征；

6)在RIO区域内随机在x方向和y方向各选取若干像素段，扫描获取每个像素段中最小白色线段的长度，计算所有最小白色线段长度的平均值L_w，扫描获取每个像素段中最小黑色线段的长度，计算所有最小黑色线段长度的平均值L_b，将作为方向性黑白比例特征；

7)将ROI区域拟合为可旋转的矩形框，分别计算矩形框的长边和短边的长度，将短边与长边的长度之比作为长宽比特征；

8)分别计算ROI区域内二值化图像中黑色像素的个数Q_w和白色像素的个数Q_b，并且将作为整体黑白比特征；

9)用概率霍夫变换计算ROI区域内二值化图像中的所有白色直线，遍历检测到的所有白色直线，检测出位于ROI区域中心并垂直于图像x轴且长度超过ROI区域高度x％的白色直线，将该BOOL量作为打印机缺齿特征。

更进一步的，所述二维码快速检测提取方法包括：

a.对目标图像进行预处理，包括去噪声和平滑滤波；

b.将处理后的图像转换为灰度图像；

c.使用laplace算子计算灰度图像中的边缘；

d.计算边缘图形的积分图；

e.将图像分割成若干块，并对每块子图像计算其中的边缘数量之和；

f.遍历所有子图像，若子图像中边缘数量和大于设定阈值，则认为该区域是二维码图形区域。

更进一步的，所述ROI区域的绝对中心矩的计算方法为：

$ACM\left(h\right)=\underset{i=0}{\overset{255}{\Σ}}\left(\right|i-\underset{i=0}{\overset{255}{\Σ}}i\·h\[i\]|\·h\[i\])$

其中，h代表灰度直方图，灰度值i取值范围为0到255；h[i]表示灰度值为i的像素点所占所有像素点的比例。

更进一步的，所述对应黑白两种色块的像素灰度值分布的Fisher距离计算方法为：

$F\left(h\right)=\frac{{(w_b{\mathrm{\μ}}_b-w_w{\mathrm{\μ}}_w)}^2}{w_b^2{\mathrm{\σ}}_b^2+w_w^2{\mathrm{\σ}}_w^2}$

其中，若令T_OTSU表示大津算法的阈值，则和分别表示深色像素和浅色像素的权重， ${\mathrm{\μ}}_b={\mathrm{\Σ}}_{i=0}^{T_{OTSU}}(i\·h\[i\])/w_b$ 和 ${\mathrm{\μ}}_w={\mathrm{\Σ}}_{i=T_{OTSU}+1}^{255}(i\·h\[i\])/w_w$ 分别表示深色像素和浅色像素的像素均值，而 ${\mathrm{\σ}}_b={\mathrm{\Σ}}_{i=0}^{T_{OTSU}}{(i-{\mathrm{\μ}}_b)}^2\·h\[i\]/w_b$ 和 ${\mathrm{\σ}}_w={\mathrm{\Σ}}_{i=T_{OTSU}+1}^{255}{(i-{\mathrm{\μ}}_b)}^2\·h\[i\]/w_w$ 分别表示深色像素和浅色像素的方差。

本发明的有益效果是：本发明提供的方法可与二维码生成和打印系统相紧密结合，自动及时地发现二维码打印机的输出质量下降或者二维码保存损耗到某指定程度，以提醒工作人员维护和更换打印机或补打条码，以保证二维码的打印质量和后续的扫描效率，避免因二维码输出质量问题所导致的时间和财力浪费；同时有助于降低设备误差和故障率，可有效提高设备寿命。

附图说明

图1为本发明二维码打印质量在线评估方法的流程图。

具体实施方式

下面结合具体实施例对本发明做进一步说明。本发明提供的二维码打印质量在线评估方法基于数字图像处理技术，用于检测二维码打印机的输出质量和二维码保存质量。用到的硬件设备包括数字扫描仪、二维码打印机、业务点终端计算机和云端网络服务器，其中二维码打印机和数字扫描仪连接在业务点终端计算机，以实现在各节点按实际需求打印二维码和扫描包含二维码的格式化表单；而业务点终端计算机连接至互联网，从而与云端的网络服务器相连通，业务点终端计算机将表单的数字扫描图像传输给运动网络服务器处理和识别。

应用时将终端计算机连接互联网及数字扫描仪；打开扫描仪的专用软件，将包含二维码的体检表等表单扫描入本地终端计算机；终端计算机扫描本地目录，将扫描到新增的数字图像传输到云端表单识别和二维码识别服务器；云端服务器在识别二维码之前，调用二维码打印质量评估模块，对二维码的打印质量进行评估，并记录每日评估结果；云端服务器在处理完二维码识别任务的间隙，根据二维码打印质量的系列评估结果对不同打印点分别评估其打印输出的工作状态。若开通新的打印服务点，则只需要配置相应的网络访问方式以扩展云端服务器的使用范围。若某二维码打印点的输出质量不合格，则由云端服务器向打印点的终端计算机发送消息，提示工作人员检查或者替换条码打印机。还可以根据气温、湿度等关键因素，结合云端服务器的信息，对工作点的条码打印机进行调整甚至更换。

其中，评估二维码打印质量的标准依据二维码图像的质量特征，如灰度分布特征、方向性黑白比例特征、长宽比特征、整体黑白比特征、打印机缺齿特征等。其中，灰度分布特征包括第一灰度分布特征以及第二灰度分布特征。可以根据实际情况选取以上的两种或两种以上的质量特征。

质量特征的提取方法如下：

1)读取目标图像：具体为操作人员将待分析的表单用扫描仪将其光学信息输入到计算机；然后采用二维码快速检测提取方法确定目标图像中二维码的位置和范围。

其中，二维码快速检测提取方法为：对目标图像进行预处理，包括去噪声和平滑滤波；将处理后的图像转换为灰度图像；使用laplace算子计算灰度图像中的边缘；计算边缘图形的积分图；将图像分割成若干块，并对每块子图像计算其中的边缘数量之和；遍历所有子图像，若子图像中边缘数量和大于设定阈值，则认为该区域是二维码图形区域。

2)根据二维码的位置和范围提取局部的图像区域作为二维码后续处理的图像范围，该区域被称作感兴趣(RegionofInterest,ROI)区域。后续处理中仅在ROI区域内部执行，以减轻计算压力。

3)统计ROI区域内的像素灰度值的分布，得到灰度直方图h，利用灰度直方图h计算ROI区域的绝对中心矩，作为第一灰度分布特征。ROI区域的绝对中心矩的计算方法为：

$ACM\left(h\right)=\underset{i=0}{\overset{255}{\Σ}}\left(\right|i-\underset{i=0}{\overset{255}{\Σ}}i\·h\[i\]|\·h\[i\])$

其中，灰度值i取值范围为0到255；对灰度直方图作归一化，即将直方图的每项除以其积分值，使h满足则h[i]表示灰度值为i的像素点所占所有像素点的比例。

4)用大津算法(OTSU)对ROI区域内的图像进行二值化处理，并得到分割阈值T_OTSU。

5)根据大津算法的分割阈值T_OTSU和灰度直方图h计算分别对应黑白两种色块的像素灰度值分布的Fisher距离，作为第二灰度分布特征。

对应黑白两种色块的像素灰度值分布的Fisher距离计算方法为：

$F\left(h\right)=\frac{{(w_b{\mathrm{\μ}}_b-w_w{\mathrm{\μ}}_w)}^2}{w_b^2{\mathrm{\σ}}_b^2+w_w^2{\mathrm{\σ}}_w^2}$

其中，则和分别表示深色像素和浅色像素的权重， ${\mathrm{\μ}}_b={\mathrm{\Σ}}_{i=0}^{T_{OTSU}}(i\·h\[i\])/w_b$ 和 ${\mathrm{\μ}}_w={\mathrm{\Σ}}_{i=T_{OTSU}+1}^{255}(i\·h\[i\])/w_w$ 分别表示深色像素和浅色像素的像素均值，而 ${\mathrm{\σ}}_b={\mathrm{\Σ}}_{i=0}^{T_{OTSU}}{(i-{\mathrm{\μ}}_b)}^2\·h\[i\]/w_b$ 和 ${\mathrm{\σ}}_w={\mathrm{\Σ}}_{i=T_{OTSU}+1}^{255}{(i-{\mathrm{\μ}}_b)}^2\·h\[i\]/w_w$ 分别表示深色像素和浅色像素的方差。

6)在RIO区域内随机在x方向和y方向各选取若干像素段，扫描获取每个像素段中最小白色线段的长度，计算所有最小白色线段长度的平均值L_w，扫描获取每个像素段中最小黑色线段的长度，计算所有最小黑色线段长度的平均值L_b，将作为方向性黑白比例特征。

7)将ROI区域拟合为可旋转的矩形框，分别计算矩形框的长边和短边的长度，将短边与长边的长度之比作为长宽比特征。

8)分别计算ROI区域内二值化图像中黑色像素的个数Q_w和白色像素的个数Q_b，并且将作为整体黑白比特征。

9)用概率霍夫变换计算ROI区域内二值化图像中的所有白色直线，遍历检测到的所有白色直线，检测出位于ROI区域中心并垂直于图像x轴且长度超过ROI区域高度x％(例如80％)的白色直线，将该BOOL量作为打印机缺齿特征，即当白色直线同时满足以上三个特征时BOOL量为true,否则为false。

二维码打印质量在线评估的步骤如下：

分别离线提取质量合格和质量不合格的二维码图像的质量特征，训练得到判别质量是否合格的贝叶斯分类器参数；

将上述训练得到贝叶斯分类器参数载入在线分类器中；

提取观测样本图像中二维码图像的质量特征，输入在线分类器，得到质量合格的概率值；

当观测样本质量合格的概率值低于设定阈值时，判定为质量不合格。例如以满分为1.0为例，当概率值低于0.6时，算法返回警告信号，由云端服务器向打印点的终端计算机发送消息，提示工作人员检查或者替换条码打印机。

上述步骤中，对二维码的区域的采取多阶段处理的方式，用多种区域级特征分别检测可能的打印错误。判别过程用多特征联合的决策进行；多层次的工作共同完成二维码打印质量的评估，并将检测结果进行置信度滤波，以去除偶然性的结果。

本发明主要由软件系统组成。软件部分包括后台数据处理部分和人机交互界面部分。软件以服务的形式运行在网络系统的服务器端，以实现真正的远程自动化服务。用数字化和信息化手段改进提高传统纸质媒介到计算机信息数据的转换效率。尤其为提高群众卫生健康体检的体验和提高流程处理的效率和准确性，提供宝贵的技术基础。

Claims (6)

1.一种二维码打印质量在线评估方法，其特征在于，包括：

分别离线提取质量合格和质量不合格的二维码图像的质量特征，训练得到判别质量是否合格的贝叶斯分类器参数；

将上述训练得到贝叶斯分类器参数载入在线分类器中；

提取观测样本图像中二维码图像的质量特征，输入在线分类器，得到质量合格的概率值；当观测样本质量合格的概率值低于设定阈值时，判定为质量不合格。

2.根据权利要求1所述的二维码打印质量在线评估方法，其特征在于，所述质量特征包括以下两种或两种以上的特征：第一灰度分布特征、第二灰度分布特征、方向性黑白比例特征、长宽比特征、整体黑白比特征、打印机缺齿特征。

3.根据权利要求2所述的二维码打印质量在线评估方法，其特征在于，所述质量特征的提取方法包括：

1)读取目标图像，采用二维码快速检测提取方法确定目标图像中二维码的位置和范围；

2)根据二维码的位置和范围提取ROI区域；

3)统计ROI区域内的像素灰度值的分布，得到灰度直方图h，利用灰度直方图h计算ROI区域的绝对中心矩，作为第一灰度分布特征；

4)用大津算法(OTSU)对ROI区域内的图像进行二值化处理，并得到分割阈值T_OTSU；

5)根据大津算法的分割阈值T_OTSU和灰度直方图h计算分别对应黑白两种色块的像素灰度值分布的Fisher距离，作为第二灰度分布特征；

6)在RIO区域内随机在x方向和y方向各选取若干像素段，扫描获取每个像素段中最小白色线段的长度，计算所有最小白色线段长度的平均值L_w，扫描获取每个像素段中最小黑色线段的长度，计算所有最小黑色线段长度的平均值L_b，将作为方向性黑白比例特征；

7)将ROI区域拟合为可旋转的矩形框，分别计算矩形框的长边和短边的长度，将短边与长边的长度之比作为长宽比特征；

8)分别计算ROI区域内二值化图像中黑色像素的个数Q_w和白色像素的个数Q_b，并且将作为整体黑白比特征；

9)用概率霍夫变换计算ROI区域内二值化图像中的所有白色直线，遍历检测到的所有白色直线，检测出位于ROI区域中心并垂直于图像x轴且长度超过ROI区域高度x％的白色直线，将该BOOL量作为打印机缺齿特征。

4.根据权利要求3所述的二维码打印质量在线评估方法，其特征在于，所述二维码快速检测提取方法包括：

a.对目标图像进行预处理，包括去噪声和平滑滤波；

b.将处理后的图像转换为灰度图像；

c.使用laplace算子计算灰度图像中的边缘；

d.计算边缘图形的积分图；

e.将图像分割成若干块，并对每块子图像计算其中的边缘数量之和；

f.遍历所有子图像，若子图像中边缘数量和大于设定阈值，则认为该区域是二维码图形区域。

5.根据权利要求3所述的二维码打印质量在线评估方法，其特征在于，所述ROI区域的绝对中心矩的计算方法为：

$ACM\left(h\right)=\underset{i=0}{\overset{255}{\Σ}}\left(\right|i-\underset{i=0}{\overset{255}{\Σ}}i\·h\[i\]|\·h\[i\])$

其中，h代表灰度直方图，灰度值i取值范围为0到255；h[i]表示灰度值为i的像素点所占所有像素点的比例。

6.根据权利要求3所述的二维码打印质量在线评估方法，其特征在于，所述对应黑白两种色块的像素灰度值分布的Fisher距离计算方法为：

$F\left(h\right)=\frac{{(w_b{\mathrm{\μ}}_b-w_w{\mathrm{\μ}}_w)}^2}{w_b^2{\mathrm{\σ}}_b^2+w_w^2{\mathrm{\σ}}_w^2}$

其中，则和分别表示深色像素和浅色像素的权重， ${\mathrm{\μ}}_b={\mathrm{\Σ}}_{i=0}^{T_{OTSU}}(i\·h\[i\])/w_b$ 和 ${\mathrm{\μ}}_w={\mathrm{\Σ}}_{i=T_{OTSU}+1}^{255}(i\·h\[i\])/w_w$ 分别表示深色像素和浅色像素的像素均值，而 ${\mathrm{\σ}}_b={\Σ}_{i=0}^{T_{OTSU}}{\left(i-{\mathrm{\μ}}_b\right)}^2\·h\[i\]/w_b$ 和 ${\mathrm{\σ}}_w={\mathrm{\Σ}}_{i=T_{OTSU}+1}^{255}{(i-{\mathrm{\μ}}_b)}^2\·h\[i\]/w_w$ 分别表示深色像素和浅色像素的方差。