CN105260694A - 一种基于多级骨干提取与分析的二维码区域定位方法 - Google Patents

Abstract

本发明所述一种基于多级骨干提取与分析的二维码区域定位方法，包括以下步骤：图像预处理；图像背景色阶滤除；图像滤波；图像二值化；条码初步定位；条码精确定位；本方法具有较广的适用性。能适用于多种流行的图像格式文件，同时支持彩色、灰度图、黑白图等多种色彩模式文件，可识别多种形式的二维码图像。本方法能适应于多种光照条件，对不同明暗及曝光条件均能良好自适应。能自动分析背景色阶范围，并有效消除背景图像对于条码定位的影响。对旋转和噪声有较好的鲁棒性，并能较好抵抗环境噪声的影响。具有较好的定位成功率和准确率，误报率低。采取多级骨干提取方式有效的降低了计算复杂度，具有较快的定位速度。

Description

一种基于多级骨干提取与分析的二维码区域定位方法

技术领域

本发明涉及一种二维条码的定位方法，尤其是QRCode二维条码的定位方法，具体地说，涉及一种基于多级骨干提取与分析的二维码区域定位方法。

背景技术

条码是一种可印刷的计算机语言，也是迄今为止最为经济适用的自动识别技术。与一维条码相比，二维条码具有信息容量大、编码范围广、消息密度高、占用空间小、抗损能力强和良好的纠错能力等优点，所以二维条码获得了广泛的关注和应用。

国际上常用的二维条码有两种，一种是堆叠式(2DStackedCode)，即形态上是由一维条码的高度截短再层叠而成，如Code16K、Code49、PDF417等；另一种是矩阵式(2DMatrixCode)，即以矩阵的形式组成，在矩阵相应元素位置上点的出现表示二进制“1”，点的不出现表示二进制“0”，点的排列组合确定了矩阵式二维条码所代表的意义，如MaxiCode、QRCode、DataMatrix等。其中，QRCode是第一个明确定义并公开发布编码规范的二维条码，也是使用最为广泛的二维条码。

国内外对于二维条码的定位，有基于边缘梯度方向的边缘提取、基于游程编码思想的条码定位以及基于数学形态学运算和Canny边缘检测的定位等经典方法。这些方法首先对条码图像进行预处理，然后利用上述算法原理进行条码区域分割和特征四边形提取，并在此基础上作精确化处理，从而获得条码区域的特征参数，实现条码的检测和定位。

已有方法在处理背景较为简单且二维条码较为规则的图片时，取得了不错的效果。然而在实际生活中，通过摄入设备采集到的二维条码图像，常常含有光线明暗不均、采集设备或二维条码图像上有污损等噪声，还会有背景图案过于复杂，导致难以区分的干扰。并且相对于标准的二维条码图像，采集到的图像常有旋转、错切等几何变形、失真的情况出现。这些现象常常导致已有的条码定位方法效果变差甚至完全失效。同时，已有方法普遍存在定位耗时较多效率较低的问题。因此，研究快速准确适应于多种环境下的二维码定位方法显得十分重要。

发明内容

本发明针对在光线明暗不均、二维条码图像上有污损等噪声、背景图案过于复杂、条码所在图像有旋转、错切几何变形等现象时，已有的二维条码定位方法效果变差甚至完全失效的问题，本专利提出了一种实用而高效的二维条码区域定位方法，其能有效解决光线问题和噪声问题对于二维条码定位的影响，并且对于旋转、错切等现象具有较好的鲁棒性，而且定位精确，多种环境中均具有较高的定位准确率，同时，本方法运算快捷，能够满足对于实时性要求较高的场合。

为了解决上述技术问题，本发明是通过以下技术方案实现的：

一种基于多级骨干提取与分析的二维码区域定位方法，包括以下步骤：

1)图像预处理；

(1)图像灰度化：由于获取的图像一般为彩色图像，为使处理简化，必须将彩色信息投影到灰度空间中；

(2)图像背景色阶滤除：图像背景对二维条码的定位有一定的干扰和负作用，因此，识别图像背景色阶所在区间并有效滤除能提高条码定位的效率和准确性。图像背景色阶通常具有三个特点，一是色阶分布区间较小，二是分布密度较高，三是图像边缘区域的色阶通常与背景色阶较为吻合。为此，本方法采取分区域加权统计直方图来获取背景色阶区间，并利用此区间有效消除背景；

(3)图像滤波：灰度化后的图像主要存在着边沿毛刺、孤立点噪音等变形，因此必须首先去除这些干扰，对条码图像进行整形，从而提高译码的正确率；

(4)图像二值化：二值化是图像分割中的一种重要方法。二值化阈值的选取是图像二值化中至关重要的过程，直接决定了二值化后图像的效果；

2)条码初步定位；

(1)多级像素密度分布骨干抽取：

(2)骨干像素直方图统计；

(3)根据统计直方图结果获取条码初步区域；

3)条码精确定位；

(1)采用模板匹配方法进一步精确化条码位置：

(2)旋转校正：

(3)获取条码准确位置。

进一步，所述图像背景色阶滤除为：首先，将图像分为边缘区域和中间区域，并给不同区域赋予不同权重；其次，计算加权后的灰度直方图；随后，利用统计结果获取背景色阶区间；最后，利用背景色阶区间将背景进行有效滤除。

进一步，所述图像滤波采用中值滤波，并采用矫正正方形窗口。

进一步，所述多级像素密度分布骨干抽取为：依照窗口尺寸由大到小的顺序，设置多级滑动窗口，抽取窗口内骨干像素，分析骨干像素分布密度，并对骨干进行腐蚀处理。

进一步，所述骨干像素直方图统计为：在多级骨干抽取和腐蚀处理的基础上，分别做像素的水平和垂直投影操作，获取骨干像素的像素分布统计直方图。

进一步，所述根据统计直方图结果获取条码初步区域：对骨干像素直方图统计结果进行分析，获取骨干突出区域，根据多级骨干压缩情况将获取的骨干突出区域映射回原始图像空间，并获取二维条码初步区域

与现有技术相比，本发明的有益效果是：

(1)本方法具有较广的适用性。本方法能适用于多种流行的图像格式文件，如JPG、BMP等。同时，支持彩色、灰度图、黑白图等多种色彩模式文件，可识别多种形式的二维码图像，尤其适用于QRCode二维条码的定位。

(2)本方法对光照条件具有较好的鲁棒性。本方法能适应于多种光照条件，对不同明暗及曝光条件均能良好自适应。

(3)本方法对背景图像具有较好的鲁棒性。本方法能自动分析背景色阶范围，并有效消除背景图像对于条码定位的影响。

(4)本方法对旋转和噪声有较好的鲁棒性，并能较好抵抗环境噪声的影响。

(5)本方法二维条码定位准确率高。本方法具有较好的定位成功率和准确率，误报率低。

(6)本方法定位速度快。本方法采取多级骨干提取方式有效的降低了计算复杂度，具有较快的定位速度。

附图说明

附图用来提供对本发明的进一步理解，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制，在附图中：

图1是本发明的定位流程图；

图2是实例1定位效果图；

图3是实例2定位效果图；

图4是实例3定位效果图；

图5是实例4定位效果图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本方法的输入为含有二维条码的图像，输出为条码所在区域的坐标，也可以方便的截取条码所在区域图像，参阅图1。

1.实施过程

(1)读取含有二维条码的图像。读取含有二维条码的原始图像，原始图像类型可以为JPG、BMP或其他常见格式图像文件。

(2)原始图像灰度化。对原始图像灰度化。灰度化计算公式为：

I＝0.3R+0.59G+0.11B

其中，R、G、B分别是红、绿、蓝三分量。

(3)图像背景色阶滤除。具体方式为：首先，将图像分为边缘区域和中间区域，并给不同区域赋予不同权重；其次，计算加权后的灰度直方图；随后，利用统计结果获取背景色阶区间；最后，利用背景色阶区间将背景进行有效滤除。

(4)图像滤波。中值滤波不仅可以减少噪声的干扰，而且能较好地保留图像的边缘和尖锐的细节。同时由于条码图像的基本模块均是正方形，因此在中值滤波时采用正方形窗口会取得较好的效果。

(5)图像二值化。将背景色阶滤除后的灰度图，重新对其进行灰度直方图统计，找出合适的二值分界值，并据此进行二值化处理。

(6)抽取多级骨干并做腐蚀操作。选取不同尺寸的滑动窗口，抽取窗口内骨干像素，统计并分析骨干像素分布密度，随后对骨干进行腐蚀处理。

(7)对图像骨干生成统计直方图。从水平和垂直两个方向生成统计直方图。

(8)获取条码初步区域。分析统计直方图特征，据此找出条码初步区域。此时找出的区域只是大致区域，因此，所选取区域较大。

(9)利用模板匹配方法精确定位。与原始图像相比，条码初步区域已经缩小很多，故考虑采用模板匹配法精确定位。以QR为例，由于QR二维条码具有三个标识点，分别位于条码的左上、左下和右上角。标识点具有特殊的比例，同时在掩膜的作用下，条码区域的其他位置不可能出现这样比例的图形，所以可以通过找到这三个位置来精确定位条码。

(10)旋转校正。重新分析精确定位后的条码图像，可以通过条码初步区域的像素投影特征及标识点的中心坐标来确定条码是否需要旋转以及旋转的角度。

(11)获取精确化后的二维条码位置并截取图像。精确化修正条码位置，返回条码区域位置坐标，也可直接截取条码区域图像。

2.实例

【实例1】如图2所示。实例1原始图像中条码区域较为明显，背景较为简单。实验结果显示，能准确定位二维条码。

【实例2】如图3所示。实例2中原始图像背景较为复杂，且有一定选择角度和褶皱等现象。实验结果显示，能准确定位二维条码。

【实例3】如图4所示。实例3中原始图像经过了一定的拉伸和变形，且经过了90度的旋转，同时，图像曝光程度也与实例1有较大不同。实验结果显示，能准确定位二维条码。

【实例4】如图5所示。实例4并不含二维条码。实验结果显示，因无法找到二维条码而定位失败。

本方法定位结果：

(1)根据对100幅图像的测试，该系统条码定位成功率为98％，失败原因主要在于密集型文字或与条码相似的印章对于条码定位的影响。

(2)成功定位的区域标记中，区域覆盖率(标记区域含有条码的面积/实际条码区域面积*100％)达到98％以上，区域溢出率(标记区域不含条码的面积/实际条码区域面积*100％)为5％以下。

定位速度：

定位速度较快，如表1所示。其中，测试环境为：

(1)CPU：IntelT6600，主频为2.20GHz，双核。

(2)内存：2GB。

(3)操作系统：Windows7。

表1条码定位耗费时间表

最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，但是凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于多级骨干提取与分析的二维码区域定位方法，其特征在于，包括以下步骤：

1)图像预处理；

(1)图像灰度化；

(2)图像背景色阶滤除；

(3)图像滤波；

(4)图像二值化；

2)条码初步定位；

(1)多级像素密度分布骨干抽取：

(2)骨干像素直方图统计；

(3)根据统计直方图结果获取条码初步区域；

3)条码精确定位；

(1)采用模板匹配方法进一步精确化条码位置：

(2)旋转校正：

(3)获取条码准确位置。

2.根据权利要求1所述一种基于多级骨干提取与分析的二维码区域定位方法，其特征在于，所述图像背景色阶滤除为：首先，将图像分为边缘区域和中间区域，并给不同区域赋予不同权重；其次，计算加权后的灰度直方图；随后，利用统计结果获取背景色阶区间；最后，利用背景色阶区间将背景进行有效滤除。

3.根据权利要求1所述一种基于多级骨干提取与分析的二维码区域定位方法，其特征在于，所述图像滤波采用中值滤波，并采用矫正正方形窗口。

4.根据权利要求1所述一种基于多级骨干提取与分析的二维码区域定位方法，其特征在于，所述多级像素密度分布骨干抽取为：依照窗口尺寸由大到小的顺序，设置多级滑动窗口，抽取窗口内骨干像素，分析骨干像素分布密度，并对骨干进行腐蚀处理。

5.根据权利要求1所述一种基于多级骨干提取与分析的二维码区域定位方法，其特征在于，所述骨干像素直方图统计为：在多级骨干抽取和腐蚀处理的基础上，分别做像素的水平和垂直投影操作，获取骨干像素的像素分布统计直方图。

6.根据权利要求1所述一种基于多级骨干提取与分析的二维码区域定位方法，其特征在于，所述根据统计直方图结果获取条码初步区域：对骨干像素直方图统计结果进行分析，获取骨干突出区域，根据多级骨干压缩情况将获取的骨干突出区域映射回原始图像空间，并获取二维条码初步区域。