CN105335744A - 一种基于图像骨干抽取条带分布特征的一维码区域定位 - Google Patents
一种基于图像骨干抽取条带分布特征的一维码区域定位 Download PDFInfo
- Publication number
- CN105335744A CN105335744A CN201510761305.9A CN201510761305A CN105335744A CN 105335744 A CN105335744 A CN 105335744A CN 201510761305 A CN201510761305 A CN 201510761305A CN 105335744 A CN105335744 A CN 105335744A
- Authority
- CN
- China
- Prior art keywords
- image
- key
- bar code
- histogram
- filtering
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明所述一种基于图像骨干抽取条带分布特征的一维码区域定位,包括以下步骤:图像预处理图像灰度化。图像背景色阶滤除。图像滤波。图像二值化。去除文档图像区域边缘。条码初步定位。根据统计直方图响应较强的指示信息获取条码初步区域。条码精确定位。旋转校正。获取条码准确位置。本方法适用于多种流行的图像格式文件和多种色彩模式文件,可识别多种形式的一维码图像。能适应于多种光照条件。对背景图像具有较好的鲁棒性。能自动分析背景色阶范围,并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。本方法具有较好的定位成功率和准确率。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
技术领域
本发明涉及一种一维条码的定位方法,具体地说,涉及一种基于图像骨干抽取条带分布特征的一维码区域定位方法,适用于由多个条带和空格表示的各种一维条码,调迁嵌在到扫描或拍照的正规文档版面。
背景技术
条码技术是在计算机应用和实践中产生并发展起来的广泛应用于商业、邮政、图书管理、仓储、工业生产过程控制、交通等领域的一种自动识别技术,具有输入速度快、准确度高、成本低、可靠性强等优点,在当今的自动识别技术中占有重要的地位。
与二维码不同,一维条码偏重于“标识”商品,只是在一个方向(一般是水平方向)表达信息,而在垂直方向则不表达任何信息,其一定的高度通常是为了便于阅读器的对准。一维条码的码制主要包括码制即指条码条和空的排列规则,常用的一维码的码制包括:EAN码、39码、交叉25码、UPC码、128码、93码,ISBN码,及Codabar(库德巴码)等。不同的码制有它们各自的应用领域,EAN码是国际通用的符号体系,主要应用于商品标识;39码和128码主要应用于工业生产线领域、图书管理等;Code39码是用途广泛的一种条形码,既能用数字,也能用字母及有关符号表示信息;93码是一种类似于39码的条码,它的密度较高,能够替代39码;25码主要应用于包装、运输以及国际航空系统的机票顺序编号等;Codabar码应用于血库、图书馆、包裹等的跟踪管理;ISBN用于图书管理;等等。
国内外对于一维条码的定位,有利用提取边缘线的定位方法、基于纹理特性的定位方法、基于模板匹配的定位方法、利用离散余弦变换域的定位方法、利用JPEG2000图像压缩特征的定位方法等。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特征增强,从而确定条码所在位置的大致范围,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一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,通过摄像设备采集到包含有一维条码的图像,常常含有光线明暗不均、采集设备或一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。并且相对于标准的一维条码图像,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一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、一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,已有的一维条码定位方法效果变差甚至完全失效、定位效率低等问题,本发明提出了一种实用而高效的一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一维条码定位的影响,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:
一种基于图像骨干抽取条带分布特征的一维码区域定位,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。
(3)图像滤波。
(4)图像二值化。
(5)去除文档图像区域边缘。
2)条码初步定位
(1)利用多级图像腐蚀技术和图像等比缩放技术生成骨干图像。
(2)骨干图像的水平和垂直方向直方图统计。
(3)根据统计直方图响应较强的指示信息获取条码初步区域。
3)条码精确定位
(1)计算水平和垂直方向直方图特征,在所确定的初略位置区域重新进行直方图统计,并进行角度偏差判定。
(2)旋转校正,根据所确定的偏差角度对该区域图像进行旋转校正。
(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,将灰度化以后的图像大致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。
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。
进一步,所述图像滤波采用中值滤波,采用给定小正方区域对孤立噪声点进行滤波,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。
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。
进一步,所述去除文档图像区域边缘:利用边缘扫描扩散技术去除图像中边界部分因光照形成的暗色区域,该部分区域属于文档图像部分,但又属于前景色阶区间,并且接近条码颜色响应区间,故而图像二值化后易形成面积较大的干扰像素且不容易去除。因此,图像二值化以后利用边缘扩散技术由外至内消除边缘部分表现为前景色区域。
进一步,所述骨干图像生成为:采用四种互异的正方形腐蚀矩阵顺次进行腐蚀处理,最后形成保留一维条码特征的骨干图像,多级像素密度骨干抽取:设立四个互异的腐蚀矩阵,通过多次迭代对二值图像进行腐蚀处理;然后,正方形矩阵压缩图像。压缩策略是设定阈值确定压缩后的像素点是否反应前景色。上述两个步骤迭代进行,直到直方图统计区域具有指示性。
进一步,采用四个互异腐蚀矩阵的图像腐蚀操作与图像以三为倍数的压缩迭代操作完成,形成多级压缩图像,抽取窗口内骨干像素,分析骨干像素分布密度。
进一步,所述骨干图像的水平和垂直方向直方图统计为:在图像骨干的基础上,利用图像直方图进行像素统计,获取骨干图像中像素分布统计直方图。
进一步,所述根据统计直方图响应较强的指示信息获取条码初步区域:对骨干像素直方图统计结果进行分析,获取骨干响应较强区域,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,并获取一维条码初步区域。
条码区域表现为区段直方图统计值较大,其他区域平均较小或者小范围内较大,依据条码中条带的分布特点,判断出水平和垂直两个方向的交错空间
进一步,所述获取条码准确位置:按照图像压缩比例及迭代次数将骨干图像中确定的区域坐标和角度变换为原始图像中的坐标,所的坐标区域为矩形区域,且按照所计算的偏差角度进行了旋转。
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,可识别多种形式的一维码图像。
(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。本方法能有效判别旋转角度,并能较好抵抗环境噪声的影响。
(5)本方法一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是实施例1定位效果图。
图3是实施例2定位效果图。
图4是实施例3定位效果图。
图5是实施例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。
本发明所述一种基于图像骨干抽取条带分布特征的一维码区域定位的输入为含有一维条码的图像,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)读取含有一维条码的图像。读取含有一维条码的原始图像,原始图像类型可以为JPG、BMP或其它常见格式图像文件。
(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。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)消除文档区域边缘部分较暗区域。利用边界扫描扩散技术去除图像边缘亮度较低区域。
(7)抽取图像骨干并做腐蚀操作。设计四种不同模式的腐蚀操作滑动窗口,对骨干进行腐蚀处理。
(8)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。
(9)获取条码初步区域。分析统计直方图特征,与一维条码垂直方向将形成距离近似相等的多个波峰,而水平方向则形成一个矩形区域;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。
(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)获取精确化后的一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.实施例
【实施例1】如图2所示。实施例1原始文档图像中条码区域较为明显,背景较为简单。实验结果显示,能准确定位一维条码。
【实施例2】如图3所示。实施例2中原始图像背景较为复杂,正规文档中的色彩要素齐备。实验结果显示,能准确定位一维条码。
【实施例3】如图4所示。实施例3中原始图像条码与印章交叠。实验结果显示,能准确定位一维条码。
【实施例4】如图5所示。实施例1并不含一维条码。实验结果显示,因无法找到一维条码而定位失败。
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 (9)
1.一种基于图像骨干抽取条带分布特征的一维码区域定位,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;
(5)去除文档图像区域边缘;
2)条码初步定位
(1)利用多级图像腐蚀技术和图像等比缩放技术生成骨干图像;
(2)骨干图像的水平和垂直方向直方图统计;
(3)根据统计直方图响应较强的指示信息获取条码初步区域;
3)条码精确定位
(1)计算水平和垂直方向直方图特征;
(2)旋转校正;
(3)获取条码准确位置。
2.根据权利要求1所述一种基于图像骨干抽取条带分布特征的一维码区域定位方法,其特征在于,所述图像背景色阶滤除为:首先,将灰度化以后的图像大致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。
3.根据权利要求1所述一种基于图像骨干抽取条带分布特征的一维码区域定位方法,其特征在于,所述图像滤波采用中值滤波,采用给定小正方区域对孤立噪声点进行滤波。
4.根据权利要求1所述一种基于图像骨干抽取条带分布特征的一维码区域定位方法,其特征在于,所述去除文档图像区域边缘:利用边缘扫描扩散技术去除图像中边界部分因光照形成的暗色区域。
5.根据权利要求1所述一种基于图像骨干抽取条带分布特征的一维码区域定位方法,其特征在于,所述骨干图像生成为:采用四种互异的正方形腐蚀矩阵顺次进行腐蚀处理,最后形成保留一维条码特征的骨干图像。
6.根据权利要求5所述一种基于图像骨干抽取条带分布特征的一维码区域定位方法,其特征在于,采用四个互异腐蚀矩阵的图像腐蚀操作与图像以三为倍数的压缩迭代操作完成,形成多级压缩图像,抽取窗口内骨干像素,分析骨干像素分布密度。
7.根据权利要求1所述一种基于图像骨干抽取条带分布特征的一维码区域定位方法,其特征在于,所述骨干图像的水平和垂直方向直方图统计为:在图像骨干的基础上,利用图像直方图进行像素统计,获取骨干图像中像素分布统计直方图。
8.根据权利要求1所述一种基于图像骨干抽取条带分布特征的一维码区域定位方法,其特征在于,所述根据统计直方图响应较强的指示信息获取条码初步区域:对骨干像素直方图统计结果进行分析,获取骨干响应较强区域,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,并获取一维条码初步区域。
9.根据权利要求1所述一种基于图像骨干抽取条带分布特征的一维码区域定位方法,其特征在于,所述获取条码准确位置:按照图像压缩比例及迭代次数将骨干图像中确定的区域坐标和角度变换为原始图像中的坐标,所的坐标区域为矩形区域,且按照所计算的偏差角度进行了旋转。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510761305.9A CN105335744B (zh) | 2015-11-10 | 2015-11-10 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510761305.9A CN105335744B (zh) | 2015-11-10 | 2015-11-10 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105335744A true CN105335744A (zh) | 2016-02-17 |
CN105335744B CN105335744B (zh) | 2018-09-21 |
Family
ID=55286260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510761305.9A Expired - Fee Related CN105335744B (zh) | 2015-11-10 | 2015-11-10 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105335744B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446750A (zh) * | 2016-07-07 | 2017-02-22 | 深圳市华汉伟业科技有限公司 | 一种条形码读取方法及装置 |
CN107679437A (zh) * | 2017-09-26 | 2018-02-09 | 四川元匠科技有限公司 | 基于Zbar的条形码图像识别算法 |
CN107729789A (zh) * | 2017-09-04 | 2018-02-23 | 华南理工大学 | 一种基于差异背景颜色的快递单制作与条形码定位识别方法 |
CN108171098A (zh) * | 2016-12-07 | 2018-06-15 | 杭州海康威视数字技术股份有限公司 | 一种条码检测方法及设备 |
CN109508572A (zh) * | 2017-09-15 | 2019-03-22 | 杭州海康威视数字技术股份有限公司 | 一种物体位姿检测方法、装置、电子设备及存储介质 |
CN112215240A (zh) * | 2020-10-13 | 2021-01-12 | 珠海博明视觉科技有限公司 | 一种提高2d复杂边缘检测精度的优化方法 |
CN111553317B (zh) * | 2020-05-14 | 2023-08-08 | 北京惠朗时代科技有限公司 | 一种防伪码的获取方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937593A (zh) * | 2012-10-20 | 2013-02-20 | 山东理工大学 | 陶瓷天线罩裂纹自动检测方法 |
CN103870790A (zh) * | 2014-04-02 | 2014-06-18 | 胡建国 | 一种二维条码的识别方法及其装置 |
CN103914675A (zh) * | 2014-03-17 | 2014-07-09 | 东华大学 | 一种服装的快速响应矩阵二维码识别方法 |
CN104573674A (zh) * | 2015-01-29 | 2015-04-29 | 杨克己 | 面向实时嵌入式系统的一维条码识别方法 |
CN104680109A (zh) * | 2013-12-03 | 2015-06-03 | 航天信息股份有限公司 | 一种基于图像识别的条码区域定位方法 |
-
2015
- 2015-11-10 CN CN201510761305.9A patent/CN105335744B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937593A (zh) * | 2012-10-20 | 2013-02-20 | 山东理工大学 | 陶瓷天线罩裂纹自动检测方法 |
CN104680109A (zh) * | 2013-12-03 | 2015-06-03 | 航天信息股份有限公司 | 一种基于图像识别的条码区域定位方法 |
CN103914675A (zh) * | 2014-03-17 | 2014-07-09 | 东华大学 | 一种服装的快速响应矩阵二维码识别方法 |
CN103870790A (zh) * | 2014-04-02 | 2014-06-18 | 胡建国 | 一种二维条码的识别方法及其装置 |
CN104573674A (zh) * | 2015-01-29 | 2015-04-29 | 杨克己 | 面向实时嵌入式系统的一维条码识别方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446750A (zh) * | 2016-07-07 | 2017-02-22 | 深圳市华汉伟业科技有限公司 | 一种条形码读取方法及装置 |
CN106446750B (zh) * | 2016-07-07 | 2018-09-14 | 深圳市华汉伟业科技有限公司 | 一种条形码读取方法及装置 |
CN108171098A (zh) * | 2016-12-07 | 2018-06-15 | 杭州海康威视数字技术股份有限公司 | 一种条码检测方法及设备 |
CN107729789A (zh) * | 2017-09-04 | 2018-02-23 | 华南理工大学 | 一种基于差异背景颜色的快递单制作与条形码定位识别方法 |
CN109508572A (zh) * | 2017-09-15 | 2019-03-22 | 杭州海康威视数字技术股份有限公司 | 一种物体位姿检测方法、装置、电子设备及存储介质 |
CN109508572B (zh) * | 2017-09-15 | 2021-10-26 | 杭州海康威视数字技术股份有限公司 | 一种物体位姿检测方法、装置、电子设备及存储介质 |
CN107679437A (zh) * | 2017-09-26 | 2018-02-09 | 四川元匠科技有限公司 | 基于Zbar的条形码图像识别算法 |
CN111553317B (zh) * | 2020-05-14 | 2023-08-08 | 北京惠朗时代科技有限公司 | 一种防伪码的获取方法、装置、计算机设备和存储介质 |
CN112215240A (zh) * | 2020-10-13 | 2021-01-12 | 珠海博明视觉科技有限公司 | 一种提高2d复杂边缘检测精度的优化方法 |
CN112215240B (zh) * | 2020-10-13 | 2024-02-20 | 珠海博明视觉科技有限公司 | 一种提高2d复杂边缘检测精度的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105335744B (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105335744A (zh) | 一种基于图像骨干抽取条带分布特征的一维码区域定位 | |
Ashtari et al. | An Iranian license plate recognition system based on color features | |
CN102136058B (zh) | 条形码图像识别方法 | |
CN109271991B (zh) | 一种基于深度学习的车牌检测方法 | |
CN108596166A (zh) | 一种基于卷积神经网络分类的集装箱箱号识别方法 | |
CN105260694A (zh) | 一种基于多级骨干提取与分析的二维码区域定位方法 | |
CN102542660B (zh) | 基于票据水印分布特征的票据防伪鉴别方法 | |
CN102236788B (zh) | 电力电能表图像自动识别方法 | |
CN104361336A (zh) | 一种水下视频图像的文字识别方法 | |
CN103942797B (zh) | 基于直方图和超像素的场景图像文字检测方法及系统 | |
CN105260693A (zh) | 一种激光二维码定位方法 | |
CN102024144A (zh) | 集装箱箱号自动识别方法 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN104680161A (zh) | 一种身份证数字识别方法 | |
CN109815762B (zh) | 远距离识别二维码的方法、存储介质 | |
CN109190742B (zh) | 一种基于灰度特征的编码特征点的解码方法 | |
CN103295013A (zh) | 一种基于成对区域的单幅图像阴影检测方法 | |
CN103593695A (zh) | 一种dpm二维码区域定位的方法 | |
CN106156684A (zh) | 一种二维码识别方法及装置 | |
Suran | QR Code Image Correction based on Corner Detection and Convex Hull Algorithm. | |
CN107992856B (zh) | 城市场景下的高分遥感建筑物阴影检测方法 | |
CN102750530B (zh) | 一种字符识别方法及装置 | |
CN102542244A (zh) | 人脸检测方法与系统及计算机程序产品 | |
US7980473B2 (en) | Camera based code reading | |
CN111401364B (zh) | 一种基于颜色特征和模板匹配相结合的车牌定位算法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180921 Termination date: 20211110 |