CN105787897A - 一种模糊二维码图像的处理方法及装置 - Google Patents
一种模糊二维码图像的处理方法及装置 Download PDFInfo
- Publication number
- CN105787897A CN105787897A CN201610114631.5A CN201610114631A CN105787897A CN 105787897 A CN105787897 A CN 105787897A CN 201610114631 A CN201610114631 A CN 201610114631A CN 105787897 A CN105787897 A CN 105787897A
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- vector
- target
- code image
- decoding
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 58
- 239000003086 colorant Substances 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 13
- 238000012937 correction Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000003775 Density Functional Theory Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 229910002056 binary alloy Inorganic materials 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000021615 conjugation Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Toxicology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明实施例公开了一种模糊二维码图像的处理方法，所述方法包括：获取通过摄像头扫描得到的模糊二维码图像；获取所述模糊二维码图像对应的向量；将预设的模糊因子向量作为目标模糊因子向量，根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量；获取所述目标二维码向量对应的目标二维码图像；对所述目标二维码向量对应的二维码图像进行解码。本发明还公开了一种模糊二维码图像的处理装置。采用本发明，可以减小计算量，从而提高处理效率。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种模糊二维码图像的处理方法及装置。
背景技术
近年来，随着资料自动收集技术的发展，通过智能终端如手机等扫描二维码就可以快速方便的获取到二维码中存储的信息，因此二维码得到越来越广泛的应用。
而当用户在扫描二维码的过程中会受到各种环境因素的影响，例如手持不稳、随机噪声等，容易造成二维码图像模糊化。现有的模糊图像处理方法主要是基于神经网络技术和机器学习技术，可以实现对各种模糊图像的清晰化处理，但计算量都非常大，非常耗时，从而降低了处理效率。
发明内容
本发明实施例所要解决的技术问题在于，提供一种模糊二维码图像的处理方法及装置，计算量小，从而提高了处理效率。
为了解决上述技术问题，本发明实施例提供了一种模糊二维码图像的处理方法，所述方法包括：
获取通过摄像头扫描得到的模糊二维码图像；
获取所述模糊二维码图像对应的向量；
将预设的模糊因子向量作为目标模糊因子向量，根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量；
获取所述目标二维码向量对应的目标二维码图像；
对所述目标二维码向量对应的二维码图像进行解码。
相应地，本发明实施例还提供了一种模糊二维码图像的处理装置，所述装置包括：
模糊二维码图像获取模块，用于获取通过摄像头扫描得到的模糊二维码图像；
向量获取模块，用于获取所述模糊二维码图像对应的向量；
目标二维码向量确定模块，用于将预设的模糊因子向量作为目标模糊因子向量，根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量；
目标二维码图像获取模块，用于获取所述目标二维码向量对应的目标二维码图像；
解码模块，用于对所述目标二维码向量对应的二维码图像进行解码。
实施本发明实施例，具有如下有益效果：终端将通过摄像头扫描得到的模糊二维码图像转换为对应的向量后，根据所述模糊二维码图像对应的向量及预设的模糊因子向量，采用快速傅里叶变换迭代算法计算目标二维码向量；并将所述目标二维码向量转换为对应的目标二维码图像后进行解码。现有的对模糊图像处理方法主要是基于神经网络技术和机器学习技术，但计算量都非常大，与现有技术相比，本发明所提供的方法计算量小，处理效率高，可以快速的将拍摄到的模糊二维码图像清晰化，更方便用户使用二维码扫描功能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中的一种模糊二维码图像的处理方法的流程示意图；
图2是本发明实施例中一种编码流程示意图；
图3是本发明实施例中一种解码流程示意图；
图4是本发明另一实施例中的模糊二维码图像的处理方法的流程示意图；
图5是本发明实施例中的一种模糊二维码图像的处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明实施例中提及的模糊二维码图像的处理方法的执行依赖于计算机程序，可运行于冯若依曼体系的计算机系统之上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。该计算机系统可以是个人电脑、平板电脑、笔记本电脑、手机、智能手机等终端设备。
以下分别进行详细说明。
图1是本发明实施例中一种模糊二维码图像的处理方法的流程示意图，如图所示所述方法至少包括：
步骤S101，获取通过摄像头扫描得到的模糊二维码图像。
二维码(2-dimensionalcode)图像是用某种特定的几何图形按一定规律在平面(二维方向上)分布的黑白相间的图形，用于记录数据符号信息；而在二维码编码上利用构成计算机内部逻辑基础的“0”、“1”比特流分别表示“黑”、“白”色块，使用若干个与二进制相对应的几何形体来表示文字数值等信息，通过图像输入设备或光电扫描设备自动识读以实现信息自动化处理。
目前二维码有几十种，常见的二维码有：PDF417二维码、Datamatrix二维码、Maxicode二维码、QRCode、Code49、Code16K、Codeone等，所述二维码具有一些共性：每种码制有其特定的字符集，每个字符占有一定的宽度；具有一定的校验功能；同时还可以对不同行的信息自动识别等。
具体的，用户通过终端的摄像头扫描二维码时，由于手的抖动或者随机噪声等原因而使终端拍摄到模糊的二维码图像。
步骤S102，获取所述模糊二维码图像对应的向量。
具体的，将一个二维码图像理解为一个由多个像素点组成的向量，向量中的元素为0(白色)或1(黑色)。令拍摄到的模糊二维码图像为向量A，原二维码图像为向量B，模糊因子为向量I，则有A＝B*I，其中，*为卷积符号。将所述拍摄得到的模糊二维码图像转换为向量A，并获取所述向量A。
步骤S103，将预设的模糊因子向量作为目标模糊因子向量，根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量。
具体的，模糊二维码图像对应的向量为A，预设的模糊因子向量为I，采用快速傅里叶变换迭代算法计算第一算式中B的最优解B1，所述B1作为目标二维码向量。其中，为正则因子，λ为非负实数。在第一次迭代时，λ为预设，通常取值为0.01、0.02、0.05等。
其中，快速傅里叶变换(fastFouriertransform)迭代算法，即利用计算机计算离散傅里叶变换(DiscreteFourierTransform，DFT)的高效、快速计算方法的统称，简称FFT。快速傅里叶变换是1965年由J.W.库利和T.W.图基提出的，采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，FFT算法计算量的节省就越显著。FFT的基本思想是把原始的N点序列，依次分解成一系列的短序列。充分利用DFT计算式中指数因子所具有的对称性质和周期性质，进而求出这些短序列相应的DFT并进行适当组合，达到删除重复计算，减少乘法运算和简化结构的目的。
需要说明的是，通常将已知系统和输出，求输入的形式视为反问题之一，如步骤S102中A＝B*I，可将B视为输入，I视为系统，则A为输出，现已知A和I，求B。而在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。大条件数意味着舍入误差或其他误差会严重地影响问题的结果，因此求解不适定问题通常采用正则化方法，即通过引入正则因子用一族与原不适定问题相“邻近”的适定问题的解去逼近原问题的解。
步骤S104，获取所述目标二维码向量对应的目标二维码图像。
具体的，根据向量元素与图像色彩的一一对应关系，将所述目标二维码向量中的向量元素转换为对应色彩的像素点，将转换得到的像素点按照位置关系组合为目标二维码图像B1。
步骤S105，对所述目标二维码向量对应的二维码图像进行解码。
具体的，通过现有技术中的二维码解码软件中的算法对所述B1对应的二维码图像进行解码。
其中，现有技术中的二维码解码算法与编码算法一一对应。编码算法如图2所示，首先对数据分析，确定要进行编码的字符类型，选择所需的版本信息和纠错等级，然后采用既定规则，数据字符转换为位流，加必要符号，后将位流转换为码字实现对数据编码，再生成纠错码字添加到数据码字后，按照规律将每一块中置入数据和纠错码字构造最终信息，接着将寻像图形、分隔符、矫正图形与码字按规则排列，放入二维码矩阵，再用八种掩模图形依次对符号的编码区域的位图进行掩模处理，评价所得到的8种结果，选择最优的一种，最后生成版本信息和格式信息，构成二维码图像。对应的解码算法则是编码算法的逆过程，如图3所示，最终获取译码得到的数据码字和校验码字。
本发明中终端将通过摄像头扫描得到的模糊二维码图像转换为对应的向量后，根据所述模糊二维码图像对应的向量及预设的模糊因子向量，采用快速傅里叶变换迭代算法计算目标二维码向量；并将所述目标二维码向量转换为对应的目标二维码图像后进行解码。现有的对模糊图像处理方法主要是基于神经网络技术和机器学习技术，但计算量都非常大，与现有技术相比，本发明所提供的方法计算量小，处理效率高，可以快速的将拍摄到的模糊二维码图像清晰化，更方便用户使用二维码扫描功能。
图4是本发明另一实施例中一种模糊二维码图像的处理方法的流程示意图，如图所示所述方法至少包括：
步骤S201，获取通过摄像头扫描得到的模糊二维码图像。
二维码(2-dimensionalcode)图像是用某种特定的几何图形按一定规律在平面(二维方向上)分布的黑白相间的图形，用于记录数据符号信息；而在二维码编码上利用构成计算机内部逻辑基础的“0”、“1”比特流分别表示“黑”、“白”色块，使用若干个与二进制相对应的几何形体来表示文字数值等信息，通过图像输入设备或光电扫描设备自动识读以实现信息自动化处理。
目前二维码有几十种，常见的二维码有：PDF417二维码、Datamatrix二维码、Maxicode二维码、QRCode、Code49、Code16K、Codeone等，所述二维码具有一些共性：每种码制有其特定的字符集，每个字符占有一定的宽度；具有一定的校验功能；同时还可以对不同行的信息自动识别等。
具体的，用户通过终端的摄像头扫描二维码时，由于手的抖动或者随机噪声等原因而使终端拍摄到模糊的二维码图像。
步骤S202，获取所述模糊二维码图像对应的向量。
具体的，将一个二维码图像理解为一个由像素组成的向量，向量中的元素为0(白色)或1(黑色)。令拍摄到的模糊二维码图像为向量A，原二维码图像为向量B，模糊因子为向量I，则有A＝B*I，其中，*为卷积符号。将所述拍摄得到的模糊二维码图像转换为向量A，并获取所述向量A。
步骤S203，将预设的模糊因子向量作为目标模糊因子向量，根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量。
具体的，模糊二维码图像对应的向量为A，预设的模糊因子向量为I，采用快速傅里叶变换迭代算法计算第一算式中B的最优解B1，所述B1作为目标二维码向量。其中，为正则因子，λ为非负实数。在第一次迭代时，λ为预设，通常取值为0.01、0.02、0.05等。
其中，快速傅里叶变换(FastFourierTransform)迭代算法，即利用计算机计算离散傅里叶变换(DiscreteFourierTransform，DFT)的高效、快速计算方法的统称，简称FFT。快速傅里叶变换是1965年由J.W.库利和T.W.图基提出的，采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，FFT算法计算量的节省就越显著。
FFT的基本思想是把原始的N点序列，依次分解成一系列的短序列。充分利用DFT计算式中指数因子所具有的对称性质和周期性质，进而求出这些短序列相应的DFT并进行适当组合，达到删除重复计算，减少乘法运算和简化结构的目的。
需要说明的是，通常将已知系统和输出，求输入的形式视为反问题之一，如步骤S102中A＝B*I，可将B视为输入，I视为系统，则A为输出，现已知A和I，求B。而在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。大条件数意味着舍入误差或其他误差会严重地影响问题的结果，因此求解不适定问题通常采用正则化方法，即通过引入正则因子用一族与原不适定问题相“邻近”的适定问题的解去逼近原问题的解。
步骤S204，获取所述目标二维码向量对应的目标二维码图像。
具体的，根据向量元素与图像色彩的一一对应关系，将所述目标二维码向量中的向量元素转换为对应色彩的像素点，将转换得到的像素点按照位置关系组合为目标二维码图像B1。
步骤S205，对所述目标二维码向量对应的二维码图像进行解码。
具体的，通过现有技术中的二维码解码软件中的算法对所述B1对应的二维码图像进行解码。
其中，现有技术中的二维码解码算法与编码算法一一对应。编码算法如图2所示，首先对数据分析，确定要进行编码的字符类型，选择所需的版本信息和纠错等级，然后采用既定规则，数据字符转换为位流，加必要符号，后将位流转换为码字实现对数据编码，再生成纠错码字添加到数据码字后，按照规律将每一块中置入数据和纠错码字构造最终信息，接着将寻像图形、分隔符、矫正图形与码字按规则排列，放入二维码矩阵，再用八种掩模图形依次对符号的编码区域的位图进行掩模处理，评价所得到的8种结果，选择最优的一种，最后生成版本信息和格式信息，构成二维码图像。对应的解码算法则是编码算法的逆过程，如图3所示，最终获取译码得到的数据码字和校验码字。
步骤S206，获取所述解码结果，采用校验码算法对所述解码结果进行校验。
具体的，对所述目标二维码向量对应的二维码图像解码后获取对应的代码(码字)，所述码字包括本体码与校验码两部分组成，本体码是表示编码对象的码字，校验码则是附加在本体码后边，用来校验本体码在输入过程中准确性的码字。每一个本体码只能有一个校验码，校验码通过规定的数学关系得到。
校验码算法的校验原理是：系统内部预先设置根据校验算法所导出的校验公式编制成的校验程序，当带有校验码的代码输入系统时，系统利用校验程序对输入的本体码进行运算得出校验结果之后，再将校验结果与输入代码的校验码进行对比来检测输入的正确与否。如果两者一致，则表明解码成功，否则，解码失败。
其中，所述校验码算法包括奇偶校验、海明校验、循环冗余校验中的至少一种。
例如，所谓奇偶校验就是根据被传输的一组二进制代码的数位中“1”的个数是奇数或偶数来进行校验。采用奇数的称为奇校验，反之，称为偶校验。通常专门设置一个奇偶校验位，用它使这组代码中“1”的个数为奇数或偶数。若用奇校验，则当接收端收到这组代码时，校验“1”的个数是否为奇数，从而确定传输代码的正确性。
又例如，海明校验是将有效信息(信息码字)按某种规律分成若干组，每组安排一个校验位，做奇偶测试，就能提供多位检错信息，以指出最大可能是哪位出错。实质上，海明校验是一种多重校验。
又例如，循环冗余校验(CRC)是对数据进行多项式计算，其中，二进制数据流作为多项式的系数，最后得到的余数就是CRC校验字。
步骤S207，根据校验结果判断所述解码是否成功。
步骤S208，若所述解码失败，则根据所述目标二维码向量确定第一模糊因子向量，将所述第一模糊因子向量作为目标模糊因子向量，并执行所述根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量的步骤。
具体的，若解码失败，则根据所述快速傅里叶变换迭代算法计算得到的目标二维码向量B1以及上述模糊二维码图像对应的向量A，采用共轭梯度算法计算所述第二算式中I的最优解I1，所述I1作为目标模糊因子向量。其中，γ|I|2为正则因子，γ为非负实数。在第一次迭代时，γ为预设，通常取值为0.01、0.02、0.05等。
其中，共轭梯度算法是把共轭性与最速下降方向相结合，利用已知点处的梯度构造一组共轭方向，并沿这种方向进行搜索，求出目标函数的极小值。
若解码成功，则执行步骤S209，结束。
本发明中终端将通过摄像头扫描得到的模糊二维码图像转换为对应的向量后，根据所述模糊二维码图像对应的向量及预设的模糊因子向量，采用快速傅里叶变换迭代算法计算目标二维码向量；并将所述目标二维码向量转换为对应的目标二维码图像后进行解码，若解码失败，则采用共轭梯度算法重新确定模糊因子后再次利用快速傅里叶变换迭代算法确定目标二维码图像，循环计算直到解码成功。现有的对模糊图像处理方法主要是基于神经网络技术和机器学习技术，但计算量都非常大，与现有技术相比，本发明所提供的方法计算量小，处理效率高，可以快速的将拍摄到的模糊二维码图像清晰化，更方便用户使用二维码扫描功能。
图5是本发明实施例中一种模糊二维码图像的处理装置的组成结构示意图，如图所示所述装置至少包括：
模糊二维码图像获取模块510，用于获取通过摄像头扫描得到的模糊二维码图像。
二维码(2-dimensionalcode)图像是用某种特定的几何图形按一定规律在平面(二维方向上)分布的黑白相间的图形，用于记录数据符号信息；而在二维码编码上利用构成计算机内部逻辑基础的“0”、“1”比特流分别表示“黑”、“白”色块，使用若干个与二进制相对应的几何形体来表示文字数值等信息，通过图像输入设备或光电扫描设备自动识读以实现信息自动化处理。
目前二维码有几十种，常见的二维码有：PDF417二维码、Datamatrix二维码、Maxicode二维码、QRCode、Code49、Code16K、Codeone等，所述二维码具有一些共性：每种码制有其特定的字符集，每个字符占有一定的宽度；具有一定的校验功能；同时还可以对不同行的信息自动识别等。
具体的，用户通过终端的摄像头扫描二维码时，由于手的抖动或者随机噪声等原因而使终端拍摄到模糊的二维码图像。
向量获取模块520，用于获取所述模糊二维码图像对应的向量。
具体的，将一个二维码图像理解为一个由像素组成的向量，向量中的元素为0(白色)或1(黑色)。令拍摄到的模糊二维码图像为向量A，原二维码图像为向量B，模糊因子为向量I，则有A＝B*I，其中，*为卷积符号。将所述拍摄得到的模糊二维码图像转换为向量A，并获取所述向量A。
目标二维码向量确定模块530，用于将预设的模糊因子向量作为目标模糊因子向量，根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量。
具体的，所述目标二维码向量确定模块530，用于采用快速傅里叶变换迭代算法计算所述目标二维码向量。模糊二维码图像对应的向量为A，预设的模糊因子向量为I，采用快速傅里叶变换迭代算法计算第一算式中B的最优解B1，所述B1作为目标二维码向量。其中，为正则因子，λ为非负实数。在第一次迭代时，λ为预设，通常取值为0.01、0.02、0.05等。
其中，快速傅里叶变换(FastFourierTransform)迭代算法，即利用计算机计算离散傅里叶变换(DiscreteFourierTransform，DFT)的高效、快速计算方法的统称，简称FFT。快速傅里叶变换是1965年由J.W.库利和T.W.图基提出的，采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，FFT算法计算量的节省就越显著。
FFT的基本思想是把原始的N点序列，依次分解成一系列的短序列。充分利用DFT计算式中指数因子所具有的对称性质和周期性质，进而求出这些短序列相应的DFT并进行适当组合，达到删除重复计算，减少乘法运算和简化结构的目的。
需要说明的是，通常将已知系统和输出，求输入的形式视为反问题之一，如步骤S102中A＝B*I，可将B视为输入，I视为系统，则A为输出，现已知A和I，求B。而在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。大条件数意味着舍入误差或其他误差会严重地影响问题的结果，因此求解不适定问题通常采用正则化方法，即通过引入正则因子用一族与原不适定问题相“邻近”的适定问题的解去逼近原问题的解。
目标二维码图像获取模块540，用于获取所述目标二维码向量对应的目标二维码图像。
具体的，根据向量元素与图像色彩的一一对应关系，将所述目标二维码向量中的向量元素转换为对应色彩的像素点，将转换得到的像素点按照位置关系组合为目标二维码图像B1。
解码模块550，用于对所述目标二维码向量对应的二维码图像进行解码。
具体的，通过现有技术中的二维码解码软件中的算法对所述B1对应的二维码图像进行解码。
其中，现有技术中的二维码解码算法与编码算法一一对应。编码算法如图2所示，首先对数据分析，确定要进行编码的字符类型，选择所需的版本信息和纠错等级，然后采用既定规则，数据字符转换为位流，加必要符号，后将位流转换为码字实现对数据编码，再生成纠错码字添加到数据码字后，按照规律将每一块中置入数据和纠错码字构造最终信息，接着将寻像图形、分隔符、矫正图形与码字按规则排列，放入二维码矩阵，再用八种掩模图形依次对符号的编码区域的位图进行掩模处理，评价所得到的8种结果，选择最优的一种，最后生成版本信息和格式信息，构成二维码图像。对应的解码算法则是编码算法的逆过程，如图3所示，最终获取译码得到的数据码字和校验码字。
可选的，所述装置还包括：
检验模块560，用于获取所述解码结果，采用校验码算法对所述解码结果进行校验。具体的，凡设有校验码的代码(码字)，是由本体码与校验码两部分组成，本体码是表示编码对象的码字，校验码则是附加在本体码后边，用来校验本体码在输入过程中准确性的码字。每一个本体码只能有一个校验码，校验码通过规定的数学关系得到。
校验码的校验原理是：系统内部预先设置根据校验算法所导出的校验公式编制成的校验程序，当带有校验码的代码输入系统时，系统利用校验程序对输入的本体码进行运算得出校验结果之后，再将校验结果与输入代码的校验码进行对比来检测输入的正确与否。如果两者一致，则表明解码成功，否则，解码失败。
其中，所述校验码算法包括奇偶校验、海明校验、循环冗余校验中的至少一种。
例如，所谓奇偶校验就是根据被传输的一组二进制代码的数位中“1”的个数是奇数或偶数来进行校验。采用奇数的称为奇校验，反之，称为偶校验。通常专门设置一个奇偶校验位，用它使这组代码中“1”的个数为奇数或偶数。若用奇校验，则当接收端收到这组代码时，校验“1”的个数是否为奇数，从而确定传输代码的正确性。
又例如，海明校验是将有效信息(信息码字)按某种规律分成若干组，每组安排一个校验位，做奇偶测试，就能提供多位检错信息，以指出最大可能是哪位出错。实质上，海明校验是一种多重校验。
又例如，循环冗余校验(CRC)是对数据进行多项式计算，其中，二进制数据流作为多项式的系数，最后得到的余数就是CRC校验字。
判断模块570，用于根据校验结果判断所述解码是否成功。
第一模糊因子向量确定模块580，用于在所述解码失败时，则根据所述目标二维码向量确定第一模糊因子向量，将所述第一模糊因子向量作为目标模糊因子向量，并触发所述目标二维码向量确定模块根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量。
具体的，若解码失败，则根据所述快速傅里叶变换迭代算法计算得到的目标二维码向量B1以及上述模糊二维码图像对应的向量A，采用共轭梯度算法计算所述第二算式中I的最优解I1，所述I1作为目标模糊因子向量。其中，γ|I|2为正则因子，γ为非负实数。在第一次迭代时，γ为预设，通常取值为0.01、0.02、0.05等。
其中，共轭梯度算法是把共轭性与最速下降方向相结合，利用已知点处的梯度构造一组共轭方向，并沿这种方向进行搜索，求出目标函数的极小值。
若解码成功，则执行步骤S208，结束。
本发明中终端将通过摄像头扫描得到的模糊二维码图像转换为对应的向量后，根据所述模糊二维码图像对应的向量及预设的模糊因子向量，采用快速傅里叶变换迭代算法计算目标二维码向量；并将所述目标二维码向量转换为对应的目标二维码图像后进行解码，若解码失败，则采用共轭梯度算法重新确定模糊因子后再次利用快速傅里叶变换迭代算法确定目标二维码图像，循环计算直到解码成功。现有的对模糊图像处理方法主要是基于神经网络技术和机器学习技术，但计算量都非常大，与现有技术相比，本发明所提供的方法计算量小，处理效率高，可以快速的将拍摄到的模糊二维码图像清晰化，更方便用户使用二维码扫描功能。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (12)
1.一种模糊二维码图像的处理方法，其特征在于，包括：
获取通过摄像头扫描得到的模糊二维码图像；
获取所述模糊二维码图像对应的向量；
将预设的模糊因子向量作为目标模糊因子向量，根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量；
获取所述目标二维码向量对应的目标二维码图像；
对所述目标二维码向量对应的二维码图像进行解码。
2.如权利要求1所述的方法，其特征在于，所述对所述目标二维码向量对应的二维码图像进行解码之后，还包括：
获取所述解码结果，采用校验码算法对所述解码结果进行校验；
根据校验结果判断所述解码是否成功；
若所述解码失败，则根据所述目标二维码向量确定第一模糊因子向量，将所述第一模糊因子向量作为目标模糊因子向量，并执行所述根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量的步骤。
3.如权利要求2所述的方法，其特征在于，所述校验码算法包括奇偶校验、海明校验、循环冗余校验中的至少一种。
4.如权利要求1所述的方法，其特征在于，所述根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量包括：
采用快速傅里叶变换迭代算法计算所述目标二维码向量。
5.如权利要求4所述的方法，其特征在于，所述根据所述目标二维码向量确定第一模糊因子向量包括：
采用共轭梯度算法计算所述第一模糊因子向量。
6.如权利要求1所述的方法，其特征在于，所述获取所述目标二维码向量对应的目标二维码图像包括：
根据向量元素与图像色彩的一一对应关系，将所述目标二维码向量中的向量元素转换为对应色彩的像素点，将转换得到的像素点按照位置关系组合为目标二维码图像。
7.一种模糊二维码图像的处理装置，其特征在于，包括：
模糊二维码图像获取模块，用于获取通过摄像头扫描得到的模糊二维码图像；
向量获取模块，用于获取所述模糊二维码图像对应的向量；
目标二维码向量确定模块，用于将预设的模糊因子向量作为目标模糊因子向量，根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量；
目标二维码图像获取模块，用于获取所述目标二维码向量对应的目标二维码图像；
解码模块，用于对所述目标二维码向量对应的二维码图像进行解码。
8.如权利要求7所述的装置，其特征在于，所述装置还包括：
检验模块，用于获取所述解码结果，采用校验码算法对所述解码结果进行校验；
判断模块，用于根据校验结果判断所述解码是否成功；
第一模糊因子向量确定模块，用于在所述解码失败时，则根据所述目标二维码向量确定第一模糊因子向量，将所述第一模糊因子向量作为目标模糊因子向量，并触发所述目标二维码向量确定模块根据所述模糊二维码图像对应的向量及所述目标模糊因子向量，确定目标二维码向量。
9.如权利要求8所述的装置，其特征在于，所述校验码算法包括奇偶校验、海明校验、循环冗余校验中的至少一种。
10.如权利要求7所述的装置，其特征在于，所述目标二维码向量确定模块，用于：
采用快速傅里叶变换迭代算法计算所述目标二维码向量。
11.如权利要求10所述的装置，其特征在于，所述第一模糊因子向量确定模块，用于：
采用共轭梯度算法计算所述第一模糊因子向量。
12.如权利要求7所述的装置，其特征在于，所述目标二维码图像获取模块用于：
根据向量元素与图像色彩的一一对应关系，将所述目标二维码向量中的向量元素转换为对应色彩的像素点，将转换得到的像素点按照位置关系组合为目标二维码图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610114631.5A CN105787897A (zh) | 2016-02-29 | 2016-02-29 | 一种模糊二维码图像的处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610114631.5A CN105787897A (zh) | 2016-02-29 | 2016-02-29 | 一种模糊二维码图像的处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105787897A true CN105787897A (zh) | 2016-07-20 |
Family
ID=56386695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610114631.5A Pending CN105787897A (zh) | 2016-02-29 | 2016-02-29 | 一种模糊二维码图像的处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105787897A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107391056A (zh) * | 2017-07-04 | 2017-11-24 | 福建新大陆电脑股份有限公司 | 一种打印间断条码的制作方法及系统 |
| CN108270736A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团内蒙古有限公司 | 一种数据交换方法及装置 |
| CN108520193A (zh) * | 2018-03-27 | 2018-09-11 | 康体佳智能科技（深圳）有限公司 | 基于神经网络的二维码识别系统及识别方法 |
| CN109725699A (zh) * | 2017-10-20 | 2019-05-07 | 华为终端（东莞）有限公司 | 识别码的识别方法、装置和设备 |
| CN110705328A (zh) * | 2019-09-27 | 2020-01-17 | 江苏提米智能科技有限公司 | 一种基于二维码图像采集电力数据的方法 |
| CN113285764A (zh) * | 2021-05-19 | 2021-08-20 | 大连理工大学 | 一种基于水下图像增强技术的“三维”蓝绿二维码近距离安全通信方法 |
| CN113627578A (zh) * | 2021-08-09 | 2021-11-09 | 中国物品编码中心 | 二维码生成方法、识别方法、装置、二维码、设备及介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104112261A (zh) * | 2014-07-17 | 2014-10-22 | 五邑大学 | 基于范数比值正则化的快速图像盲去模糊方法 |
-
2016
- 2016-02-29 CN CN201610114631.5A patent/CN105787897A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104112261A (zh) * | 2014-07-17 | 2014-10-22 | 五邑大学 | 基于范数比值正则化的快速图像盲去模糊方法 |
Non-Patent Citations (8)
| Title |
|---|
| DILIP KRISHNAN 等: "Fast Image Deconvolution using Hyper-Laplacian Priors", 《NIPS"09 PROCEEDINGS OF THE 22ND INTERNATIONAL CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS》 * |
| GABOR SOROS 等: "Fast Blur Removal for Wearable QR Code Scanners", 《ISWC "15 PROCEEDINGS OF THE 2015 ACM INTERNATIONAL SYMPOSIUM ON WEARABLE COMPUTERS》 * |
| NINGZHONG LIU 等: "Two-dimensional bar code out-of-focus deblurring via the Increment Constrained Least Squares filter", 《PATTERN RECOGNITION LETTERS》 * |
| YVES VAN GENNIP 等: "A Regularization Approach to Blind Deblurring and Denoising of QR Barcodes", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
| 孙秋菊: "《物流与仓储管理培训教程》", 31 August 2010, 《化学工业出版社》 * |
| 崔林海: "《计算机组成原理与结构》", 31 January 2015, 《哈尔滨工业大学出版社》 * |
| 肖志云: "《小波域数字图像建模及其应用》", 31 March 2014, 《北京理工大学出版社》 * |
| 苏军: "二维条码退化图像的复原问题研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108270736A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团内蒙古有限公司 | 一种数据交换方法及装置 |
| CN107391056A (zh) * | 2017-07-04 | 2017-11-24 | 福建新大陆电脑股份有限公司 | 一种打印间断条码的制作方法及系统 |
| CN107391056B (zh) * | 2017-07-04 | 2020-05-05 | 新大陆数字技术股份有限公司 | 一种打印间断条码的制作方法及系统 |
| CN109725699A (zh) * | 2017-10-20 | 2019-05-07 | 华为终端（东莞）有限公司 | 识别码的识别方法、装置和设备 |
| CN108520193A (zh) * | 2018-03-27 | 2018-09-11 | 康体佳智能科技（深圳）有限公司 | 基于神经网络的二维码识别系统及识别方法 |
| CN110705328A (zh) * | 2019-09-27 | 2020-01-17 | 江苏提米智能科技有限公司 | 一种基于二维码图像采集电力数据的方法 |
| CN113285764A (zh) * | 2021-05-19 | 2021-08-20 | 大连理工大学 | 一种基于水下图像增强技术的“三维”蓝绿二维码近距离安全通信方法 |
| CN113627578A (zh) * | 2021-08-09 | 2021-11-09 | 中国物品编码中心 | 二维码生成方法、识别方法、装置、二维码、设备及介质 |
| CN113627578B (zh) * | 2021-08-09 | 2024-02-09 | 中国物品编码中心 | 二维码生成方法、识别方法、装置、二维码、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105787897A (zh) | 一种模糊二维码图像的处理方法及装置 | |
| CN101882207B (zh) | Data Matrix码条码解码芯片及其解码方法 | |
| CN101908125B (zh) | Qr码条码解码芯片及其解码方法 | |
| CN101882210B (zh) | 矩阵式二维条码解码芯片及其解码方法 | |
| CN101908128B (zh) | Aztec Code条码解码芯片及其解码方法 | |
| CN106326802B (zh) | 二维码校正方法、装置及终端设备 | |
| CN110765795B (zh) | 二维码识别方法、装置及电子设备 | |
| CN111539502B (zh) | 防伪二维码的生成方法、装置、服务器及存储介质 | |
| CN108073848B (zh) | 一种条码识别方法、设备和装置 | |
| CN101923632B (zh) | Maxi Code条码解码芯片及其解码方法 | |
| CN111556065A (zh) | 钓鱼网站检测方法、装置及计算机可读存储介质 | |
| EP3531335B1 (en) | Barcode identification method and apparatus | |
| CN116824647A (zh) | 图像伪造识别方法、网络训练方法、装置、设备及介质 | |
| CN201946008U (zh) | 矩阵式二维条码解码芯片 | |
| CN101882211B (zh) | 汉信码条码解码芯片及其解码方法 | |
| CN115809469A (zh) | 环形二维码的编码方法和解码方法 | |
| CN115147847A (zh) | 文本识别结果的确定方法、装置、存储介质及计算机设备 | |
| CN114970490A (zh) | 一种文本标注数据的质检方法、装置、电子设备以及存储介质 | |
| CN201965627U (zh) | Aztec Code条码解码芯片 | |
| Liu et al. | Bar code recognition in complex scenes by camera phones | |
| CN114564978B (zh) | 用于二维码解码的方法及装置、电子设备、存储介质 | |
| CN201927029U (zh) | Maxi Code条码解码芯片 | |
| CN201936319U (zh) | Qr码条码解码芯片 | |
| CN201936317U (zh) | Data Matrix码条码解码芯片 | |
| CN110795530B (zh) | 一种基于上下文的值特征提取系统及其方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160720 |
|
| RJ01 | Rejection of invention patent application after publication |