CN105844277B - 标签识别方法和装置 - Google Patents
标签识别方法和装置 Download PDFInfo
- Publication number
- CN105844277B CN105844277B CN201610165569.2A CN201610165569A CN105844277B CN 105844277 B CN105844277 B CN 105844277B CN 201610165569 A CN201610165569 A CN 201610165569A CN 105844277 B CN105844277 B CN 105844277B
- Authority
- CN
- China
- Prior art keywords
- image
- area image
- pixel value
- label
- standard
- 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.)
- Active
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种标签识别方法和装置,该方法包括:获取实际标签图像;对实际标签图像进行二值化处理;识别经二值化处理后的实际标签图像中包含的各轮廓区域图像;从各轮廓区域图像中滤除轮廓顶点个数不满足预设顶点数量的轮廓区域图像,获得由各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合;根据标准标签图像的预设轮廓的顶点坐标,对有效图像数据集合中的各轮廓区域图像进行形状校正处理;识别经形状校正处理后的实际标签图像所对应的数据信息。由于实际标签图像的形状已经被校正,克服了不同拍摄角度对标签图像的形状畸变影响,从而使得识别出的数据信息更加准确、可靠。
Description
技术领域
本发明属于图像处理技术领域,尤其是涉及一种标签识别方法和装置。
背景技术
近年来,诸如二维码标签等各种类型的标签,已经被广泛应用在人们的生活中,比如用于标识物体、支付等。
以在商场中用二维码标签标识某物体为例,在实际应用中,可以根据一定的标签生成规则,生成用于唯一标识该物体的二维码标签,并将该二维码标签贴覆于该物体表面。当用户购买该物体并进行支付时,结算人员可以通过扫描器来扫该二维码标签,从而识别并读取到该标签对应的数据信息,完成结算等处理。
在对标签进行识别时,可能会遇到这样的问题,本来所扫描的标签对应的物体是一个杯子,但是识别结果或者是识别不出来,或者是识别为其他物体。之所以会出现识别错误的结果,可能是由于外部因素的影响。而经过研究发现,不同光照情况、不同拍摄或者说扫描角度对识别结果的准确性往往影响较大。
发明内容
针对上述存在的问题,本发明提供一种标签识别方法和装置,用以提高标签识别的准确度。
本发明提供了一种标签识别方法,包括:
获取实际标签图像;
对所述实际标签图像进行二值化处理;
识别经所述二值化处理后的实际标签图像中包含的各轮廓区域图像;
从所述各轮廓区域图像中滤除轮廓顶点个数不满足预设顶点数量的轮廓区域图像,获得由所述各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合;
根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理;
识别经所述形状校正处理后的实际标签图像所对应的数据信息。
具体地,所述根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理,包括:
根据标准标签图像的预设轮廓的顶点坐标,分别计算所述有效图像数据集合中的各轮廓区域图像对应的变换矩阵;
分别将所述各变换矩阵作用于对应的所述有效图像数据集合中的各轮廓区域图像,以对所述有效图像数据集合中的各轮廓区域图像进行形状校正。
进一步地,所述根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理之后,还包括:
根据标签编码规则,提取出经过所述形状校正处理后的实际标签图像中的实际编码区域图像;
根据所述标准标签图像的标准编码区域图像,对所述实际编码区域图像进行单元格编码解析处理,所述单元格为最小编码单位,所述标准编码区域图像由多个空白单元格组成。
具体地,所述根据所述标准标签图像的标准编码区域图像,对所述实际编码区域图像进行单元格编码解析处理,包括:
对于所述实际编码区域图像中的任一实际单元格Xi,分别计算所述实际单元格Xi中落入标准单元格Yi中的第一像素值的像素数量和第二像素值的像素数量,其中,所述标准单元格Yi为所述标准编码区域图像中与所述实际单元格Xi对应的标准单元格;
当所述第一像素值的像素数量大于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第一像素值;
当所述第一像素值的像素数量小于或等于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第二像素值。
具体地,所述对所述实际标签图像进行二值化处理,包括:
将所述实际标签图像转换为灰度图像;
将所述灰度图像划分为N个子区域图像,N为大于1的整数;
采用类间最大方差法对每个所述子区域图像进行二值化处理。
本发明提供了一种标签识别装置,包括:
摄像头、处理器、存储器,所述摄像头、所述处理器、所述存储器通过总线连接;
所述摄像头,用于拍摄获取实际标签图像;
其中,所述存储器中存储一组程序代码,所述处理器调用所述存储器中存储的程序代码以执行以下处理过程:
对所述实际标签图像进行二值化处理;
识别经所述二值化处理后的实际标签图像中包含的各轮廓区域图像;
从所述各轮廓区域图像中滤除轮廓顶点个数不满足预设顶点数量的轮廓区域图像,获得由所述各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合;
根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理;
识别经所述形状校正处理后的实际标签图像所对应的数据信息。
进一步地,所述处理器还用于:
根据标准标签图像的预设轮廓的顶点坐标,分别计算所述有效图像数据集合中的各轮廓区域图像对应的变换矩阵;
分别将所述各变换矩阵作用于对应的所述有效图像数据集合中的各轮廓区域图像,以对所述有效图像数据集合中的各轮廓区域图像进行形状校正。
进一步地,所述处理器还用于:
根据标签编码规则,提取出经过所述形状校正处理后的实际标签图像中的实际编码区域图像;
根据所述标准标签图像的标准编码区域图像,对所述实际编码区域图像进行单元格编码解析处理,所述单元格为最小编码单位,所述标准编码区域图像由多个空白单元格组成。
进一步地,所述处理器还用于:
对于所述实际编码区域图像中的任一实际单元格Xi,分别计算所述实际单元格Xi中落入标准单元格Yi中的第一像素值的像素数量和第二像素值的像素数量,其中,所述标准单元格Yi为所述标准编码区域图像中与所述实际单元格Xi对应的标准单元格;
当所述第一像素值的像素数量大于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第一像素值;
当所述第一像素值的像素数量小于或等于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第二像素值。
进一步地,所述处理器还用于:
将所述实际标签图像转换为灰度图像;
将所述灰度图像划分为N个子区域图像,N为大于1的整数;
采用类间最大方差法对每个所述子区域图像进行二值化处理。
本发明提供的标签识别方法和装置,在获取实际标签图像后,首先对该标签图像进行二值化处理,将其处理为黑白图像。进而通过对该标签图像中包含的各轮廓区域图像的识别和过滤处理,得到由各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合。该有效图像数据集合中的轮廓区域图像是对标签识别具有更为重要作用到的有效图像数据。进而,为了克服不同拍摄角度对标签识别的影响,根据标准标签图像的预设轮廓的顶点坐标,对有效图像数据集合中的各轮廓区域图像进行形状校正处理,以使得有效图像数据集合中的各轮廓区域图像与标准标签图像的形状特征一致,最后识别经形状校正处理后的实际标签图像所对应的数据信息,由于实际标签图像的形状已经被校正,克服了不同拍摄角度对标签图像的形状畸变影响,从而使得识别出的数据信息更加准确、可靠。
附图说明
图1为本发明标签识别方法实施例一的流程图;
图2为本发明标签识别方法实施例二的流程图;
图3为本发明标签识别方法实施例三的流程图;
图4为本发明标签识别装置实施例一的结构示意图。
具体实施方式
图1为本发明标签识别方法实施例一的流程图,如图1所示,该方法包括如下步骤:
步骤101、获取实际标签图像。
本实施例中,该实际标签图像的称法是为了与后续的标准标签图像相区别,其中,该实际标签图像是指用户实际使用标签识别装置拍得的标签图像。而后续提到的标准标签图像仅是示意出标签大小,形状,构成最小编码单位的单元格的大小和形状的图像,不表征任何数据信息,即实际标签图像中表征了具体的数据信息,比如标识的杯子信息。
另外,本发明实施例中的标签不进行具体的类型限定。但是,对该标签进行一般性的结构描述,可以描述为:该标签由外框和编码区域构成,外框比如为黑色的像素构成一圈闭合曲线,内部为实际表征被标识物体的数据信息的编码区域。上述实际标签图像是指包含了外框图像和编码图像图像的整体的标签图像。
步骤102、对实际标签图像进行二值化处理。
本实施例中,对实际标签图像进行二值化处理的过程,可以简单实现为:首先将实际标签图像转换为灰度图像,进而基于一定的灰度阈值,将灰度值低于该灰度阈值的灰度处理为“0”,将灰度值高于该灰度阈值的灰度处理为“1”,其中,0、1代表了二值化结果,比如0表示白色,将灰度值被置为0的像素设置为白色,相反的1表示黑色,将灰度值被置为1的像素设置为黑色。
步骤103、识别经二值化处理后的实际标签图像中包含的各轮廓区域图像。
步骤104、从各轮廓区域图像中滤除轮廓顶点个数不满足预设顶点数量的轮廓区域图像,获得由各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合。
本实施例中,可以采用目前OPENCV图像处理库的cvFindContours方法来识别实际标签图像中包含的各轮廓区域图像,具体的识别原理不再赘述。
通过上述轮廓识别方法识别得到实际标签图像中包含的各轮廓区域图像。这些轮廓区域图像的轮廓形状可能有所不同。
本实施例中,结合不同类型标签的生成规则,构成每种类型标签的最小编码单元的单元格形状可能不同,目前常见的为正方形的标签形状,其单元格也是正方形。因此,当对实际标签图像进行二值化的黑白处理后,轮廓识别出的各轮廓区域中可能存在很多正方形的轮廓区域,也可能存在一定数量的非正方形的轮廓区域。
因此,为了提高标签识别处理效率,也为了降低冗余信息的干扰,可以从各轮廓区域图像中滤除轮廓顶点个数不满足预设顶点数量的轮廓区域图像,获得由各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合。其中,在正方形的标签的情况下,上述预设顶点数量为4,即正方形的四个顶点。
步骤105、根据标准标签图像的预设轮廓的顶点坐标,对有效图像数据集合中的各轮廓区域图像进行形状校正处理。
在实际应用中,不同的拍摄角度可能导致实际上是正方形的标签图像呈现出菱形形状的效果,可以称这种因为拍摄角度问题而导致标签图像呈现非正常形状的现象为透视畸变。
为了克服透视畸变问题对标签识别结果的不利影响,本实施例中提供了相应的校正方式:根据标准标签图像的预设轮廓的顶点坐标,对有效图像数据集合中的各轮廓区域图像进行形状校正处理。其中,标准标签图像的预设轮廓比如是指标准标签图像的外框正方形轮廓,该外框正方形轮廓的四个顶点的坐标可以被预先确定出。
具体来说,根据标准标签图像的预设轮廓的顶点坐标对有效图像数据集合中的各轮廓区域图像进行形状校正处理可以通过如下方式实现:
根据标准标签图像的预设轮廓的顶点坐标,分别计算有效图像数据集合中的各轮廓区域图像对应的变换矩阵;分别将各变换矩阵作用于对应的有效图像数据集合中的各轮廓区域图像,以对有效图像数据集合中的各轮廓区域图像进行形状校正。
有效图像数据集合中的各轮廓区域图像都包含四个顶点坐标,分别通过该顶点坐标与标准标签图像的正方形外框四个顶点坐标可以计算出透视变换需要的变换矩阵,再将该变换矩阵应用到四个顶点所对应的轮廓区域图像,就可以得出经过透视变换后正方形区域的图像,从而去除透视畸变的影响,将菱形的实际标签图像校正为原来的正方形形状。
步骤106、识别经形状校正处理后的实际标签图像所对应的数据信息。
通过上述校正处理后,可以去除不同拍摄角度对标签识别的不利影响,从而可以准确地识别经形状校正处理后的实际标签图像所对应的数据信息。
本实施例中,在获取实际标签图像后,首先对该标签图像进行二值化处理,将其处理为黑白图像。进而通过对该标签图像中包含的各轮廓区域图像的识别和过滤处理,得到由各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合。该有效图像数据集合中的轮廓区域图像是对标签识别具有更为重要作用到的有效图像数据。进而,为了克服不同拍摄角度对标签识别的影响,根据标准标签图像的预设轮廓的顶点坐标,对有效图像数据集合中的各轮廓区域图像进行形状校正处理,以使得有效图像数据集合中的各轮廓区域图像与标准标签图像的形状特征一致,最后识别经形状校正处理后的实际标签图像所对应的数据信息,由于实际标签图像的形状已经被校正,克服了不同拍摄角度对标签图像的形状畸变影响,从而使得识别出的数据信息更加准确、可靠。
图2为本发明标签识别方法实施例二的流程图,如图2所示,在图1所示实施例的基础上,上述步骤102还可以通过如下方式实现:
步骤201、将实际标签图像转换为灰度图像。
步骤202、将灰度图像划分为N个子区域图像,N为大于1的整数。
步骤203、采用类间最大方差法对每个子区域图像进行二值化处理。
在实际应用中,标签识别结果准确性除了受拍摄角度影响外,还会受到光照的影响,比如受到不同的光照角度影响,标签的一半部分比较亮,另一半部分比较暗。
为了降低光照对标签识别结果的不利影响,本实施例中,在对拍得的实际标签图像进行二值化处理的过程中,可以采用如下的处理方式:
首先将实际标签图像转换为灰度图像。进而,将灰度图像划分为N个子区域图像,N为大于1的整数,比如为3,具体取值可以经验设定。之后采用类间最大方差法(OTSU)对每个子区域图像进行二值化处理。
其中,OTSU方法的具体处理过程本实施例不赘述。简单来说,就是对每个子区域的像素灰度值的分布特征,确定每个子区域的二值化处理的灰度阈值,各子区域的二值化处理所用的灰度阈值可能各不相同。
本实施例中,通过对实际标签图像进行子区域的划分,从而针对每个子区域进行自适应的二值化处理,可以降低光照对标签识别结果的不利影响,有利于保证标签识别结果的准确性。
图3为本发明标签识别方法实施例三的流程图,如图3所示,在图1或图2所示实施例基础上,步骤105之后,该方法还可以包括如下步骤:
步骤301、根据标签编码规则,提取出经过形状校正处理后的实际标签图像中的实际编码区域图像。
步骤302、根据标准标签图像的标准编码区域图像,对实际编码区域图像进行单元格编码解析处理。
其中,单元格为最小编码单位,所述标准编码区域图像由多个空白单元格组成。
本实施例,在前述实施例的基础上,为例进一步提高标签识别结果的准确性,在对实际标签图像进行透视畸变即形状校正处理后,还可以继而进行单元格编码解析的处理,相当于对实际标签图像中的实际编码区域进行单元格校正处理。
具体来说,首先将经过形状校正处理后的实际标签图像中的实际编码区域图像提取出来。前面提到,标签由外框和编码区域构成,其中外框只是界定了标签的边界,并没有具体的数据信息含义,因此,可以根据标签编码规则,或者说根据标签生成方式,提取出实际标签图像的实际编码区域图像,即除去实际标签图像的外框图像后剩余的图像区域。
进而,根据标准标签图像的标准编码区域图像,对实际编码区域图像进行单元格编码解析处理。由于标准标签图像只是没有包含数据信息含义的标签图像,也就是说,标准标签图像的标准编码区域图像,是由多个空白的编码单元格组成的编码区域图像。因此,根据标准标签图像的标准编码区域图像,对实际编码区域图像进行单元格编码解析处理,可以理解为将标准编码区域图像映射到实际编码区域图像上,根据标准编码区域图像中每个单元格与实际编码区域图像中对应的单元格的重叠情况,对实际编码区域图像中的各单元格进行编码解析,该编码解析是指对实际编码区域中的各个单元格所应该取的二值化后的像素值进行确定。
具体地,可以采用如下方式进行该单元格编码解析处理:
对于实际编码区域图像中的任一实际单元格Xi,分别计算实际单元格Xi中落入标准单元格Yi中的第一像素值的像素数量和第二像素值的像素数量,,其中,标准单元格Yi为标准编码区域图像中与实际单元格Xi对应的标准单元格,i的取值视编码区域的大小而定,比如如果编码区域大小为5*5,则i取自1至5中的整数。上述第一像素值和第二像素值是二值化后的二值像素值,一般取0和1,以下以第一像素值为0,第二像素值为1为例。
当实际单元格Xi中落入标准单元格Yi中的第一像素值0的像素数量大于第二像素值1的像素数量时,确定实际单元格Xi的像素值为第一像素值0,即将实际单元格Xi的各像素点都赋值0;相反的,当实际单元格Xi中落入标准单元格Yi中的第一像素值0的像素数量小于或等于第二像素值1的像素数量时,确定实际单元格Xi的像素值为第二像素值1,即将实际单元格Xi的各像素点都赋值1。
本实施例中,对于单元格可能产生错位的问题,通过上述单元格编码解析的处理,能够将实际标签图像的单元格解析为与标准标签图像中单元格的位置相一致,便于对实际标签图像的准确识别。
图4为本发明标签识别装置实施例一的结构示意图,如图4所示,该标签识别装置包括:摄像头11、处理器12、存储器13,所述摄像头11、所述处理器12、所述存储器13通过总线14连接。
所述摄像头11,用于拍摄获取实际标签图像。
其中,所述存储器13中存储一组程序代码,所述处理器12调用所述存储器13中存储的程序代码以执行以下处理过程:
对所述实际标签图像进行二值化处理;
识别经所述二值化处理后的实际标签图像中包含的各轮廓区域图像;
从所述各轮廓区域图像中滤除轮廓顶点个数不满足预设顶点数量的轮廓区域图像,获得由所述各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合;
根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理;
识别经所述形状校正处理后的实际标签图像所对应的数据信息。
进一步地,所述处理器12还用于:
根据标准标签图像的预设轮廓的顶点坐标,分别计算所述有效图像数据集合中的各轮廓区域图像对应的变换矩阵;
分别将所述各变换矩阵作用于对应的所述有效图像数据集合中的各轮廓区域图像,以对所述有效图像数据集合中的各轮廓区域图像进行形状校正。
进一步地,所述处理器12还用于:
根据标签编码规则,提取出经过所述形状校正处理后的实际标签图像中的实际编码区域图像;
根据所述标准标签图像的标准编码区域图像,对所述实际编码区域图像进行单元格编码解析处理,所述单元格为最小编码单位。
进一步地,所述处理器12还用于:
对于所述实际编码区域图像中的任一实际单元格Xi,分别计算所述实际单元格Xi中落入标准单元格Yi中的第一像素值的像素数量和第二像素值的像素数量,其中,所述标准单元格Yi为所述标准编码区域图像中与所述实际单元格Xi对应的标准单元格;
当所述第一像素值的像素数量大于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第一像素值;
当所述第一像素值的像素数量小于或等于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第二像素值。
进一步地,所述处理器12还用于:
将所述实际标签图像转换为灰度图像;
将所述灰度图像划分为N个子区域图像,N为大于1的整数;
采用类间最大方差法对每个所述子区域图像进行二值化处理。
本实施例的标签识别装置可以用于执行图1、图2或图3所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
在上述标签识别装置的实施例中,应理解,该处理器可以是中央处理单元(Central Processing Unit,简称CPU),还可以是其他通用处理器、图像处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种标签识别方法,其特征在于,包括:
获取实际标签图像;
对所述实际标签图像进行二值化处理;
识别经所述二值化处理后的实际标签图像中包含的各轮廓区域图像;
从所述各轮廓区域图像中滤除轮廓顶点个数不满足预设顶点数量的轮廓区域图像,获得由所述各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合;
根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理;
识别经所述形状校正处理后的实际标签图像所对应的数据信息;
所述根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理之后,还包括:
根据标签编码规则,提取出经过所述形状校正处理后的实际标签图像中的实际编码区域图像;
根据所述标准标签图像的标准编码区域图像,对所述实际编码区域图像进行单元格编码解析处理,所述单元格为最小编码单位,所述标准编码区域图像由多个空白单元格组成;
其中,所述对所述实际编码区域图像进行单元格编码解析处理,包括:
对于所述实际编码区域图像中的任一实际单元格Xi,分别计算所述实际单元格Xi中落入标准单元格Yi中的第一像素值的像素数量和第二像素值的像素数量,其中,所述标准单元格Yi为所述标准编码区域图像中与所述实际单元格Xi对应的标准单元格;
当所述第一像素值的像素数量大于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第一像素值;
当所述第一像素值的像素数量小于或等于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第二像素值。
2.根据权利要求1所述的方法,其特征在于,所述根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理,包括:
根据标准标签图像的预设轮廓的顶点坐标,分别计算所述有效图像数据集合中的各轮廓区域图像对应的变换矩阵;
分别将所述各变换矩阵作用于对应的所述有效图像数据集合中的各轮廓区域图像,以对所述有效图像数据集合中的各轮廓区域图像进行形状校正。
3.根据权利要求1至2中任一项所述的方法,其特征在于,所述对所述实际标签图像进行二值化处理,包括:
将所述实际标签图像转换为灰度图像;
将所述灰度图像划分为N个子区域图像,N为大于1的整数;
采用类间最大方差法对每个所述子区域图像进行二值化处理。
4.一种标签识别装置,其特征在于,包括:
摄像头、处理器、存储器,所述摄像头、所述处理器、所述存储器通过总线连接;
所述摄像头,用于拍摄获取实际标签图像;
其中,所述存储器中存储一组程序代码,所述处理器调用所述存储器中存储的程序代码以执行以下处理过程:
对所述实际标签图像进行二值化处理;
识别经所述二值化处理后的实际标签图像中包含的各轮廓区域图像;
从所述各轮廓区域图像中滤除轮廓顶点个数不满足预设顶点数量的轮廓区域图像,获得由所述各轮廓区域图像中轮廓顶点个数满足预设顶点数量的轮廓区域图像构成有效图像数据集合;
根据标准标签图像的预设轮廓的顶点坐标,对所述有效图像数据集合中的各轮廓区域图像进行形状校正处理;
识别经所述形状校正处理后的实际标签图像所对应的数据信息;
其中,所述处理器还用于:
根据标签编码规则,提取出经过所述形状校正处理后的实际标签图像中的实际编码区域图像;
根据所述标准标签图像的标准编码区域图像,对所述实际编码区域图像进行单元格编码解析处理,所述单元格为最小编码单位,所述标准编码区域图像由多个空白单元格组成;
对于所述实际编码区域图像中的任一实际单元格Xi,分别计算所述实际单元格Xi中落入标准单元格Yi中的第一像素值的像素数量和第二像素值的像素数量,其中,所述标准单元格Yi为所述标准编码区域图像中与所述实际单元格Xi对应的标准单元格;
当所述第一像素值的像素数量大于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第一像素值;
当所述第一像素值的像素数量小于或等于所述第二像素值的像素数量时,确定所述实际单元格Xi的像素值为所述第二像素值。
5.根据权利要求4所述的标签识别装置,其特征在于,所述处理器还用于:
根据标准标签图像的预设轮廓的顶点坐标,分别计算所述有效图像数据集合中的各轮廓区域图像对应的变换矩阵;
分别将所述各变换矩阵作用于对应的所述有效图像数据集合中的各轮廓区域图像,以对所述有效图像数据集合中的各轮廓区域图像进行形状校正。
6.根据权利要求4至5中任一项所述的标签识别装置,其特征在于,所述处理器还用于:
将所述实际标签图像转换为灰度图像;
将所述灰度图像划分为N个子区域图像,N为大于1的整数;
采用类间最大方差法对每个所述子区域图像进行二值化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610165569.2A CN105844277B (zh) | 2016-03-22 | 2016-03-22 | 标签识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610165569.2A CN105844277B (zh) | 2016-03-22 | 2016-03-22 | 标签识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105844277A CN105844277A (zh) | 2016-08-10 |
CN105844277B true CN105844277B (zh) | 2019-06-25 |
Family
ID=56587760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610165569.2A Active CN105844277B (zh) | 2016-03-22 | 2016-03-22 | 标签识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105844277B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194395B (zh) * | 2017-05-02 | 2020-02-14 | 华中科技大学 | 一种基于颜色识别和轮廓提取的物体动态定位方法 |
CN107813313A (zh) * | 2017-12-11 | 2018-03-20 | 南京阿凡达机器人科技有限公司 | 机械臂运动的校正方法和装置 |
CN110411446B (zh) * | 2018-04-28 | 2023-09-08 | 深圳果力智能科技有限公司 | 一种机器人的路径规划方法 |
CN109684895B (zh) * | 2018-12-06 | 2022-03-18 | 苏州易泰勒电子科技有限公司 | 一种用于电子显示标签的三值图像处理方法 |
CN111489283B (zh) * | 2019-01-25 | 2023-08-11 | 鸿富锦精密工业(武汉)有限公司 | 图片格式转换方法、装置及计算机存储介质 |
CN110070625B (zh) * | 2019-04-26 | 2023-03-17 | 京东方科技集团股份有限公司 | 增强现实设备用标识及其识别方法、增强现实设备 |
CN110264523B (zh) * | 2019-06-25 | 2021-06-18 | 亮风台(上海)信息科技有限公司 | 一种确定测试图像中的目标图像的位置信息的方法与设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104331697A (zh) * | 2014-11-17 | 2015-02-04 | 山东大学 | 一种感兴趣区域的定位方法 |
US8965117B1 (en) * | 2013-12-17 | 2015-02-24 | Amazon Technologies, Inc. | Image pre-processing for reducing consumption of resources |
CN105260693A (zh) * | 2015-12-01 | 2016-01-20 | 浙江工业大学 | 一种激光二维码定位方法 |
-
2016
- 2016-03-22 CN CN201610165569.2A patent/CN105844277B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8965117B1 (en) * | 2013-12-17 | 2015-02-24 | Amazon Technologies, Inc. | Image pre-processing for reducing consumption of resources |
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 |
CN104331697A (zh) * | 2014-11-17 | 2015-02-04 | 山东大学 | 一种感兴趣区域的定位方法 |
CN105260693A (zh) * | 2015-12-01 | 2016-01-20 | 浙江工业大学 | 一种激光二维码定位方法 |
Non-Patent Citations (1)
Title |
---|
基于Android的二维码生成与识别研究及软件实现;郭敏;《万方数据库》;20151203;第1-64页 |
Also Published As
Publication number | Publication date |
---|---|
CN105844277A (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844277B (zh) | 标签识别方法和装置 | |
CN105069394B (zh) | 二维码加权平均灰度法解码方法及系统 | |
CN110309687B (zh) | 一种二维码图像的校正方法及校正装置 | |
CN110866924B (zh) | 一种线结构光中心线提取方法及存储介质 | |
CN102136058B (zh) | 条形码图像识别方法 | |
CN104732183B (zh) | 一种基于图像采样线灰度信息分析的一维条码识别方法 | |
CN104573674B (zh) | 面向实时嵌入式系统的一维条码识别方法 | |
CN102930277B (zh) | 一种基于识别反馈的字符图像验证码识别方法 | |
CN105989317B (zh) | 一种二维码的识别方法及装置 | |
CN103870790A (zh) | 一种二维条码的识别方法及其装置 | |
JP2007317184A (ja) | 二次元バーコード、その符号化方法及び復号化方法 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN110070548B (zh) | 一种深度学习训练样本优化方法 | |
CN113033550B (zh) | 一种图像的检测方法、装置及计算机可读介质 | |
CN111310508A (zh) | 一种二维码识别方法 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
CN104899589A (zh) | 一种采用阈值二值化算法实现二维条码预处理的方法 | |
CN109101985A (zh) | 一种基于自适应邻域测试的图像误匹配点对剔除方法 | |
CN114037992A (zh) | 仪表示数识别方法、装置、电子设备及存储介质 | |
CN114612490B (zh) | 一种基于显微镜图像的栅藻类细胞统计方法 | |
CN110532938B (zh) | 基于Faster-RCNN的纸质作业页码识别方法 | |
CN115713556A (zh) | 二维码定位方法、装置及计算机可读存储介质 | |
CN104573601A (zh) | 一种复杂环境下器件dpm二维码识别系统 | |
CN108205678B (zh) | 一种含有亮斑干扰的铭牌文字识别处理方法 | |
CN112818983A (zh) | 一种利用图片相识度判断字符倒置的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |