CN105956509A - 基于聚类算法的一维条码检测的方法及装置 - Google Patents

基于聚类算法的一维条码检测的方法及装置 Download PDF

Info

Publication number
CN105956509A
CN105956509A CN201610268865.5A CN201610268865A CN105956509A CN 105956509 A CN105956509 A CN 105956509A CN 201610268865 A CN201610268865 A CN 201610268865A CN 105956509 A CN105956509 A CN 105956509A
Authority
CN
China
Prior art keywords
bar code
point
gradient direction
points
cluster
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
Application number
CN201610268865.5A
Other languages
English (en)
Inventor
李文科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ona Industrial Technology Shenzhen Co Ltd
Original Assignee
昂纳自动化技术（深圳）有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 昂纳自动化技术（深圳）有限公司 filed Critical 昂纳自动化技术（深圳）有限公司
Priority to CN201610268865.5A priority Critical patent/CN105956509A/zh
Publication of CN105956509A publication Critical patent/CN105956509A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06K7/1413—1D bar codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • 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
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

一种基于聚类算法的一维条码检测的方法及装置，其包括：依据一维条码的条码整齐的特点，对梯度方向一致的点进行首次的聚类；依据一维条码相对比较密集的特点，对相对密集的点进行再次的聚类；以及计算出这些点的最小外截矩形，即为定位出的区域。本发明适用范围广，准确率高，稳定性高，能够大大改善一维条码的检测效果。

Description

基于聚类算法的一维条码检测的方法及装置
技术领域
本发明涉及图像识别技术，尤其涉及到一维条码的自动检测技术。
背景技术
在机器视觉应用中，经常需要识别图片中的一维条码；而且在实际应用中，需要考虑到一维条码出现在视野中各种位置、角度，甚至一维条码部分内容超出视野的情况，在解码之前需先对一维条码进行定位，所以开发出一种适用性广、鲁棒性强、准确率高的一维条码定位算法对于工业应用意义重大。
目前已有的算法中，例如：google的zxing库中起始和终止图案定位法：先对图像进行间隔取点，每次取一整行的点；然后，对取到的这一行点进行分析，判断有无起始和终止图案。具体为：先将这行点用直方图法进行二值化，然后从第一点开始，依次计算出连续的黑像素和白像素的宽度，根据一维条码的具体类型，对这些宽度值，从前往后依次用相似边距法计算是否有起始符号，如果找到起始符号，则对起始符后面固定个数的黑白像素宽度来解码，解完码之后再判断后面是否有终止符。这种的检测方法，只能针对水平或水平倾斜角度较小的情况，如果一维条码角度倾斜较大，则定位不成功；且对噪声敏感，鲁棒性不强，如果图片不清晰、噪声较多时也容易出现定位不成功情况。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提出一种基于聚类算法的一维条码检测的方法及装置，适用范围广，准确率高，稳定性高，能够大大改善一维条码的检测效果。
本发明解决其技术问题所采用的技术方案是：提供一种基于聚类算法的一维条码检测的方法，其包括：依据一维条码的条码整齐的特点，对梯度方向一致的点进行首次的聚类；依据一维条码相对比较密集的特点，对相对密集的点进行再次的聚类；以及计算出这些点的最小外截矩形，即为定位出的区域。
在一些实施例中，在所述的对梯度方向一致的点进行首次的聚类之前，还包括：计算出图像中轮廓的真实边缘点，并计算出这些边缘点的梯度方向。
在一些实施例中，所述的图像中轮廓的真实边缘点是指灰度梯度变化极大值点。
在一些实施例中，在所述的计算出图像中轮廓的真实边缘点的过程中，采用间隔取点，以减少计算量。
在一些实施例中，所述的对梯度方向一致的点进行首次的聚类是指：对所有边缘点进行统计，将梯度方向一致且数量符合要求的点分类出来。
在一些实施例中，所述的对相对密集的点进行再次的聚类是指：将密集程度符合要求的点分类出来。
在一些实施例中，在所述的计算出这些点的最小外截矩形之后，还包括：根据一维条码的大小,对定位出来的区域进行筛选。
本发明解决其技术问题所采用的技术方案还是：提供一种基于聚类算法的一维条码检测的装置，其包括：第一单元，用于依据一维条码的条码整齐的特点，对梯度方向一致的点进行首次的聚类；第二单元，用于依据一维条码相对比较密集的特点，对相对密集的点进行再次的聚类；以及第三单元，用于计算出这些点的最小外截矩形，即为定位出的区域。
在一些实施例中，还包括：第四单元，用于计算出图像中轮廓的真实边缘点，并计算出这些边缘点的梯度方向。
在一些实施例中，还包括：第五单元，用于根据一维条码的大小,对定位出来的区域进行筛选。
本发明的有益效果在于，通过巧妙地对梯度方向一致的点进行首次的聚类，然后对相对密集的点进行再次的聚类，再计算出这些点的最小外截矩形，适用范围广，准确率高，稳定性高，能够大大改善一维条码的检测效果。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明基于聚类算法的一维条码检测的方法的原理示意。
图2为本发明基于聚类算法的一维条码检测的方法的流程示意。
图3为本发明基于聚类算法的一维条码检测的装置的框图示意。
具体实施方式
现结合附图，对本发明的较佳实施例作详细说明。
参见图1，图1为本发明基于聚类算法的一维条码检测的方法的原理示意。本发明主要是利用一维条码的条码整齐且相对密集这两个特点进行定位。
步骤104、计算出图像中轮廓的真实边缘点，即灰度梯度变化极大值点，并计算出这些边缘点的梯度方向。实际应用中可以间隔取点，减少计算量。
步骤101、根据一维条码的条码整齐这个特点，可知一维条码边缘上的点的灰度梯度方向很一致，这里将边缘由白到黑和由黑到白认为是同一个方向，利用这个特点可以将一维条码的边缘点从图片中的边缘点中聚类出来，当然这也会提取一些不是一维条码但梯度方向相似的边缘点，接下来再用一维条码的第二个特点继续筛选。
步骤102、利用一维条码相对比较密集这一特点，可继续筛选，从上一步点中提取那些相对密集的点。
步骤103、计算出这些点的最小外截矩形，这个外截矩形就是定位出的区域。
步骤105、根据一维条码的大小,对定位出来的区域进行筛选。筛选完之后可能还是会存在一些与一维条码相似的区域，这在实际应用中是正常的,也可以调整一些参数，来调整定位的效果。
参见图2，图2为本发明基于聚类算法的一维条码检测的方法的流程示意。本发明的方法具体包括：
步骤201、计算出图片中所有轮廓的点。具体而言，应计算出轮廓的真实边缘点，即灰度梯度变化极大值点，然后计算出这些边缘点的梯度方向。实际应用中可以间隔取点，减少计算量。
步骤202、聚类出梯度方向一致的点集。具体而言，对所有边缘点进行统计，将梯度方向一致且数量符合要求的点分类出来，可能会分类出多个类，这是正常的，当前将方向一致数量满足要求的点认为是一维码的候选点集。
步骤203、是否有符合要求的点集？是的话，转步骤204，否则转步骤207。
步骤204、再次聚类，将相对密集的点聚类。具体而言，由于一维码边缘上的点相对比较密集，点与点之间的距离不会超过一维码最大条码的宽度，利用这一点，可以对筛选后的点集再次聚类，将密集程度符合要求的点分类出来；现在得到的点集都是梯度方向一致并且比较密集的点，那么完全可以将这些梯度方向一致并且密集的点当做一维码的候选点集，也可以根据一维码的大小来调节聚类的效果。
步骤205、是否有符合要求的点集？是的话，转步骤206，否则转步骤207。
步骤206、计算筛选出来的点集最小外截矩形。具体而言，这个外截矩形就是定位出的区域。可能还是会存在一些与一维码相似的区域,这在实际应用中是正常的,也可以调整一些参数,来调整定位的效果。
步骤207、结束。
参见图3，图3为本发明基于聚类算法的一维条码检测的装置的框图示意。本发明的装置包括：
第四单元304、用于计算出图像中轮廓的真实边缘点，即灰度梯度变化极大值点，并计算出这些边缘点的梯度方向。实际应用中可以间隔取点，减少计算量。
第一单元301、用于根据一维条码的条码整齐这个特点，可知一维条码边缘上的点的灰度梯度方向很一致，这里将边缘由白到黑和由黑到白认为是同一个方向，利用这个特点可以将一维条码的边缘点从图片中的边缘点中聚类出来，当然这也会提取一些不是一维条码但梯度方向相似的边缘点，接下来再用一维条码的第二个特点继续筛选。
第二单元302、用于根据一维条码相对比较密集这一特点，可继续筛选，从上一步点中提取那些相对密集的点。
第三单元303、用于计算出这些点的最小外截矩形，这个外截矩形就是定位出的区域。以及
第五单元305、用于根据一维条码的大小,对定位出来的区域进行筛选。筛选完之后可能还是会存在一些与一维条码相似的区域，这在实际应用中是正常的,也可以调整一些参数，来调整定位的效果。
本发明的有益效果在于，通过巧妙地对梯度方向一致的点进行首次的聚类，然后对相对密集的点进行再次的聚类，再计算出这些点的最小外截矩形，适用范围广，准确率高，稳定性高，能够大大改善一维条码的检测效果。
应当理解的是，以上实施例仅用以说明本发明的技术方案，而非对其限制，对本领域技术人员来说，可以对上述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；而这些修改和替换，都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于聚类算法的一维条码检测的方法，其特征在于，包括：依据一维条码的条码整齐的特点，对梯度方向一致的点进行首次的聚类；依据一维条码相对比较密集的特点，对相对密集的点进行再次的聚类；以及计算出这些点的最小外截矩形，即为定位出的区域。
2.根据权利要求1所述的方法，其特征在于：在所述的对梯度方向一致的点进行首次的聚类之前，还包括：计算出图像中轮廓的真实边缘点，并计算出这些边缘点的梯度方向。
3.根据权利要求2所述的方法，其特征在于：所述的图像中轮廓的真实边缘点是指灰度梯度变化极大值点。
4.根据权利要求2所述的方法，其特征在于：在所述的计算出图像中轮廓的真实边缘点的过程中，采用间隔取点，以减少计算量。
5.根据权利要求2所述的方法，其特征在于：所述的对梯度方向一致的点进行首次的聚类是指：对所有边缘点进行统计，将梯度方向一致且数量符合要求的点分类出来。
6.根据权利要求5所述的方法，其特征在于：所述的对相对密集的点进行再次的聚类是指：将密集程度符合要求的点分类出来。
7.根据权利要求1所述的方法，其特征在于：在所述的计算出这些点的最小外截矩形之后，还包括：根据一维条码的大小,对定位出来的区域进行筛选。
8.一种基于聚类算法的一维条码检测的装置，其特征在于：包括：第一单元，用于依据一维条码的条码整齐的特点，对梯度方向一致的点进行首次的聚类；第二单元，用于依据一维条码相对比较密集的特点，对相对密集的点进行再次的聚类；以及第三单元，用于计算出这些点的最小外截矩形，即为定位出的区域。
9.根据权利要求8所述的装置，其特征在于：还包括：第四单元，用于计算出图像中轮廓的真实边缘点，并计算出这些边缘点的梯度方向。
10.根据权利要求8所述的装置，其特征在于：还包括：第五单元，用于根据一维条码的大小,对定位出来的区域进行筛选。
CN201610268865.5A 2016-04-26 2016-04-26 基于聚类算法的一维条码检测的方法及装置 Pending CN105956509A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610268865.5A CN105956509A (zh) 2016-04-26 2016-04-26 基于聚类算法的一维条码检测的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610268865.5A CN105956509A (zh) 2016-04-26 2016-04-26 基于聚类算法的一维条码检测的方法及装置

Publications (1)

Publication Number Publication Date
CN105956509A true CN105956509A (zh) 2016-09-21

Family

ID=56916923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610268865.5A Pending CN105956509A (zh) 2016-04-26 2016-04-26 基于聚类算法的一维条码检测的方法及装置

Country Status (1)

Country Link
CN (1) CN105956509A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025639A (zh) * 2017-04-05 2017-08-08 中科微至智能制造科技江苏有限公司 一种复杂环境下的条码定位方法
CN107633192A (zh) * 2017-08-22 2018-01-26 电子科技大学 一种基于机器视觉的复杂背景下条形码分割与识读方法
CN108629219A (zh) * 2017-12-14 2018-10-09 百富计算机技术（深圳）有限公司 一种识别一维码的方法及装置
WO2022237811A1 (zh) * 2021-05-11 2022-11-17 北京字跳网络技术有限公司 图像处理方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101937680A (zh) * 2010-08-27 2011-01-05 太原理工大学 码书分类重排矢量量化方法及其矢量量化器
CN103927765A (zh) * 2014-02-21 2014-07-16 北京象开科技有限公司 用于定位图像中条码区域的方法和装置
CN104268499A (zh) * 2014-10-10 2015-01-07 南京大树智能科技股份有限公司 一种带条码商品的条码标记检测方法
CN104636706A (zh) * 2015-03-04 2015-05-20 深圳市金准生物医学工程有限公司 一种基于梯度方向一致性复杂背景条码图像自动分割方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101937680A (zh) * 2010-08-27 2011-01-05 太原理工大学 码书分类重排矢量量化方法及其矢量量化器
CN103927765A (zh) * 2014-02-21 2014-07-16 北京象开科技有限公司 用于定位图像中条码区域的方法和装置
CN104268499A (zh) * 2014-10-10 2015-01-07 南京大树智能科技股份有限公司 一种带条码商品的条码标记检测方法
CN104636706A (zh) * 2015-03-04 2015-05-20 深圳市金准生物医学工程有限公司 一种基于梯度方向一致性复杂背景条码图像自动分割方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025639A (zh) * 2017-04-05 2017-08-08 中科微至智能制造科技江苏有限公司 一种复杂环境下的条码定位方法
CN107633192A (zh) * 2017-08-22 2018-01-26 电子科技大学 一种基于机器视觉的复杂背景下条形码分割与识读方法
CN107633192B (zh) * 2017-08-22 2020-05-26 电子科技大学 一种基于机器视觉的复杂背景下条形码分割与识读方法
CN108629219A (zh) * 2017-12-14 2018-10-09 百富计算机技术（深圳）有限公司 一种识别一维码的方法及装置
CN108629219B (zh) * 2017-12-14 2021-04-23 百富计算机技术（深圳）有限公司 一种识别一维码的方法及装置
WO2022237811A1 (zh) * 2021-05-11 2022-11-17 北京字跳网络技术有限公司 图像处理方法、装置及设备

Similar Documents

Publication Publication Date Title
CN104298982B (zh) 一种文字识别方法及装置
US8290265B2 (en) Method and apparatus for segmenting an object region of interest from an image
CN102236784A (zh) 屏幕区域检测方法及系统
CN105956509A (zh) 基于聚类算法的一维条码检测的方法及装置
US8355079B2 (en) Temporally consistent caption detection on videos using a 3D spatiotemporal method
CN103034848B (zh) 一种表单类型的识别方法
JP2007235950A (ja) 車両位置検出方法及び装置
CN105374015A (zh) 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法
CN105261021B (zh) 去除前景检测结果阴影的方法及装置
Ahmetovic et al. Zebrarecognizer: Efficient and precise localization of pedestrian crossings
CN103761527A (zh) 检测画面中是否存在标志的设备及方法
CN101299239B (zh) 文字区域图像的获取方法及装置、文字识别系统
Shivakumara et al. A gradient difference based technique for video text detection
US8744189B2 (en) Character region extracting apparatus and method using character stroke width calculation
CN103530600A (zh) 复杂光照下的车牌识别方法及系统
US20110280478A1 (en) Object monitoring system and method
US20090226097A1 (en) Image processing apparatus
WO2023279966A1 (zh) 一种多车道线检测方法、装置及检测设备
JP2016133838A (ja) 複合線判定装置及び複合線判定方法
US20140333720A1 (en) Subtitle detection for stereoscopic video contents
US20180018522A1 (en) Method of extracting logo mask from video stream having logo
Yu et al. A robust method for detecting and counting people
CN103793921B (zh) 一种运动目标提取方法及装置
JP2006155126A (ja) 車両番号認識装置
CN108446603A (zh) 一种新闻标题检测方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20200605

Address after: 518000 floor 1, building 604, building 3, workshop 1, auna group, Zhukeng community, Longtian street, Pingshan District, Shenzhen City, Guangdong Province

Applicant after: Ona Industrial Technology (Shenzhen) Co., Ltd

Address before: Cui Jing Road Shenzhen City, Guangdong province 518000 Pingshan New District No. 35

Applicant before: O-NET AUTOMATION TECHNOLOGY (SHENZHEN) Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20160921

RJ01 Rejection of invention patent application after publication