CN106960427A - 二维码图像处理的方法和装置 - Google Patents

Abstract

本发明涉及一种二维码图像处理的方法和装置，包括：将获取的原始二维码图像转化为灰度二维码图像；将所述灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像；将所述基频层图像进行直方图统计，根据所述直方图统计结果中所述基频层图像的灰度对比特征选取局部动态阈值，根据所述局部动态阈值对所述基频层图像进行二值化得到二值二维码图像，处理后的二值二维码图像能提高后续识别二维码图像的准确率。

Description

二维码图像处理的方法和装置

技术领域

本发明涉及计算机图像处理领域，特别是涉及一种二维码图像处理的方法和装置。

背景技术

随着计算机技术的发展，二维码在日常社会生活中的应用环境越来越广，越来越多的客户端软件集成二维码扫码软件以识别二维码从而得到二维码传递的信息。

二维码通常采用黑白相间的二值图形记录数据符号信息，但是在一些特定的场合中，采用特殊的显示方式显示二维码导致其灰度对比度，清晰度以及像素分辨率均有一定程度的下降，如当使用低像素LED点阵屏输出二维码时，二维码图案受到LED亮度的影响，导致黑白对比不分明，同时由于LED灯珠体积固定，若输出高像素的二维码图案则需要非常多的LED灯珠，为了控制显示成本，往往采用少量的LED输出二维码，导致输出的二维码像素分辨率较低。现有的二维码识别在通常只进行简单的预处理，使得识别二维码时出现扫描速度严重下降甚至无法正确解析，不能正确识别二维码的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种二维码图像处理的方法和装置，有效提高二维码识别的准确率。

一种二维码图像处理的方法，所述方法包括：

将获取的原始二维码图像转化为灰度二维码图像；

将所述灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像；

将所述基频层图像进行直方图统计，根据所述直方图统计结果中所述基频层图像的灰度对比特征选取局部动态阈值，根据所述局部动态阈值对所述基频层图像进行二值化得到二值二维码图像。

在其中一个实施例中，所述滤波为非线性双边滤波，所述将所述灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像的步骤包括：

以与所述灰度二维码图像大小对应的模板为邻近范围，获取当前待滤波像素点邻近范围内的邻近像素点；

根据所述邻近像素点，计算空间域的高斯核函数对应的空间标准差参数和强度域的高斯核函数对应的强度标准差参数；

根据所述邻近像素点、空间标准差参数、强度标准差参数，由空间域的高斯核函数、强度域的高斯核函数计算当前待滤波像素点对应的归一化系数；

根据所述邻近像素点、归一化系数、空间标准差参数、强度标准差参数，空间域的高斯核函数、强度域的高斯核函数计算得到当前待滤波像素点的基频层像素值。

在其中一个实施例中，计算空间域的高斯核函数对应的空间标准差参数时采用的像素点为所述模板内对角线上的像素点，计算强度域的高斯核函数对应的强度标准差参数时采用的像素点为所述模板内的所有像素点。

在其中一个实施例中，所述将所述基频层图像进行直方图统计的步骤之前，还包括：对所述基频层图像进行自适应高斯滤波得到滤波基频层图像，具体包括：

根据E(i,j)＝k(i,j)(I_in(i,j)-I_bf(i,j))计算所述基频层图像和灰度二维码图像的加权插值E(i,j)，其中所述i,j表示像素点的位置坐标，I_in(i,j)表示灰度二维码图像的像素值，I_bf(i,j)表示基频层图像的像素值，所述加权插值的系数k(i,j)为所述归一化因子；

采用拉普拉斯运算符近似计算基频层图像的拉普拉斯算子▽²I_bf(i,j)；

根据所述加权插值E(i,j)和▽²I_bf(i,j)由公式计算所述自适应高斯滤波的方差σ²(i,j)；

根据所述▽²I_bf(i,j)和自适应高斯滤波的方差σ²(i,j)由公式得到滤波基频层图像像素值I_g(i,j)。

在其中一个实施例中，所述根据所述直方图统计结果中所述基频层图像的灰度对比特征选取局部动态阈值的步骤包括：

在预设的有效灰度等级范围内获取所述直方图统计结果中的高灰度统计最高峰和低灰度统计最高峰；

确定所述高灰度统计最高峰和低灰度统计最高峰之间的直方图统计结果为有效动态范围；

获取所述有效动态范围内的像素统计个数最少的灰度级作为所述局部动态阈值。

一种二维码图像处理的装置，所述装置包括：

灰度转化模块，用于将获取的原始二维码图像转化为灰度二维码图像；

基频层分离模块，用于将所述灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像；

二值化模块，用于将所述基频层图像进行直方图统计，根据所述直方图统计结果中所述基频层图像的灰度对比特征选取局部动态阈值，根据所述局部动态阈值对所述基频层图像进行二值化得到二值二维码图像。

在其中一个实施例中，所述滤波为非线性双边滤波，所述基频层分离模块包括：

邻近像素点获取单元，用于以与所述灰度二维码图像大小对应的模板为邻近范围，获取当前待滤波像素点邻近范围内的邻近像素点；

标准差参数计算单元，用于根据所述邻近像素点，计算空间域的高斯核函数对应的空间标准差参数和强度域的高斯核函数对应的强度标准差参数；

归一化系数计算单元，用于根据所述邻近像素点、空间标准差参数、强度标准差参数，由空间域的高斯核函数、强度域的高斯核函数计算当前待滤波像素点对应的归一化系数；

基频层像素计算单元，用于根据所述邻近像素点、归一化系数、空间标准差参数、强度标准差参数，空间域的高斯核函数、强度域的高斯核函数计算得到当前待滤波像素点的基频层像素值。

在其中一个实施例中，所述标准差参数计算单元计算空间域的高斯核函数对应的空间标准差参数时采用的像素点为所述模板内对角线上的像素点，计算强度域的高斯核函数对应的强度标准差参数时采用的像素点为所述模板内的所有像素点。

在其中一个实施例中，所述装置还包括：

高斯滤波模块，用于对所述基频层图像进行自适应高斯滤波得到滤波基频层图像，包括：

加权插值计算单元，用于根据E(i,j)＝k(i,j)(I_in(i,j)-I_bf(i,j))计算所述基频层图像和灰度二维码图像的加权插值E(i,j)，其中所述i,j表示像素点的位置坐标，I_in(i,j)表示灰度二维码图像的像素值，I_bf(i,j)表示基频层图像的像素值，所述加权插值的系数k(i,j)为所述归一化因子；

方差计算单元，用于采用拉普拉斯运算符近似计算基频层图像的拉普拉斯算子▽²I_bf(i,j)，根据所述加权插值E(i,j)和▽²I_bf(i,j)由公式计算所述自适应高斯滤波的方差σ²(i,j)；

滤波单元，用于根据所述▽²I_bf(i,j)和自适应高斯滤波的方差σ²(i,j)由公式得到滤波基频层图像像素值I_g(i,j)。

在其中一个实施例中，所述二值化模块包括：

统计最高峰获取单元，用于在预设的有效灰度等级范围内获取所述直方图统计结果中的高灰度统计最高峰和低灰度统计最高峰；

局部动态阈值确定单元，用于确定所述高灰度统计最高峰和低灰度统计最高峰之间的直方图统计结果为有效动态范围，获取所述有效动态范围内的像素统计个数最少的灰度级作为所述局部动态阈值。

上述二维码图像处理的方法和装置，通过将获取的原始二维码图像转化为灰度二维码图像，将灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像，将基频层图像进行直方图统计，根据直方图统计结果中基频层图像的灰度对比特征选取局部动态阈值，根据局部动态阈值对基频层图像进行二值化得到二值二维码图像，噪声、微小的图像细节信息等被分离到了细节层，后续对二维码图像的识别只使用基频层图像，避免了噪声等对二维码图像识别的干扰，同时采用局部动态阈值进行二值化，使得受到不同光照影响的二维码图像根据直方图统计结果具有不同的合适的阈值，使得二值化后的图像更接近原始二维码图像，从而提高后续识别二维码图像的准确率。

附图说明

图1为一个实施例中二维码图像处理的方法的流程图；

图2为一个实施例中得到灰度二维码图像的基频层图像的流程图；

图3为一个实施例中对基频层图像进行自适应高斯滤波得到滤波基频层图像的流程图；

图4为一个实施例中选取局部动态阈值的流程图；

图5为一个实施例中获取高灰度统计最高峰和低灰度统计最高峰的流程图；

图6为一个实施例中直方图统计结果的示意图；

图7为一个实施例中原始二维码图像示意图；

图8为一个实施例中二维码图像的细节层示意图；

图9为一个实施例中二维码图像的基频层示意图；

图10为一个实施例中二值化后的二维码图像示意图；

图11为一个实施例中二维码图像处理的装置的结构框图；

图12为一个实施例中基频层分离模块的结构框图；

图13为另一个实施例中二维码图像处理的装置的结构框图；

图14为一个实施例中二值化模块的结构框图。

具体实施方式

在一个实施例中，如图1所示，提供了一种二维码图像处理的方法，包括：

步骤S110，将获取的原始二维码图像转化为灰度二维码图像。

具体的，原始二维码可为各种形式的二维码，如QR二维码等。原始二维码图像的显示方式可分为多种，如通过纸面，网络，电视屏幕，由LED点阵屏投射显示等。可通过手机终端等智能设备通过摄像头采集原始二维码图像，但采集到的原始二维码图像一般是彩色图像，即使是拍摄黑白图像，获得的图片仍然是带有RGB三色的图像。由于二维码携带的信息只需要黑白两色即可表征，所以必须将彩色图像转换为灰度图像。摄像头采集到的原始二维码彩色图像一般是在RGB空间编码的，每个像素分别用1个字节表示RGB三原色，将RGB空间转换为YUV空间得到的Y分量表示像素的亮度，可以作为灰度值，从而完成将原始二维码图像转化为灰度二维码图像的过程。

步骤S120，将灰度二维码图像进行滤波得到灰度二维码图像的基频层图像。

具体的，利用滤波器对图像进行分割，获取灰度二维码图像的细节层和基频层，将图像中的高频分量，如强边缘等相邻像素点灰度变化较大的区域、微小的图像细节信息和噪声等尽可能的保留在细节层内，基频层中只保留图像的低频分量即能量信息，基频层图像基本保留了图像的原始对比度。由于噪声、微小的图像细节信息等被分离到了细节层，后续对二维码图像的识别只使用基频层图像，避免了噪声等对二维码图像识别的干扰，也可以降低后续二值化过程中阈值选取的计算难度。滤波时可自定义滤波算法，如采用线性引导滤波算法，也可采用非线性双边滤波算法。采用非线性双边滤波算法时，可根据图像的分辨率自定义模版的长度和宽度，以模板为单位，移动式获取当前滤波像素点的相邻像素点空间域及强度域信息，使得滤波的效果更好，得到更精准的基频层图像。

步骤S130，将基频层图像进行直方图统计，根据直方图统计结果中基频层图像的灰度对比特征选取局部动态阈值，根据局部动态阈值对所述基频层图像进行二值化得到二值二维码图像。

具体的，原始二维码图像在拍摄过程中由于受到光圈，曝光，环境光等因素的影响，每次拍摄到的原始二维码图像中，最亮的二维码部分和最暗的二维码部分的对比度经常会发生变化，进行灰度化后的灰度二维码图像中的像素灰度包括多个不同的灰度级。对标准的二值二维码图像进行直方图统计，其直方图特征应该是一个双峰形式，即具有一个低灰度的统计峰和一个高灰度的统计峰，但是由于实际的灰度二维码图像中包含了其他场景的灰度，因此直方图统计中会出现多个不同灰度级别的峰值，但最基本的双峰特征不会消失，因为该特征的强度远远大于其他背景峰。在对实际灰度二维码图像进行直方图统计时，场景的灰度加成通常都集中在低灰度的区域，因此在直方图中，低灰度附近的尖峰会变得更多，并且在低灰度区域出现一定程度的横移。同样的情况也发生在高灰度区域，只是通常拍摄过程中不会有太多高亮度的背景出现，因此高灰度区域的直方图横移现象较少。

针对这种低灰度区域出现一定程度的横移的情况，如果阈值设置过低，则很可能将原始二维码图像中原本应二值化为黑色的低灰度部分的像素二值化为了白色值，使得二值化的结果不准确。所以二值化的阈值采用局部动态阈值选取的方式，先根据直方图统计结果中基频层图像的灰度对比特征确定有效动态范围，再在有效动态范围内选取阈值。有效动态范围外的灰度级则不可作为阈值，使得受到不同光照影响的二维码图像根据直方图统计结果具有不同的合适的阈值。可先得到不同灰度级的统计峰，当一个灰度级的统计像素个数高于左右相邻灰度级的统计像素个数时会形成一个统计峰。根据统计峰对应的灰度级、像素统计个数和不同统计峰之间的灰度距离差值确定有效动态范围。有效动态范围的确定可根据情况自定义，如当2个统计峰对应的灰度距离差值大于预设阈值时，将灰度级高的统计峰归入高灰度统计峰群，将灰度级低的统计峰归入低灰度统计峰群，再从高灰度统计峰群获取最高峰得到高灰度统计最高峰，从低灰度统计峰群中获取灰度级最大的统计峰为低灰度统计最高峰。也可先将低灰度统计峰群中剔除一些灰度级过小的统计峰，再从剩下的统计峰中获取最高峰作为低灰度统计最高峰。因为对于低灰度统计峰群灰度级较小的统计峰通常是由场景的灰度加成形成的，将其剔除才能准确的确定有效动态范围。也可先获取预设的有效灰度等级范围，再在有效灰度等级范围内进行高灰度统计最高峰和低灰度统计最高峰的确定，加快确定速度。有效动态范围确定后，在有效动态范围内获取像素统计个数最少的灰度级作为局部动态阈值。

本实施例中，通过将获取的原始二维码图像转化为灰度二维码图像，将灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像，将基频层图像进行直方图统计，根据直方图统计结果中基频层图像的灰度对比特征选取局部动态阈值，根据局部动态阈值对基频层图像进行二值化得到二值二维码图像，噪声、微小的图像细节信息等被分离到了细节层，后续对二维码图像的识别只使用基频层图像，避免了噪声等对二维码图像识别的干扰，同时采用局部动态阈值进行二值化，使得受到不同光照影响的二维码图像根据直方图统计结果具有不同的合适的阈值，使得二值化后的图像更接近原始二维码图像，从而提高后续识别二维码图像的准确率。

在一个实施例中，滤波为非线性双边滤波，如图2所示，步骤S120包括：

步骤S121，以与灰度二维码图像大小对应的模板为邻近范围，获取当前待滤波像素点邻近范围内的邻近像素点。

具体的，模板的长度和宽度可根据灰度二维码图像大小相应的调整，如二维码图像分辨率高，则可加大模板的长度和宽度。一个实施例中，模板为7*7像素的模板，则获取当前待滤波像素点相邻的7*7个邻近点。

步骤S122，根据邻近像素点，计算空间域的高斯核函数对应的空间标准差参数和强度域的高斯核函数对应的强度标准差参数。

具体的，非线性双边滤波的算法需要利用空间域的高斯核函数和强度域的高斯核函数，高斯函数是一种统计函数形式，其函数形状是一个以期望值为中心，标准差为置信区间的正态分布，标准差的大小决定函数范围的有效性，其控制高斯核函数的扩张范围，因此空间标准差参数和强度标准差参数的选取尤为重要。σ_s决定了临近区域的尺度，在一个实施例中，σ_s与图像的大小成比例关系，可选取图像对角线尺寸的2.5％。σ_r代表了图像细节的幅度，如果信号波动的范围小于σ_r，那么这个信号波动就会被认为是细节，即会被双边滤波器平滑，被分离到细节层中。反之，如果这个波动的范围大于σ_r，那么由于双边滤波器的非线性特性，这个边缘将会被很好的保留到基频层。在一个实施例中，选择人眼可以分辨灰度级的20％，即25作为σ_r的取值。

本实施例中，对于每个待滤波的像素点都根据其邻近像素点动态的计算得到空间标准差参数和强度标准差参数，使得参数的计算考虑了图像本身的分布，更自适应。空间标准差参数σ_s的计算公式为：强度标准差参数σ_r的计算公式为其中u和t分别为期望值，N和M表示用于计算的邻近像素点的个数，N和M的选取可根据需要自定义。

在一个实施例中，计算空间域的高斯核函数对应的空间标准差参数时采用的像素点为模板内对角线上的像素点，计算强度域的高斯核函数对应的强度标准差参数时采用的像素点为模板内的所有像素点。

具体的，如一个7*7的模板，计算空间标准差参数时采用模板内对角线上的7个像素点，计算强度标准差参数时采用7*7个像素点。

步骤S123，根据邻近像素点、空间标准差参数、强度标准差参数，由空间域的高斯核函数、强度域的高斯核函数计算当前待滤波像素点对应的归一化系数。

具体的，归一化系数其中g_s是空间域的高斯核函数，是一个标准化的高斯核函数，即滤波器中的所有系数之和为1。g_r是强度域的高斯核函数，也是一个标准化的高斯核函数。S_(i,j)表示当前待滤波像素点通过模板确定的邻近范围内的邻近像素点。i,j为当前待滤波像素点的位置坐标，i',j'为邻近像素点的位置坐标。k(i,j)是通过将空间域与强度域的两个高斯核函数模板的结果相乘得到，其范围在0-1之间。其中在计算g_s和g_r时分别使用上一步计算得到的空间标准差参数、强度标准差参数。可以理解的是，在计算归一化系数时可对上述公式进行一定的变形。

步骤S124，根据邻近像素点、归一化系数、空间标准差参数、强度标准差参数，空间域的高斯核函数、强度域的高斯核函数计算得到当前待滤波像素点的基频层像素值。

具体的，当前位置坐标为i,j的待滤波像素点的基频层像素值由公式可计算得到，其中I_in表示取像素值。其中在计算g_s和g_r时分别使用步骤S122计算得到的空间标准差参数、强度标准差参数。可以理解的是，在计算基频层像素值时可对上述公式进行一定的变形。通过非线性滤波器对图像的处理，采用模板动态的获取当前待滤波像素点的邻近像素点，自适应的计算各个参数，可以更好的区分在二维码图像中的噪声和图像边缘信息，并将属于基本图像的信息保留到基频层中，而将噪声信息和微小的图像细节信息留在细节层中舍去，也可以降低后续二值化过程中阈值选取的计算难度，进一步提高二维码图像的识别的准确率。

在一个实施例中，步骤S130之前还包括：步骤S210，对基频层图像进行自适应高斯滤波得到滤波基频层图像。

具体的，由于双边滤波器的机理与均值漂移相关，一次双边滤波器的执行过程就相当于向图像的局部模式收敛了一步。当一个像素周围有很少的与其相似的像素时，高斯加权统计结果可能不稳定，可能导致梯度翻转后的基本图像泄露到细节层图像中。为了解决梯度翻转效应，采用自适应高斯滤波对基频层图像进行修正。

如图3所示，步骤S210包括：

步骤S211，根据E(i,j)＝k(i,j)(I_in(i,j)-I_bf(i,j))计算基频层图像和灰度二维码图像的加权插值E(i,j)，其中i,j表示像素点的位置坐标，I_in(i,j)表示灰度二维码图像的像素值，I_bf(i,j)表示基频层图像的像素值，加权插值的系数k(i,j)为归一化因子。

具体的，k(i,j)即为步骤S123中计算得到的，它表示是否一个图像的灰度值位于边缘附近的不稳定区域。

步骤S212，采用拉普拉斯运算符近似计算基频层图像的拉普拉斯算子▽²I_bf(i,j)。

具体的，拉普拉斯运算符近似计算的公式可为▽²I(i,j)≈I(i+1,j)+I(i-1,j)+I(i,j+1)+I(i,j-1)-4I(i,j)，将I_bf(i,j)代入公式即可得到基频层图像的拉普拉斯算子▽²I_bf(i,j)。

步骤S213，根据加权插值E(i,j)和▽²I_bf(i,j)由公式计算自适应高斯滤波的方差σ²(i,j)。

具体的，为了修正双边滤波器过锐化带来的误差，高斯滤波器的方差参数必须与图像中局部区域相适应。用高斯滤波器平滑双边滤波器来使处理后的图像更接近原始边缘，所以高斯滤波器滤波结果与经过双边滤波器滤波后的图像之差必须与原始图像与经过双边滤波器滤波后的图像之差相等，因此可以获得自适应高斯滤波器的方差为

步骤S214，根据▽²I_bf(i,j)和自适应高斯滤波的方差σ²(i,j)由公式得到滤波基频层图像像素值I_g(i,j)。

具体的，一个原始信号F(x)经过高斯滤波器的输出结果F_g(x)具有类似于泰勒级数展开的性质：

其中m＝1,2,...,是F″(x)的二阶微分.F^(2m)(x)是F(x)2m阶微分.σ是高斯滤波器的标准差参数。如果略去高阶项，那么可以近似为

这个结果可以拓展到二维图像，因为高斯滤波器是线性滤波器且是各向同性的。所以一幅原始图像I，与其经过高斯滤波器的输出结果I_g的关系可以表示为将基频层图像I_bf(i,j)代入即可得到对基频层图像滤波后的滤波基频层图像，

本实施例中，通过分析梯度翻转效应产生的原因合理的确定自适应高斯滤波器的方差，修正后的滤波基频层图像解决了梯度翻转效应带来的误差。

在一个实施例中，如图4所示，步骤S130包括：

步骤S131，在预设的有效灰度等级范围内获取直方图统计结果中的高灰度统计最高峰和低灰度统计最高峰。

具体的，有效灰度等级范围可根据整体图像灰度值自适应调整并自定义，如先计算完整图像的灰度平均值，再根据平均值确定有效灰度等级范围。在一个实施例中有效灰度等级范围为120-180。因为太低的灰度一般都是背景加成，并不是原始二维码图像，所以在预设的有效灰度等级范围内进行统计，一方面滤除了无效的统计结果，另一方面加快了统计的速度。高灰度统计最高峰和低灰度统计最高峰的获取可以采取先确定高灰度和低灰度范围，再分别在不同的范围内进行统计得到最高峰的方式，也可先得到各个统计峰，再根据各个统计峰的对应的灰度级进行低灰度和高灰度的分离，再分别得到高灰度统计最高峰和低灰度统计最高峰。

步骤S132，确定高灰度统计最高峰和低灰度统计最高峰之间的直方图统计结果为有效动态范围。

具体的，如高灰度统计最高峰对应的灰度级为230，低灰度统计最高峰对应的灰度级为90，则灰度级90至230之间的直方图统计结果为有效动态范围。

步骤S133，获取有效动态范围内的像素统计个数最少的灰度级作为局部动态阈值。

具体的，在选取二值化阈值时，要能够最大程度的将属于实际二维码图像的黑白部分还原，避免产生灰度丢失，因此所需要的阈值应该是一个统计意义上最宽的合理门限，在有效动态范围之间选取最小的灰度谷值，获取其对应的灰度级作为局部动态阈值以满足统计意义上最宽的合理门限这一理论依据，从而得到最佳的二值化阈值。

在一个实施例中，如图5所示，步骤S131包括：

步骤S131a，在预设的有效灰度等级范围内，遍历查找各个灰度级的像素统计个数，得到不同灰度级对应的统计峰。

具体的，如图6所示，为一个直方图统计结果示意图，在预设的有效灰度等级范围(70-260)之间，可得到多个不同的统计峰，包括统计峰311、统计峰312、统计峰313、统计峰321、统计峰322。

步骤S131b，根据统计峰对应的灰度级的大小将各个统计峰划分到低灰度统计峰集合和高灰度统计峰集合。

具体的，可自定义预设灰度级为统计峰的划分界线，如图6所示，统计峰311、统计峰312、统计峰313划分到低灰度统计峰集合310中，统计峰321、统计峰322划分到高灰度统计峰集合320中。

步骤S131c，在低灰度统计峰集合中获取最高峰得到低灰度统计最高峰，在高灰度统计峰集合中获取最高峰得到高灰度统计最高峰。

具体的，如图6所示，低灰度统计最高峰为311，高灰度统计最高峰为321。

在一个具体的实施例中，如图7所示为获取的带有杂散场景信息以及亮度对比度较差的LED点阵屏原始二维码图像，如图8所示为利用双边滤波器处理得到的二维码细节层信息，如图9所示为去除细节层后剩余的图像基频层信息，如图6所示为基频层图像直方图统计信息，其中311表示二维码图案中黑色灰度统计峰；321表示二维码图案中白色灰度统计峰；330表示在该动态范围之内的最小二值化阈值波谷值，如图10所示，为二值化后的二值二维码图像，可从图中看出处理后的二值二维码图像比原始二维码图像更清晰，去掉了噪声和细节信息便于二维码图像的识别。

在一个实施例中，如图11所示，提供了一种二维码图像处理的装置，包括：

灰度转化模块410，用于将获取的原始二维码图像转化为灰度二维码图像。

基频层分离模块420，用于将灰度二维码图像进行滤波得到灰度二维码图像的基频层图像。

二值化模块430，用于将基频层图像进行直方图统计，根据直方图统计结果中所述基频层图像的灰度对比特征选取局部动态阈值，根据局部动态阈值对基频层图像进行二值化得到二值二维码图像。

在一个实施例中，滤波为非线性双边滤波，如图12所示，基频层分离模块420包括：

邻近像素点获取单元421，用于以与灰度二维码图像大小对应的模板为邻近范围，获取当前待滤波像素点邻近范围内的邻近像素点。

标准差参数计算单元422，用于根据邻近像素点，计算空间域的高斯核函数对应的空间标准差参数和强度域的高斯核函数对应的强度标准差参数。

归一化系数计算单元423，用于根据邻近像素点、空间标准差参数、强度标准差参数，由空间域的高斯核函数、强度域的高斯核函数计算当前待滤波像素点对应的归一化系数。

基频层像素计算单元424，用于根据邻近像素点、归一化系数、空间标准差参数、强度标准差参数，空间域的高斯核函数、强度域的高斯核函数计算得到当前待滤波像素点的基频层像素值。

在一个实施例中，标准差参数计算单元计算空间域的高斯核函数对应的空间标准差参数时采用的像素点为模板内对角线上的像素点，计算强度域的高斯核函数对应的强度标准差参数时采用的像素点为模板内的所有像素点。

在一个实施例中，如图13所示，装置还包括：

高斯滤波模块440，用于对基频层图像进行自适应高斯滤波得到滤波基频层图像，高斯滤波模块440包括：

加权插值计算单元441，用于根据E(i,j)＝k(i,j)(I_in(i,j)-I_bf(i,j))计算所述基频层图像和灰度二维码图像的加权插值E(i,j)，其中所述i,j表示像素点的位置坐标，I_in(i,j)表示灰度二维码图像的像素值，I_bf(i,j)表示基频层图像的像素值，所述加权插值的系数k(i,j)为所述归一化因子；

方差计算单元442，用于采用拉普拉斯运算符近似计算基频层图像的拉普拉斯算子▽²I_bf(i,j)，根据所述加权插值E(i,j)和▽²I_bf(i,j)由公式计算所述自适应高斯滤波的方差σ²(i,j)；

滤波单元443，用于根据所述▽²I_bf(i,j)和自适应高斯滤波的方差σ²(i,j)由公式得到滤波基频层图像像素值I_g(i,j)

在一个实施例中，如图14所示，二值化模块430包括：

统计最高峰获取单元431，用于在预设的有效灰度等级范围内获取直方图统计结果中的高灰度统计最高峰和低灰度统计最高峰。

局部动态阈值确定单元432，用于确定高灰度统计最高峰和低灰度统计最高峰之间的直方图统计结果为有效动态范围，获取有效动态范围内的像素统计个数最少的灰度级作为局部动态阈值。

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，所述程序可存储于一计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种二维码图像处理的方法，其特征在于，所述方法包括：

将获取的原始二维码图像转化为灰度二维码图像；

将所述灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像；

将所述基频层图像进行直方图统计，根据所述直方图统计结果中所述基频层图像的灰度对比特征选取局部动态阈值，根据所述局部动态阈值对所述基频层图像进行二值化得到二值二维码图像。

2.根据权利要求1所述的方法，其特征在于，所述滤波为非线性双边滤波，所述将所述灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像的步骤包括：

以与所述灰度二维码图像大小对应的模板为邻近范围，获取当前待滤波像素点邻近范围内的邻近像素点；

根据所述邻近像素点，计算空间域的高斯核函数对应的空间标准差参数和强度域的高斯核函数对应的强度标准差参数；

根据所述邻近像素点、空间标准差参数、强度标准差参数，由空间域的高斯核函数、强度域的高斯核函数计算当前待滤波像素点对应的归一化系数；

根据所述邻近像素点、归一化系数、空间标准差参数、强度标准差参数，空间域的高斯核函数、强度域的高斯核函数计算得到当前待滤波像素点的基频层像素值。

3.根据权利要求2所述的方法，其特征在于，计算空间域的高斯核函数对应的空间标准差参数时采用的像素点为所述模板内对角线上的像素点，计算强度域的高斯核函数对应的强度标准差参数时采用的像素点为所述模板内的所有像素点。

4.根据权利要求2所述的方法，其特征在于，所述将所述基频层图像进行直方图统计的步骤之前，还包括：

对所述基频层图像进行自适应高斯滤波得到滤波基频层图像，具体包括：

根据E(i,j)＝k(i,j)(I_in(i,j)-I_bf(i,j))计算所述基频层图像和灰度二维码图像的加权插值E(i,j)，其中所述i,j表示像素点的位置坐标，I_in(i,j)表示灰度二维码图像的像素值，I_bf(i,j)表示基频层图像的像素值，所述加权插值的系数k(i,j)为所述归一化因子；

采用拉普拉斯运算符近似计算基频层图像的拉普拉斯算子

根据所述加权插值E(i,j)和由公式计算所述自适应高斯滤波的方差σ²(i,j)；

根据所述和自适应高斯滤波的方差σ²(i,j)由公式得到滤波基频层图像像素值I_g(i,j)。

5.根据权利要求1所述的方法，其特征在于，所述根据所述直方图统计结果中所述基频层图像的灰度对比特征选取局部动态阈值的步骤包括：

在预设的有效灰度等级范围内获取所述直方图统计结果中的高灰度统计最高峰和低灰度统计最高峰；

确定所述高灰度统计最高峰和低灰度统计最高峰之间的直方图统计结果为有效动态范围；

获取所述有效动态范围内的像素统计个数最少的灰度级作为所述局部动态阈值。

6.一种二维码图像处理的装置，其特征在于，所述装置包括：

灰度转化模块，用于将获取的原始二维码图像转化为灰度二维码图像；

基频层分离模块，用于将所述灰度二维码图像进行滤波得到所述灰度二维码图像的基频层图像；

二值化模块，用于将所述基频层图像进行直方图统计，根据所述直方图统计结果中所述基频层图像的灰度对比特征选取局部动态阈值，根据所述局部动态阈值对所述基频层图像进行二值化得到二值二维码图像。

7.根据权利要求6所述的装置，其特征在于，所述滤波为非线性双边滤波，所述基频层分离模块包括：

邻近像素点获取单元，用于以与所述灰度二维码图像大小对应的模板为邻近范围，获取当前待滤波像素点邻近范围内的邻近像素点；

标准差参数计算单元，用于根据所述邻近像素点，计算空间域的高斯核函数对应的空间标准差参数和强度域的高斯核函数对应的强度标准差参数；

归一化系数计算单元，用于根据所述邻近像素点、空间标准差参数、强度标准差参数，由空间域的高斯核函数、强度域的高斯核函数计算当前待滤波像素点对应的归一化系数；

基频层像素计算单元，用于根据所述邻近像素点、归一化系数、空间标准差参数、强度标准差参数，空间域的高斯核函数、强度域的高斯核函数计算得到当前待滤波像素点的基频层像素值。

8.根据权利要求7所述的装置，其特征在于，所述标准差参数计算单元计算空间域的高斯核函数对应的空间标准差参数时采用的像素点为所述模板内对角线上的像素点，计算强度域的高斯核函数对应的强度标准差参数时采用的像素点为所述模板内的所有像素点。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：

高斯滤波模块，用于对所述基频层图像进行自适应高斯滤波得到滤波基频层图像，包括：

加权插值计算单元，用于根据E(i,j)＝k(i,j)(I_in(i,j)-I_bf(i,j))计算所述基频层图像和灰度二维码图像的加权插值E(i,j)，其中所述i,j表示像素点的位置坐标，I_in(i,j)表示灰度二维码图像的像素值，I_bf(i,j)表示基频层图像的像素值，所述加权插值的系数k(i,j)为所述归一化因子；

方差计算单元，用于采用拉普拉斯运算符近似计算基频层图像的拉普拉斯算子根据所述加权插值E(i,j)和由公式计算所述自适应高斯滤波的方差σ²(i,j)；

滤波单元，用于根据所述和自适应高斯滤波的方差σ²(i,j)由公式得到滤波基频层图像像素值I_g(i,j)。

10.根据权利要求6所述的装置，其特征在于，所述二值化模块包括：

统计最高峰获取单元，用于在预设的有效灰度等级范围内获取所述直方图统计结果中的高灰度统计最高峰和低灰度统计最高峰；

局部动态阈值确定单元，用于确定所述高灰度统计最高峰和低灰度统计最高峰之间的直方图统计结果为有效动态范围，获取所述有效动态范围内的像素统计个数最少的灰度级作为所述局部动态阈值。