CN107545207A - 基于图像处理的dm二维码识别方法及装置 - Google Patents
基于图像处理的dm二维码识别方法及装置 Download PDFInfo
- Publication number
- CN107545207A CN107545207A CN201710901476.6A CN201710901476A CN107545207A CN 107545207 A CN107545207 A CN 107545207A CN 201710901476 A CN201710901476 A CN 201710901476A CN 107545207 A CN107545207 A CN 107545207A
- Authority
- CN
- China
- Prior art keywords
- image
- code
- decoded
- bar code
- grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000004044 response Effects 0.000 claims abstract description 17
- 230000004807 localization Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 28
- 238000005070 sampling Methods 0.000 claims description 27
- 230000011218 segmentation Effects 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 7
- 239000007787 solid Substances 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 229910002056 binary alloy Inorganic materials 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 239000006002 Pepper Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及DM二维码识别技术领域,具体涉及一种基于图像处理的DM二维码识别方法及装置,所述识别方法包括如下步骤:将所获得的二维码图像进行预处理,得到预处理图像;将所得预处理图像进行定位处理,得到待解码图像;将所得待解码图像依次进行分割和解码,以得到所述二维码图像中的信息。本发明的基于图像处理的DM二维码识别方法及装置,通过预处理、定位、分割解码的流程,提高了DM二维码识别验证的可靠性,提高了电能计量装置应对复杂情况的抗干扰能力,从而使得电能计量更加准确和更有效率。
Description
技术领域
本发明涉及DM二维码识别技术领域,具体涉及一种基于图像处理的DM二维码识别方法以及一种基于图像处理的DM二维码识别装置。
背景技术
在存储同样的信息的条件下,Data Matrix码(DM二维码)的所占的二维平面空间最小,而电能表的封印也具有体积小的特点,所以作为电能计量装置防伪封印的二维码只有Data Matrix码最为合适。目前在计量电能时,需要采集电能计量装置上的二维条码图像,由于在采集过程中的拍摄角度、光照、背景图案以及条码本身的污损等问题,会造成系统识别困难、错误率高等问题。
鉴于此,克服以上现有技术中的缺陷,提供一种新的DM二维码识别方法成为本领域亟待解决的技术问题。
发明内容
本发明的目的在于针对现有技术的上述缺陷,提供一种基于图像处理的DM二维码识别方法以及一种基于图像处理的DM二维码识别装置。
本发明的目的可通过以下的技术措施来实现:
本发明第一方面提供了一种基于图像处理的DM二维码识别方法,包括:
将所获得的二维码图像进行预处理,得到预处理图像;
将所得预处理图像进行定位处理,得到待解码图像;以及
将所得待解码图像依次进行分割和解码,以得到所述二维码图像中的信息。
优选地,所述将所获得的二维码图像进行预处理的步骤包括:
将所获得的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中值滤波,得到去噪二维码图像;
将所述去噪二维码图像进行二值化处理,得到二值化二维码图像;
将所述二值化二维码图像进行边缘提取处理,得到预处理图像。
优选地,所述将所得预处理图像进行定位处理的步骤包括:
将所述预处理图像依次进行形态学开运算和形态学闭运算,得到初定位二维码图像;
将所述初定位二维码图像进行直线检测以对L形实线轮廓进行定位,得到直线检测二维码图像;
将所述直线检测二维码图像进行旋转校正,得到待解码图像。
优选地,所述将所得待解码图像依次进行分割和解码的步骤包括:
将所述待解码图像进行分割得到具有定位网格的分割条码图像;
根据分割条码图像中单位模块在水平方向和垂直方向上的平均长度对分割条码图像的定位网格进行调整以得到采样网格;
将分割条码图像中采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据。
优选地,所述将所得待解码图像依次进行分割和解码的步骤包括:
将所述待解码图像在水平方向进行逆向方差投影,并对所得水平投影图进行平滑处理;
将所述待解码图像在垂直方向进行逆向方差投影,并对所得垂直投影图进行平滑处理;
将水平投影图和垂直投影图中的各峰值的位置分别作为用于分割所述待解码图像的各垂直分割线和各水平分割线,以得到定位网格;
根据定位网格计算各峰值的坐标以获得待解码图像中模块的数量以及单位模块在水平方向上平均长度L1和在垂直方向上的平均长度L2;
将所述定位网格依次在水平方向上平移0.5L1、在垂直方向上平移0.5L2以得到采样网格;
将所述采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据。
优选地,所述二值化的步骤包括:
将所述去噪二维码图像划分为多个区域;
分别对每个区域运用OTSU算法进行二值化处理。
本发明第二方面提供了一种基于图像处理的DM二维码识别装置,包括:
预处理模块,用于将所获得的二维码图像进行预处理以得到预处理图像;
定位模块,用于将所得预处理图像进行定位处理以得到待解码图像;和
分割解码模块,用于将所得待解码图像依次进行分割和解码以得到所述二维码图像中的信息。
优选地,所述预处理模块包括:
灰度化处理单元,用于将所获得的二维码图像转化为灰度二维码图像;
中值滤波单元,用于将所述灰度二维码图像进行中值滤波以得到去噪二维码图像;
二值化处理单元,用于将所述去噪二维码图像进行二值化处理以得到二值化二维码图像;
边缘提取单元,用于将所述二值化二维码图像进行边缘提取处理以得到预处理图像。
优选地,所述定位模块包括:
初定位单元,用于将所述预处理图像依次进行形态学开运算和形态学闭运算以得到初定位二维码图像;
直线检测单元,用于将所述初定位二维码图像进行直线检测以对L形实线轮廓进行定位以得到直线检测二维码图像;
旋转校正单元,用于将所述直线检测二维码图像进行旋转校正以得到待解码图像。
优选地,所述分割解码模块包括:
单行分割单元,用于将所述待解码图像进行分割得到具有定位网格的分割条码图像、再根据分割条码图像中单位模块在水平方向和垂直方向上的平均长度对分割条码图像的定位网格进行调整以得到采样网格;
采样单元,用于将分割条码图像中采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据;
解码单元,用于对所得二进制数据进行解码。
本发明的基于图像处理的DM二维码识别方法及装置,通过预处理、定位、分割解码的流程,提高了DM二维码识别验证的可靠性,提高了电能计量装置应对复杂情况的抗干扰能力,从而使得电能计量更加准确和更有效率。
附图说明
图1是本发明实施例的DM二维码结构示意图。
图2是本发明实施例的DM二维码识别方法的流程图。
图3是本发明实施例的DM二维码识别装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本揭示内容的叙述更加详尽与完备,下文针对本发明的实施方式与具体实施例提出了说明性的描述;但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而,亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。
DataMatrix码是由按照二位元码方式编码的许多深浅不一的小方格排列组合而成的,因此,使用者可以直接使用所携带的智能设备读取其所携带的信息。DataMatrix码属于矩阵式二维码,它是在为了让条码标签更小、信息存量更大的大背景下被发明出来的。DataMatrix码在使用过程中,只需要读取图案的20%即可精确识读,所以在条件恶劣的场合有着广泛的应用。在后续技术的不断革新中,DataMatrix码也成为了面积达到的最小的条码,在小零件的印刷和标识上应用较为广泛。请参阅图1所示,DataMatrix码的符号图形可以分为两部分:数据区域和探测区域。数据区域用于储存数据信息,每个黑白模块的特定搭配都代表着特定的信息;探测区域用于对整个条码图像进行定位,在图像处理时,用于在大图像中定位出条码区域。
从图形的整体来看,数据区域为大正方形,它是由黑白两种单位模块按照一定规则有序排列而成的。在用计算机对物品信息进行编码时,要用到二进制。所以在该二维码中就要和二进制形成对应关系。黑色代表着二进制中的“1”,白色代表二进制中的“0”。在对图像进行编码时,可以将物品信息转化为二进制码,而将二进制码排列成方阵形式,就形成了DataMatrix码数据区域的二进制模式。再将该方阵按照二进制与黑白模块的对应关系进行转换,就形成了数据区域。
探测区域处于整个图形的边缘位置,它包围着数据区域,并且只有一个模块的宽度。从图形来看,它的包围形状类似于大正方形,只不过它的一组邻边为实线,与其相对的邻边为虚线,看似是一个实线“L”边缘与虚线“L”边缘相对。
请参阅图2所示,本发明实施例提供的基于图像处理的DM二维码识别方法包括如下步骤:
S1:将所获得的二维码图像进行预处理,得到预处理图像。
S2:将所得预处理图像进行定位处理,得到待解码图像。
S3:将所得待解码图像依次进行分割和解码,以得到所述二维码图像中的信息。
在步骤S1中进一步包括:
S101:将所获得的二维码图像转化为灰度二维码图像;
S102将所述灰度二维码图像进行中值滤波,得到去噪二维码图像;
S103:将所述去噪二维码图像进行二值化处理,得到二值化二维码图像;
S104:将所述二值化二维码图像进行边缘提取处理,得到预处理图像。
具体地,在步骤S101中,将彩色图像通过一定的方法转换成灰度图像的过程称为图像灰度化。经过灰度化后,不但能够方便图像处理、减少空间占用量和信息量,还能保持图像的特征。所以是解决彩色图像的问题的第一步,从而方便后续工作的进行。灰度图像只表示了图像的亮度信息,而亮度信息可以用具体的数字来表示它的不同的灰度,称为灰度值。为了方便量化研究,就需要将彩色图像的每个像素点的各分量值,用一组数据(R,G,B)来表示,其中,每个分量R、G、B的范围都是(0,255),如果R=G=B,那么灰度色就可以用(R,G,B)来表示。目前用的较多的灰度化算法有国际标准计算公式和加权平均法两种,前者是为了适应人眼的视觉特征,从而得到最佳灰度图像;后者则可以通过设置加权系数而得到想要的灰度图像。在本发明预处理过程中,利用了国际标准算法对彩色图像进行了灰度化处理,减少了图像的信息量。
国际标准算法:
gray=0.3R+0.59G+0.11B (1)
其中gray为灰度值。
加权平均法:
gray=R=G=B=(WRR+WGG+WBB)/3 (2)
其中WR、WG、WB为加权系数。
在步骤S102中,关于滤波算法的选择,空域法是对图像进行滤波的重要方法,它是通过模板算子对像素点灰度值进行运算,然后用所得的值代替原有灰度值,从而实现滤波的一种方法,因此,在对像素灰度值的数学分析中,可能会出现两种情况,即变换前的模板内的灰度值与变换后的灰度值存在线性或非线性关系。前者包含的滤波方法为高斯滤波或均值滤波,后者的滤波方法为中值滤波。中值滤波是将窗口内的所有灰度值按大小排列取中值,用中值代替模板中心像素的灰度值。这种滤波方法可以用来处理椒盐噪声,它能够在保留较好边缘的条件下,消除掉大部分椒盐噪声。该种滤波器的窗口尺寸是影响处理效果的主要因素,它与图像边缘的模糊程度成正比,本发明实施例要处理的对象是二维码,其本身的尺寸较小,所以选用3×3方形窗口作为中值滤波器。
在步骤S103中,将所述去噪二维码图像进行直方图统计并根据直方图统计结果中所述去噪二维码图像的灰度对比特征选取局部阈值,再根据所述局部阈值对所述去噪二维码图像进行二值化处理。
具体地,将有多个灰度级的灰度图像通过一定方法转化为有两个灰度级的黑白图像的过程,称为图像二值化。使用这种方法主要是为了图像识别、特征提取和压缩数据。二值化的关键内容是选取合适的阈值。阈值作为用来划分二值的标准,它的合适与否将直接关联处理后的效果。使用最优的阈值选取方法,才能得到最优的图像处理效果。可以设原始图像的灰度函数为F(x,y),x、y为二维平面内的位置坐标,通过一定的方法在F(x,y)中选取一个灰度值作为阈值m,然后就可以将所有像素点分为两个模块:小于m的和大于m的。把前一模块所有像素的灰度值都用“0”代换,后一模块所有像素的灰度值用“1”代换,这样就可以得到二值化后的图像G(x,y)。
用公式表示如下:
从阈值的处理范围可以将其分为全局和局部两种。所以对应了两种不同的方法,全局阈值法是在整体图像内进行选取然后二值化;局部阈值是将整体图像进行分割,然后在每部分图像内进行阈值选取并依照不同的阈值进行二值化。
在图像质量较好的情况下,灰度化后的图像,它的直方图会呈现“双峰”结构,通过选择波谷所对应的灰度值作为阈值,就可以将图像分割为两部分。这样选择阈值可以满足处理要求,效果也好。然而,在实际应用中,由于环境的复杂性以及拍摄条件的限制,图像的灰度直方图中并不会出现明显的波谷,因此对阈值的选取也会造成困难。基于这样的实际背景,就出现了一种比较经典的全局阈值的选取方法,称之为OTSU法。这种算法的特点比较显著,即图像亮度与对比度变化对它的影响比较小。
局部阈值法是将整体图像分割成几个部分,然后对每一部分进行阈值选取和二值化的方法。在处理背景复杂占整体图像比例较大的图像时,具备较好的抗干扰能力,但是,其计算量较大,所以在实际使用中,常常和OTSU结合起来使用。一般情况下,在对条码图像进行处理时,会分为四部分,既可以防止分割过多产生边界线,又可以满足处理要求。本发明研究对象的工作环境是工厂,所以可能存在光照不足或者背景较复杂的情况,因此在对图像阈值进行选取时,使用与OTSU相结合的局部阈值法作为其阈值选取方法。
本发明实施例的二值化处理步骤:首先,将所述去噪二维码图像划分为多个区域;然后,分别对每个区域运用OTSU算法进行二值化处理。
在步骤S104中,二值化后的下一步,是提取图像中条码区域的边缘。提取方法主要是对图像中像素灰度的变化情况进行分析,然后运用其邻近像素的方向导数,完成对边缘的检测。LaplacianofGaussian算子是一种二阶边缘检测方法,它是通过对图像中灰度突变的像素点进行二阶微分运算,得到相应函数,利用函数的零点来实现对边缘的检测。该算子可以过滤噪声,也能平滑边缘,在进行运算时,可以利用空域模板来实现它的功能。模板的特点是:要求模板中所有像素的系数总和为零,模板中心的系数为正,远离中心的系数为负。一般情况下,会选用5×5模板,如下所示:
通过与Sobel算子的比较分析,可以得知,由于Sobel算子的非各向同性的特点,在处理过程中,可能会使得所得到的图像出现部分断开的情况。而与LaplacianofGaussian算子相比,后者则具有明显的优势,比如各向同性、处理后图像的高清晰度及连贯性、去噪能力强等。而且LaplacianofGaussian算子还有滤波功能,面对角点和边缘的提取会有较好的效果,对于那些灰度渐变的图像效果也好。在诸多优点的参考下,本发明选择LaplacianofGaussian算子来实现对二值化图像进行边缘检测。
本发明实施例的DM二维码识别方法针对的图1所示的DM二维码具有位于左下方的实线L形,在步骤S2中进一步包括:
S201:将所述预处理图像依次进行形态学开运算和形态学闭运算,得到初定位二维码图像;
S202:将所述初定位二维码图像进行直线检测以对L形实线轮廓进行定位,得到直线检测二维码图像;
S203:将所述直线检测二维码图像进行旋转校正,得到待解码图像。
在步骤S201中,在预处理过程结束后,就要在此基础上实现对条码模块的定位。对于图像中目标图形的定位并非是一蹴而就的,而是需要逐层的定位筛选,从而达到解码识别的要求。
在预处理后,大部分的背景和噪声已经被去掉了,但是仍然会有些许背景没有去除,以至于干扰条码的解码工作。因此,就需要对条码图像进行进一步的定位,在定位过程中,就需要解决两类主要问题。一是去除图像中的孤立噪声点,二是防止线段检测出错造成定位误差。主要的解决方案是,通过对图像的膨胀和腐蚀来处理。
膨胀主要用于填补图像中的小洞,腐蚀主要用来消除小的图形。腐蚀和膨胀的对图像处理的操作顺序,影响着处理效果。先腐蚀后膨胀称为开运算,主要用来平滑图像边缘、消除细小突出、断开狭窄间断等;先膨胀后腐蚀称为闭运算,主要用来平缓图像边缘、填补轮廓线断裂、连接邻近目标、填补狭窄间断、填充目标内细小空洞等。
所以,可以对条码图像进行开运算以去除孤立噪声点,进行闭运算以防止检测线段时的误差。完成以上两步,就可以实现条码的初定位,为下一步创造条件。
在步骤S202中,要想确定条码的具体位置,就需要确定“L”图形在图像中的具体位置,并得到其线段长度和端点坐标,为下一步创造条件。而实现这一过程,就需要用到Hough变换的算法。
Hough变换是检测直线的重要方法,它可以直接检测目标轮廓,并且受间断和噪声的干扰较小。因此,利用Hough变换,就可以很好地实现对类似于DataMatrix码的矩阵二维码图像检测。
Hough变换表征了一种直角坐标系与极坐标系的映射关系。利用这种关系将曲线检测问题就被转化为点检测问题。
直线检测原理如下:
直角坐标系中的直线L方程为:
y=kx+b (4)
其中,斜率为k,y轴截距为b。
该直线的参数方程就可以表示为:
ρ=x*cosθ+y*sinθ (5)
其中,直线与原点距离为ρ,与x轴夹角为θ。
在步骤S203中,在实现对条码图像的直线检测之后,就可以得知其条码的线段长度和端点坐标。在实际应用中,为了使条码能够精确定位和采样识别,就要使得条码的左下方为“L”图形。
通常是以图像中心为圆心进行旋转的。所以设图像中的每个像素点的坐标为:
旋转θ角度后,像素坐标变为:
由此得知,图像旋转的通用公式为:
其中,旋转前像素坐标值为x0,y0;旋转后像素坐标值为x1,y1;旋转角度为θ,顺时针方向为负值,逆时针方向为正值。
对条码图像的旋转算法分为以下几步:
首先,在直线检测的基础上,得知“L”探测图形的四个端点坐标;其次,在四个端点坐标中,确定处于对角线位置的端点坐标,利用对角线两端点距离最远可以实现;然后,确定“L”探测图形的顶点坐标,即两条线段的交点位置;最后,确定所需要对条码图像旋转的角度和方向。
在完成条码图像旋转校正后,就可以对条码图像进行采样解码了。首先,对条码图像进行分割,使其能够得到每单位模块的信息;然后,生成定位网格,并且实现对网格端点的灰度值进行采样;最后,由采样结果映射为“0”“1”矩阵,实现DataMatrix码的解码工作。在步骤S3中进一步包括:
S301:将所述待解码图像进行分割得到具有定位网格的分割条码图像;
S302:根据分割条码图像中单位模块在水平方向和垂直方向上的平均长度对分割条码图像的定位网格进行调整以得到采样网格;
S303:将分割条码图像中采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据。
也就是说,将所述待解码图像在水平方向进行逆向方差投影,并对所得水平投影图进行平滑处理;将所述待解码图像在垂直方向进行逆向方差投影,并对所得垂直投影图进行平滑处理;将水平投影图和垂直投影图中的各峰值的位置分别作为用于分割所述待解码图像的各垂直分割线和各水平分割线,以得到定位网格;根据定位网格计算各峰值的坐标以获得待解码图像中模块的数量以及单位模块在水平方向上平均长度L1和在垂直方向上的平均长度L2;将所述定位网格依次在水平方向上平移0.5L1、在垂直方向上平移0.5L2以得到采样网格;将所述采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据。
具体地,在水平方向对条码进行检测,再运用逆向方差做投影,投影公式如下:
投影后发现图中起伏过多,因此需要做平滑处理,公式如下
经过平缓处理后,就可以较容易地得知峰值点的纵坐标。再对图像G(x,y)做垂直投影,经过同样的步骤,就可以得知峰值点的横坐标。这样就确定了条码图像中模块的边长和数量。
根据上步得到的模块边长和数量,就可以得知单位模块的平均长度,然后平移定位网格半个模块长度就可得到采样网格,对采样网格的每个网格端点的灰度值进行采样,就可以得到条码图像的采样后的网点。
根据采样后的网点,就可以将其映射为“0”“1”矩阵,这样就得到了整个条码图像的二进制比特流。然后利用与编码相反的运算,就可实现对条码的解码,识别其中的物品信息。
本发明实施例的DM二维码识别方法,在预处理过程完成后,就要进行精确定位与识别。在定位模块中,实现将二值化后的图像进行条码初定位、探测图形直线检测、图像旋转校正的过程,得到了只包含条码信息的条码图像。在条码采样解码模块中,实现了对条码的单元分割、采样、解码识别的过程,得到了包含整个条码信息的二进制比特流。完成上述的过程,就实现了对Data Matrix码的识别验证过程。
相应地,根据上述的识别方法,本发明实施例还提供了一种基于图像处理的DM二维码识别装置,请参阅图3所示,该二维码识别装置包括:预处理模块10、定位模块20和分割解码模块30,其中,预处理模块10用于将所获得的二维码图像进行预处理以得到预处理图像;预处理模块10包括:用于将所获得的二维码图像转化为灰度二维码图像的灰度化处理单元101、用于将所述灰度二维码图像进行中值滤波以得到去噪二维码图像的中值滤波单元102、用于将所述去噪二维码图像进行二值化处理以得到二值化二维码图像的二值化处理单元103、用于将所述二值化二维码图像进行边缘提取处理以得到预处理图像的边缘提取单元104。
其中,定位模块20用于将所得预处理图像进行定位处理以得到待解码图像。定位模块20包括:用于将所述预处理图像依次进行形态学开运算和形态学闭运算以得到初定位二维码图像的初定位单元201、用于将所述初定位二维码图像进行直线检测以对L形实线轮廓进行定位以得到直线检测二维码图像的直线检测单元202、用于将所述直线检测二维码图像进行旋转校正以得到待解码图像的旋转校正单元203。
分割解码模块30用于将所得待解码图像依次进行分割和解码以得到所述二维码图像中的信息。分割解码模块30包括:单行分割单元301、采样单元302和解码单元303,其中,单行分割单元301用于将所述待解码图像进行分割得到具有定位网格的分割条码图像、再根据分割条码图像中单位模块在水平方向和垂直方向上的平均长度对分割条码图像的定位网格进行调整以得到采样网格;采样单元302用于将分割条码图像中采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据;解码单元303用于对所得二进制数据进行解码的。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像处理的DM二维码识别方法,其特征在于,该二维码识别方法包括:
将所获得的二维码图像进行预处理,得到预处理图像;
将所得预处理图像进行定位处理,得到待解码图像;以及
将所得待解码图像依次进行分割和解码,以得到所述二维码图像中的信息。
2.根据权利要求1所述的二维码识别方法,其特征在于,所述将所获得的二维码图像进行预处理的步骤包括:
将所获得的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中值滤波,得到去噪二维码图像;
将所述去噪二维码图像进行二值化处理,得到二值化二维码图像;
将所述二值化二维码图像进行边缘提取处理,得到预处理图像。
3.根据权利要求1所述的二维码识别方法,其特征在于,所述将所得预处理图像进行定位处理的步骤包括:
将所述预处理图像依次进行形态学开运算和形态学闭运算,得到初定位二维码图像;
将所述初定位二维码图像进行直线检测以对L形实线轮廓进行定位,得到直线检测二维码图像;
将所述直线检测二维码图像进行旋转校正,得到待解码图像。
4.根据权利要求1所述的二维码识别方法,其特征在于,所述将所得待解码图像依次进行分割和解码的步骤包括:
将所述待解码图像进行分割得到具有定位网格的分割条码图像;
根据分割条码图像中单位模块在水平方向和垂直方向上的平均长度对分割条码图像的定位网格进行调整以得到采样网格;
将分割条码图像中采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据。
5.根据权利要求4所述的二维码识别方法,其特征在于,所述将所得待解码图像依次进行分割和解码的步骤包括:
将所述待解码图像在水平方向进行逆向方差投影,并对所得水平投影图进行平滑处理;
将所述待解码图像在垂直方向进行逆向方差投影,并对所得垂直投影图进行平滑处理;
将水平投影图和垂直投影图中的各峰值的位置分别作为用于分割所述待解码图像的各垂直分割线和各水平分割线,以得到定位网格;
根据定位网格计算各峰值的坐标以获得待解码图像中模块的数量以及单位模块在水平方向上平均长度L1和在垂直方向上的平均长度L2;
将所述定位网格依次在水平方向上平移0.5L1、在垂直方向上平移0.5L2以得到采样网格;
将所述采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据。
6.根据权利要求2所述的二维码识别方法,其特征在于,所述二值化的步骤包括:
将所述去噪二维码图像划分为多个区域;
分别对每个区域运用OTSU算法进行二值化处理。
7.一种基于图像处理的DM二维码识别装置,其特征在于,该二维码识别装置包括:
预处理模块,用于将所获得的二维码图像进行预处理以得到预处理图像;
定位模块,用于将所得预处理图像进行定位处理以得到待解码图像;和
分割解码模块,用于将所得待解码图像依次进行分割和解码以得到所述二维码图像中的信息。
8.根据权利要求7所述的二维码识别装置,其特征在于,所述预处理模块包括:
灰度化处理单元,用于将所获得的二维码图像转化为灰度二维码图像;
中值滤波单元,用于将所述灰度二维码图像进行中值滤波以得到去噪二维码图像;
二值化处理单元,用于将所述去噪二维码图像进行二值化处理以得到二值化二维码图像;
边缘提取单元,用于将所述二值化二维码图像进行边缘提取处理以得到预处理图像。
9.根据权利要求7所述的二维码识别装置,其特征在于,所述定位模块包括:
初定位单元,用于将所述预处理图像依次进行形态学开运算和形态学闭运算以得到初定位二维码图像;
直线检测单元,用于将所述初定位二维码图像进行直线检测以对L形实线轮廓进行定位以得到直线检测二维码图像;
旋转校正单元,用于将所述直线检测二维码图像进行旋转校正以得到待解码图像。
10.根据权利要求7所述的二维码识别装置,其特征在于,所述分割解码模块包括:
单行分割单元,用于将所述待解码图像进行分割得到具有定位网格的分割条码图像、再根据分割条码图像中单位模块在水平方向和垂直方向上的平均长度对分割条码图像的定位网格进行调整以得到采样网格;
采样单元,用于将分割条码图像中采样网格的每个网格端点的灰度值进行采样以得到分割条码图像中条码区域的二进制数据;
解码单元,用于对所得二进制数据进行解码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710901476.6A CN107545207A (zh) | 2017-09-28 | 2017-09-28 | 基于图像处理的dm二维码识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710901476.6A CN107545207A (zh) | 2017-09-28 | 2017-09-28 | 基于图像处理的dm二维码识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107545207A true CN107545207A (zh) | 2018-01-05 |
Family
ID=60964932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710901476.6A Pending CN107545207A (zh) | 2017-09-28 | 2017-09-28 | 基于图像处理的dm二维码识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107545207A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520188A (zh) * | 2018-03-02 | 2018-09-11 | 阿里巴巴集团控股有限公司 | 一种识别条码的方法、装置及设备 |
CN108573184A (zh) * | 2018-03-12 | 2018-09-25 | 深圳元启智能技术有限公司 | 一种二维码识别方法、模块及计算机可读存储介质 |
CN108647550A (zh) * | 2018-04-11 | 2018-10-12 | 中山大学 | 一种基于机器学习的二维码模糊聚类识别方法及系统 |
CN108764421A (zh) * | 2018-04-24 | 2018-11-06 | 宋育锋 | 利用标签模切信息的防伪编码方法 |
CN108959998A (zh) * | 2018-06-25 | 2018-12-07 | 天津英创汇智汽车技术有限公司 | 二维码识别方法、装置及系统 |
CN108985305A (zh) * | 2018-06-26 | 2018-12-11 | 武汉科技大学 | 一种激光蚀刻工业雷管编码图像定位及校正方法 |
CN109241805A (zh) * | 2018-08-08 | 2019-01-18 | 广东工业大学 | 一种图像模块识别算法 |
CN109697381A (zh) * | 2018-11-12 | 2019-04-30 | 恒银金融科技股份有限公司 | 一种二维码图像预处理的方法 |
CN109902530A (zh) * | 2019-03-04 | 2019-06-18 | 厦门商集网络科技有限责任公司 | 一种二维码解码方法及终端 |
CN110032907A (zh) * | 2019-04-15 | 2019-07-19 | 苏州国芯科技股份有限公司 | 一种二维码识别方法、系统及电子设备和存储介质 |
CN110110720A (zh) * | 2019-03-29 | 2019-08-09 | 西安理工大学 | 基于随机码提取方法 |
CN110119799A (zh) * | 2019-05-11 | 2019-08-13 | 安图实验仪器(郑州)有限公司 | 样本架采血管条码视觉识别方法 |
CN110223746A (zh) * | 2019-06-04 | 2019-09-10 | 南京市江宁医院 | 一种个人病例存贮系统 |
CN110245536A (zh) * | 2019-05-09 | 2019-09-17 | 深圳盈达机器视觉技术有限公司 | 条码识别方法 |
CN110348266A (zh) * | 2019-07-19 | 2019-10-18 | 北京慧眼智行科技有限公司 | 一种点阵码图像的识读方法及装置 |
CN111507119A (zh) * | 2019-01-31 | 2020-08-07 | 北京骑胜科技有限公司 | 标识码识别方法、装置、电子设备及计算机可读存储介质 |
CN111783495A (zh) * | 2020-06-30 | 2020-10-16 | 创新奇智(南京)科技有限公司 | 一种条形码识别方法、装置、电子设备及存储介质 |
CN112651259A (zh) * | 2020-12-29 | 2021-04-13 | 芜湖哈特机器人产业技术研究院有限公司 | 二维码的定位方法、基于二维码的移动机器人定位方法 |
CN112651260A (zh) * | 2020-12-30 | 2021-04-13 | 凌云光技术股份有限公司 | 一种自适应离散码转连续码的方法及系统 |
CN112651952A (zh) * | 2020-12-31 | 2021-04-13 | 上海振华重工(集团)股份有限公司 | 一种集装箱码头箱号和车头顶号识别方法及系统 |
CN112651256A (zh) * | 2019-10-12 | 2021-04-13 | 大族激光科技产业集团股份有限公司 | 二维码识别方法、装置、计算机设备及存储介质 |
CN113468905A (zh) * | 2021-07-12 | 2021-10-01 | 深圳思谋信息科技有限公司 | 图形码识别方法、装置、计算机设备和存储介质 |
CN113591506A (zh) * | 2021-08-03 | 2021-11-02 | 深圳市杰恩世智能科技有限公司 | 一种鲁棒的二维码DataMatrix解码方法及系统 |
CN114548136A (zh) * | 2021-11-18 | 2022-05-27 | 福建星网天合智能科技有限公司 | 一种反光二维码图片的解析方法、装置、设备和介质 |
CN115906898A (zh) * | 2023-02-23 | 2023-04-04 | 青岛创新奇智科技集团股份有限公司 | DataMatrix码的解码方法及装置 |
CN116776909A (zh) * | 2023-08-28 | 2023-09-19 | 四川星点网络技术有限公司 | 一种瓶盖二维码溯源系统 |
WO2024016791A1 (zh) * | 2022-07-22 | 2024-01-25 | 宁德时代新能源科技股份有限公司 | 处理图形符号的方法、装置和计算机可读存储介质 |
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 |
CN104105196A (zh) * | 2013-04-09 | 2014-10-15 | 广东美晨通讯有限公司 | 基于射频指纹定位的方法及系统 |
CN104809422A (zh) * | 2015-04-27 | 2015-07-29 | 江苏中科贯微自动化科技有限公司 | 基于图像处理的qr码识别方法 |
US9098731B1 (en) * | 2011-03-22 | 2015-08-04 | Plickers Inc. | Optical polling platform methods, apparatuses and media |
-
2017
- 2017-09-28 CN CN201710901476.6A patent/CN107545207A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9098731B1 (en) * | 2011-03-22 | 2015-08-04 | Plickers Inc. | Optical polling platform methods, apparatuses and media |
CN104105196A (zh) * | 2013-04-09 | 2014-10-15 | 广东美晨通讯有限公司 | 基于射频指纹定位的方法及系统 |
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 |
CN104809422A (zh) * | 2015-04-27 | 2015-07-29 | 江苏中科贯微自动化科技有限公司 | 基于图像处理的qr码识别方法 |
Non-Patent Citations (1)
Title |
---|
李雅静: "Data Matrix二维条码图像识别的算法研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108520188A (zh) * | 2018-03-02 | 2018-09-11 | 阿里巴巴集团控股有限公司 | 一种识别条码的方法、装置及设备 |
WO2019165870A1 (zh) * | 2018-03-02 | 2019-09-06 | 阿里巴巴集团控股有限公司 | 一种识别条码的方法、装置及设备 |
CN108573184B (zh) * | 2018-03-12 | 2021-04-27 | 青岛乾程科技股份有限公司 | 一种二维码定位方法、模块及计算机可读存储介质 |
CN108573184A (zh) * | 2018-03-12 | 2018-09-25 | 深圳元启智能技术有限公司 | 一种二维码识别方法、模块及计算机可读存储介质 |
CN108647550A (zh) * | 2018-04-11 | 2018-10-12 | 中山大学 | 一种基于机器学习的二维码模糊聚类识别方法及系统 |
CN108647550B (zh) * | 2018-04-11 | 2021-07-16 | 中山大学 | 一种基于机器学习的二维码模糊聚类识别方法及系统 |
CN108764421A (zh) * | 2018-04-24 | 2018-11-06 | 宋育锋 | 利用标签模切信息的防伪编码方法 |
CN108959998A (zh) * | 2018-06-25 | 2018-12-07 | 天津英创汇智汽车技术有限公司 | 二维码识别方法、装置及系统 |
CN108985305A (zh) * | 2018-06-26 | 2018-12-11 | 武汉科技大学 | 一种激光蚀刻工业雷管编码图像定位及校正方法 |
CN109241805A (zh) * | 2018-08-08 | 2019-01-18 | 广东工业大学 | 一种图像模块识别算法 |
CN109697381A (zh) * | 2018-11-12 | 2019-04-30 | 恒银金融科技股份有限公司 | 一种二维码图像预处理的方法 |
CN111507119A (zh) * | 2019-01-31 | 2020-08-07 | 北京骑胜科技有限公司 | 标识码识别方法、装置、电子设备及计算机可读存储介质 |
CN111507119B (zh) * | 2019-01-31 | 2024-02-06 | 北京骑胜科技有限公司 | 标识码识别方法、装置、电子设备及计算机可读存储介质 |
CN109902530B (zh) * | 2019-03-04 | 2022-04-19 | 厦门商集网络科技有限责任公司 | 一种二维码解码方法及终端 |
CN109902530A (zh) * | 2019-03-04 | 2019-06-18 | 厦门商集网络科技有限责任公司 | 一种二维码解码方法及终端 |
CN110110720A (zh) * | 2019-03-29 | 2019-08-09 | 西安理工大学 | 基于随机码提取方法 |
CN110032907A (zh) * | 2019-04-15 | 2019-07-19 | 苏州国芯科技股份有限公司 | 一种二维码识别方法、系统及电子设备和存储介质 |
CN110245536A (zh) * | 2019-05-09 | 2019-09-17 | 深圳盈达机器视觉技术有限公司 | 条码识别方法 |
CN110119799A (zh) * | 2019-05-11 | 2019-08-13 | 安图实验仪器(郑州)有限公司 | 样本架采血管条码视觉识别方法 |
CN110223746A (zh) * | 2019-06-04 | 2019-09-10 | 南京市江宁医院 | 一种个人病例存贮系统 |
CN110348266A (zh) * | 2019-07-19 | 2019-10-18 | 北京慧眼智行科技有限公司 | 一种点阵码图像的识读方法及装置 |
CN110348266B (zh) * | 2019-07-19 | 2023-10-20 | 北京慧眼智行科技有限公司 | 一种点阵码图像的识读方法及装置 |
CN112651256A (zh) * | 2019-10-12 | 2021-04-13 | 大族激光科技产业集团股份有限公司 | 二维码识别方法、装置、计算机设备及存储介质 |
CN111783495A (zh) * | 2020-06-30 | 2020-10-16 | 创新奇智(南京)科技有限公司 | 一种条形码识别方法、装置、电子设备及存储介质 |
CN112651259A (zh) * | 2020-12-29 | 2021-04-13 | 芜湖哈特机器人产业技术研究院有限公司 | 二维码的定位方法、基于二维码的移动机器人定位方法 |
CN112651260B (zh) * | 2020-12-30 | 2024-01-30 | 凌云光技术股份有限公司 | 一种自适应离散码转连续码的方法及系统 |
CN112651260A (zh) * | 2020-12-30 | 2021-04-13 | 凌云光技术股份有限公司 | 一种自适应离散码转连续码的方法及系统 |
CN112651952A (zh) * | 2020-12-31 | 2021-04-13 | 上海振华重工(集团)股份有限公司 | 一种集装箱码头箱号和车头顶号识别方法及系统 |
CN113468905A (zh) * | 2021-07-12 | 2021-10-01 | 深圳思谋信息科技有限公司 | 图形码识别方法、装置、计算机设备和存储介质 |
WO2023284609A1 (zh) * | 2021-07-12 | 2023-01-19 | 深圳思谋信息科技有限公司 | 图形码识别方法、装置、计算机设备和存储介质 |
CN113468905B (zh) * | 2021-07-12 | 2024-03-26 | 深圳思谋信息科技有限公司 | 图形码识别方法、装置、计算机设备和存储介质 |
CN113591506A (zh) * | 2021-08-03 | 2021-11-02 | 深圳市杰恩世智能科技有限公司 | 一种鲁棒的二维码DataMatrix解码方法及系统 |
CN114548136A (zh) * | 2021-11-18 | 2022-05-27 | 福建星网天合智能科技有限公司 | 一种反光二维码图片的解析方法、装置、设备和介质 |
WO2024016791A1 (zh) * | 2022-07-22 | 2024-01-25 | 宁德时代新能源科技股份有限公司 | 处理图形符号的方法、装置和计算机可读存储介质 |
CN115906898A (zh) * | 2023-02-23 | 2023-04-04 | 青岛创新奇智科技集团股份有限公司 | DataMatrix码的解码方法及装置 |
CN116776909A (zh) * | 2023-08-28 | 2023-09-19 | 四川星点网络技术有限公司 | 一种瓶盖二维码溯源系统 |
CN116776909B (zh) * | 2023-08-28 | 2023-11-03 | 四川星点网络技术有限公司 | 一种瓶盖二维码溯源系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545207A (zh) | 基于图像处理的dm二维码识别方法及装置 | |
US12073542B2 (en) | Image processing method, image processing apparatus, and non-transitory storage medium | |
CN101599124B (zh) | 一种从视频图像中分割字符的方法和装置 | |
CN107103320B (zh) | 嵌入式医疗数据图像识别及集成方法 | |
CN108230376B (zh) | 遥感图像处理方法、装置和电子设备 | |
CN113592845A (zh) | 一种电池涂布的缺陷检测方法及装置、存储介质 | |
CN110781885A (zh) | 基于图像处理的文本检测方法、装置、介质及电子设备 | |
CN103048329B (zh) | 一种基于主动轮廓模型的路面裂缝检测方法 | |
CN112233116B (zh) | 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法 | |
CN104899888B (zh) | 一种基于Legendre矩的图像亚像素边缘检测方法 | |
CN114596290B (zh) | 缺陷检测方法及其装置、存储介质、程序产品 | |
CN109241867B (zh) | 采用人工智能算法识别数字岩心图像的方法及装置 | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
CN114529906A (zh) | 基于字符识别的输电设备数字仪表异常检测方法及系统 | |
Dulecha et al. | Crack detection in single-and multi-light images of painted surfaces using convolutional neural networks | |
CN116797602A (zh) | 一种用于工业产品检测的表面缺陷鉴定方法和装置 | |
CN110766001A (zh) | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 | |
CN110569712A (zh) | 一种检测平面图图像中狭长墙体的方法 | |
CN114114457B (zh) | 基于多模态测井数据的裂缝表征方法、装置及设备 | |
CN113591740B (zh) | 基于深度学习的复杂河流环境下泥沙颗粒识别方法及装置 | |
CN104156956A (zh) | 一种基于高斯小波一维峰值识别的多角度边缘检测方法 | |
CN112819823A (zh) | 一种面向家具板材的圆孔检测方法、系统及装置 | |
Yan et al. | A boosted decision tree approach to shadow detection in scanning electron microscope (SEM) images for machine vision applications | |
Patel et al. | An Introduction to License Plate Detection System | |
CN118736626A (zh) | 基于手持作业四角检测的学习陪护方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180105 |
|
RJ01 | Rejection of invention patent application after publication |