CN107545259A - 一种基于大津法的二维码重构方法 - Google Patents

一种基于大津法的二维码重构方法 Download PDF

Info

Publication number
CN107545259A
CN107545259A CN201710767959.1A CN201710767959A CN107545259A CN 107545259 A CN107545259 A CN 107545259A CN 201710767959 A CN201710767959 A CN 201710767959A CN 107545259 A CN107545259 A CN 107545259A
Authority
CN
China
Prior art keywords
mrow
msub
mtd
msubsup
mtr
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
CN201710767959.1A
Other languages
English (en)
Inventor
谢巍
刘亚文
余孝源
张浪文
张伟东
李鸿斌
周忠太
何伶珍
刘希
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201710767959.1A priority Critical patent/CN107545259A/zh
Publication of CN107545259A publication Critical patent/CN107545259A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种基于大津法的二维码重构方法，该方法具体包括以下步骤：运用仿射变换，恢复QR二维码图像的几何特征；精确定位出QR二维码图像区域，结合QR二维码的结构特征与待恢复二维码图像分割成n*n个小区域；采用大津二值化方法，对分离出的QR二维码进行二值化，得到二值化图像；进一步利用金字塔型权重二次运用大津二值化法对上一步骤中得到的二值化图像进行分析和重构，得到正确度很高的QR二维码重构图像。本发明为一种基于大津法的二维码重构方法，利用仿射变换和大津二值化方法，并分析QR二维码特征结合金字塔型权重对目标QR二维码图像进行重构，改善了传统QR二维码扫描精确度不高的问题。

Description

一种基于大津法的二维码重构方法
技术领域
本发明涉及数字图像识别领域，具体涉及一种基于大津法的二维码重构方法。
背景技术
随着工业的现代化进程不断推进，越来越多的传统制造业和一些快递物流行业对自动化的需求程度越来越高，开始了一些材料分类或者快递分拣工作无人化研究，但是在二维码的识别方面一直处于直接扫码方式，当扫码的环境中存在灯光、灰尘、相机散焦和角度等因素时会存在扫码时间过长或者扫码失败的情况，当用于动态自动扫描的时候会存在恢复图像鲁棒性较低的情况。而本发明使用大津法，一方面可以直接对摄像机的图像进行重构，另一方面可以对模糊恢复后的图像进行恢复重构，提高了识别图像的鲁棒性和识别的精确度。
发明内容
为了克服现有技术存在的缺点与不足，本发明提供了一种基于大津法的QR二维码重构方法，克服了传统二维码扫描精确度不高的问题。
为实现以上目的，本发明采取如下技术方案：
步骤S1、将QR二维码的定位符中心点作为变换前后的不共线点，对目标QR二维码图像做仿射变换，得到倾斜矫正后的图像；
步骤S2、精确定位倾斜矫正后的图像，根据QR二维码图形特征对QR二维码图像进行分割；
步骤S3、采用大津算法实现QR二维码的全图二值化；
步骤S4、结合金字塔型权重，再次利用大津法对分离、对分割后的QR二维码图像的子区域加权灰度均值处理，得到最终的重构图像。
本发明相对于现有技术具有如下的优点和效果：
(1)本发明提出的一种基于大津法的二维码重构方法多次采用大津法计算阈值，有效的提高QR二维码的识别效率和识别速度；
(2)本发明提出的一种基于大津法的二维码重构方法提出了将QR二维码分割分层的想法，并采用了金字塔形式的权重，有效的提高了经过运动模糊、散焦和噪声干扰等退化图像恢复后识别的准确度，降低了QR二维码识别过程中的误识别率；
(3)本发明提出的一种基于大津法的二维码重构方法采用了仿射变换解决了QR二维码在倾斜情况下无法定位识别的问题。
附图说明
图1是本发明的实施流程图；
图2(a)是仿射变换选取的三个不共线点；
图2(b)是仿射变换后的三个不共线点；
图2(c)是仿射变换前QR二维码目标图像；
图2(d)是仿射变换后QR二维码目标图像；
图3是将经过仿射变换后的QR二维码划分为n*n的子区域图像；
图4是对QR二维码图像大津二值化后的图像；
图5(a)是划分后的QR二维码子区域的像素分析图；
图5(b)是QR二维码分区的权重分层方式；
图6是最终的QR二维码恢复图像。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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做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。
实施例
本实施例为了提高QR二维码在识别过程中的识别速度与效率，设计了一种基于大津法的二维码重构方法。利用仿射变换校正图像，结合金字塔权重分析和大津算法恢复QR二维码图像。
本实施例公开了一种基于大津法的二维码重构方法，流程步骤图如图1所示，该QR二维码重构方法具体包括仿射变换校正、定位分割二维码、QR图像二值化和QR图像子区域二值化四个步骤。
具体包括以下步骤：
S1、由于图像在获取的过程中难免会出现倾斜的情况，如果对未校正的图像直接进行解码，容易出现QR二维码无法定位的问题。因此，本发明首先采用仿射变换对输入的目标QR二维码进行校正。
所述仿射变换的计算公式为：
其中求取M阵可以利用原图中三个不共线的点，如图2(a)，其中点A(x1,y1)为左上角定位符中心点，点B(x2,y2)为右上角定位符的中心点，点C(x3,y3)为左下角定位符的中心点。
仿射变换后的对应点如图2(b),按式(2)进行求取
通过(2)式计算可得到仿射变换后的三个不共线的点。
如图2(c)、图2(d)即为仿射变换前后的QR二维码图像，相比放射校正前的QR二维码图像，校正后的QR二维码图像更具有标准QR码的特点。
S2、对于标准的QR二维码结构，主要是通过左上角、左下角和右上角三个定位图形来确定QR二维码的图形区域和位置，其中定位图形的各模块宽度的比例为1:1:3:1:1。通过扫描仿射变换后的正立QR二维码图像可以获得具有宽度的比例为1:1:3:1:1这一特征的定位符区域，通过根据定位符的比例关系确定QR二维码每个模块的像素尺度，具体计算如下
其中D为得到的定位符宽度，单位为Pixel，w为每个模块的像素尺度，单位为Pixel；
综合前一步骤所确定的定位符中心左边计算出QR二维码大小size*size，QR二维码的左上角起始坐标(xl,yl)，其中
size＝x2-x1+3.5*2*w (4)
xl＝x1-3.5*w (5)
yl＝y1-3.5*w (6)
根据QR二维码大小size*size大小和模块像素尺度w可得到每一行和每一列的模块个数n，其中
根据这些信息进一步将QR二维码从QR二维码图像中分离出，分离出的QR二维码可进一步分割为n*n的矩形区域块，每个区域块大小即为QR二维码的模块大小,如图3所示,划分后的n*n个QR二维码区域。
S3、此步骤需要将目标图像二值化，本发明采用的是大津二值化。通过大津法计算出来的阈值来分割出背景图像和前景图像之间的类间方差。首先将灰度图像划分为L级灰度等级，定义每一级灰度的概率为：
pi＝ni/N (8)
其中，ni表示灰度级为i的像素个数，N表示图像的总像素个数，pi表示灰度级为i的概率，则有：
二值化主要是将灰度图像按灰度值划分为两类，假设划分阈值为k，则[1,2,…,k]为一类，记为C0，[k+1,…,L]为一类，记为C1，那么每一类的出现概率为：
ω0表示类C0出现的概率，ω1表示类C1出现的概率；
同时，类内均值为：
μ0表示类C0的均值，μ1表示类C1的均值，其中：
定义类方差为：
表示类C0的方差，表示类C1的方差。
定义三个评价二值化好坏的判别指标，它们分别为：
其中：
表示其中类内方差，表示类间方差，表示总体方差。
为了得到最大的λ、κ、η，进一步讨论它们之间的关系，可以发现，κ＝1+λ，η＝λ/(λ+1)，因此可以知道只需要使λ最大，就可以三个判别指标都为最大值。又由于存在式(15)的关系存在，因此
由(15)、(12)和(8)式可以知道，与二值化阈值k的选取无关，因此只需要使最大即可，这是大津法表现出类间方差最大特点的原因。最终可以推导出类间方差与二值化阈值k的关系式：
遍历k值找到k*使得：
k*为当取得最大值时候二值化阈值。如图4为大津二值化后的图像。
S4、如图5(a)所示，QR二维码图像像素会存在各类的退化情况，如果直接扫面不仅存在识别时间过长的问题，还可能具有较低的识别正确率。因此，为了提高QR图像恢复的正确率和识别速度，本发明结合金字塔权重理论。如图5(a)对QR码图像特征分析，可以将图5(a)中的每个分区按照图5(b)进行划分，结合金字塔权重理论为每一个QR码子区域找到一个更加合适的大津阈值。
其中本发明采用金字塔型权重形式也称指数权重，即
r＝kL-1(k＞1,L＝1,2,…) (19)
具体操作为计算每一个子区域的灰度均值，定义灰度均值为：
其中ri表示权重，vi表示灰度值，N*M表示图像大小；对于二值化图像，vi＝0,1，则p∈[0,1]；对于灰度图像vi＝0,1,…,255，则p∈[0,255]，N*M表示图像大小。最后，经过本发明所叙述的方法恢复的二维码图像如图6所示，经过试验，发现本发明所介绍的方法能够在一定程度上提高QR二维码在识别过程中的识别效率和正确率。
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本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权利要求所述为准。

Claims (5)

1.一种基于大津法的二维码重构方法，其特征在于，具体包括下列步骤：
S1、将QR二维码的定位符中心点作为变换前后的不共线点，对目标QR二维码图像做仿射变换，得到倾斜矫正后的图像；
S2、精确定位倾斜矫正后的图像，根据QR二维码图形特征对QR二维码图像进行分割；
S3、采用大津算法实现QR二维码的全图二值化；
S4、结合金字塔型权重，再次利用大津法对分离、对分割后的QR二维码图像的子区域加权灰度均值处理，得到最终的重构图像；所述采用金字塔型权重形式，即：
r＝kL-1其中，k＞1,L＝1,2,...；
再进一步根据此权重计算分区的平均灰度值，计算公式为：
<mrow> <mi>p</mi> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mo>*</mo> <mi>M</mi> </mrow> </munderover> <msub> <mi>r</mi> <mi>i</mi> </msub> <msub> <mi>v</mi> <mi>i</mi> </msub> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mo>*</mo> <mi>M</mi> </mrow> </munderover> <msub> <mi>r</mi> <mi>i</mi> </msub> </mrow> </mfrac> </mrow>
最后再次利用大津法得到一个阈值kq对QR二维码分区进行分类重构，当满足分区的平均灰度值p＞kq时，设置分区的所有像素的灰度值为255，反之为0。
2.根据权利要求1所述的基于大津法的二维码重构方法，其特征在于，在步骤S1中，将目标QR二维码图像做仿射变换，所述仿射变换的计算公式为：
<mrow> <mi>M</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>A</mi> </mtd> <mtd> <mi>B</mi> </mtd> </mtr> </mtable> </mfenced> <mo>=</mo> <msub> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>a</mi> <mn>00</mn> </msub> </mtd> <mtd> <msub> <mi>a</mi> <mn>01</mn> </msub> </mtd> <mtd> <msub> <mi>b</mi> <mn>00</mn> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>a</mi> <mn>10</mn> </msub> </mtd> <mtd> <msub> <mi>a</mi> <mn>11</mn> </msub> </mtd> <mtd> <msub> <mi>b</mi> <mn>10</mn> </msub> </mtd> </mtr> </mtable> </mfenced> <mrow> <mn>2</mn> <mo>&amp;times;</mo> <mn>3</mn> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中求取M阵利用原图中三个不共线的点，仿射变换后的对应点坐标按式(2)进行求取
<mrow> <mi>M</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msubsup> <mi>x</mi> <mn>1</mn> <mo>&amp;prime;</mo> </msubsup> </mtd> <mtd> <msubsup> <mi>x</mi> <mn>2</mn> <mo>&amp;prime;</mo> </msubsup> </mtd> <mtd> <msubsup> <mi>x</mi> <mn>3</mn> <mo>&amp;prime;</mo> </msubsup> </mtd> </mtr> <mtr> <mtd> <msubsup> <mi>y</mi> <mn>1</mn> <mo>&amp;prime;</mo> </msubsup> </mtd> <mtd> <msubsup> <mi>y</mi> <mn>2</mn> <mo>&amp;prime;</mo> </msubsup> </mtd> <mtd> <msubsup> <mi>y</mi> <mn>3</mn> <mo>&amp;prime;</mo> </msubsup> </mtd> </mtr> </mtable> </mfenced> <msup> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>x</mi> <mn>1</mn> </msub> </mtd> <mtd> <msub> <mi>x</mi> <mn>2</mn> </msub> </mtd> <mtd> <msub> <mi>x</mi> <mn>3</mn> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>y</mi> <mn>1</mn> </msub> </mtd> <mtd> <msub> <mi>y</mi> <mn>2</mn> </msub> </mtd> <mtd> <msub> <mi>y</mi> <mn>3</mn> </msub> </mtd> </mtr> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中点A(x1,y1)为左上角定位符中心点，点B(x2,y2)为右上角定位符的中心点，点C(x3,y3)为左下角定位符的中心点；接着，通过式(2)计算得到放射变换后对应的三个不共线的点。
3.根据权利要求1所述的基于大津法的二维码重构方法，其特征在于，在步骤S2中，将经过仿射变换且能够斜切变形或旋转变形的QR二维码图像转换为正立的QR二维码图像；对于标准的QR二维码结构，通过左上角、左下角和右上角三个定位图形来确定QR二维码的图形区域和位置，其中定位图形的各模块宽度的比例为1:1:3:1:1；通过扫描仿射变换后的正立QR二维码图像，获得各模块宽度比例为1:1:3:1:1这一特征的定位符区域，再进一步根据定位符的比例关系确定QR二维码每个模块的像素尺度，具体计算如下：
<mrow> <mi>W</mi> <mo>=</mo> <mfrac> <mi>D</mi> <mrow> <mn>1</mn> <mo>+</mo> <mn>1</mn> <mo>+</mo> <mn>3</mn> <mo>+</mo> <mn>1</mn> <mo>+</mo> <mn>1</mn> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
其中D为得到的定位符宽度，单位为Pixel，w为每个模块的像素尺度，单位为Pixel；
综合前一步骤所确定的定位符中心左边计算出QR二维码大小size*size，QR二维码的左上角起始坐标(xl,yl)，其中
size＝x2-x1+3.5*2*w (4)
xl＝x1-3.5*w (5)
yl＝y1-3.5*w (6)
根据QR二维码大小size*size大小和模块像素尺度w可得到每一行和每一列的模块个数n，其中
<mrow> <mi>n</mi> <mo>=</mo> <mfrac> <mrow> <mi>s</mi> <mi>i</mi> <mi>z</mi> <mi>e</mi> </mrow> <mi>w</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
根据这些信息进一步将QR二维码从QR二维码图像中分离出，分离出的QR二维码可进一步分割为n*n的矩形区域块，每个区域块大小即为QR二维码的模块大小。
4.根据权利要求1所述的基于大津法的二维码重构方法，其特征在于，在步骤S3中，对所述步骤S2中分割后的QR二维码图像进行大津二值化，通过大津法计算出来的阈值来分割出背景图像和前景图像之间的类间方差，获取类间方差的方法为：
S31、将灰度图像划分为L级灰度等级，定义每一级灰度的概率为
pi＝ni/N (8)
其中ni表示灰度级为i的像素个数，N表示图像的总像素个数，则有，
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
S32、将划分灰度等级后的灰度图像划分为两类，设划分阈值为k，则[1,2,…,k]为一类，记为C0，[k+1,…,L]为一类，记为C1，那么每一类的出现概率为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;omega;</mi> <mn>0</mn> </msub> <mo>=</mo> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>C</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>=</mo> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> <mo>=</mo> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
同时，类内均值为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;mu;</mi> <mn>0</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>i</mi> <mi>P</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>|</mo> <msub> <mi>C</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>ip</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>&amp;omega;</mi> <mn>0</mn> </msub> <mo>=</mo> <mi>&amp;mu;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>/</mo> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <mi>i</mi> <mi>P</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>|</mo> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msub> <mi>ip</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&amp;mu;</mi> <mi>T</mi> </msub> <mo>-</mo> <mi>&amp;mu;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mn>1</mn> <mo>-</mo> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
μ0表示类C0的均值，μ1表示类C1的均值，其中：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>p</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>&amp;mu;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msub> <mi>ip</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;mu;</mi> <mi>T</mi> </msub> <mo>=</mo> <mi>&amp;mu;</mi> <mrow> <mo>(</mo> <mi>L</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msub> <mi>ip</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>
定义类方差为：
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mn>0</mn> <mn>2</mn> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mi>P</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>|</mo> <msub> <mi>C</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>k</mi> </munderover> <msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>&amp;omega;</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mn>1</mn> <mn>2</mn> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mi>P</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>|</mo> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>/</mo> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>
表示类C0的方差，表示类C1的方差；
S33、定义三个评价二值化好坏的判别指标，它们分别为：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>&amp;lambda;</mi> <mo>=</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> <mo>/</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>W</mi> <mn>2</mn> </msubsup> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>&amp;kappa;</mi> <mo>=</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>T</mi> <mn>2</mn> </msubsup> <mo>/</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>W</mi> <mn>2</mn> </msubsup> </mrow> </mtd> <mtd> <mrow> <mi>&amp;eta;</mi> <mo>=</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> <mo>/</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>T</mi> <mn>2</mn> </msubsup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>14</mn> <mo>)</mo> </mrow> </mrow>
其中：
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mi>W</mi> <mn>2</mn> </msubsup> <mo>=</mo> <msub> <mi>&amp;omega;</mi> <mn>0</mn> </msub> <msubsup> <mi>&amp;sigma;</mi> <mn>0</mn> <mn>2</mn> </msubsup> <mo>+</mo> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> <msubsup> <mi>&amp;sigma;</mi> <mn>1</mn> <mn>2</mn> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> <mo>=</mo> <msub> <mi>&amp;omega;</mi> <mn>0</mn> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>0</mn> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>T</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>T</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <msub> <mi>&amp;omega;</mi> <mn>0</mn> </msub> <msub> <mi>&amp;omega;</mi> <mn>1</mn> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>&amp;mu;</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mi>T</mi> <mn>2</mn> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msup> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>T</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <msub> <mi>p</mi> <mi>i</mi> </msub> <mo>=</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>W</mi> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>15</mn> <mo>)</mo> </mrow> </mrow>
表示其中类内方差，表示类间方差，表示总体方差；
S34、κ＝1+λ，η＝λ/λ+1，因此可以知道只需要使λ最大，就可以三个判别指标都为最大值；又由于存在式(15)的关系存在，因此
<mrow> <mi>&amp;lambda;</mi> <mo>=</mo> <mfrac> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> <mrow> <msubsup> <mi>&amp;sigma;</mi> <mi>T</mi> <mn>2</mn> </msubsup> <mo>-</mo> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>16</mn> <mo>)</mo> </mrow> </mrow>
由(15)、(12)和(8)式可以知道，与二值化阈值k的选取无关，因此只需要使最大即可；
S35、所述类间方差与二值化阈值k的关系式为：
<mrow> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>&amp;mu;</mi> <mi>T</mi> </msub> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>&amp;mu;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> <mn>2</mn> </msup> <mrow> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>17</mn> <mo>)</mo> </mrow> </mrow>
遍历k值找到k*使得：
<mrow> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <msup> <mi>k</mi> <mo>*</mo> </msup> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mi>max</mi> <mrow> <mn>1</mn> <mo>&amp;le;</mo> <mi>k</mi> <mo>&lt;</mo> <mi>L</mi> </mrow> </munder> <msubsup> <mi>&amp;sigma;</mi> <mi>B</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>18</mn> <mo>)</mo> </mrow> </mrow>
其中k*为当取得最大值时候二值化阈值，通过此阈值k*对所述S2分割后的QR二维码图像做二值化处理。
5.根据权利要求1所述基于大津法的二维码重构方法，其特征在于，步骤S4中，对于二值化图像，vi＝0,1，则p∈[0,1]；对于灰度图像vi＝0,1,…,255，则p∈[0,255]，N*M表示图像大小。
CN201710767959.1A 2017-08-31 2017-08-31 一种基于大津法的二维码重构方法 Pending CN107545259A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710767959.1A CN107545259A (zh) 2017-08-31 2017-08-31 一种基于大津法的二维码重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710767959.1A CN107545259A (zh) 2017-08-31 2017-08-31 一种基于大津法的二维码重构方法

Publications (1)

Publication Number Publication Date
CN107545259A true CN107545259A (zh) 2018-01-05

Family

ID=60958609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710767959.1A Pending CN107545259A (zh) 2017-08-31 2017-08-31 一种基于大津法的二维码重构方法

Country Status (1)

Country Link
CN (1) CN107545259A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785353A (zh) * 2019-01-15 2019-05-21 佛山市顺德区中山大学研究院 一种二维码的二次遍历二值化方法、装置和存储介质
CN111368572A (zh) * 2018-12-26 2020-07-03 顺丰科技有限公司 一种二维码的识别方法及系统
CN112651257A (zh) * 2020-12-23 2021-04-13 福建新大陆支付技术有限公司 一种二维码、条形码图像定位及识别方法及其存储介质
CN114330408A (zh) * 2022-03-14 2022-04-12 深圳市联志光电科技有限公司 一种图像增强方法以及图像增强装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1889089A (zh) * 2006-07-27 2007-01-03 北京中星微电子有限公司 一种基于两级分类的二维码定位识别方法和装置
CN1908955A (zh) * 2006-08-21 2007-02-07 北京中星微电子有限公司 一种易于全方位识别的三边形多维条码及其识读方法
CN102693409A (zh) * 2012-05-18 2012-09-26 四川大学 一种快速的图像中二维码码制类型识别方法
CN103914675A (zh) * 2014-03-17 2014-07-09 东华大学 一种服装的快速响应矩阵二维码识别方法
CN105069394A (zh) * 2015-07-23 2015-11-18 福建联迪商用设备有限公司 二维码加权平均灰度法解码方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1889089A (zh) * 2006-07-27 2007-01-03 北京中星微电子有限公司 一种基于两级分类的二维码定位识别方法和装置
CN1908955A (zh) * 2006-08-21 2007-02-07 北京中星微电子有限公司 一种易于全方位识别的三边形多维条码及其识读方法
CN102693409A (zh) * 2012-05-18 2012-09-26 四川大学 一种快速的图像中二维码码制类型识别方法
CN103914675A (zh) * 2014-03-17 2014-07-09 东华大学 一种服装的快速响应矩阵二维码识别方法
CN105069394A (zh) * 2015-07-23 2015-11-18 福建联迪商用设备有限公司 二维码加权平均灰度法解码方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周飞舟: ""QR二维码的运动模糊图像恢复技术研究与应用"", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
林崇德等: "《中国成人教育百科全书 数学·电脑》", 31 December 1994, 南海出版公司 *
马岭: ""二维条码识别中关键技术的研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111368572A (zh) * 2018-12-26 2020-07-03 顺丰科技有限公司 一种二维码的识别方法及系统
CN109785353A (zh) * 2019-01-15 2019-05-21 佛山市顺德区中山大学研究院 一种二维码的二次遍历二值化方法、装置和存储介质
CN109785353B (zh) * 2019-01-15 2020-12-08 佛山市顺德区中山大学研究院 一种二维码的二次遍历二值化方法、装置和存储介质
CN112651257A (zh) * 2020-12-23 2021-04-13 福建新大陆支付技术有限公司 一种二维码、条形码图像定位及识别方法及其存储介质
CN114330408A (zh) * 2022-03-14 2022-04-12 深圳市联志光电科技有限公司 一种图像增强方法以及图像增强装置

Similar Documents

Publication Publication Date Title
CN109740603B (zh) 基于cnn卷积神经网络下的车辆字符识别方法
CN110310320B (zh) 一种双目视觉匹配代价聚合优化方法
CN109409366B (zh) 基于角点检测的畸变图像校正方法及装置
CN110084757B (zh) 一种基于生成对抗网络的红外深度图像增强方法
TWI381321B (zh) 重組多張影像與辨識方法以及影像擷取與辨識系統
CN103116896B (zh) 一种基于视觉显著性模型的自动检测跟踪方法
CN107545259A (zh) 一种基于大津法的二维码重构方法
CN107038416B (zh) 一种基于二值图像改进型hog特征的行人检测方法
CN107103317A (zh) 基于图像融合和盲反卷积的模糊车牌图像识别算法
CN107784669A (zh) 一种光斑提取及其质心确定的方法
CN101807257A (zh) 图像标签信息识别方法
CN108009522B (zh) 一种道路检测方法、装置及终端
CN108009538A (zh) 一种汽车发动机缸体序列号智能识别方法
CN109101981B (zh) 一种街景场景下基于全局图像条纹码的回环检测方法
US5841905A (en) Business form image identification using projected profiles of graphical lines and text string lines
CN110378924A (zh) 基于局部熵的水平集图像分割方法
CN108038482A (zh) 一种汽车发动机缸体序列号视觉智能识别系统
CN111091111A (zh) 一种车底危险目标识别方法
CN111783608B (zh) 一种换脸视频检测方法
Han et al. An enhanced image binarization method incorporating with Monte-Carlo simulation
CN111444916A (zh) 面向无约束条件下的车牌定位及识别方法、系统
CN117011302B (zh) 一种基于煤矸识别的智能干选系统
CN110766001B (zh) 基于cnn和rnn的银行卡卡号定位与端到端识别方法
CN109829511B (zh) 基于纹理分类的下视红外图像中云层区域检测方法
CN112288726A (zh) 一种井下带式输送机带面异物检测方法

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