CN107577979B - DataMatrix型二维码快速识别方法、装置及电子设备 - Google Patents
DataMatrix型二维码快速识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN107577979B CN107577979B CN201710621101.4A CN201710621101A CN107577979B CN 107577979 B CN107577979 B CN 107577979B CN 201710621101 A CN201710621101 A CN 201710621101A CN 107577979 B CN107577979 B CN 107577979B
- Authority
- CN
- China
- Prior art keywords
- target image
- image
- extreme
- dimensional code
- quadrant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000003708 edge detection Methods 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000005286 illumination Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000005764 inhibitory process Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011430 maximum method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种DataMatrix型二维码快速识别方法、装置及电子设备，涉及图像处理技术领域。该方法包括：以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限；在每个区域象限内，采用不同的边缘检测算子仅计算图像边界向所述象限中心梯度递增的边缘，得到边缘图像；以所述象限中心为极坐标系中心，在距所述象限中心距离分别为dL及dh的关联区域内，对所述边缘图像进行直线检测，得到四个极值点；在所述四个极值点作为边界顶点的图像区域内，基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化。通过上述方案，能够提高二维码识别的准确性和识别速度。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及图像中的DataMatrix型二维码快速识别技术。
背景技术
DataMatrix码是一种矩阵式二维条码，其最大特点就是密度高，其最小尺寸是目前所有条码中最小的码。Datamatrix因提供极小又高密度的标签，且仍可存放合理的资料内容，故特别适用于小零件标识，商品防伪，电路标识等
发明人在实现本发明的过程中发现，DataMartix型二维码的特点在于信息容量大，与常见的QR码相比较，由于其不具备快速寻像区，其识别速度、识别准确性大受影响。目前传统的DataMartix型二维码识别方法在外轮廓的定位、二维码码元位置的识别、图像分割等基本方法上存在速度较低、易受噪声干扰、鲁棒性差等特点。由于缺少类似QR的快速寻像区，现有技术对DataMatrix型二维码的识别效率偏低。传统二维码识别方法误识别率较高，且效率低下的原因在于：(1)传统二值化方法会腐蚀包围异色码元的大量同色码元，甚至会造成码元数据的丢失，对识别造成极大影响；(2)利用传统边缘检测算法获得边缘点，存在大量的噪声数据，不利于边缘检测；(3)传统Hough变换方法在累加器计算中存在大量冗余计算，效率低下。
针对上述问题，亟需一种全新的针对DataMatrix型二维码的识别方法。
发明内容
有鉴于此，本发明实施例提供一种DataMatrix型二维码快速识别方法、装置、电子设备、非暂态计算机可读存储介质及计算机程序，至少部分的解决现有技术中存在的问题。
第一方面，本发明实施例提供了一种DataMatrix型二维码快速识别方法，包括：
以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限；
在每个区域象限内，采用不同的边缘检测算子仅计算图像边界向所述象限中心梯度递增的边缘，得到边缘图像；
以所述象限中心为极坐标系中心，在距所述象限中心距离分别为dL及dh的关联区域内，对所述边缘图像进行直线检测，得到四个极值点；
在所述四个极值点作为边界顶点的图像区域内，基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化。
根据本发明实施例的一种具体实现方式，在所述以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限之前，所述方法还包括：
在空间域中对所述目标图像进行预处理，用以去除所述目标图像中的低频光照信息以及高频噪声信号，并保留所述目标图像中的中频纹理信号。
根据本发明实施例的一种具体实现方式，在所述以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限之前，所述方法还包括：
分别采用水平、垂直投影的方式使所述目标图像降维为两个独立的一维信号；
分别提取两个一维信号的重心坐标，作为目标图像重心坐标的水平坐标及垂直坐标。
根据本发明实施例的一种具体实现方式，dL及dh通过如下方式获得：
获取所述目标图像中待检测的DataMatrix型二维码的像素边长尺寸r；
选择dL及dh，使dL<r，
根据本发明实施例的一种具体实现方式，所述对所述边缘图像进行直线检测，得到四个极值点，包括：
获取所述边缘图像的直线检测累加器；
采用垂直方向的非极大值抑制计算方式，在全局搜索最大值点，并将搜索到的所述最大值点作为第一极值点，其中，所述第一类极值点的极角标记为θ。
根据本发明实施例的一种具体实现方式，所述对所述边缘图像进行直线检测，得到四个极值点，还包括：
在极角范围为(θ-90,θ+90)的区域内，搜索局部极大值，并将搜索到的所述局部极大值标记为第二极值点。
根据本发明实施例的一种具体实现方式，所述对所述边缘图像进行直线检测，得到四个极值点，还包括：
分别在所述第一/二极值点极径方向的对侧、且与所述第一/二极值点的极角相差预设值的两个矩形区域内，搜索两个局部极大值点，标记为第三/四极值点。
根据本发明实施例的一种具体实现方式，所述方法还包括：
计算所述目标图像的积分图，用以获取所述目标图像中任一像素点邻域的平均灰度值。
根据本发明实施例的一种具体实现方式，所述基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化，包括：
获取所述目标图像上的当前像素邻域的平均灰度值x；
将
作为当前像素邻域的加权平均灰度值；
采用
作为Wellner二值化的分割阈值，对所述目标图像进行二值化处理。
第二方面，本发明实施例还提供了一种DataMatrix型二维码快速识别装置，包括：
划分模块，用于以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限；
计算模块，用于在每个区域象限内，采用不同的边缘检测算子仅计算图像边界向所述象限中心梯度递增的边缘，得到边缘图像；
检测模块，用于以所述象限中心为极坐标系中心，在距所述象限中心距离分别为dL及dh的关联区域内，对所述边缘图像进行直线检测，得到四个极值点；
处理模块，用于在所述四个极值点作为边界顶点的图像区域内，基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式所述的DataMatrix型二维码快速识别方法。
第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行前述第一方面或第一方面的任一实现方式所述的DataMatrix型二维码快速识别方法。
第五方面，本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行前述第一方面或第一方面的任一实现方式所述的DataMatrix型二维码快速识别方法。
本发明实施例提供的DataMatrix型二维码快速识别方法、装置、电子设备、非暂态计算机可读存储介质及计算机程序，无需计算边缘梯度、边缘检测卷积核尺寸只有2x2计算速度，提高了计算速度；由于使用了分区方向性边缘检测方法，本发明提取的DataMatrix二维码虚、实L型外边界准确率高，避免了内部码元边界噪声点的干扰；在计算Hough变换时，无需全图边缘点进行极坐标下的展开，仅需对感兴趣区域计算，减少计算问题规模；在Hough累加器极值搜索方面对三类关键点，采用三种不同的搜索策略，减少累加器像素值遍历次数效率得到极大提升；极值搜索前采用垂直非极大值方法，快速抑制非极大值点；图像分割采用改进Wellner方法，有效解决了二维码同色码元中，同色码元易受腐蚀的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种DataMatrix型二维码快速识别流程示意图；
图2为本发明实施例提供的一种获取DataMatrix型二维码图像四个极值点的流程示意图；
图3为本发明实施例提供的一种对DataMatrix型二维码图像进行二值化的流程示意图；
图4为本发明实施例提供的一种Weller算法中涉及到的补偿曲线的参考示意图；
图5为本发明实施例提供的一种DataMatrix型二维码快速识别装置结构示意图；
图6为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
为了能够对技术方案有更明确的认识，对于本发明中涉及到的技术术语定义或解释如下：
DataMartix型二维码：DataMatrix码是一种矩阵式二维条码，其最大特点就是密度高，其最小尺寸是目前所有条码中最小的码。Datamatrix因提供极小又高密度的标签，且仍可存放合理的资料内容，故特别适用于小零件标识，商品防伪，电路标识等。
Hough变换：霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。
图像分割：把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。
二值化：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。
边缘检测：边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。
Sobel算子：计算机视觉领域的一种重要处理方法。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量
图像梯度：图像沿某一方向灰度值的变化情况。
经典Wellner算法：自适应滤波阈值实际上就是对像素做指定半径的一维平滑，然后原像素和平滑后的值做比较来决定黑还是白。
图1为本发明的实施例的DataMatrix型二维码快速识别的流程示意图，如图1所示，本实施例的方法可以包括以下步骤：
S101，以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限。
在进行步骤S101之前，可选的，可以对目标图像执行图像预处理操作。在空间域中对所述目标图像进行预处理，用以去除所述目标图像中的低频光照信息以及高频噪声信号，并保留所述目标图像中的中频纹理信号。图像预处理的目的在于待识别DataMatrix型二维码图像的信噪比，主要的噪声数据来源于以下几个方面：(1)噪点、(2)光照不分布均匀。对于上述问题，可在空间域中使用近似同态滤波的方法，排除低频光照信号，保留中频纹理信号，过滤高频噪声信号。这种处理技术仅需通过不同滤波程度的图像差分即可获得，为提高计算速度可采用盒滤波的方法实现计算，其中生成的卷积图有益于后续二值化算法的计算。
除此之外，可选的，在步骤S101之前，还可以包括如下步骤：
分别采用水平、垂直投影的方式使所述目标图像降维为两个独立的一维信号；分别提取两个一维信号的重心坐标，作为目标图像重心坐标的水平坐标及垂直坐标。作为一种实现方式，可以通过如下公式来计算重心坐标：
对于一幅m*n像素大小的图像f，其重心坐标为(x0，y0)，则
其中，xi表示第i行的坐标，yj表示第j列的坐标，fij表示第i行第j列的像素值，m、n为自然数。
可选的，在重心计算的时候，可以对图像的灰度值作进一步的过滤，比如，像素的灰度值超过阈值T的均参与重心处理，此时fij可以修正为：
计算重心可以加速后续边缘检测、Hough直线检测的效率，减少冗余计算，提高精度。
通过上面步骤计算得到的二维码数据区域重心为中心，可以将图像标记为3个以上(比如8个)的象限。
S102，在每个区域象限内，采用不同的边缘检测算子仅计算图像边界向所述象限中心梯度递增的边缘，得到边缘图像。
在每个象限中采用不同的边缘检测算子计算图像边缘。特别的是，每个区域的边缘检测算子，只计算由图像边界向象限中心梯度递增的边缘，而忽略其他边缘的干扰。此步骤极大程度地抑制了伪边缘和噪声的产生，提高了后续Hough变换的精度。
S103，以所述象限中心为极坐标系中心，在距所述象限中心距离分别为dL及dh的关联区域内，对所述边缘图像进行直线检测，得到四个极值点。
步骤S103能够利用DataMatrix型二维码虚、实L型边界的特点，提高Hough累加器中极值搜索的速度和精度。
具体的，以上述步骤中计算的图像重心作为极坐标系中心，以距离中心dL、dh间的一个关联区域计算Hough变换直线检测累加器，该关联区域可以是根据dL、dh作为极径形成的两个圆形通过相减而直接得到的环状区域，也可以是与该环状区域的类似或区域面积接近的矩形区域或者其他形状的区域，或者是用矩形逼近该环形区域，形成新的矩阵区域，矩形区域的执行效率更高，更容易实现多线程编程。具体可以根据实际的需要设置该区域的形状。通过该方式，能够极大程度地避免了冗余信息的干扰。特别的是若待检测DataMatrix型二维码的像素边长尺寸为r，dL、dh应满足以下条件dL<r，
得到Hough直线检测累加器后，可选地采用垂直方向的非极大值抑制计算，提高极值搜索精度。
具体的，参见图2，在实现步骤S103的过程中，对所述边缘图像进行直线检测，得到四个极值点，可以包括如下步骤：
S201，获取所述边缘图像的直线检测累加器；
S202，采用垂直方向的非极大值抑制计算方式，在全局搜索最大值点，并将搜索到的所述最大值点作为第一极值点，其中，所述第一类极值点的极角标记为θ。
S203，在极角范围为(θ-90,θ+90)的区域内，搜索局部极大值，并将搜索到的所述局部极大值标记为第二极值点。
S204，分别在所述第一/二极值点极径方向的对侧、且与所述第一/二极值点的极角相差预设值的两个矩形区域内，搜索两个局部极大值点，标记为第三/四极值点。
在实现步骤S201-S204的过程中，采用二维累加器全局搜索最大值点，并将其标记为第一类极值点。设第一类极值点对应的极角为θ，之后在第一类极值点正交方向的带状区域内，即(θL<θ+90或θ-90<θH)内搜索局部极大值，并将其标记为第二类极值点，其中θL为带状区域的最小极角，θH为带状区域的最大极角。
在第一、二类极值点沿极径方向的对侧、且极角差相对较小的，两个矩形区域内搜索两个局部极大值点，并标记为第三类极值点。
上述四个极值点在极坐标系下分别对应了空间域中二维码定位区域的虚实L型图形的边界。
S104，在所述四个极值点作为边界顶点的图像区域内，基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化。
具体的，参见图3，在实现步骤S104的过程中，可以包括如下步骤：
S301，计算所述目标图像的积分图，用以获取所述目标图像中任一像素点邻域的平均灰度值。
S302，获取所述目标图像上的当前像素邻域的平均灰度值x。
S303，将
作为当前像素邻域的加权平均灰度值。
S304，采用
作为Wellner二值化的分割阈值，对所述目标图像进行二值化处理，其中k为正整数。
得到矫正后的二维码数据区图像后，对其二值化采用改进Wellner方法。
本发明采用改进Wellner方法的优势在于，由于在步骤S301中计算图像的积分图，因此可以快速获得某一点邻域的平均灰度。相较于传统大津法等需要计算最大类间方差，具有更强的快速性。
传统Wellner自适应二值化方法的计算原理在于统计目标像素附近邻域均值的k倍作为该点的分割阈值，但是其缺点在于若异色码元被大量同色码元包围，则分割均值则会倾向于同色码元的灰度值，这会造成同色码元在二值图中被腐蚀，异色码元被膨胀。因此本发明对平均灰度加权动态生成k值。作为一个示例性的例子，Weller算法中涉及到的补偿曲线如图4所示，通过上述补偿曲线的使用，从而対分割阈值动态补偿避免此现象。
通过本实施例中的方法，无需计算边缘梯度、边缘检测卷积核尺寸只有2x2计算速度，提高了计算速度；由于使用了分区方向性边缘检测方法，本发明提取的DataMatrix二维码虚、实L型外边界准确率高，避免了内部码元边界噪声点的干扰；在计算Hough变换时，无需全图边缘点进行极坐标下的展开，仅需对感兴趣区域计算，减少计算问题规模；在Hough累加器极值搜索方面对三类关键点，采用三种不同的搜索策略，减少累加器像素值遍历次数效率得到极大提升；极值搜索前采用垂直非极大值方法，快速抑制非极大值点；图像分割采用改进wellner方法，有效解决了二维码同色码元中，同色码元易受腐蚀的问题。
与前述DataMatrix型二维码快速识别方法的实施例相对应，本发明实施例还提供了一种DataMatrix型二维码快速识别装置，如图5所示，DataMatrix型二维码快速识别装置50，包括：
划分模块501，用于以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限；
计算模块502，用于在每个区域象限内，采用不同的边缘检测算子仅计算图像边界向所述象限中心梯度递增的边缘，得到边缘图像；
检测模块503，用于以所述象限中心为极坐标系中心，在距所述象限中心距离分别为dL及dh的关联区域内，对所述边缘图像进行直线检测，得到四个极值点；
处理模块504，用于在所述四个极值点作为边界顶点的图像区域内，基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化。
上述实施例中各功能模块所执行的功能及内容与其对应的方法实施例一一对应，在此不再赘述。
图6示出了本发明实施例提供的电子设备60的结构示意图，电子设备60包括至少一个处理器601(例如CPU)，至少一个输入输出接口604，存储器602，和至少一个通信总线603，用于实现这些部件之间的连接通信。至少一个处理器601用于执行存储器602中存储的可执行模块，例如计算机程序。存储器602为非暂态存储器(non-transitory memory)，其可以包含易失性存储器，例如高速随机存取存储器(RAM：Random Access Memory)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个输入输出接口604(可以是有线或者无线通信接口)实现与至少一个其他网元之间的通信连接。
在一些实施方式中，存储器602存储了程序6021，处理器601执行程序6021，用于执行前述任一基于电子设备的DataMatrix型二维码快速识别方法的实施例。
该电子设备可以以多种形式存在，包括但不限于：
(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括：PDA、MID和UMPC设备等，例如iPad。
(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括：音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)特定服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子设备。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将
一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些。
实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种DataMatrix型二维码快速识别方法，其特征在于，包括：
以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限；
在每个区域象限内，采用不同的边缘检测算子仅计算图像边界向所述象限中心梯度递增的边缘，得到边缘图像；
以所述象限中心为极坐标系中心，在距所述象限中心距离分别为dL及dh的关联区域内，对所述边缘图像进行直线检测，得到四个极值点，其中，dL、dh表示形成关联区域的两个圆形的极径；
在所述四个极值点作为边界顶点的图像区域内，基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化；
其中，所述对所述边缘图像进行直线检测，得到四个极值点，包括：
获取所述边缘图像的直线检测累加器；
采用垂直方向的非极大值抑制计算方式，在全局搜索最大值点，并将搜索到的所述最大值点作为第一极值点，其中，所述第一极值点的极角标记为θ；
在极角范围为(θ-90,θ+90)的区域内，搜索局部极大值，并将搜索到的所述局部极大值标记为第二极值点；
分别在所述第一极值点和所述第二极值点极径方向的对侧、且与所述第一极值点和所述第二极值点的极角相差预设值的两个矩形区域内，搜索两个局部极大值点，标记为第三极值点和第四极值点；
所述基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化，包括：
获取所述目标图像上的当前像素邻域的平均灰度值x；
将
作为当前像素邻域的加权平均灰度值；
采用
作为Wellner二值化的分割阈值，对所述目标图像进行二值化处理。
2.根据权利要求1所述的DataMatrix型二维码快速识别方法，其特征在于，在所述以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限之前，所述方法还包括：
在空间域中对所述目标图像进行预处理，用以去除所述目标图像中的低频光照信息以及高频噪声信号，并保留所述目标图像中的中频纹理信号。
3.根据权利要求1所述的DataMatrix型二维码快速识别方法，其特征在于，在所述以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限之前，所述方法还包括：
分别采用水平、垂直投影的方式使所述目标图像降维为两个独立的一维信号；
分别提取两个一维信号的重心坐标，作为目标图像重心坐标的水平坐标及垂直坐标。
4.根据权利要求1所述的DataMatrix型二维码快速识别方法，其特征在于，dL及dh通过如下方式获得：
获取所述目标图像中待检测的DataMatrix型二维码的像素边长尺寸r；
选择dL及dh，使
5.根据权利要求1所述的DataMatrix型二维码快速识别方法，其特征在于，所述方法还包括：
计算所述目标图像的积分图，用以获取所述目标图像中任一像素点邻域的平均灰度值。
6.一种DataMatrix型二维码快速识别装置，其特征在于，包括：
划分模块，用于以目标图像的重心坐标为象限中心，将所述目标图像划分为3个以上的区域象限；
计算模块，用于在每个区域象限内，采用不同的边缘检测算子仅计算图像边界向所述象限中心梯度递增的边缘，得到边缘图像；
检测模块，用于以所述象限中心为极坐标系中心，在距所述象限中心距离分别为dL及dh的关联区域内，对所述边缘图像进行直线检测，得到四个极值点，其中，dL、dh表示形成关联区域的两个圆形的极径；
处理模块，用于在所述四个极值点作为边界顶点的图像区域内，基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化；
其中，所述对所述边缘图像进行直线检测，得到四个极值点，包括：
获取所述边缘图像的直线检测累加器；
采用垂直方向的非极大值抑制计算方式，在全局搜索最大值点，并将搜索到的所述最大值点作为第一极值点，其中，所述第一极值点的极角标记为θ；
在极角范围为(θ-90,θ+90)的区域内，搜索局部极大值，并将搜索到的所述局部极大值标记为第二极值点；
分别在所述第一极值点和所述第二极值点极径方向的对侧、且与所述第一极值点和所述第二极值点的极角相差预设值的两个矩形区域内，搜索两个局部极大值点，标记为第三极值点和第四极值点；
所述基于加权平均灰度值产生分割阈值对所述目标图像的二维码数据进行二值化，包括：
获取所述目标图像上的当前像素邻域的平均灰度值x；
将
作为当前像素邻域的加权平均灰度值；
采用
作为Wellner二值化的分割阈值，对所述目标图像进行二值化处理。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的DataMatrix型二维码快速识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710621101.4A CN107577979B (zh) | 2017-07-26 | 2017-07-26 | DataMatrix型二维码快速识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710621101.4A CN107577979B (zh) | 2017-07-26 | 2017-07-26 | DataMatrix型二维码快速识别方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107577979A CN107577979A (zh) | 2018-01-12 |
| CN107577979B true CN107577979B (zh) | 2020-07-03 |
Family
ID=61034186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710621101.4A Active CN107577979B (zh) | 2017-07-26 | 2017-07-26 | DataMatrix型二维码快速识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107577979B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019165574A1 (zh) | 2018-02-27 | 2019-09-06 | 华为技术有限公司 | 图像发送方法、装置及存储介质 |
| CN109739233B (zh) * | 2018-12-29 | 2022-06-14 | 歌尔光学科技有限公司 | Agv小车定位方法、装置及系统 |
| CN109815763A (zh) * | 2019-01-04 | 2019-05-28 | 广州广电研究院有限公司 | 二维码的检测方法、装置和存储介质 |
| CN111161293B (zh) * | 2019-11-25 | 2023-03-21 | 新绎健康科技有限公司 | 基于直角坐标空间确定gdv能量图像的轮廓的方法及系统 |
| CN112560538B (zh) * | 2021-02-26 | 2021-05-11 | 江苏东大集成电路系统工程技术有限公司 | 一种根据图像冗余信息快速定位受损qr码的方法 |
| CN113256700B (zh) * | 2021-05-26 | 2023-05-23 | 长江存储科技有限责任公司 | 图层厚度检测方法及装置、电子设备、可读存储介质 |
| CN113434463B (zh) * | 2021-06-16 | 2024-07-09 | 广州中汇信息科技有限公司 | 一种根据二维码进行文件分类的方法 |
| CN115438682B (zh) * | 2022-10-24 | 2023-01-31 | 北京紫光青藤微系统有限公司 | 用于确定解码方向的方法、装置及解码设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
| CN104463209A (zh) * | 2014-12-08 | 2015-03-25 | 厦门理工学院 | 一种基于bp神经网络的pcb板上数字代码识别方法 |
| CN106611401A (zh) * | 2015-10-22 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种在纹理内存中存储图像的方法及装置 |
| CN106709499A (zh) * | 2017-03-02 | 2017-05-24 | 西北工业大学 | 基于Canny算子和Hillbert‑Huang变换的SIFT图像特征点提取方法 |
| CN106846340A (zh) * | 2017-02-17 | 2017-06-13 | 大连理工大学 | 一种基于非固定特征点的光条边界提取方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7584891B2 (en) * | 2005-12-19 | 2009-09-08 | Pitney Bowes Inc. | Black fluorescent optical codes and process for printing and reading |
-
2017
- 2017-07-26 CN CN201710621101.4A patent/CN107577979B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
| CN104463209A (zh) * | 2014-12-08 | 2015-03-25 | 厦门理工学院 | 一种基于bp神经网络的pcb板上数字代码识别方法 |
| CN106611401A (zh) * | 2015-10-22 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种在纹理内存中存储图像的方法及装置 |
| CN106846340A (zh) * | 2017-02-17 | 2017-06-13 | 大连理工大学 | 一种基于非固定特征点的光条边界提取方法 |
| CN106709499A (zh) * | 2017-03-02 | 2017-05-24 | 西北工业大学 | 基于Canny算子和Hillbert‑Huang变换的SIFT图像特征点提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| QR码识别技术研究及应用;袁淑芳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150315;9-80 * |
| 利用极值梯度的通用亚像素边缘检测方法;陈小卫，徐朝辉，郭海涛，张保明;《测绘学报》;20140520;第43卷(第5期);1-8 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107577979A (zh) | 2018-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107577979B (zh) | DataMatrix型二维码快速识别方法、装置及电子设备 | |
| CN108920580B (zh) | 图像匹配方法、装置、存储介质及终端 | |
| CN110717489B (zh) | Osd的文字区域的识别方法、装置及存储介质 | |
| US10140529B2 (en) | Method, apparatus and device for detecting lane lines | |
| CN109117825B (zh) | 车道线处理方法和装置 | |
| CN109509200A (zh) | 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质 | |
| CN101727580B (zh) | 图像处理装置、图像处理单元和图像处理方法 | |
| CN104463795A (zh) | 一种点阵式dm二维码图像处理方法及装置 | |
| CN110503682B (zh) | 矩形控件识别方法、装置、终端及存储介质 | |
| CN108334879B (zh) | 一种区域提取方法、系统及终端设备 | |
| CN109300104B (zh) | 角点检测方法、装置 | |
| US11023781B2 (en) | Method, apparatus and device for evaluating image tracking effectiveness and readable storage medium | |
| CN110414649B (zh) | Dm码的定位方法、装置、终端及存储介质 | |
| CN109977959B (zh) | 一种火车票字符区域分割方法及装置 | |
| WO2017070923A1 (zh) | 一种人脸识别方法和装置 | |
| Xing et al. | Robust fast corner detector based on filled circle and outer ring mask | |
| CN103077528A (zh) | 基于DCCD-Laplace和SIFT描述符的快速影像匹配方法 | |
| CN108960247B (zh) | 图像显著性检测方法、装置以及电子设备 | |
| CN117274072A (zh) | 一种基于二维多模态范围图像的点云去噪方法及装置 | |
| CN110458857B (zh) | 中心对称图元检测方法、装置、电子设备及可读存储介质 | |
| CN112102203A (zh) | 一种图像校正方法、装置及设备 | |
| Hu et al. | A non-parametric statistics based method for generic curve partition and classification | |
| CN117115774B (zh) | 草坪边界的识别方法、装置、设备及存储介质 | |
| CN111753858A (zh) | 一种点云匹配方法、装置和重定位系统 | |
| Niigaki et al. | Circular object detection based on separability and uniformity of feature distributions using Bhattacharyya coefficient |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |