CN108932449A - 一种基于聚类的条码二值化方法及系统 - Google Patents
一种基于聚类的条码二值化方法及系统 Download PDFInfo
- Publication number
- CN108932449A CN108932449A CN201710390990.8A CN201710390990A CN108932449A CN 108932449 A CN108932449 A CN 108932449A CN 201710390990 A CN201710390990 A CN 201710390990A CN 108932449 A CN108932449 A CN 108932449A
- Authority
- CN
- China
- Prior art keywords
- image
- cluster
- gray
- binarization
- gray level
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
- G06K7/1482—Methods for optical code recognition the method including quality enhancement steps using fuzzy logic or natural solvers, such as neural networks, genetic algorithms and simulated annealing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Toxicology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于聚类的条码二值化方法及系统，主要解决条码图像在解码过程中，由于受到噪声的污染，导致图像进行二值化的准确性降低。该方法包括：获取彩色图像；对所述彩色图像进行灰度转换，获取灰度图像；对所述灰度图像进行二值化处理，其中又包括：确定聚类数目数值，初始化聚类中心和设置很小的实数，对所述灰度图像进行均值滤波，更新聚类的中心和隶属度函数，确定聚类满足条件新的聚类中心与旧的聚类中心差值的平方是否小于设置的实数，否则继续对所述灰度图像进行均值滤波；最后获取灰度图像二值化后结果。通过实施本发明实施例，对条码图像依次进行灰度转换、模糊聚类方法进行二值化处理能够获取高准确度的图像二值化后结果。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于聚类的条码二值化方法及系统。
背景技术
随着科学技术日益发展的今天，条码己经成为了一种商品交易语言，市场上的商品都会通过不同类型的条码对其进行标识，同时在移动支付，物流等领域都有广泛的应用。越来越发达完善的条码技术，推动了电子商务的发展，提高了生产和经营效率。
随着计算机网络的快速发展和智能手机等设备的应用，通过对条码进行拍照并利用网络，可以方便的了解商品的信息、辨别商品的真伪，在商品交易的过程中，可以快速支付货款等等。因此，这就需要通过运用图像处理和识别的相关方法来实现对条码的识读。
目前，传统的图像处理方法包括对获取的图像进行灰度化、二值化、图像旋转和图像去光照等步骤。虽然通过这些图像处理方法，可以改善图像质量、光照不均、图像模糊等对条码识别带来的影响，但是在条码的解码过程中，摄像机拍摄到的图片经常受到噪声的污染，在对图像进行二值化时，由于噪声的存在，经常会出现误判，这对后续条码的解码造成影响。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于聚类的条码二值化方法及系统，可以有效的提高条码图像二值化的准确度。
为了解决上述技术问题，本发明实施例一种基于聚类的条码二值化方法，所述方法包括：
获取彩色图像；
对所述彩色图像进行灰度化处理，获取灰度图像；
对所述灰度图像进行二值化处理，获取灰度图像二值化后结果。
优选地，所述对所述彩色图像进行灰度化处理公式如下：
Gray＝0.11×R+0.59×G+0.3×B
其中，R表示图像红色分量，G表示图像绿色分量，B表示图像蓝色分量， Gray表示灰度图像。
优选地，所述对所述灰度图像进行二值化处理包括：
确定聚类数目c的数值，初始化聚类中心Vi和设置一个很小的实数t；
对所述灰度图像进行均值滤波；
更新聚类的中心和隶属度函数；
确定聚类是否满足条件||Vnew-Vold||2<t；
若是，停止执行；
若否，继续对权利要求1所述灰度图像进行均值滤波。
优选地，所述更新聚类中心和隶属度函数包括求解模糊聚类公式，获取聚类中心和隶属度函数，模糊聚类公式如下：
其中，表示对灰度图像进行均值滤波的图像的灰度值，c表示聚类数目, 所述模糊聚类的方法是对灰度图像进行二值化，因此c＝2，N表示像素的个数，xk表示原始灰度图像的灰度值，vi表示聚类中心，a权重参数，m 表示模糊参数，uik表示隶属度函数，第k个像素值属于第i个类的概率， i，j分别表示1,2,3...；
对上述公式进行求解，获取隶属度函数uik、聚类中心vi如下：
根据上述公式，获取矩阵[uik]，因此图像二值化的结果
另外，本发明实施例还提供了一种基于聚类的条码二值化系统，所述系统包括：
图像获取模块:用于获取彩色图像；
图像灰度化处理模块：用于将彩色图像进行灰度化转换，获取灰度图像；
图像二值化模块：用于将灰度图像进行二值化处理，获取灰度图像二值化后结果。
优选地，所述图像灰度化处理模块包括图像灰度化处理，所述图像灰度化转换公式如下：
Gray＝0.11×R+0.59×G+0.3×B
其中，R表示图像红色分量，G表示图像绿色分量，B表示图像蓝色分量， Gray表示灰度图像。
优选地，所述图像二值化模块包括：
数据初始化单元：确定聚类数目c的数值，初始化聚类中心Vi和设置一个很小的实数t；
图像滤波单元：对图像灰度化处理模块获取的灰度图像进行均值滤波；
数据更新单元：更新聚类的中心和隶属度函数；
聚类条件判定单元：确定聚类是否满足条件||Vnew-Vold||2<t，若是，停止执行，否则继续对灰度图像进行均值滤波。
优选地，所述数据更新单元包括求解模糊聚类公式，获取聚类中心和隶属度函数，模糊聚类公式如下：
其中，表示对灰度图像进行均值滤波的图像的灰度值，c表示聚类数目, 所述模糊聚类的方法是对灰度图像进行二值化，因此c＝2，N表示像素的个数，xk表示原始灰度图像的灰度值，vi表示聚类中心，a权重参数，m 表示模糊参数，uik表示隶属度函数，第k个像素值属于第i个类的概率， i，j分别表示1,2,3...；
对上述公式进行求解，获取隶属度函数uik、聚类中心vi如下：
根据上述公式，获取矩阵[uik]，因此图像二值化的结果
通过对条码图像依次进行灰度转换、二值化处理，能够获取高准确度的条码图像二值化后结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，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是本发明实施例一种基于聚类的条码二值化方法的流程示意图；
图2是图1的S13对灰度图像进行二值化处理的详细流程示意图；
图3是本发明实施例一种基于聚类的条码二值化系统的结构示意图。
具体实施方式
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。
图1是本发明实施例一种基于聚类的条码二值化方法的流程示意图，如图1所示，所述方法包括：
S11：获取彩色图像；
S12：对彩色图像进行灰度化处理，获取灰度图像；
S13：对灰度图像进行二值化处理，获取灰度图像二值化后结果。
对S11进一步说明：
通过摄像头，拍摄条码，从摄像机获取图像，该图像为彩色图像，即 RGB图像。
对S12进一步说明：
对S11彩色图像使用图像灰度化方法进行灰度化处理，获取灰度图像，可以按照下式进行转换：
Gray＝0.11×R+0.59×G+0.3×B
其中，R表示图像红色分量，G表示图像绿色分量，B表示图像蓝色分量， Gray表示灰度图像。
对S13进一步说明：
使用模糊聚类的方法对S12获取的灰度图像进行二值化处理。
图2是图1的S13对灰度图像进行二值化处理的详细流程示意图，如图1所示，所述方法包括：
对S131进一步说明：
在进行灰度图像二值化时，先要确定聚类数目c的数值，初始化聚类中心Vi和设置一个很小的实数t，其中由于该方法是对图像进行二值化，则聚类数目为2。
对S132进一步说明：
对图1的S12获取的灰度图像进行均值滤波。
对S133进一步说明：
更新聚类中心和隶属度函数需要求解模糊聚类公式获取，模糊聚类公式如下：
其中，表示对灰度图像进行均值滤波的图像的灰度值，c表示聚类数目, 所述模糊聚类的方法是对灰度图像进行二值化，因此c＝2，N表示像素的个数，xk表示原始灰度图像的灰度值，vi表示聚类中心，a权重参数，m 表示模糊参数，uik表示隶属度函数，第k个像素值属于第i个类的概率， i，j分别表示1,2,3...。
对上述公式进行求解，获取隶属度函数uik、聚类中心vi如下：
根据上述公式，获取矩阵[uik]，图像二值化的结果为
为对灰度图像进行均值滤波的图像的灰度值，可以由下述方法得到：
假设本方法的均值滤波采用的窗口为3*3，图像的一个小区域如下所示：
按照上述的方法，均值滤波后的灰度值为：
滤波后图像边缘的灰度值用原图像的边缘值填充，b11＝a11，b12＝a12， b13＝a13，b14＝a14，非边缘区域，取3*3窗口内的平均值作为窗口中心的值，如：
根据上述公式，更新隶属度函数uik、聚类中心vi，从而获取矩阵[uik]，通过计算，图像二值化的结果为
对S14进一步说明：
判断聚类是否满足条件新的聚类中心与旧的聚类中心差值的平方是否小于S131设置的实数，即：||Vnew-Vold||2<t，如果满足条件停止执行，否则继续对S132所述灰度图像进行均值滤波。
图3是本发明实施例一种基于聚类的条码二值化系统的结构示意图，如图3所示，该系统包括：
11：图像获取模块，用于获取彩色图像；
12：图像灰度化处理模块，用于将彩色图像进行灰度化转换，获取灰度图像；
13：图像二值化模块，用于将灰度图像进行二值化处理，获取灰度图像二值化后结果。
对11进一步说明：
图像获取模块通过摄像头拍摄条码，从摄像头获取图像，该图像为彩色图像，即RGB图像。
对12进一步说明：
图像灰度化处理模块将11图像获取模块获取的彩色图像进行灰度化转换，图像灰度化转换公式如下：
Gray＝0.11×R+0.59×G+0.3×B
其中，R表示图像红色分量，G表示图像绿色分量，B表示图像蓝色分量， Gray表示灰度图像。
对13进一步说明：
图像二值化模块使用模糊聚类方法对灰度图像进行二值化。
具体使用模糊聚类方法对灰度图像进行二值化进行以下步骤单元：
数据初始化单元：确定聚类数目c的数值，初始化聚类中心Vi和设置一个很小的实数t；
图像滤波单元：对12获取的灰度图像进行均值滤波；
数据更新单元：更新聚类中心和隶属度函数，通过对模糊聚类公式进行求解，该模糊聚类的公式如下：
其中，表示对灰度图像进行均值滤波的图像的灰度值，c表示聚类数目, 所述模糊聚类的方法是对灰度图像进行二值化，因此c＝2，N表示像素的个数，xk表示原始灰度图像的灰度值，vi表示聚类中心，a权重参数，m 表示模糊参数，uik表示隶属度函数，第k个像素值属于第i个类的概率， i，j分别表示1,2,3...。
求解上述公式，获取隶属度函数uik、聚类中心vi如下：
根据上述公式，更新隶属度函数uik、聚类中心Vi，从而获取矩阵[uik]；
聚类条件判定单元：判断聚类是否满足条件新的聚类中心与旧的聚类中心差值的平方是否小于S131设置的实数，即：||Vnew-Vold||2<t，如果满足停止执行，否则继续对S132所述灰度图像进行均值滤波；
最后根据矩阵[uik]，通过计算得显示结果。本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种基于聚类的条码二值化方法及系统进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于聚类的条码二值化方法，其特征在于，所述方法包括：
获取彩色图像；
对所述彩色图像进行灰度化处理，获取灰度图像；
对所述灰度图像进行二值化处理，获取灰度图像二值化后结果。
2.根据权利要求1所述一种基于聚类的条码二值化方法，其特征在于，所述对所述彩色图像进行灰度化处理的公式如下：
Gray＝0.11×R+0.59×G+0.3×B
其中，R表示图像红色分量，G表示图像绿色分量，B表示图像蓝色分量，Gray表示灰度图像。
3.根据权利要求1所述一种基于聚类的条码二值化方法，其特征在于，所述对所述灰度图像进行二值化处理包括：
确定聚类数目c的数值，初始化聚类中心Vi和设置一个很小的实数t；
对所述灰度图像进行均值滤波；
更新聚类的中心和隶属度函数；
确定聚类是否满足条件||Vnew-Vold||2<t；
若是，停止执行；
若否，继续对所述灰度图像进行均值滤波。
4.根据权利要求3所述一种基于聚类的条码二值化方法，其特征在于，所述更新聚类中心和隶属度函数包括求解模糊聚类公式，获取聚类中心和隶属度函数，模糊聚类公式如下：
其中，表示对灰度图像进行均值滤波的图像的灰度值，c表示聚类数目,所述模糊聚类的方法是对灰度图像进行二值化，因此c＝2，N表示像素的个数，xk表示原始灰度图像的灰度值，vi表示聚类中心，a权重参数，m表示模糊参数，uik表示隶属度函数，第k个像素值属于第i个类的概率，i，j分别表示1,2,3...；
对上述公式进行求解，获取隶属度函数uik、聚类中心vi如下：
根据上述公式，获取矩阵[uik]，因此图像二值化的结果
5.一种基于聚类的条码二值化系统，其特征在于，所述系统包括：
图像获取模块:用于获取彩色图像；
图像灰度化处理模块：用于将彩色图像进行灰度化转换，获取灰度图像；
图像二值化模块：用于将灰度图像进行二值化处理，获取灰度图像二值化后结果。
6.根据权利要求5所述一种基于聚类的条码二值化系统，其特征在于，所述图像灰度化处理模块包括图像灰度化处理，所述图像灰度化转换公式如下：
Gray＝0.11×R+0.59×G+0.3×B
其中，R表示图像红色分量，G表示图像绿色分量，B表示图像蓝色分量，Gray表示灰度图像。
7.根据权利要求5所述一种基于聚类的条码二值化系统，其特征在于，所述图像二值化模块包括：
数据初始化单元：确定聚类数目c的数值，初始化聚类中心Vi和设置一个很小的实数t；
图像滤波单元：对图像灰度化处理模块获取的灰度图像进行均值滤波；
数据更新单元：更新聚类的中心和隶属度函数；
聚类条件判定单元：确定聚类是否满足条件||Vnew-Vold||2<t，若是，停止执行，否则继续对灰度图像进行均值滤波。
8.根据权利要求7所述一种基于聚类的条码二值化系统，其特征在于，所述数据更新单元包括求解模糊聚类公式，获取聚类中心和隶属度函数，模糊聚类公式如下：
其中，表示对灰度图像进行均值滤波的图像的灰度值，c表示聚类数目,所述模糊聚类的方法是对灰度图像进行二值化，因此c＝2，N表示像素的个数，xk表示原始灰度图像的灰度值，vi表示聚类中心，a权重参数，m表示模糊参数，uik表示隶属度函数，第k个像素值属于第i个类的概率，i，j分别表示1,2,3...；
对上述公式进行求解，获取隶属度函数uik、聚类中心vi如下：
根据上述公式，获取矩阵[uik]，图像二值化的结果为
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710390990.8A CN108932449B (zh) | 2017-05-27 | 2017-05-27 | 一种基于聚类的条码二值化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710390990.8A CN108932449B (zh) | 2017-05-27 | 2017-05-27 | 一种基于聚类的条码二值化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108932449A true CN108932449A (zh) | 2018-12-04 |
| CN108932449B CN108932449B (zh) | 2021-04-20 |
Family
ID=64450841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710390990.8A Active CN108932449B (zh) | 2017-05-27 | 2017-05-27 | 一种基于聚类的条码二值化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108932449B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109815762A (zh) * | 2018-12-29 | 2019-05-28 | 福建天泉教育科技有限公司 | 远距离识别二维码的方法、存储介质 |
| CN110147795A (zh) * | 2019-05-24 | 2019-08-20 | 电子科技大学 | 一种自适应非局部模糊c均值聚类sar图像分割算法 |
| CN110580479A (zh) * | 2019-08-27 | 2019-12-17 | 天津大学 | 基于熵和聚类算法的电子散斑干涉条纹图二值化方法 |
| CN111626979A (zh) * | 2020-02-04 | 2020-09-04 | 深圳市瑞沃德生命科技有限公司 | 一种管径测量方法及其装置 |
| CN114219946A (zh) * | 2021-12-29 | 2022-03-22 | 北京百度网讯科技有限公司 | 文本图像的二值化方法及装置、电子设备和介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059834A (zh) * | 2007-05-31 | 2007-10-24 | 中国农业大学 | 基于聊天用摄像头的qr二维条码识读方法 |
| CN103700109A (zh) * | 2013-12-24 | 2014-04-02 | 西安电子科技大学 | 基于多目标优化moea/d和模糊聚类的sar图像变化检测方法 |
| 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 |
| CN104616308A (zh) * | 2015-02-12 | 2015-05-13 | 大连民族学院 | 一种基于核模糊聚类的多尺度水平集图像分割方法 |
| US20160088181A1 (en) * | 2014-09-23 | 2016-03-24 | National Taipei University Of Technology | Encoding system and method for generating a data-bearing halftone image, and decoding system and method for decoding the data-bearing image |
| CN105868724A (zh) * | 2016-04-07 | 2016-08-17 | 广州智慧城市发展研究院 | 一种基于连通域的二维条码识别方法及系统 |
| CN106504239A (zh) * | 2016-10-25 | 2017-03-15 | 南通大学 | 一种提取超声图像中肝脏区域的方法 |
-
2017
- 2017-05-27 CN CN201710390990.8A patent/CN108932449B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059834A (zh) * | 2007-05-31 | 2007-10-24 | 中国农业大学 | 基于聊天用摄像头的qr二维条码识读方法 |
| CN103700109A (zh) * | 2013-12-24 | 2014-04-02 | 西安电子科技大学 | 基于多目标优化moea/d和模糊聚类的sar图像变化检测方法 |
| 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 |
| US20160088181A1 (en) * | 2014-09-23 | 2016-03-24 | National Taipei University Of Technology | Encoding system and method for generating a data-bearing halftone image, and decoding system and method for decoding the data-bearing image |
| CN104616308A (zh) * | 2015-02-12 | 2015-05-13 | 大连民族学院 | 一种基于核模糊聚类的多尺度水平集图像分割方法 |
| CN105868724A (zh) * | 2016-04-07 | 2016-08-17 | 广州智慧城市发展研究院 | 一种基于连通域的二维条码识别方法及系统 |
| CN106504239A (zh) * | 2016-10-25 | 2017-03-15 | 南通大学 | 一种提取超声图像中肝脏区域的方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109815762A (zh) * | 2018-12-29 | 2019-05-28 | 福建天泉教育科技有限公司 | 远距离识别二维码的方法、存储介质 |
| CN109815762B (zh) * | 2018-12-29 | 2022-02-11 | 福建天泉教育科技有限公司 | 远距离识别二维码的方法、存储介质 |
| CN110147795A (zh) * | 2019-05-24 | 2019-08-20 | 电子科技大学 | 一种自适应非局部模糊c均值聚类sar图像分割算法 |
| CN110580479A (zh) * | 2019-08-27 | 2019-12-17 | 天津大学 | 基于熵和聚类算法的电子散斑干涉条纹图二值化方法 |
| CN111626979A (zh) * | 2020-02-04 | 2020-09-04 | 深圳市瑞沃德生命科技有限公司 | 一种管径测量方法及其装置 |
| CN114219946A (zh) * | 2021-12-29 | 2022-03-22 | 北京百度网讯科技有限公司 | 文本图像的二值化方法及装置、电子设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108932449B (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108932449B (zh) | 一种基于聚类的条码二值化方法及系统 | |
| CN110348264B (zh) | 一种qr二维码图像校正方法及系统 | |
| CN112686812B (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
| CN111680690B (zh) | 一种文字识别方法及装置 | |
| US20190362193A1 (en) | Eyeglass positioning method, apparatus and storage medium | |
| CN112329779B (zh) | 一种基于mask提高证件识别准确率的方法和相关装置 | |
| CN112686248B (zh) | 证件增减类别检测方法、装置、可读存储介质和终端 | |
| CN114387591A (zh) | 车牌识别方法、系统、设备及存储介质 | |
| CN111767754B (zh) | 一种识别码的识别方法、装置、电子设备及存储介质 | |
| CN109829510A (zh) | 一种产品品质分级的方法、装置和设备 | |
| CN115587966A (zh) | 一种在光照不均匀条件下零件有无缺漏的检测方法及系统 | |
| CN112307919A (zh) | 一种基于改进YOLOv3的单证图像中数字信息区域识别方法 | |
| CN111814852A (zh) | 图像检测方法、装置、电子设备和计算机可读存储介质 | |
| CN112101058A (zh) | 一种试卷条码自动识别方法及装置 | |
| CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
| Bodnár et al. | A novel method for barcode localization in image domain | |
| CN117993406A (zh) | 一种二维条码自动识别读取方法及系统 | |
| CN113553876A (zh) | 条形码识别方法、装置、设备及存储介质 | |
| CN111199240A (zh) | 银行卡识别模型的训练方法、银行卡识别方法以及装置 | |
| CN111311610A (zh) | 图像分割的方法及终端设备 | |
| CN110826564A (zh) | 一种复杂场景图像中的小目标语义分割方法及系统 | |
| CN111986176A (zh) | 一种裂纹图像识别方法、系统、终端及可读存储介质 | |
| CN115063405A (zh) | 钢材表面缺陷检测的方法、系统、电子设备和存储介质 | |
| CN111626982A (zh) | 识别待检测货箱批次码的方法和装置 | |
| Vo et al. | Barcode Image Restoration for Recognition of Product Information |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191212 Address after: 510800 Guangdong province Guangzhou City Huadu District days Road 88 block A No. 6 Applicant after: DEVELOPMENT Research Institute OF GUANGZHOU SMART CITY Address before: 510800 Guangdong province Guangzhou City Huadu District days Road 88 block A No. 6 Applicant before: DEVELOPMENT Research Institute OF GUANGZHOU SMART CITY Applicant before: Guangzhou Sysur Microelectronics, Inc. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230516 Address after: 6 / F, block a, 88 Tiangui Road, Huadu District, Guangzhou, Guangdong 510800 Patentee after: DEVELOPMENT Research Institute OF GUANGZHOU SMART CITY Patentee after: Guangzhou Zhongke Integrated Circuit Design Co.,Ltd. Address before: 6 / F, block a, 88 Tiangui Road, Huadu District, Guangzhou, Guangdong 510800 Patentee before: DEVELOPMENT Research Institute OF GUANGZHOU SMART CITY |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231120 Address after: 6 / F, block a, 88 Tiangui Road, Huadu District, Guangzhou, Guangdong 510800 Patentee after: DEVELOPMENT Research Institute OF GUANGZHOU SMART CITY Address before: 6 / F, block a, 88 Tiangui Road, Huadu District, Guangzhou, Guangdong 510800 Patentee before: DEVELOPMENT Research Institute OF GUANGZHOU SMART CITY Patentee before: Guangzhou Zhongke Integrated Circuit Design Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240627 Address after: 518000, Building 1, Zone 1, Yihaicheng, Yantian District, Shenzhen City, Guangdong Province, China, 2106 Patentee after: Shenzhen Yantian District Zhongda Integrated Circuit Research Institute Country or region after: China Address before: 6 / F, block a, 88 Tiangui Road, Huadu District, Guangzhou, Guangdong 510800 Patentee before: DEVELOPMENT Research Institute OF GUANGZHOU SMART CITY Country or region before: China |