CN109086644A - 亚像素精度的DataMatrix二维码的定位方法 - Google Patents

Abstract

本发明属于二维码定位的技术领域，具体涉及亚像素精度的DataMatrix二维码的定位方法，对金字塔图像中的二维码特征边进行搜索，并通过特征边的长度和夹角对特征边进行筛选，将筛选后获得到的特征边按照相应的比例缩放到当前层或其他层金字塔图像上；然后，计算虚边直线，获得DataMatrix的候选区；最后筛选出准确的DataMatrix位置，从而实现对DataMatrix二维码的快速定位。本发明能够快速识别定位DataMatrix二维码，还能有效解决图像退化、对比度低、噪声干扰和磨损污染等情况下的二维码定位问题，从而提高工业环境下DataMatrix二维码定位的精度。

Description

亚像素精度的DataMatrix二维码的定位方法

技术领域

本发明属于二维码定位的技术领域，具体涉及亚像素精度的DataMatrix二维码的定位方法。

背景技术

近几年，随着物联网技术的飞速发展，二维条码依靠其庞大的信息携带量成为了对物品标识及描述的首要选择，并且二维码还有错误修正技术及防伪功能，增强了数据的安全性。其中DataMatrix码凭借其密度高、尺寸小、信息量大、抗污染能力强的特点在工业中被广泛的使用。目前关于DataMatrix码的识别算法大都是针对在印刷品上的情况，其背景简单、条码工整，所以定位难度相对较小。而对于工业环境下的DataMatrix，现有算法很难做到精确定位，甚至无法定位。

其中，中国专利文献公开了一种二维码定位方法及系统(公开号：CN 106485183A)，利用二维码数据区的边缘信息对图像数据进行预筛选，确定可能包含二维码的图像区域作为候选区域，对每个候选区域，利用待定位二维码的定位图形确定二维码外边界的大致位置，从而获得二维码的粗略定位，最后根据二维码外边界的大致位置确定出二维码的精确边界，从而获得二维码的精确定位；此外，中国专利文献公开了一种基于机器学习的二维码定位方法及系统(公开号：CN 107220577 A)，采用图像传感器获取二维码图像信息；对所述二维码图像信息进行分块、标注和向量化预处理，获取二维码图像信息的分块、标注和向量化信息；采用训练模型对所述二维码图像信息的分块、标注和向量化信息进行定位处理，根据定位处理结果确定二维码在所述二维码图像信息的区域；中国专利文献公开了一种低信噪比环境下的二维码定位方法(公开号：CN 107292212 A)将小线变换引入到二维码的定位中，具有很强的抗噪声能力，能在强噪声中准确识别出目标的线特征，提升了边缘图像的纯净度。上述的方案在一定程度上能识别工业环境下的二维码，但是这些方案至少还存在以下缺陷：第一，当工业码存在退化现象，表现为失真和模糊，就难以做到精确定位；第二，当机器工艺或者表面不平整造成对比度低，噪声干扰严重，造成定位的精确度不高；第三，当二维码由于拍摄角度或者打印质量导致大小和长宽不一致，造成无法进行定位。

发明内容

本发明的目的在于：针对现有技术的不足，提供亚像素精度的DataMatrix二维码的定位方法，能够快速识别定位DataMatrix二维码，还能有效解决图像退化、对比度低、噪声干扰和磨损污染等情况下的二维码定位问题，从而提高工业环境下DataMatrix二维码定位的精度。

为了实现上述目的，本发明采用如下技术方案：

亚像素精度的DataMatrix二维码的定位方法，包括如下步骤：

1)读取灰度图像，采用降采样方式构建多层金字塔图像序列，从底层到顶层，分辨率依次降低；

2)从金字塔的顶层图像开始搜索特征边，若某一层图像搜索到特征边，则开始步骤3)，否则继续往下搜索，直到金字塔的底层；

3)当某一层金字塔的特征边搜索结束后，通过DataMatrix的特征边的长度和夹角对特征边进行筛选，并将筛选后获得到的特征边按照相应的比例缩放到当前层或其他层金字塔图像上，并计算虚边直线，获得DataMatrix的候选区；

4)根据DataMatrix时钟图案的特征，扫描虚边直线的灰度跳变进一步检验候选区，筛选出准确的DataMatrix位置。

本发明的定位方法中，步骤1)金字塔本质上为信号的多尺度表示法，并且向下取样，产生不同尺度下的图片以进行后续的处理，步骤3)由于标准特征边的夹角为90度，可根据这一特征对特征边进行筛选，进一步，将筛选后的特征边按照相应的比例缩放到当前层或其他层金字塔图像上，有助于加快计算速度，步骤4)由于DataMatrix的时钟图案是由黑白相间的点组成，根据这一特性可通过扫描虚边直线的灰度跳变进一步检验候选区，有助于进一步对候选区进行筛选。

作为本发明所述的亚像素精度的DataMatrix二维码的定位方法的一种改进，步骤3)中搜索所述特征边的方法，包括如下步骤：

S1、计算当前金字塔的图像的梯度及梯度角，生成梯度图；

S2、生成梯度图，分别对梯度图的x方向和y方向扫描，若梯度点大于左右两个像素或大于上下的两个像素的梯度，则为梯度极值点；

S3、以梯度极值点为种子点，以梯度极值点的梯度方向为种子方向，通过区域增长的方式将与种子点相似梯度角的像素合并一起，获得直线的矩形区域；

S4、计算矩形区域的对应的直线及方向，获得亚像素精度的直线l₀及方向θ₀；

S5、若线段l₀的长度大于所设定的值，则分别在线段l₀的两个端点的附近的24个像素内查找梯度角为θ₀+π/2的点p1、p2；

S7、分别以p1、p2为种子点，参照步骤S3和S4，分别计算获得直线l₁、l₁′及方向θ₁、θ₁′；

S8、若特征边长度及夹角符合设定值，则作为候选区。

作为本发明所述的亚像素精度的DataMatrix二维码的定位方法的一种改进，步骤4)中计算所述虚边直线的方法，包括如下步骤：

第一步，结合特征边，根据平行四边形原则分别确定第一虚边和第二虚边；

第二步，计算获得第一虚边的边缘搜索方向；

第三步，以特征边的端点为起始点，沿着第一虚边的边缘搜索方向搜索虚边的边缘点；

第四步，将边缘点附近且与边缘点有相似梯度角的像素收集，获得直线的矩形区域；

第五步，计算矩形区域的对应的直线及方向，获得亚像素精度的直线l₂及方向θ₂；

第六步，由于第二虚边与第一虚边的计算方法相同，获得亚像素精度的直线l₃及方向θ₃；

第七步，根据l₀、l₁、l₂、l₃获得DataMatrix候选区。

作为本发明所述的亚像素精度的DataMatrix二维码的定位方法的一种改进，每层所述金字塔图像的梯度及梯度角的计算公式为：

梯度：梯度方向：其中Gx为图像的横向边缘，Gy为图像的纵向边缘。

作为本发明所述的亚像素精度的DataMatrix二维码的定位方法的一种改进，所述矩形区域对应的直线的计算公式为y-y_c＝tanθ*(x-x_c)，其中，x_c、y_c为所述矩形区域所对应的质心，θ为所述矩形区域的对应的方向。

作为本发明所述的亚像素精度的DataMatrix二维码的定位方法的一种改进，所述金字塔顶层图像不小于20×20像素。防止二维码较小，导致采样后顶层的图像二维码消失。

作为本发明所述的亚像素精度的DataMatrix二维码的定位方法的一种改进，计算所述横向边缘Gx和所述纵向边缘Gy采用sobel算子、Prewitt算子和Roberts算子中的一种。使用sobel算子、Prewitt算子和Roberts算子均可计算图像的横向边缘及纵向边缘。

作为本发明所述的亚像素精度的DataMatrix二维码的定位方法的一种改进，所述第一虚边的边缘搜索方向由直线确定，其中x₀、y₀为所述第一虚边的第一个端点，x₁、y₁为所述第一虚边的第二个端点。

附图说明

图1为本发明的流程示意图。

具体实施方式

如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内，本领域技术人员能够在一定误差范围内解决技术问题，基本达到技术效果。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、水平”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

以下结合附图对本发明作进一步详细说明，但不作为对本发明的限定。

如图1所示，亚像素精度的DataMatrix二维码的定位方法，包括如下步骤：

1)读取灰度图像，采用降采样方式构建多层金字塔图像序列，从底层到顶层，分辨率依次降低；

2)从金字塔的顶层图像开始搜索特征边，若某一层图像搜索到特征边，则开始步骤3)，否则继续往下搜索，直到金字塔的底层；

3)当某一层金字塔的特征边搜索结束后，通过DataMatrix的特征边的长度和夹角对特征边进行筛选，并将筛选后获得到的特征边按照相应的比例缩放到当前层或其他层金字塔图像上，并计算虚边直线，获得DataMatrix的候选区；

4)根据DataMatrix时钟图案的特征，扫描虚边直线的灰度跳变进一步检验候选区，筛选出准确的DataMatrix位置。

还需要说明的是：本发明的定位方法中，步骤1)金字塔本质上为信号的多尺度表示法，并且向下取样，产生不同尺度下的图片以进行后续的处理，步骤3)由于标准特征边的夹角为90度，可根据这一特征对特征边进行筛选，进一步，将筛选后的特征边按照相应的比例缩放到当前层或其他层金字塔图像上，有助于加快计算速度，步骤4)由于DataMatrix的时钟图案是由黑白相间的点组成，根据这一特性可通过扫描虚边直线的灰度跳变进一步检验候选区，有助于进一步对候选区进行筛选。

上述步骤3)中搜索特征边的方法，包括如下步骤：

S1、计算当前金字塔的图像的梯度及梯度角，生成梯度图；

S2、生成梯度图，分别对梯度图的x方向和y方向扫描，若梯度点大于左右两个像素或大于上下的两个像素的梯度，则为梯度极值点；

S3、以梯度极值点为种子点，以梯度极值点的梯度方向为种子方向，通过区域增长的方式将与种子点相似梯度角的像素合并一起，获得直线的矩形区域；

S4、计算矩形区域的对应的直线及方向，获得亚像素精度的直线l₀及方向θ₀；

S5、若线段l₀的长度大于所设定的值，则分别在线段l₀的两个端点的附近的24个像素内查找梯度角为θ₀+π/2的点p1、p2；

S7、分别以p1、p2为种子点，参照步骤S3和S4，分别计算获得直线l₁、l₁′及方向θ₁、θ₁′；

S8、若特征边长度及夹角符合设定值，则作为候选区。

上述步骤4)中计算虚边直线的方法，包括如下步骤：

第一步，结合特征边，根据平行四边形原则分别确定第一虚边和第二虚边；

第二步，计算获得第一虚边的边缘搜索方向；

第三步，以特征边的端点为起始点，沿着第一虚边的边缘搜索方向搜索虚边的边缘点；

第四步，将边缘点附近且与边缘点有相似梯度角的像素收集，获得直线的矩形区域；

第五步，计算矩形区域的对应的直线及方向，获得亚像素精度的直线l₂及方向θ₂；

第六步，由于第二虚边与第一虚边的计算方法相同，获得亚像素精度的直线l₃及方向θ₃；

第七步，根据l₀、l₁、l₂、l₃获得DataMatrix候选区。

优选的，每层金字塔的图像的梯度及梯度角的计算公式为：

梯度：梯度方向：其中Gx为图像的横向边缘，Gy为图像的纵向边缘。

优选的，矩形区域对应的直线的计算公式为y-y_c＝tanθ*(x-x_c)，其中，x_c、y_c为矩形区域所对应的质心，θ为矩形区域的对应的方向。

优选的，金字塔顶层图像不小于20×20像素。防止二维码较小，导致采样后顶层的图像二维码消失。

优选的，计算横向边缘Gx和纵向边缘Gy采用sobel算子、Prewitt算子和Roberts算子中的一种。使用sobel算子、Prewitt算子和Roberts算子均可计算图像的横向边缘及纵向边缘。

优选的，第一虚边的边缘搜索方向由直线确定，其中x₀、y₀为第一虚边的第一个端点，x₁、y₁为第一虚边的第二个端点。

根据上述说明书的揭示和教导，本发明所属领域的技术人员还能够对上述实施方式进行变更和修改。因此，本发明并不局限于上述的具体实施方式，凡是本领域技术人员在本发明的基础上所作出的任何显而易见的改进、替换或变型均属于本发明的保护范围。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。

Claims (8)

1.亚像素精度的DataMatrix二维码的定位方法，其特征在于，包括如下步骤：

1)读取灰度图像，采用降采样方式构建多层金字塔图像序列，从底层到顶层，分辨率依次降低；

2)从金字塔的顶层图像开始搜索特征边，若某一层图像搜索到特征边，则开始步骤3)，否则继续往下搜索，直到金字塔的底层；

3)当某一层金字塔的特征边搜索结束后，通过DataMatrix的特征边的长度和夹角对特征边进行筛选，并将筛选后获得到的特征边按照相应的比例缩放到当前层或其他层金字塔图像上，并计算虚边直线，获得DataMatrix的候选区；

4)根据DataMatrix时钟图案的特征，扫描虚边直线的灰度跳变进一步检验候选区，筛选出准确的DataMatrix位置。

2.如权利要求1所述的亚像素精度的DataMatrix二维码的定位方法，其特征在于：步骤3)中搜索所述特征边的方法，包括如下步骤：

S1、计算当前金字塔的图像的梯度及梯度角，生成梯度图；

S2、生成梯度图，分别对梯度图的x方向和y方向扫描，若梯度点大于左右两个像素或大于上下的两个像素的梯度，则为梯度极值点；

S3、以梯度极值点为种子点，以梯度极值点的梯度方向为种子方向，通过区域增长的方式将与种子点相似梯度角的像素合并一起，获得直线的矩形区域；

S4、计算矩形区域的对应的直线及方向，获得亚像素精度的直线l₀及方向θ₀；

S5、若线段l₀的长度大于所设定的值，则分别在线段l₀的两个端点的附近的24个像素内查找梯度角为θ₀+π/2的点p1、p2；

S7、分别以p1、p2为种子点，参照步骤S3和S4，分别计算获得直线l₁、l₁′及方向θ₁、θ₁′；

S8、若特征边长度及夹角符合设定值，则作为候选区。

3.如权利要求2所述的亚像素精度的DataMatrix二维码的定位方法，其特征在于：步骤4)中计算所述虚边直线的方法，包括如下步骤：

第一步，结合特征边，根据平行四边形原则分别确定第一虚边和第二虚边；

第二步，计算获得第一虚边的边缘搜索方向；

第三步，以特征边的端点为起始点，沿着第一虚边的边缘搜索方向搜索虚边的边缘点；

第四步，将边缘点附近且与边缘点有相似梯度角的像素收集，获得直线的矩形区域；

第五步，计算矩形区域的对应的直线及方向，获得亚像素精度的直线l₂及方向θ₂；

第六步，由于第二虚边与第一虚边的计算方法相同，获得亚像素精度的直线l₃及方向θ₃；

第七步，根据l₀、l₁、l₂、l₃获得DataMatrix候选区。

4.如权利要求2所述的亚像素精度的DataMatrix二维码的定位方法，其特征在于：每层所述金字塔图像的梯度及梯度角的计算公式为：

梯度：梯度方向：其中Gx为图像的横向边缘，Gy为图像的纵向边缘。

5.如权利要求3所述的亚像素精度的DataMatrix二维码的定位方法，其特征在于：所述矩形区域对应的直线的计算公式为y-y_c＝tanθ*(x-x_c)，其中，x_c、y_c为所述矩形区域所对应的质心，θ为所述矩形区域的对应的方向。

6.如权利要求1所述的亚像素精度的DataMatrix二维码的定位方法，其特征在于：所述金字塔顶层图像不小于20×20像素。

7.如权利要求4所述的亚像素精度的DataMatrix二维码的定位方法，其特征在于：计算所述横向边缘Gx和所述纵向边缘Gy采用sobel算子、Prewitt算子和Roberts算子中的一种。

8.如权利要求3所述的亚像素精度的DataMatrix二维码的定位方法，其特征在于：所述第一虚边的边缘搜索方向由直线确定，其中x₀、y₀为所述第一虚边的第一个端点，x₁、y₁为所述第一虚边的第二个端点。