CN109522768A - Qr码的识别方法及装置 - Google Patents

Qr码的识别方法及装置 Download PDF

Info

Publication number
CN109522768A
CN109522768A CN201811228943.4A CN201811228943A CN109522768A CN 109522768 A CN109522768 A CN 109522768A CN 201811228943 A CN201811228943 A CN 201811228943A CN 109522768 A CN109522768 A CN 109522768A
Authority
CN
China
Prior art keywords
code
image
connected region
pixel
bianry image
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
CN201811228943.4A
Other languages
English (en)
Inventor
许为民
王继良
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201811228943.4A priority Critical patent/CN109522768A/zh
Publication of CN109522768A publication Critical patent/CN109522768A/zh
Pending legal-status Critical Current

Links

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
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • 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
    • G06K7/1473—Methods for optical code recognition the method including quality enhancement steps error correction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种QR码的识别方法及装置，其中方法包括：对含有QR码的图像进行灰度化和二值化处理，获得二值图像；对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案；将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。本发明实施例能够有效缓解了大角度下的QR码识别问题并同时实现了批量识别QR码的功能。

Description

QR码的识别方法及装置
技术领域
本发明涉及加速器设计技术领域，更具体地，涉及QR码的识别方法及装置。
背景技术
QR码是最常见的二维码，其使用特定的编码规律在指定的平面区域利用黑白相间的图形块来编码信息，该种类型的二维码能得到快速的识别与解析，因此在智能手机普及的同时得到了极为广泛的应用，图1为现有技术中QR码的组成结构的示意图，图1中QR码的3个顶角处的图案即为QR码的位置探测图形。
在识别QR码的时候，首先要识别出QR码的位置探测图形。图2为现有技术中QR码的位置探测图形的示意图，对于QR码的位置探测图形，其最大的特征即在横竖两个方向上，内部的深色:浅色:深色:浅色:深色＝1:1:3:1:1，现有的算法都是先依靠此比例特征来确定位置探测图形的存在，从而进一步定位QR码。
当摄像头不与QR码所在平面平行时，定位图形在摄像头内会被不均匀放缩。离摄像头越近的部分放缩的比例越小，而离摄像头越远的部分放缩的比例越大，摄像头所在平面与QR码所在平面夹角越大，此差距越明显。如此一来，在摄像头中，定位图形的比例不再为1:1:3:1:1，尽管算法会容许此比例有一定容错范围，但是容错过大，难免会导致识别错误(将并非定位图形的图形块识别成定位图形)，所以需要控制好这个误差范围。而当摄像头平面与QR码所在平面夹角越大时，比例的误差越大，摄像头越发无法识别定位图形。若定位图形无法识别，则系统不会认为图像中有二维码存在，这也是传统的算法在大角度条件下无法识别二维码的原因。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的QR码的识别方法及装置。
第一个方面，本发明实施例提供一种QR码的识别方法，包括：
对含有QR码的图像进行灰度化和二值化处理，获得二值图像；
对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案；
将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。
第二个方面，本发明实施例还提供一种QR码的识别装置，包括：
二值图像获取模块，用于对含有QR码的图像进行灰度化和二值化处理，获得二值图像；
连通区域获取模块，用于对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案；
识别模块，用于将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的QR码的识别方法及装置，通过对含有QR码的图像进行灰度化和二值化处理，使整个图像呈现出明显的只有黑和白的视觉效果，通过对二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案，实现了利用QR码的形态学特征筛选出图像中疑似为QR码的图案，再将四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。本发明实施例能够有效缓解了大角度下的QR码识别问题并同时实现了批量识别QR码的功能。
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一简单地介绍，显而易见地，下面描述中的附图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他的附图。
图1为现有技术中QR码的组成结构的示意图；
图2为现有技术中QR码的位置探测图形的示意图；
图3为本发明实施例提供的QR码的识别方法的流程示意图；
图4为本发明实施例提供的QR码的识别方法对样例图像进行灰度化和二值化处理后的样例图像的示意图；
图5为本发明实施例根据图4所示实施例的样例图像进行连通区域划分后形成的图像的示意图；
图6为本发明实施例根据图4所示实施例的样例图像提取各图形的边界点后形成的图像的示意图；
图7为本发明实施例提供的QR码的识别装置的结构示意图；
图8为本发明实施例提供的电子设备的实体结构示意图。
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作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。
为了克服现有技术的上述问题，本发明实施例提供了一种QR码的识别方法，其发明构思为：利用QR码的图形边界、内部结构等形态特征识别QR码，将扭曲的QR码还原以后再利用位置探测图形来确定QR码，本发明实施例能够有效缓解了大角度下的QR码识别问题并同时实现了批量识别QR码的功能。
具体地，本发明实施例通过分析QR码的性质，可获得不随QR码放缩或变形而变化的形态学特征：
1、QR码整体呈正方形，不管摄像头的角度如何变化，其成像总为凸四边形，不可能变成凹四边形或其它多边形。
2、QR码内部图形深浅色的交替非常频繁，因此内部边界极多。
3、由于进行了掩码操作，QR码内部的深浅色单元分布比较均匀，不存在大部分的全深色或全浅色。
4、QR码的回字形定位块深浅色的比例会变化，但仍然成回字形太。
图3为本发明实施例提供的QR码的识别方法的流程示意图，如图所示，包括：
S101、对含有QR码的图像进行灰度化和二值化处理，获得二值图像。
具体地，QR码的识别只需要利用到深浅两种颜色，因此本发明实施例需要将含有QR码的图像进行灰度化和二值化处理。灰度化，在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。一般有分量法最大值法平均值法加权平均法四种方法对彩色图像进行灰度化。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。图4为本发明实施例提供的QR码的识别方法对样例图像进行灰度化和二值化处理后的样例图像的示意图，如图4所示，处理后的样例图像为黑白图。
S102、对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案。
具体地，对二值图像进行连通区域划分，即将二值图像中封闭曲线围成的区域进行了标记，图5为本发明实施例根据图4所示实施例的样例图像进行连通区域划分后形成的图像的示意图，由图5可知，通过连通区域划分可以勾勒出二值图像中各图案的轮廓，各图案的内部颜色统一，相比图4，图5中出现明显变化的图案有字母“e”以及二维码图案，字母“e”以及二维码图像都形成了一个不含有空洞的图案，外部轮廓更加鲜明。
由QR码的形态学特征可知，无论以什么角度拍摄QR码，QR码的形状也仍然为四边形，或者近似四边形，因此可以删除长宽比例严重失衡的图案、面积过小的图案，这些畸形的图案不可能是QR码，即使是，也是严重变形无法识别的QR码，因此需要剔除。留下从形状上疑似为QR码的图案。通过对剩余的连通区域进行多边形逼近操作，可以使连通区域的顶点数目变少，加快QR码的识别，由于多边形逼近操作不止会产生四边形，因此还需要非四边形的图案进行剔除，只对四边形的图案进行后续的操作。
S103、将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。
具体地，本发明实施例通过将四边形图案还原为正方形图案，QR码中1:1:3:1:1的比例特征也同样被还原，可以根据比例特征筛选出最终确定的图形中真正的QR码，删除那些非QR码的图案，从而完成了识别图像中所有QR码的操作。
本发明实施例可以提高QR码在大角度下的识别准确度并同时实现批量扫描QR码的功能。
在上述各实施例的基础上，作为一种可选实施例，对二值图像进行连通区域划分，具体为：
S201、提取所述二值图像中各图形的边界点。
需要说明的是，边界即图像局部变化最显著的部分，边界主要存在于目标与目标、目标与背景直接，是图像局部特性的不连续性，如灰度的突变、纹理结构的图标、颜色的图标等等。可以理解的是hi，边界是由一定数量的边界点构成的，一般边界检测方法主要有以下四个步骤：
图像滤波：传统边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出的是，大多数滤波器在降低噪声的同时也造成了了边缘强度的损失，因此，在增强边缘和降低噪声之间需要一个折衷的选择。
图像增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度的幅值来完成的。
图像检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判断依据是梯度幅值。
图像定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。近20多年来提出了许多边缘检测算子，常见的检测算子包括差分边缘检测、reborts算子、sobel算子等等。
图6为本发明实施例根据图4所示实施例的样例图像提取各图形的边界点后形成的图像的示意图，如图6所示，通过提取边界点，原图像中的各图形的边界得到了清楚的体现。图6中的英文字母均通过边界点实现了勾勒。
S202、对各边界点进行膨胀操作，使得邻近的边界点连通为连通图形。具体地，膨胀操作即将所述边界点周围像素点的灰度值调整为与所述边界点的灰度值相同。
需要说明的是，在边界点一定范围内的某个方向上的边界点越多，则在这个方向上膨胀地越多，反之则膨胀地越少，若在一定范围内的某个方向上没有边界点，则不在这个方向上进行膨胀。在膨胀操作后，很多边界点会连通在一起，成为连通图形。
S203、填充连通图形的内部孔洞，获得所述连通区域。具体如图5所示。
在上述各实施例的基础上，提取图像中各图形的边界点，具体为：对于所述二值图像的任意一个像素点，若所述像素点邻域至少一个像素点的灰度值与所述像素点的灰度值不同，则确定所述像素点为边界点；若所述像素点领域所有像素点的灰度值与所述像素点的灰度值相同，则确定所述像素点为非边界点，分别设置边界点和非边界的像素值为255和0。
本发明实施例的提取边界点的方法相比现有技术具有方法更简便的优势，同时由于在提取时结合了QR码的颜色特性，因此虽然方法简便，但准确度更高。此时QR码区域成为不规则的四边形图案。
在上述各实施例的基础上，作为一种可选实施例，将所述四边形图案还原为正方形图案，具体为：
S301、根据所述四边形图案中各像素点的坐标获取所述四边形图案的两个相对的顶点。
具体地，在四边形的四个顶点中，一定有两个顶点是四边形所有点中x，y坐标的最大或最小值，根据x，y坐标最大和最小值的组合就可以找到四边形的两个相对的顶点。
S302、将所述两个相对的顶点连成线段，将所述四边形图案中距离所述线段最远的两个像素点作为所述四边形图案的另外两个顶点。可以理解的是，另外两个顶点是分别在线段两侧的像素点。
S303、根据所述四边形图案的四个顶点，采用透视变换的方式将所述四边形图案还原至正方形图案。
具体地，透视变换(Perspective Transformation)是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。
图7为本发明实施例提供的QR码的识别装置的结构示意图，如图7所示，该识别装置包括：二值图像获取模块401、连通区域获取模块402以及识别模块403。
其中：
二值图像获取模块401用于对含有QR码的图像进行灰度化和二值化处理，获得二值图像。
具体地，QR码的识别只需要利用到深浅两种颜色，因此本发明实施例的二值图像获取模块需要将含有QR码的图像进行灰度化和二值化处理。灰度化，在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。一般有分量法最大值法平均值法加权平均法四种方法对彩色图像进行灰度化。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。图4为本发明实施例提供的QR码的识别方法对图像进行灰度化和二值化处理后的图像的示意图。
连通区域获取模块402用于对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案。
具体地，连通区域获取模块402对二值图像进行连通区域划分，即将二值图像中封闭曲线围成的区域进行了标记。由QR码的形态学特征可知，无论以什么角度拍摄QR码，QR码的形状也仍然为四边形，或者近似四边形，因此可以删除长宽比例严重失衡的图案、面积过小的图案，这些畸形的图案不可能是QR码，即使是，也是严重变形无法识别的QR码，因此需要剔除。留下从形状上疑似为QR码的图案。通过对剩余的连通区域进行多边形逼近操作，可以使连通区域的顶点数目变少，加快QR码的识别，由于多边形逼近操作不止会产生四边形，因此还需要非四边形的图案进行剔除，只对四边形的图案进行后续的操作。
识别模块403用于将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。
具体地，本发明实施例的识别模块403通过将四边形图案还原为正方形图案，QR码中1:1:3:1:1的比例特征也同样被还原，可以根据比例特征筛选出最终确定的图形中真正的QR码，删除那些非QR码的图案，从而完成了识别图像中所有QR码的操作。
本发明实施例提供的识别装置，具体执行上述各识别方法实施例流程，具体请详见上述各识别方法实施例的内容，在此不再赘述。本发明实施例提供的识别装置通过利用QR码的图形边界、内部结构等形态特征识别QR码，将扭曲的QR码还原以后再利用位置探测图形来确定QR码，本发明实施例能够有效缓解了大角度下的QR码识别问题并同时实现了批量识别QR码的功能。
图8为本发明实施例提供的电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储在存储器430上并可在处理器410上运行的计算机程序，以执行上述各实施例提供的加速方法，例如包括：对含有QR码的图像进行灰度化和二值化处理，获得二值图像；对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案；将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的识别方法，例如包括：对含有QR码的图像进行灰度化和二值化处理，获得二值图像；对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案；将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种QR码的识别方法，其特征在于，包括：
对含有QR码的图像进行灰度化和二值化处理，获得二值图像；
对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案；
将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。
2.根据权利要求1所述的QR码的识别方法，其特征在于，所述对所述二值图像进行连通区域划分，具体为：
提取所述二值图像中各图形的边界点；
对各边界点进行膨胀操作，使得邻近的边界点连通为连通图形；
填充连通图形的内部孔洞，获得所述连通区域。
3.根据权利要求2所述的识别方法，其特征在于，所述提取图像中各图形的边界点，具体为：
对于所述二值图像的任意一个像素点，若所述像素点邻域至少一个像素点的灰度值与所述像素点的灰度值不同，则确定所述像素点为边界点；若所述像素点领域所有像素点的灰度值与所述像素点的灰度值相同，则确定所述像素点为非边界点，分别设置边界点和非边界的像素值为255和0。
4.根据权利要求2所述的识别方法，其特征在于，所述对各边界点进行膨胀操作，具体为：对于任意一个边界点，将所述边界点周围像素点的灰度值调整为与所述边界点的灰度值相同。
5.根据权利要求1所述的识别方法，其特征在于，将所述四边形图案还原为正方形图案，具体为：
根据所述四边形图案中各像素点的坐标获取所述四边形图案的两个相对的顶点；
将所述两个相对的顶点连成线段，将所述四边形图案中距离所述线段最远的两个像素点作为所述四边形图案的另外两个顶点；
根据所述四边形图案的四个顶点，采用透视变换的方式将所述四边形图案还原至正方形图案。
6.一种QR码的识别装置，其特征在于，包括：
二值图像获取模块，用于对含有QR码的图像进行灰度化和二值化处理，获得二值图像；
连通区域获取模块，用于对所述二值图像进行连通区域划分，标记出所述二值图像中的连通区域，删除畸形的连通区域，对剩余的连通区域进行多边形逼近操作，并筛选出四边形图案；
识别模块，用于将所述四边形图案还原为正方形图案，根据QR码中位置检测图像的比例特征识别属于QR码的正方形图案。
7.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5中任意一项所述的识别方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5中任意一项所述的识别方法。
CN201811228943.4A 2018-10-22 2018-10-22 Qr码的识别方法及装置 Pending CN109522768A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811228943.4A CN109522768A (zh) 2018-10-22 2018-10-22 Qr码的识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811228943.4A CN109522768A (zh) 2018-10-22 2018-10-22 Qr码的识别方法及装置

Publications (1)

Publication Number Publication Date
CN109522768A true CN109522768A (zh) 2019-03-26

Family

ID=65772800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811228943.4A Pending CN109522768A (zh) 2018-10-22 2018-10-22 Qr码的识别方法及装置

Country Status (1)

Country Link
CN (1) CN109522768A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457972A (zh) * 2019-08-05 2019-11-15 网易（杭州）网络有限公司 二维码识别方法与装置、存储介质、电子设备
CN111753573A (zh) * 2020-06-28 2020-10-09 北京奇艺世纪科技有限公司 二维码图像识别方法、装置、电子设备以及可读存储介质
CN111950315A (zh) * 2020-10-19 2020-11-17 江苏理工学院 一种多幅条形码图像切分与识别方法、装置及存储介质
CN112580383A (zh) * 2020-12-29 2021-03-30 科大讯飞(苏州)科技有限公司 二维码识别方法、装置、电子设备及存储介质
CN112926350A (zh) * 2021-02-25 2021-06-08 中国人民解放军32181部队 一种批量识别二维码的方法及终端

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013191078A (ja) * 2012-03-14 2013-09-26 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013191078A (ja) * 2012-03-14 2013-09-26 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王惠华: "畸变二维码校正算法研究与实现", 《中国优秀硕士学位论文全文数据库》 *
王景中，贺磊: "一种快速有效的QＲ码定位方法", 《计算机技术与发展》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457972A (zh) * 2019-08-05 2019-11-15 网易（杭州）网络有限公司 二维码识别方法与装置、存储介质、电子设备
CN111753573A (zh) * 2020-06-28 2020-10-09 北京奇艺世纪科技有限公司 二维码图像识别方法、装置、电子设备以及可读存储介质
CN111753573B (zh) * 2020-06-28 2023-09-15 北京奇艺世纪科技有限公司 二维码图像识别方法、装置、电子设备以及可读存储介质
CN111950315A (zh) * 2020-10-19 2020-11-17 江苏理工学院 一种多幅条形码图像切分与识别方法、装置及存储介质
CN111950315B (zh) * 2020-10-19 2023-11-07 江苏理工学院 一种多幅条形码图像切分与识别方法、装置及存储介质
CN112580383A (zh) * 2020-12-29 2021-03-30 科大讯飞(苏州)科技有限公司 二维码识别方法、装置、电子设备及存储介质
CN112580383B (zh) * 2020-12-29 2023-08-29 科大讯飞(苏州)科技有限公司 二维码识别方法、装置、电子设备及存储介质
CN112926350A (zh) * 2021-02-25 2021-06-08 中国人民解放军32181部队 一种批量识别二维码的方法及终端
CN112926350B (zh) * 2021-02-25 2023-02-28 中国人民解放军32181部队 一种批量识别二维码的方法及终端

Similar Documents

Publication Publication Date Title
CN109522768A (zh) Qr码的识别方法及装置
TWI687832B (zh) 生物識別系統及用於生物識別之電腦實施方法
KR102113911B1 (ko) 생체 인식 인증을 위한 특징 추출 및 정합과 템플릿 갱신
CN106960208B (zh) 一种仪表液晶数字自动切分和识别的方法及系统
CN110348264B (zh) 一种qr二维码图像校正方法及系统
US10430948B2 (en) Method and system for preparing text images for optical-character recognition
CN108596166A (zh) 一种基于卷积神经网络分类的集装箱箱号识别方法
CN110930390B (zh) 基于半监督深度学习的芯片管脚缺失检测方法
CN106096601B (zh) 一种自动检测票据中字符类型的方法和系统
CN115908269B (zh) 视觉缺陷检测方法、装置、存储介质和计算机设备
CN109492642B (zh) 车牌识别方法、装置、计算机设备及存储介质
CN109447117B (zh) 双层车牌识别方法、装置、计算机设备及存储介质
CN111680690B (zh) 一种文字识别方法及装置
CN110009615B (zh) 图像角点的检测方法及检测装置
CN110544300B (zh) 一种基于二维手绘图像特征自动生成三维模型的方法
CN111259908A (zh) 基于机器视觉的钢卷号识别方法、系统、设备及存储介质
CN111860369A (zh) 一种欺诈识别方法、装置以及存储介质
CN115439804A (zh) 一种用于高铁检修的监测方法以及装置
CN116128849A (zh) 一种混凝土坝水下裂缝检测方法、装置、设备及存储介质
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
CN116052152A (zh) 一种基于轮廓检测和深度神经网络的车牌识别系统
CN115272664A (zh) 仪表盘示数展示方法、装置、电子设备和存储介质
CN104268550A (zh) 特征提取方法及装置
CN108205641B (zh) 手势图像处理方法及装置
CN115619796A (zh) 获取光伏组件模板的方法及装置、非易失性存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190326