CN109784121B - Dot-peen DPM码的识别方法及装置 - Google Patents

Abstract

本发明公开了Dot‑peen DPM码的识别方法及装置，首先通过极值检测获取图像中的点；其次通过检测出的点的位置进行主方向确认，主方向为二维码边缘L线的两个方向，检测定位主方向上的L线；而后通过迭代透视变换生成采样网络；最后对透视变换后的所有点坐标进行采样及二值化处理。采用本方案，可以有效应对DPM码中的Dot‑peen类型的点，并对金属反光、光照不均匀、噪点复杂等情况的DPM码有很好的解码效果；此外，本方案对Dot‑peen DPM码中存在部分点污损的情况有很好的容忍度，可以精确识别带有污渍的Dot‑peen DPM码。

Description

Dot-peen DPM码的识别方法及装置

技术领域

本发明涉及图像识别技术领域，特别涉及Dot-peen DPM码的识别方法及装置。

背景技术

DPM码(direct part marking,直接零件标识)技术是一种直接刻印在产品表面的永久条码标识，而Dot-peenDPM码，是通过针打(Dot-peen)将二维码永久标在产品表面的方法。不同于纸质条码，DPM条码由于其附着的金属面粗糙、存在刮痕、高反光、背景噪点多等原因，使得拍摄所得的条码图像一般都属于低品质条码。对于条码的读取，在目前的定位和解码算法中，普遍采用边缘检测方法，对二维码的特征部分进行搜索、定位、识别。而对于Dot-peen DPM，由于其模块之间不连续，边缘检测无法使用，导致目前的解码算法无法对其解码，因此需要对该情况的条码研发其特有的解码算法。

发明内容

本发明要解决的技术问题是如何提供一种针对Dot-peenDPM码边缘不连续、图像质量低的特点的Dot-peen DPM码的识别方法及装置。

为了解决上述技术问题，本发明的技术方案为：

Dot-peen DPM码的识别方法，包括步骤：

通过极值检测获取图像中的点；

通过检测出的点的位置进行主方向确认，所述主方向为二维码边缘L线的两个方向；

检测定位主方向上的L线；

通过迭代透视变换生成采样网络；

对透视变换后的所有点坐标进行采样及二值化处理。

优选地，步骤通过检测出的点的位置进行主方向确认，包括：

对于每个点，找到与其曼哈顿距离最小的两个相邻点；

将所有相邻点连接起来，形成连通分量；

统计所有相邻点连线的方向，将数量最多的两个方向作为条码的两个主方向θ₁，θ₂。

优选地，步骤检测定位主方向上的L线，包括：

剔除与主方向之间的夹角大于预设值的连线，获得θ₁方向的连线集合L′₁、θ₂方向的连线集合L′₂；

将L′₁的平均长度作为θ₁方向的模块宽度s₁，将L′₂的平均长度作为θ₂方向的模块宽度s₂；

采用Hough变换得到主方向的L线。

优选地，步骤通过迭代透视变换生成采样网络，包括：

由L线交点向两个主方向延伸，获取L线上所有点的模板坐标；

建立L线上点的实际坐标及模板坐标之间的透视变换公式；

将L线上的点的实际坐标及模板坐标代入透视变换公式，求得透视变换系数；

从L线向条码区域内部延伸，获取最靠近L的线段L_in-1所有模板坐标，通过透视变换计算可以得到L_in-1的所有模板坐标对应的伪实际坐标；

设置搜索半径，若在伪实际坐标的搜索半径内存在实际的图像检测点，则建立L_in-1上的实际坐标与模板坐标的映射对；

将L、L_in-1上所有的实际坐标、模板坐标映射对代入透视变换公式，更新透视变换系数；

从L_in-1向条码区域内部延伸，重复直至遍历DPM上所有检测点，生成采样网络。

优选地，通过极值检测获取图像中的点具体为：

设I、J是定义于同一离散域D上的两张灰度图像，I为掩模图像，J为标识图像，且

其中p表示图像上的任意像素点，J(p)、I(p)是p点在图像J、I中的灰度值，则用J对I做形态学重建表示为：

其中，

表示形态学膨胀操作，B为尺度为1的结构元素，∧表示逐点比较取最小值；

采用形态学重建，标识图像J满足：

形态学重建表示为ρ_I(J)＝ρ_I(I-h)，其中h为预设常数；

用于点检测的公式为：S_h(I)＝I-ρ_I(I-h)，S表示得到的标注区域极值点的图像。

本发明还提出一种Dot-peen DPM码的识别装置，包括：

点检测模块：通过极值检测获取图像中的点；

主方向模块：通过检测出的点的位置进行主方向确认，所述主方向为二维码边缘L线的两个方向；

L线模块：检测定位主方向上的L线；

迭代模块：通过迭代透视变换生成采样网络；

二值化模块：对透视变换后的所有点坐标进行采样及二值化处理。

优选地，主方向模块包括：

距离单元：对于每个点，找到与其曼哈顿距离最小的两个相邻点；

连通单元：将所有相邻点连接起来，形成连通分量；

统计单元：统计所有相邻点连线的方向，将数量最多的两个方向作为条码的两个主方向θ₁,θ₂。

优选地，L线模块包括：

剔除单元：剔除与主方向之间的夹角大于预设值的连线，获得θ₁方向的连线集合L′₁、θ₂方向的连线集合L′₂；

宽度单元：将L′₁的平均长度作为θ₁方向的模块宽度s₁，将L′₂的平均长度作为θ₂方向的模块宽度s₂；

Hough变换单元：采用Hough变换得到主方向的L线。

优选地，迭代模块包括：

延伸单元：由L线交点向两个主方向延伸，获取L线上所有点的模板坐标；

公式单元：建立L线上点的实际坐标及模板坐标之间的透视变换公式；

系数单元：将L线上的点的实际坐标及模板坐标代入透视变换公式，求得透视变换系数；

伪实际坐标单元：从L线向条码区域内部延伸，获取最靠近L的线段L_in-1所有模板坐标，通过透视变换计算可以得到L_in-1的所有模板坐标对应的伪实际坐标；

映射对单元：设置搜索半径，若在伪实际坐标的搜索半径内存在实际的图像检测点，则建立L_in-1上的实际坐标与模板坐标的映射对；

系数更新单元：将L、L_in-1上所有的实际坐标、模板坐标映射对代入透视变换公式，更新透视变换系数；

遍历单元：从L_in-1向条码区域内部延伸，重复直至遍历DPM上所有检测点，生成采样网络。

优选地，点检测模块中，通过极值检测获取图像中的点具体为：

设I、J是定义于同一离散域D上的两张灰度图像，I为掩模图像，J为标识图像，且

其中p表示图像上的任意像素点，J(p)、I(p)是p点在图像J、I中的灰度值，则用J对I做形态学重建表示为：

其中，

表示形态学膨胀操作，B为尺度为1的结构元素，∧表示逐点比较取最小值；

采用形态学重建，标识图像J满足：

形态学重建表示为ρ_I(J)＝ρ_I(I-h)，其中h为预设常数；

用于点检测的公式为：S_h(I)＝I-ρ_I(I-h)，S表示得到的标注区域极值点的图像。

采用上述技术方案，通过对针打点进行检测，对点进行连线进而找出各个点形成的采样网络，生成二维码图像。通过由点组成线，再由线构成面的形式，对Dot-peenDPM进行图像识别。采用本方案，可以有效应对DPM码中的Dot-peen类型，并对金属反光、光照不均匀、噪点复杂等情况有很好的解码效果；此外，本方案对Dot-peenDPM码中存在部分点污损的情况有很好的容忍度，可以精确识别带有污渍的Dot-peen DPM码。

附图说明

图1为本发明Dot-peen DPM码的识别方法一实施例的流程图；

图2为图1中步骤S20的流程图；

图3为图1中步骤S30的流程图；

图4为图1中步骤S40的流程图；

图5为本发明Dot-peen DPM码的识别装置一实施例的原理模块图；

图6为本发明Dot-peen DPM码的识别方法未处理之前的图像；

图7为图6中极值点的图像；

图8为图6中标注区域极值点后的图像；

图9为步骤S23中相邻点连线的方向的统计直方图；

图10为找到L线后的图像；

图11为步骤S40中的第一张迭代点的示意图；

图12为步骤S40中的第二张迭代点的示意图。

图13为步骤S40中的第三张迭代点的示意图。

图14为步骤S40中的第四张迭代点的示意图。

图15为步骤S40中的第五张迭代点的示意图。

图16为步骤S40中的第六张迭代点的示意图。

图17为步骤S40中的第七张迭代点的示意图。

图18为图6通过Dot-peen DPM码的识别方法处理后提取的二维码图像。

图中，10-点检测模块，20-L线模块，30-主方向模块，40-迭代模块，50-二值化模块。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。

参照图1，本发明的技术方案为Dot-peen DPM码的识别方法，包括步骤：

S10：通过极值检测获取图像中的点；

通过极值检测获取图像中的点具体为：

设I、J是定义于同一离散域D上的两张灰度图像，I为掩模图像，J为标识图像，且

其中p表示图像上的任意像素点，J(p)、I(p)是p点在图像J、I中的灰度值，则用J对I做形态学重建表示为：

其中，

表示形态学膨胀操作，B为尺度为1的结构元素，∧表示逐点比较取最小值；

采用形态学重建，标识图像J满足：

形态学重建表示为ρ_I(J)＝ρ_I(I-h)，其中h为预设常数；

用于点检测的公式为：S_h(I)＝I-ρ_I(I-h)，S表示得到的标注区域极值点的图像。

通过极值检测获取图像中的点具体为：

设I、J是定义于同一离散域D上的两张灰度图像，I为掩模图像，J为标识图像，且

其中p表示图像上的任意像素点，J(p)、I(p)是p点在图像J、I中的灰度值，则用J对I做形态学重建表示为：

其中，

表示形态学膨胀操作，B为尺度为1的结构元素，∧表示逐点比较取最小值；

采用形态学重建，标识图像J满足：

形态学重建表示为ρ_I(J)＝ρ_I(I-h)，其中h为预设常数；

用于点检测的公式为：S_h(I)＝I-ρ_I(I-h)，S表示得到的标注区域极值点的图像。

S20：通过检测出的点的位置进行主方向确认，主方向为二维码边缘L线的两个方向；

参照图2，步骤S20具体的包括：

S21：对于每个点，找到与其曼哈顿距离最小的两个相邻点；

S22：将所有相邻点连接起来，形成连通分量；

S23：统计所有相邻点连线的方向，将数量最多的两个方向作为条码的两个主方向θ₁,θ₂。

参照图3，S30：检测定位主方向上的L线；

步骤S30具体的包括

S31：剔除与主方向之间的夹角大于预设值的连线，获得θ₁方向的连线集合L′₁、θ₂方向的连线集合L′₂；

S32：将L′₁的平均长度作为θ₁方向的模块宽度s₁，将L′₂的平均长度作为θ₂方向的模块宽度s₂；

S33：采用Hough变换得到主方向的L线。本实施例中，Hough变换的具体方法为：

采用Hough变换得到主方向的L线。Hough变换的原理是将点变换到一组参数空间(λ,θ)上，根据参数空间点的累计结果找到一个极大值对应的解，那么这个解就对应着要寻找的直线参数。由于这里只需要寻找两个主方向θ₁,θ₂，所以采用Hough变换得到主方向的L线的步骤如下：

先计算L线的θ₁方向的线段：

1、建立参数空间(λ,θ)，这里设θ＝θ₁；

2、顺序搜索U′＝{P_i,i＝1,2...,n′}中所有点，根据λ＝xcosθ₁+ysinθ₁计算λ＝{λ_i,i＝1,2...,n′}；

3、对数组λ进行直方图统计，以2为步进尺寸，求得

其中λ_j为直方图上落入最大统计量区间的所有M个λ值。

4、求得L线的θ₁方向的线段L₁方程为：λ₁＝xcosθ₁+ysinθ₁。

同理可计算得L线的θ₂方向的线段L₂方程为：λ₂＝xcosθ₂+ysinθ₂。

参照图4，S40：通过迭代透视变换生成采样网络；

步骤S40具体的包括：

S41：由L线交点向两个主方向延伸，获取L线上所有点的模板坐标；

S42：建立L线上点的实际坐标及模板坐标之间的透视变换公式；

S43：将L线上的点的实际坐标及模板坐标代入透视变换公式，求得透视变换系数；

S44：从L线向条码区域内部延伸，先将最靠近L的线段L_in-1，可获取L_in-1的所有模板坐标，通过透视变换计算可以得到L_in-1的所有模板坐标对应的伪实际坐标；

S45：设置搜索半径，若在搜索半径内存在实际的图像检测点，则建立L_in-1上的实际坐标与模板坐标的映射对；

S46：将L、L_in-1、上所有的实际坐标、模板坐标映射对代入透视变换公式，更新透视变换系数；

从L_in-1向条码区域内部延伸，重复直至遍历DPM上所有检测点，生成采样网络。

S50：对透视变换后的所有点坐标进行采样及二值化处理。

在本发明的另一实施例中，以图6的图像为例，该方法通过以下步骤实现：

1、点检测；

这里我们采用基于H-dome形态学重建的区域极值检测方法。由于针打的点，相对于其领域是极大值或极小值，因此我们可以采用极值检测的方法来得到各个针打的点分布。形态学重建是基于测地膨胀的形态学运算，主要用来提取区域极值。

对于灰度形态学重建的定义如下：设I、J是定义于同一离散域D上的两张灰度图像，I为掩模图像，J为标识图像，且

其中p表示图像上的任意像素点，J(p)，I(p)是p点在图像J、I中的灰度值。用J对I做形态学重建可表示为：

其中，

表示形态学膨胀操作，B为尺度为1的结构元素，∧表示逐点比较取最小值。由于I的限制，n次迭代最终会趋于收敛。

这里，我们采用H-dome形态学重建，标识图像J满足：

其中h为预设常数。即将图像I的每个像素的灰度值降低h，用J对I进行重建，得到的图像可以保持图像I的形态，消除幅度小于h的微小差异，有效的从灰度图中提取出各极大区域。对于Dot-peen DPM的点，在图像上会呈现其亮度较高(或较暗)，而目标四周的灰度较低(或较高)，考虑到Dot-peen DPM码存在反光、不均匀光照、背景噪点多的问题，这里我们采用自适应计算h的方法，即对不同图像区域，计算不同的h，选取h小于Dot与背景的灰度均值的差，而大于一般的局部极大值点的高度，就能很好的保留Dot点而消除周围的复杂背景。

最终用于点检测的公式如下：S_h(I)＝I-ρ_I(I-h)，S表示得到的标注区域极值点的图像，如图7及8所示。

2、条码主方向估计；

标准的二维DPM码两个主方向是互为垂直的，以DM为例，两个主方向为边缘L线的两个方向。步骤1已经获得了点的空间分布，由于Dot-peenDPM码存在背景噪点、对比度不均匀等问题，因此检测出来的点不一定就是DPM码的信息点模块，而DPM码的信息点模块也不一定会完全被检测出来。因此通过条码主方向估计这个步骤对已检测的点空间分布进行DPM码主方向估计，为后续的条码信息提取做准备，也可以排除掉其他噪点的干扰。

本步骤的主要过程如下：

2.1对于检测出来的每个点，找到其最近相邻距离的两个点，定义为相邻点；

这里距离的定义如下：对于空间中任意两个点，其坐标分别为(x_i,y_i),(x_j,y_j)，采用曼哈顿距离(ManhattanDistance)，Dis_ij＝|x_i-x_j|+y_i-y_j|；

采用K-近邻(KNN)算法，这里k设为2，可以获得每个点的最近两个距离的点。K-近邻算法搜索的复杂度为O(N²)，这里可以引入KD-Tree的优化，将复杂度下降为O(NlogN)，加快速度。

2.2将所有相邻点连接起来，形成连通分量。

将空间中所有的相邻点连接起来，会形成很多个连通分量。由于DPM码相对于背景比较明显，因此虽存在一定的噪点，但是连通分量中包含点最多的，就是DPM区域。

2.3统计DPM区域所有相邻点连线的方向，得到如图9所示的方向直方图；

所有相邻点连线的集合记为L＝{L_ij}，所有相邻点连线的方向的集合记为θ＝{θ_ij}，下标ij表示相邻点(x_i,y_i),(x_j,y_j)。θ_ij方向定义为：

设定eps＝0.1，

表示向下取整。对θ＝{θ_ij}，可以绘制其直方图，得到方向直方图。

2.4方向直方图最大的两个方向即为条码的两个主方向，两个主方向表示为θ₁,θ₂。主方向确认后的图像如图10所示。

3、L线搜索；

采用Hough变换得到主方向的L线。Hough变换的原理是将点变换到一组参数空间(λ,θ)上，根据参数空间点的累计结果找到一个极大值对应的解，那么这个解就对应着要寻找的直线参数。由于这里只需要寻找两个主方向θ₁,θ₂，所以采用Hough变换得到主方向的L线的步骤如下：

先计算L线的θ₁方向的线段：

(1)、建立参数空间(λ,θ)，这里设θ＝θ₁；

(2)、顺序搜索U′＝{P_i,i＝1,2...,n′}中所有点，根据λ＝xcosθ₁+ysinθ₁计算λ＝{λ_i,i＝1,2...,n′}；

(3)、对数组λ进行直方图统计，以2为步进尺寸，求得

其中λ_j为直方图上落入最大统计量区间的所有M个λ值。

(4)、求得L线的θ₁方向的线段L₁方程为：λ₁＝xcosθ₁+ysinθ₁。

同理可计算得L线的θ₂方向的线段L₂方程为：λ₂＝xcosθ₂+ysinθ₂。

4、迭代透视变换生成采样网络；

(1)、求得L₁、L₂两直线的交点；

(2)、通过求得的两个方向模块宽度s₁，s₂，从交点分别向两个方向延伸，可获得DPML线上所有检测点的模板坐标。

(3)、根据L线上所有点的模板坐标和实际坐标映射对做迭代透视变换，生成采样网络。迭代的具体步骤如下：

建立透视变换公式，U＝(ax+by+c)/(gx+hy+1),V＝(dx+ey+f)/(gx+hy+1)，其中，(U,V)为点的实际坐标，(x,y)为点的模板坐标。

将L线上的点的实际坐标(U_L,V_L)，模板坐标(x_L,y_L)代入透视变换公式，求得透视变换系数a、b、c、d、e、f、g、h；

如图11至图17所示，本实施例每次迭代递进两行，向二维码内部位置迭代，图案中方形点为处理后的点，圆形点为待处理的点。从L线往条码区域内部延伸，考虑精度和速度的折中，先考虑最靠近L的两条线段L_in-1，L_in-2，可获取L_in-1，L_in-2的所有模块中心的模板坐标，通过透视变换计算可以得到L_in-1，L_in-2的所有模块中心模板坐标对应的伪实际坐标，对这些伪实际坐标搜索其距离最近的实际点坐标。搜索方式为：设置搜索半径γ，若在搜索半径γ内存在实际的图像检测点，则建立L_in-1线上的实际坐标(U_in-1,V_in-1)与模板坐标(x_in-1,y_in-1)的映射对以及L_in-2线上的实际坐标(U_in-2,V_in-2)与模板坐标(x_in-2,y_in-2)的映射对。

将L、L_in-1、L_in-2上所有的实际坐标、模板坐标映射对代入透视变换公式，更新透视变换系数a、b、c、d、e、f、g、h；

从L_in-2再往内延伸，重复进行步骤iii、iv，直到遍历DPM上所有检测点，即可得到最终的透视变换系数a、b、c、d、e、f、g、h；

根据透视变换，生成采样网络。

需要说明的是，本实施例中，一次迭代为递进两层线L_in-1、L_in-2。在实际实施时，一次迭代的递进线数可以为一层或者两层等情况，不仅仅限制为递进一层。

通过上述迭代透视变换求解，可以有效地减少远离L线的检测点的透视变换的误差，使得采样网络更准确。

5、二值化；

对透视变换完的所有点坐标进行采样，进行二值化，判断其是0模块还是1模块。这里可以采用Niblack二值化方法。得到如图18的二值化后的编制二维码图像结果。

6、纠错、译码。

对上述二值化的结果进行纠错、译码等常规条码识别操作，即可获取该Dot-peenDPM码的信息。

通过以上步骤，将边缘不连续的Dot-peenDPM码进行点检测、主方向确认、边缘L线确认、迭代获取采样网络、二值化、纠错、译码等步骤，实现了对Dot-peenDPM码的识别，抗噪能力强。

如图5，本发明还提出了Dot-peen DPM码的识别装置，包括：

点检测模块10：通过极值检测获取图像中的点；

主方向模块20：通过检测出的点的位置进行主方向确认，主方向为二维码边缘L线的两个方向；

L线模块30：检测定位主方向上的L线；

迭代模块40：通过迭代透视变换生成采样网络；

二值化模块50：对透视变换后的所有点坐标进行采样及二值化处理。

具体地，主方向模块20包括：

距离单元：对于每个点，找到与其曼哈顿距离最小的两个相邻点；

连通单元：将所有相邻点连接起来，形成连通分量；

统计单元：统计所有相邻点连线的方向，将数量最多的两个方向作为条码的两个主方向θ₁,θ₂。

具体地，L线模块30包括：

剔除单元：剔除与主方向之间的夹角大于预设值的连线，获得θ₁方向的连线集合L′₁、θ₂方向的连线集合L′₂；

宽度单元：将L′₁的平均长度作为θ₁方向的模块宽度s₁，将L′₂的平均长度作为θ₂方向的模块宽度s₂；

Hough变换单元：采用Hough变换得到主方向的L线。

具体地，迭代模块40包括：

延伸单元：由L线交点向两个主方向延伸，获取L线上所有点的模板坐标；

公式单元：建立L线上点的实际坐标及模板坐标之间的透视变换公式；

系数单元：将L线上的点的实际坐标及模板坐标代入透视变换公式，求得透视变换系数；

伪实际坐标单元：从L线向条码区域内部延伸，获取最靠近L的线段L_in-1所有模板坐标，通过透视变换计算可以得到L_in-1的所有模板坐标对应的伪实际坐标；

映射对单元：设置搜索半径，若在伪实际坐标的搜索半径内存在实际的图像检测点，则建立L_in-1上的实际坐标与模板坐标的映射对；

系数更新单元：将L、L_in-1上所有的实际坐标、模板坐标映射对代入透视变换公式，更新透视变换系数；

遍历单元：从L_in-1向条码区域内部延伸，重复直至遍历DPM上所有检测点，生成采样网络。

具体地，点检测模块中10，通过极值检测获取图像中的点具体为：

设I、J是定义于同一离散域D上的两张灰度图像，I为掩模图像，J为标识图像，且

其中p表示图像上的任意像素点，J(p)、I(p)是p点在图像J、I中的灰度值，则用J对I做形态学重建表示为：

其中，

表示形态学膨胀操作，B为尺度为1的结构元素，∧表示逐点比较取最小值；

采用形态学重建，标识图像J满足：

形态学重建表示为ρ_I(J)＝ρ_I(I-h)，其中h为预设常数；

用于点检测的公式为：S_h(I)＝I-ρ_I(I-h)，S表示得到的标注区域极值点的图像。

采用上述技术方案，通过对针打点进行检测，对点进行连线进而找出各个点形成的采样网络，生成二维码图像。通过由点组成线，再由线构成面的形式，对Dot-peenDPM进行图像识别。采用本方案，可以有效应对DPM码中的Dot-peen类型，并对金属反光、光照不均匀、噪点复杂等情况有很好的解码效果；此外，本方案对Dot-peen DPM码中存在部分点污损的情况有很好的容忍度，可以精确识别带有污渍的Dot-peen DPM码。

以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。

Claims (6)

1.一种Dot-peen DPM码的识别方法，其特征在于，包括步骤：

通过极值检测获取图像中的点；

通过检测出的点的位置进行主方向确认，所述主方向为二维码边缘L线的两个方向；

检测定位主方向上的L线；

通过迭代透视变换生成采样网络；

对透视变换后的所有点坐标进行采样及二值化处理；

其中，通过极值检测获取图像中的点具体为：

设I、J是定义于同一离散域D上的两张灰度图像，I为掩模图像，J为标识图像，且

其中p表示图像上的任意像素点，J(p)、I(p)是p点在图像J、I中的灰度值，则用J对I做形态学重建表示为：

其中，

表示形态学膨胀操作，B为尺度为1的结构元素，∧表示逐点比较取最小值；

采用形态学重建，标识图像J满足：

形态学重建表示为ρ_I(J)＝ρ_I(I-h)，其中h为预设常数；

用于点检测的公式为：S_h(I)＝I-ρ_I(I-h)，S表示得到的标注区域极值点的图像；

其中，步骤检测定位主方向上的L线，包括：

剔除与主方向之间的夹角大于预设值的连线，获得θ₁方向的连线集合L′₁、θ₂方向的连线集合L′₂；

将L′₁的平均长度作为θ₁方向的模块宽度s₁，将L′₂的平均长度作为θ₂方向的模块宽度s₂；

采用Hough变换得到主方向的L线。

2.根据权利要求1所述的Dot-peenDPM码的识别方法，其特征在于，步骤通过检测出的点的位置进行主方向确认，包括：

对于每个点，找到与其曼哈顿距离最小的两个相邻点；

将所有相邻点连接起来，形成连通分量；

统计所有相邻点连线的方向，将数量最多的两个方向作为条码的两个主方向θ₁,θ₂。

3.根据权利要求2所述的Dot-peenDPM码的识别方法，其特征在于，步骤通过迭代透视变换生成采样网络，包括：

由L线交点向两个主方向延伸，获取L线上所有点的模板坐标；

建立L线上点的实际坐标及模板坐标之间的透视变换公式；

将L线上的点的实际坐标及模板坐标代入透视变换公式，求得透视变换系数；

从L线向条码区域内部延伸，获取最靠近L的线段L_in-1所有模板坐标，通过透视变换计算可以得到L_in-1的所有模板坐标对应的伪实际坐标；

设置搜索半径，若在伪实际坐标的搜索半径内存在实际的图像检测点，则建立L_in-1上的实际坐标与模板坐标的映射对；

将L、L_in-1上所有的实际坐标、模板坐标映射对代入透视变换公式，更新透视变换系数；

从L_in-1向条码区域内部延伸，重复直至遍历DPM上所有检测点，生成采样网络。

4.一种Dot-peen DPM码的识别装置，其特征在于，包括：

点检测模块：通过极值检测获取图像中的点；

主方向模块：通过检测出的点的位置进行主方向确认，所述主方向为二维码边缘L线的两个方向；

L线模块：检测定位主方向上的L线；

迭代模块：通过迭代透视变换生成采样网络；

二值化模块：对透视变换后的所有点坐标进行采样及二值化处理；

其中，点检测模块中，通过极值检测获取图像中的点具体为：

设I、J是定义于同一离散域D上的两张灰度图像，I为掩模图像，J为标识图像，且

其中p表示图像上的任意像素点，J(p)、I(p)是p点在图像J、I中的灰度值，则用J对I做形态学重建表示为：

其中，

表示形态学膨胀操作，B为尺度为1的结构元素，∧表示逐点比较取最小值；

采用形态学重建，标识图像J满足：

形态学重建表示为ρ_I(J)＝ρ_I(I-h)，其中h为预设常数；

用于点检测的公式为：S_h(I)＝I-ρ_I(I-h)，S表示得到的标注区域极值点的图像；

其中，L线模块包括：

剔除单元：剔除与主方向之间的夹角大于预设值的连线，获得θ₁方向的连线集合L′₁、θ₂方向的连线集合L′₂；

宽度单元：将L′₁的平均长度作为θ₁方向的模块宽度s₁，将L′₂的平均长度作为θ₂方向的模块宽度s₂；

Hough变换单元：采用Hough变换得到主方向的L线。

5.根据权利要求4所述的Dot-peenDPM码的识别装置，其特征在于，主方向模块包括：

距离单元：对于每个点，找到与其曼哈顿距离最小的两个相邻点；

连通单元：将所有相邻点连接起来，形成连通分量；

统计单元：统计所有相邻点连线的方向，将数量最多的两个方向作为条码的两个主方向θ₁,θ₂。

6.根据权利要求4所述的Dot-peenDPM码的识别装置，其特征在于，迭代模块包括：

延伸单元：由L线交点向两个主方向延伸，获取L线上所有点的模板坐标；

公式单元：建立L线上点的实际坐标及模板坐标之间的透视变换公式；

系数单元：将L线上的点的实际坐标及模板坐标代入透视变换公式，求得透视变换系数；

伪实际坐标单元：从L线向条码区域内部延伸，获取最靠近L的线段L_in-1所有模板坐标，通过透视变换计算可以得到L_in-1的所有模板坐标对应的伪实际坐标；

映射对单元：设置搜索半径，若在伪实际坐标的搜索半径内存在实际的图像检测点，则建立L_in-1上的实际坐标与模板坐标的映射对；

系数更新单元：将L、L_in-1上所有的实际坐标、模板坐标映射对代入透视变换公式，更新透视变换系数；

遍历单元：从L_in-1向条码区域内部延伸，重复直至遍历DPM上所有检测点，生成采样网络。

Images