CN110046528A - 一种点状DataMatrix二维码识别方法 - Google Patents
一种点状DataMatrix二维码识别方法 Download PDFInfo
- Publication number
- CN110046528A CN110046528A CN201811383267.8A CN201811383267A CN110046528A CN 110046528 A CN110046528 A CN 110046528A CN 201811383267 A CN201811383267 A CN 201811383267A CN 110046528 A CN110046528 A CN 110046528A
- Authority
- CN
- China
- Prior art keywords
- datamatrix
- code
- dotted
- image
- dimensional code
- 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 38
- 238000005260 corrosion Methods 0.000 claims abstract description 17
- 230000007797 corrosion Effects 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000005530 etching Methods 0.000 claims abstract description 6
- 230000002708 enhancing effect Effects 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 239000011800 void material Substances 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 2
- 238000009776 industrial production Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000010147 laser engraving Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004064 recycling Methods 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
- G06K7/1408—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种点状DataMatrix二维码识别方法,对点状DataMatrix二维码图像进行腐蚀处理或膨胀,以将二维码边缘中需要的各个点互相连接起来,若点状DataMatrix二维码图像是白底黑码,则采用腐蚀操作;若点状DataMatrix二维码图像是黑底白码,则采用膨胀操作;对得到图像进行高斯滤波进行图像平滑处理,消除边缘锯齿;对得到图像再进行DataMatrix二维码定位和识别。本发明方法即使在工业生产环境恶劣和拍照条件差等因素的影响下仍可以高效,准确地识别出点状DataMatrix二维码。
Description
技术领域
本发明涉及一种二维码的识别方法,特别涉及一种点状DataMatrix二维码识别方法。
背景技术
Datamatrix是二维码的一个成员,与1989年由美国国际资料公司发明,广泛用于商品的防伪、统筹标识。它主要通过激光雕刻、喷码、印刷等方式在零部件上直接作出标识,在组装过程中实现质量控制和永久溯源。它具有面积小、信息含量高、抗污损等优点被广泛应用于工业生产制造中。
但是DataMatrix二维码常常存在磨损严重、对比度差、光照不均等情况,特别是点状DataMatrix二维码,其特点是每点均是孤立存在,与普通DataMatrix二维码相比,其成像更不均匀,再加上工业生产环境恶劣和拍照条件差等影响因素,譬如刻在金属材质上的点状DataMatrix二维码,该类型二维码具有很强的背景干扰,如脏污,凹坑,噪点等,均会给后期的识别工作带来很大的阻碍,若使用传统方法直接对点状DataMatrix二维码进行定位和解码,其效果非常差。
为了解决点状DataMatrix二维码的识别困难问题,本发明提出了一种点状DataMatrix二维码识别方法,即使在工业生产环境恶劣和拍照条件差等因素的影响下仍可以高效,准确地识别出点状DataMatrix二维码。
发明内容
本发明要解决的技术问题,在于提供一种点状DataMatrix二维码识别方法,即使在工业生产环境恶劣和拍照条件差等因素的影响下仍可以高效,准确地识别出点状DataMatrix二维码。
本发明是这样实现的:一种点状DataMatrix二维码识别方法,包括:
步骤S3、对点状DataMatrix二维码图像进行腐蚀处理或膨胀,以将二维码边缘中需要的各个点互相连接起来,若点状DataMatrix二维码图像是白底黑码,则采用腐蚀操作;若点状DataMatrix二维码图像是黑底白码,则采用膨胀操作;
步骤S4、对步骤S3得到图像进行高斯滤波进行图像平滑处理,消除边缘锯齿;
步骤S5、对步骤S4得到图像进行DataMatrix二维码定位和识别。
进一步的,本发明还包括
步骤S1:对采集到的点状DataMatrix二维码图像进行开运算,从而消除二维码图像上细小的杂点;
步骤S2:对步骤S1得到的图像进行拉普拉斯增强,凸显出二维码部分。
进一步的,所述步骤S1具体是:
设f(x,y)为输入图像,(x,y)为输入图像中的横纵坐标;g(a,b)为矩形的结构元素,(a,b)为结构元素中的横纵坐标;Rf为输入图像f(x,y)的边界;Rg为结构元素g(a,b)的边界,Rg的尺寸与点状DataMatrix二维码的码点的尺寸一样,码点的尺寸通过测量得到;则通过下述g对f的开操作公式进行开操作:
所述杂点为面积小于码点的点。
进一步的,所述步骤S2具体是:
设f(x,y)为输入图像,d(x,y)为目标图像,(x,y)为输入图像或目标图像中的横纵坐标,为拉普拉斯操作,则目标图像d(x,y)的计算公式为:
用表示求二阶导数,则由下述计算公式得到:
将公式(2)进行近似表达后得到近似式:
本发明采用的是拉普拉斯的变种形式,这种形式保持了拉普拉斯的的增强效果,同时保留了背景,不会使背景变成黑色,具体公式如下:
将公式(4)代入公式(1)算出目标图像d(x,y)。
进一步的,所述步骤S3具体是:
设f(x,y)为输入图像,(x,y)为输入图像中的横纵坐标;g(a,b)为矩形的结构元素,(a,b)为结构元素中的横纵坐标;Rf为输入图像f(x,y)的边界;Rg为结构元素g(m,n)的边界,Rg的尺寸大于或等于点状DataMatrix二维码的码点的尺寸,码点的尺寸通过测量得到;
若点状DataMatrix二维码图像是白底黑码,采用如下腐蚀计算公式:
[fΘg](x,y)=min{f(x+a,y+b)-g(a,b)|(x+a,y+b)∈Rf,(a,b)∈Rg}
若点状DataMatrix二维码图像是黑底白码,采用如下膨胀计算公式:
其中,腐蚀或膨胀的程度是根据点状DataMatrix二维码的码点间的距离来控制的,码点间的距离越大腐蚀或膨胀程度越大,码点间的距离越小腐蚀或膨胀也越小。
进一步的,所述步骤S4的高斯滤波的计算公式是:
其中(x,y)是图像中像素对应的坐标,σ是方差,取值范围是[0,2]。
进一步的,所述步骤S5的定位包括:
(51)寻找相邻实边过程:对图像进行直线检测,得到图像中的所有直线,再对这些所有直线进行两两配对,若两条直线的夹角在80~100度之间,则将这组直线列入候选区域Ci;
(52)确定虚边过程:对候选区域Ci中的每组直线做平行线,平行线的初始位置必须满足平行线与这组直线中一条直线的终点相交,两条平行线的位置即是点状DataMatrix二维码图像虚边的模糊位置,然后再对平行线进行微调,从而得到虚边的精确位置;
所述点状DataMatrix二维码图像的定位图形是由两条所述实边和两条虚边围成。
所述微调的具体方法如下:
(a)求出平行线两侧像素绝对差的和;设其中一平行线为L1,平行线L1上像素点坐标为(xi,yi),i∈[0,m],m为L1上的像素点数,与平行线L1垂直的直线为L2,f(a,b)的值表示图像(a,b)坐标点对应的像素值,
则L1的x方向增量:其中max表示求最大值,
L1的y方向增量:其中max表示求最大值,
则L2的x方向增量:
L2的y方向增量:
则平行线L1和L2两侧像素绝对差的和为:
(b)分别在一定像素范围内保持平行地移动平行线L1和L2;然后回到(a)中分别求出平行线L1和L2两侧像素绝对差的和,反复多次移动后,取和最大的那条平行线即为虚边的精确位置。
进一步的,所述步骤S5的识别是利用标准的DataMatrix识别算法进行。
本发明具有如下优点:本发明方法利用标准的DataMatrix识别算法进行识别之前,先对采集到的点状DataMatrix二维码图像进行开运算,从而消除二维码图像上细小的杂点;再进行拉普拉斯增强,凸显出二维码部分,更重要的是对点状DataMatrix二维码图像进行腐蚀处理或膨胀,以将图像中的各个点互相连接起来,再进行高斯滤波进行图像平滑处理,消除边缘锯齿。经上述处理后的点状DataMatrix二维码图像大大提升了识别质量,即使在工业生产环境恶劣和拍照条件差等因素的影响下仍可以高效,准确地识别出点状DataMatrix二维码。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明方法执行流程图。
图2为本发明方法一实施例中采集到的点状DataMatrix二维码图像。
图3为本发明方法一实施例中对图2所示图像进行开运算之后得到的图像。
图4为本发明方法一实施例中对图3所示图像进行拉普拉斯增强后得到的图像。
图5为本发明方法一实施例中对图4所示图像进行腐蚀操作后得到的图像。
图6为本发明方法一实施例中对图5所示图像进行高斯滤波平滑处理后得到的图像。
图7为本发明方法一实施例中对图6所示图像进行DataMatrix二维码定位后得到的图像。
图7a为本发明方法一实施例图像定位过程中移动平行线的状态示意图。
图8为本发明方法一实施例中对图7所示图像进行DataMatrix二维码识别后得到的结果。
具体实施方式
请参阅图1至图8所示,本发明的点状DataMatrix二维码识别方法的一较佳实施例中,包括下述步骤:
步骤S1:对采集到的点状DataMatrix二维码图像进行开运算,从而消除二维码图像上细小的杂点,减少对点状码区的干扰。由于后续的操作会将各个点状区域膨胀起来,这里消除杂点可以防止后续步骤将这些杂点放大误认为是码的部分。开运算的具体过程是:
设f(x,y)为输入图像,(x,y)为输入图像中的横纵坐标;g(a,b)为矩形的结构元素,(a,b)为结构元素中的横纵坐标;Rf为输入图像f(x,y)的边界,即为输入图像的大;Rg为结构元素g(a,b)的边界,Rg的尺寸与点状DataMatrix二维码的码点的尺寸一样,码点的尺寸通过测量得到;则通过下述g对f的开操作公式进行开操作:
所述杂点为面积小于码点的点。
通过镜头采集到原始的点状DataMatrix二维码图像,如图2所示,经开运算处理后消除了杂点,得到如图3所示的图像。
步骤S2:对步骤S1得到的图像进行拉普拉斯增强,拉普拉斯是一种微分算子,微分运算能够突出图像细节,使图像变得更为清晰,可以增强图像中灰度突变的区域,目的是为了锐化图像,将一些不明显的点状区域凸显出来。拉普拉斯增强的具体过程是:
设f(x,y)为输入图像,d(x,y)为目标图像,(x,y)为输入图像或目标图像中的横纵坐标,为拉普拉斯操作,则目标图像d(x,y)的计算公式为:
用表示求二阶导数,则由下述计算公式得到:
将公式(2)进行近似表达后得到近似式:
本发明采用的是拉普拉斯的变种形式,这种形式保持了拉普拉斯的的增强效果,同时保留了背景,不会使背景变成黑色,具体公式如下:
将公式(4)代入公式(1)算出目标图像d(x,y)。
当对图3所示的图像进行拉普拉斯增强后即可得到如图4所示的图像,图像中灰度突变的区域得到增强,将一些不明显的点状区域凸显出来,锐化了图像。
步骤S3、然后对点状DataMatrix二维码图像进行腐蚀处理或膨胀,以将二维码边缘中需要的各个点(即步骤S5中两实边的边缘中需要的各个点)互相连接起来,若点状DataMatrix二维码图像是白底黑码,则采用腐蚀操作;若点状DataMatrix二维码图像是黑底白码,则采用膨胀操作;白底黑码:由于点状DataMatrix二维码图像的特点是每点均是孤立存在,与普通DataMatrix二维码相比,其成像更不均匀,具有很强的背景干扰,会给后期的识别工作带来很大的阻碍,因此为了减弱背景干扰,本发明对点状DataMatrix二维码图像进行腐蚀处理或膨胀,以将图像中的各个点互相连接起来,即可降低背景的干扰度。
本发明中,所谓白底黑码是表示背景为浅色,码区为深色的DataMatrix二维码,并不是指绝对的黑白;所谓黑底白码:本专利中黑底白码表示背景为深色,码区为浅色的DataMatrix二维码,并不是指绝对的黑白。
所述步骤S3具体是:
设f(x,y)为输入图像,(x,y)为输入图像中的横纵坐标;g(a,b)为矩形的结构元素,(a,b)为结构元素中的横纵坐标;Rf为输入图像f(x,y)的边界;Rg为结构元素g(m,n)的边界,Rg的尺寸大于或等于点状DataMatrix二维码的码点的尺寸,码点的尺寸通过测量得到;
若点状DataMatrix二维码图像是白底黑码,采用如下腐蚀计算公式:
[fΘg](x,y)=min{f(x+a,y+b)-g(a,b)|(x+a,y+b)∈Rf,(a,b)∈Rg};
若点状DataMatrix二维码图像是黑底白码,采用如下膨胀计算公式:
其中,腐蚀或膨胀的程度是根据点状DataMatrix二维码的码点间的距离来控制的,码点间的距离越大腐蚀或膨胀程度越大,码点间的距离越小腐蚀或膨胀也越小。本发明中,无论是腐蚀还是膨胀,其目的不是要将所有点都连接起来,而只需要将两条实边的点连接起来就可以,主要是为了步骤5中便于定位到两条实边。
由于图4所示的图像是白底黑码(背景色为灰色,比码点的黑色更浅),因此采用腐蚀操作,如图5所示,经过腐蚀操作后得到的图像中,使码区左边和下边(两条实边)的各个点互相连接起来。
步骤S4、对步骤S3得到图像进行高斯滤波平滑处理,消除边缘锯齿;所述高斯滤波的计算公式是:
其中(x,y)是图像中像素对应的坐标,σ是方差,σ取值范围是[0,2]。
如图6所示,将图5所示的图像经高斯滤波平滑处理,边缘已无锯齿现象存在了。
步骤S5、对步骤S4得到图像进行DataMatrix二维码定位和识别。其中识别是利用标准的DataMatrix识别算法进行。对于DataMatrix二维码定位,由于DataMatrix的定位图形是由两条相邻的实边和两条相邻的虚边组成,因此,首先对上述图像进行直线检测,找到两条相邻的实边,其次再根据实边确定虚边的位置;DataMatrix二维码的定位包括:
(51)寻找相邻实边过程:对图像进行直线检测,得到图像中的所有直线,再对这些所有直线进行两两配对,若两条直线的夹角在80~100度之间,则将这组直线列入候选区域Ci;一般情况DataMatrix二维码的两条直线是相互垂直的,即90度,由于拍摄角度及印刷的影响两条直线的夹角可能出现微小的偏差,本发明将角度设置在80~100度之间可以有效的解决此问题。
(52)确定虚边过程:对候选区域Ci中的每组直线做平行线,平行线的初始位置必须满足平行线与这组直线中一条直线的终点相交,这样每组直线与做的平行线要围成一个平行四边形,即是码区;两条平行线的位置即是点状DataMatrix二维码图像虚边的模糊位置,然后再对平行线进行微调,从而得到虚边的精确位置;见图7a所示,图中上方和右方的三条平行线中,中间一条为初始平行线,和初始平行线的相邻两条平行线之间则为初始平行线的移动范围。
所述点状DataMatrix二维码图像的定位图形是由两条所述实边和两条虚边围成。
所述微调的具体方法如下:
(a)求出平行线两侧像素绝对差的和;设其中一平行线为L1,平行线L1上像素点坐标为(xi,yi),i∈[0,m],m为L1上的像素点数,与平行线L1垂直的直线为L2,f(a,b)的值表示图像(a,b)坐标点对应的像素值,
则L1的x方向增量:其中max表示求最大值,
L1的y方向增量:其中max表示求最大值,
则L2的x方向增量:
L2的y方向增量:
则平行线L1和L2两侧像素绝对差的和为:
(b)分别在一定像素范围内保持平行地移动平行线L1和L2,此范围大小可设置,如设置为3-7个像素点;每移动一次都要回到(a)中分别求出平行线L1和L2两侧像素绝对差的和,反复多次移动后,取和最大的那条平行线即为虚边的精确位置。一般情况下,包括初始的平行线共移动5次,即在初始平行线的两侧各移动2次即能找到虚边的精确位置。
对图6所示图像进行DataMatrix二维码定位后,效果如图7所示,此时,再利用标准的DataMatrix识别算法进行识别,即可顺利识别出点状DataMatrix二维码的信息,效果如图8所示。
本发明具有如下优点:本发明方法在使用利用标准的DataMatrix识别算法进行识别之前,主要先对采集到的点状DataMatrix二维码图像进行开运算,从而消除二维码图像上细小的杂点;再进行拉普拉斯增强,凸显出二维码部分,然后对点状DataMatrix二维码图像进行腐蚀处理或膨胀,以将图像中的各个点互相连接起来,再进行高斯滤波进行图像平滑处理,消除边缘锯齿。即使在工业生产环境恶劣和拍照条件差等因素的影响下仍可以高效,准确地识别出点状DataMatrix二维码。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (9)
1.一种点状DataMatrix二维码识别方法,其特征在于:包括:
步骤S3、对点状DataMatrix二维码图像进行腐蚀处理或膨胀,若点状DataMatrix二维码图像是白底黑码,则采用腐蚀操作;若点状DataMatrix二维码图像是黑底白码,则采用膨胀操作;
步骤S4、对步骤S3得到图像进行高斯滤波进行图像平滑处理,消除边缘锯齿;
步骤S5、对步骤S4得到图像进行DataMatrix二维码定位和识别。
2.根据权利要求1所述的一种点状DataMatrix二维码识别方法,其特征在于:还包括
步骤S1:对采集到的点状DataMatrix二维码图像进行开运算,从而消除二维码图像上细小的杂点;
步骤S2:对步骤S1得到的图像进行拉普拉斯增强,凸显出二维码部分。
3.根据权利要求2所述的一种点状DataMatrix二维码识别方法,其特征在于:所述步骤S1具体是:
设f(x,y)为输入图像,(x,y)为输入图像中的横纵坐标;g(a,b)为矩形的结构元素,(a,b)为结构元素中的横纵坐标;Rf为输入图像f(x,y)的边界;Rg为结构元素g(a,b)的边界,Rg的尺寸与点状DataMatrix二维码的码点的尺寸一样,码点的尺寸通过测量得到;则通过下述g对f的开操作公式进行开操作:
所述杂点为面积小于码点的点。
4.根据权利要求2所述的一种点状DataMatrix二维码识别方法,其特征在于:所述步骤S2具体是:
设f(x,y)为输入图像,d(x,y)为目标图像,(x,y)为输入图像或目标图像中的横纵坐标,▽2f(x,y)为拉普拉斯操作,则目标图像d(x,y)的计算公式为:
d(x,y)=▽2f(x,y) (1),
用表示求二阶导数,则▽2f(x,y)由下述计算公式得到:
将公式(2)进行近似表达后得到近似式:
▽2f(x,y)=[f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)]-4f(x,y)(3),
将公式(3)进行变种后得到:
▽2f(x,y)=[f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)]-6f(x,y)(4),
将公式(4)代入公式(1)算出目标图像d(x,y)。
5.根据权利要求1所述的一种点状DataMatrix二维码识别方法,其特征在于:所述步骤S3具体是:
设f(x,y)为输入图像,(x,y)为输入图像中的横纵坐标;g(a,b)为矩形的结构元素,(a,b)为结构元素中的横纵坐标;Rf为输入图像f(x,y)的边界;Rg为结构元素g(m,n)的边界,Rg的尺寸大于或等于点状DataMatrix二维码的码点的尺寸,码点的尺寸通过测量得到;
若点状DataMatrix二维码图像是白底黑码,采用如下腐蚀计算公式:
[fΘg](x,y)=min{f(x+a,y+b)-g(a,b)|(x+a,y+b)∈Rf,(a,b)∈Rg}
若点状DataMatrix二维码图像是黑底白码,采用如下膨胀计算公式:
其中,腐蚀或膨胀的程度是根据点状DataMatrix二维码的码点间的距离来控制的,码点间的距离越大腐蚀或膨胀程度越大,码点间的距离越小腐蚀或膨胀也越小。
6.根据权利要求1所述的一种点状DataMatrix二维码识别方法,其特征在于:所述步骤S4的高斯滤波的计算公式是:
其中(x,y)是图像中像素对应的坐标,σ是方差,取值范围是[0,2]。
7.根据权利要求1所述的一种点状DataMatrix二维码识别方法,其特征在于:所述步骤S5的定位包括:
(51)寻找相邻实边过程:对图像进行直线检测,得到图像中的所有直线,再对这些所有直线进行两两配对,若两条直线的夹角在80~100度之间,则将这组直线列入候选区域Ci;
(52)确定虚边过程:对候选区域Ci中的每组直线做平行线,平行线的初始位置必须满足平行线与这组直线中一条直线的终点相交,两条平行线的位置即是点状DataMatrix二维码图像虚边的模糊位置,然后再对平行线进行微调,从而得到虚边的精确位置;
所述点状DataMatrix二维码图像的定位图形是由两条所述实边和两条虚边围成。
8.根据权利要求7所述的一种点状DataMatrix二维码识别方法,其特征在于:所述微调的具体方法如下:
(a)求出平行线两侧像素绝对差的和;设其中一平行线为L1,平行线L1上像素点坐标为(xi,yi),i∈[0,m],m为L1上的像素点数,与平行线L1垂直的直线为L2,f(a,b)的值表示图像(a,b)坐标点对应的像素值,
则L1的x方向增量:其中max表示求最大值,
L1的y方向增量:其中max表示求最大值,
则L2的x方向增量:
L2的y方向增量:
则平行线L1和L2两侧像素绝对差的和为:
(b)分别在一定像素范围内保持平行地移动平行线L1和L2;然后回到(a)中分别求出平行线L1和L2两侧像素绝对差的和,反复多次移动后,取和最大的那条平行线即为虚边的精确位置。
9.根据权利要求1所述的一种点状DataMatrix二维码识别方法,其特征在于:所述步骤S5的识别是利用标准的DataMatrix识别算法进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811383267.8A CN110046528B (zh) | 2018-11-20 | 2018-11-20 | 一种点状DataMatrix二维码识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811383267.8A CN110046528B (zh) | 2018-11-20 | 2018-11-20 | 一种点状DataMatrix二维码识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110046528A true CN110046528A (zh) | 2019-07-23 |
CN110046528B CN110046528B (zh) | 2022-10-28 |
Family
ID=67273233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811383267.8A Active CN110046528B (zh) | 2018-11-20 | 2018-11-20 | 一种点状DataMatrix二维码识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110046528B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651260A (zh) * | 2020-12-30 | 2021-04-13 | 凌云光技术股份有限公司 | 一种自适应离散码转连续码的方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6082619A (en) * | 1998-12-16 | 2000-07-04 | Matsushita Electric Industrial Co., Ltd. | Method for locating and reading a two-dimensional barcode |
US6674919B1 (en) * | 1999-09-21 | 2004-01-06 | Matsushita Electric Industrial Co., Ltd. | Method for determining the skew angle of a two-dimensional barcode |
US20040020989A1 (en) * | 2002-07-18 | 2004-02-05 | Takeharu Muramatsu | Two-dimensional code reading apparatus, two-dimensional code reading process, two-dimensional code reading program and recording medium for said program, portable terminal and digital camera |
CN102663337A (zh) * | 2012-03-16 | 2012-09-12 | 江南大学 | 简单工况背景下的Data Matrix二维条码快速识别方法 |
JP2013050795A (ja) * | 2011-08-30 | 2013-03-14 | Tritan Technology Co Ltd | 光学コード認識器の二次元メッセージコード領域の定義方法 |
CN104463795A (zh) * | 2014-11-21 | 2015-03-25 | 高韬 | 一种点阵式dm二维码图像处理方法及装置 |
CN106485183A (zh) * | 2016-07-14 | 2017-03-08 | 深圳市华汉伟业科技有限公司 | 一种二维码定位方法及系统 |
CN106778440A (zh) * | 2016-12-21 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 二维码识别方法及装置 |
CN106875357A (zh) * | 2017-01-26 | 2017-06-20 | 上海正雅齿科科技有限公司 | 二维码图像处理方法 |
CN107301368A (zh) * | 2017-06-28 | 2017-10-27 | 昂纳自动化技术(深圳)有限公司 | 一种DataMatrix二维码的识别方法 |
CN107609451A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人(深圳)有限公司 | 一种基于二维码的高精度视觉定位方法及系统 |
CN108109120A (zh) * | 2017-12-18 | 2018-06-01 | 凌云光技术集团有限责任公司 | 一种点阵二维码的光照补偿方法及装置 |
-
2018
- 2018-11-20 CN CN201811383267.8A patent/CN110046528B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6082619A (en) * | 1998-12-16 | 2000-07-04 | Matsushita Electric Industrial Co., Ltd. | Method for locating and reading a two-dimensional barcode |
US6674919B1 (en) * | 1999-09-21 | 2004-01-06 | Matsushita Electric Industrial Co., Ltd. | Method for determining the skew angle of a two-dimensional barcode |
US20040020989A1 (en) * | 2002-07-18 | 2004-02-05 | Takeharu Muramatsu | Two-dimensional code reading apparatus, two-dimensional code reading process, two-dimensional code reading program and recording medium for said program, portable terminal and digital camera |
JP2013050795A (ja) * | 2011-08-30 | 2013-03-14 | Tritan Technology Co Ltd | 光学コード認識器の二次元メッセージコード領域の定義方法 |
CN102663337A (zh) * | 2012-03-16 | 2012-09-12 | 江南大学 | 简单工况背景下的Data Matrix二维条码快速识别方法 |
CN104463795A (zh) * | 2014-11-21 | 2015-03-25 | 高韬 | 一种点阵式dm二维码图像处理方法及装置 |
CN106485183A (zh) * | 2016-07-14 | 2017-03-08 | 深圳市华汉伟业科技有限公司 | 一种二维码定位方法及系统 |
CN106778440A (zh) * | 2016-12-21 | 2017-05-31 | 腾讯科技(深圳)有限公司 | 二维码识别方法及装置 |
CN106875357A (zh) * | 2017-01-26 | 2017-06-20 | 上海正雅齿科科技有限公司 | 二维码图像处理方法 |
CN107301368A (zh) * | 2017-06-28 | 2017-10-27 | 昂纳自动化技术(深圳)有限公司 | 一种DataMatrix二维码的识别方法 |
CN107609451A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人(深圳)有限公司 | 一种基于二维码的高精度视觉定位方法及系统 |
CN108109120A (zh) * | 2017-12-18 | 2018-06-01 | 凌云光技术集团有限责任公司 | 一种点阵二维码的光照补偿方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651260A (zh) * | 2020-12-30 | 2021-04-13 | 凌云光技术股份有限公司 | 一种自适应离散码转连续码的方法及系统 |
CN112651260B (zh) * | 2020-12-30 | 2024-01-30 | 凌云光技术股份有限公司 | 一种自适应离散码转连续码的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110046528B (zh) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596066B (zh) | 一种基于卷积神经网络的字符识别方法 | |
CN109739237B (zh) | 一种基于新型编码标志的agv视觉导航及定位方法 | |
EP3309703A1 (en) | Method and system for decoding qr code based on weighted average grey method | |
CN111474184A (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
CN106251353A (zh) | 弱纹理工件及其三维位姿的识别检测方法及系统 | |
TWI455034B (zh) | 條碼辨識方法及其電腦程式產品 | |
CN109785317A (zh) | 自动码垛桁架机器人的视觉系统 | |
CN106097316B (zh) | 激光划片机图像识别系统的基板位置识别处理方法 | |
CN108907526A (zh) | 一种具有高鲁棒性的焊缝图像特征识别方法 | |
CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN103824275B (zh) | 在图像中搜寻鞍点状结构并测定其信息的系统和方法 | |
CN112560538B (zh) | 一种根据图像冗余信息快速定位受损qr码的方法 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
CN110018633B (zh) | 一种用于agv定位与导航的二维编码设计方法 | |
CN111754422A (zh) | 一种基于EDLines和LSM的视觉巡边方法 | |
CN115609591A (zh) | 一种基于2D Marker的视觉定位方法和系统、复合机器人 | |
CN113177959A (zh) | 一种快速运动过程中qr码实时提取算法 | |
JPH0397086A (ja) | 文字認識方法 | |
CN110046528A (zh) | 一种点状DataMatrix二维码识别方法 | |
CN113936291A (zh) | 一种基于机器视觉的铝模板质检、回收方法 | |
CN117496401A (zh) | 一种用于视频测量影像序列椭圆形目标点全自动识别与跟踪方法 | |
CN111340134B (zh) | 一种基于局部动态规整的快速模板匹配方法 | |
CN117237391A (zh) | 一种基于机器视觉的轮廓检测方法 | |
CN111753572A (zh) | 一种基于深度学习的复杂背景低质量二维条码检测方法 | |
CN114898115A (zh) | 一种基于局部极大值的高精度模板匹配方法 |
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 |