CN111027343A - 条形码区域定位方法和装置 - Google Patents
条形码区域定位方法和装置 Download PDFInfo
- Publication number
- CN111027343A CN111027343A CN201911274786.5A CN201911274786A CN111027343A CN 111027343 A CN111027343 A CN 111027343A CN 201911274786 A CN201911274786 A CN 201911274786A CN 111027343 A CN111027343 A CN 111027343A
- Authority
- CN
- China
- Prior art keywords
- image
- gradient
- gradient amplitude
- candidate
- region
- 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
Images
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
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
-
- 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
Abstract
本发明公开了一种条形码区域定位方法和装置,属于图像处理技术领域。所述方法包括:对采集图像进行第一降采样得到降采样图像,获取降采样图像的梯度幅值图像;统计降采样图像内各个像素点的梯度幅值的频数,根据各个像素点的梯度幅值的频数确定有效梯度幅值集合;将该梯度幅值图像划分为多个子图像,对于梯度幅值图像内各个子图像,根据子图像内梯度幅值属于有效梯度幅值集合的像素点的数量确定该子图像是否为候选子图像;记录各个候选子图像的区域坐标,根据该区域坐标确定采集图像中条形码区域的位置信息;解决了相关技术中对大分辨率图像进行条码识别延迟、准确率低的问题;达到了提高大分辨率图像进行条码识别的实时性以及准确性的效果。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种条形码区域定位方法和装置。
背景技术
基于图像处理的条码识别算法是物流自动分拣系统的关键环节,其运行的效率、质量直接关系到整个分拣系统的效率和质量。针对大视野范围的条形码检测,当前国内普遍采用小分辨率相机组网的方式实现,给安装、调试和后期维护带来负担。随着物流行业的不断发展,大分辨率相机开始应用到条形码检测中来,逐渐成为条码识别器方案的主流选择。
条形码区域定位是条码识别算法的第一个环节,也是决定整个条码识别算法运行效率的最关键环节。其需要在极短的时间内,处理大分辨率图像的大量数据,为后续算法模块输出可能包含条形码的区域坐标及相关参数。图像分辨率增大导致图像数据处理量的大,大数据量的情况下保证处理的实时性,以及提取鲁棒有效的条形码区域图像特征,是条形码区域定位的两个难点。
发明内容
为了解决现有技术中对大分辨率图像进行条码识别延迟、准确率低的问题,本发明实施例提供了一种条形码区域定位方法和装置。所述技术方案如下:
第一方面,提供了一种条形码区域定位方法,所述方法包括:
对采集图像进行第一降采样得到降采样图像,获取所述降采样图像的梯度幅值图像;
统计所述降采样图像内各个像素点的梯度幅值的频数,根据所述各个像素点的梯度幅值的频数确定有效梯度幅值集合;
将所述梯度幅值图像划分为多个子图像,对于所述梯度幅值图像内各个子图像,根据所述子图像内梯度幅值属于所述有效梯度幅值集合的像素点的数量确定所述子图像是否为候选子图像;
记录各个所述候选子图像的区域坐标,根据所述区域坐标确定所述采集图像中条形码区域的位置信息。
可选的,所述根据所述区域坐标确定所述采集图像中条形码区域的位置信息,包括:
根据各个所述候选子图像的区域坐标,利用滑动窗口遍历各个所述候选子图像,统计滑动窗口内梯度幅值分布信息以及梯度方向分布信息;
将梯度幅值分布信息以及梯度方向分布信息不符合筛选条件的窗口区域确定为背景区域;
对于不属于背景区域的窗口区域,根据梯度幅值分布信息以及梯度方向分布信息进行融合聚类得到候选区域集合;
对所述候选区域集合内候选区域进行整合得到候选条形码区域序列或条形码区域。
可选的,所述根据所述各个像素点的梯度幅值的频数确定有效梯度幅值集合,包括:
如果任一梯度幅值的频数达到采样像素数量的第一预定比例且取值达到预定阈值,则将所述梯度幅值添加至所述有效梯度幅值集合中。
可选的,所述利用滑动窗口遍历各个所述候选子图像,统计滑动窗口内梯度幅值分布信息以及梯度方向分布信息,包括:
对各个所述候选子图像进行第二降采样;
利用滑动窗口遍历各个所述候选子图像,统计滑动窗口内采样像素点的梯度幅值分布信息以及梯度方向分布信息。
可选的,所述对采集图像进行第一降采样得到降采样图像,包括:
获取设备的数据处理能力参数,根据所述数据处理能力参数确定图像的期待处理像素量;
根据所述期待处理像素量、所述采集图像的像素量确定第一降采样倍数;
按照所述第一降采样倍数对所述采集图像进行第一降采样得到所述降采样图像,所述降采样图像内像素数量低于或等于所述期待处理像素量。
可选的,所述对所述候选区域集合内候选区域进行整合得到候选条形码区域序列之后,所述方法还包括:
对所述候选条形码区域序列中第n个区域进行条形码识别;
若对第n个区域进行条形码识别失败,则对所述候选条形码区域序列中第n+1个区域进行条形码识别。
可选的,将梯度幅值分布信息以及梯度方向分布信息不符合筛选条件的窗口区域确定为背景区域,包括:
如果梯度幅值分布直方图不具备显著峰值和/或梯度方向分布直方图不具备显著峰值,则将该窗口区域确定为背景区域。
可选的,确定梯度幅值分布直方图是否具备显著峰值,包括:
从中确定出数值高于预设幅值阈值;
如果其中是否存在频数达到频数阈值或达到第二预定比例的梯度幅值,则确定该梯度幅值分布直方图具备显著峰值,否则,判断该梯度幅值分布直方图不具备显著峰值。
第二方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有一个或一个以上的指令,所述一个或一个以上的指令被数据处理设备内的处理器执行时实现第一方面或第一方面任一可选实施方式所涉及的条形码区域定位方法。
第三方面,提供了一种条形码区域定位装置,其特征在于,所述装置包括:
存储器和处理器;
所述存储器中存储有至少一条程序指令;
所述处理器,通过加载并执行所述至少一条程序指令以第一方面或第一方面任一可选实施方式所涉及的条形码区域定位方法。
本发明实施例提供的技术方案带来的有益效果是:
通过对采集图像进行第一降采样得到降采样图像,获取该降采样图像的梯度幅值图像;统计该降采样图像内各个像素点的梯度幅值的频数,根据该各个像素点的梯度幅值的频数确定有效梯度幅值集合;将该梯度幅值图像划分为多个子图像,对于该梯度幅值图像内各个子图像,根据该子图像内梯度幅值属于有效梯度幅值集合的像素点的数量确定子图像是否为候选子图像;记录各个候选子图像的区域坐标,根据该区域坐标确定采集图像中条形码区域的位置信息;解决了相关技术中对大分辨率图像进行条码识别延迟、准确率低的问题;达到了提高大分辨率图像进行条码识别的实时性以及准确性的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,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他的附图。
图1是本发明一个实施例提供的条形码区域定位方法的方法流程图;
图2是本发明一个实施例中提供的根据各个候选子图像的区域坐标确定采集图像中条形码区域的位置信息的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明实施例提供的方法,各步骤的执行主体可以是服务器,也可以是具备数据处理能力的计算机设备,对利用大分辨率图像采集设备采集的采集图像进行处理,包括条形码区域的定位。进一步的,根据条形码区域的定位对条形码进行识别以获得条形码信息。
请参考图1,其示出了本发明一个实施例提供的条形码区域定位方法的方法流程图。如图1所示,该条形码区域定位方法可以包括:
步骤110,对采集图像进行第一降采样得到降采样图像,获取该降采样图像的梯度幅值图像。
其中,采集图像为大分辨率采集设备所采集的图像。
本步骤中,对采集图像进行第一降采样得到降采样图像的具体实现可以为:获取设备的自身数据处理能力参数;根据该采集图像的像素点数量、数据处理能力参数确定降采样倍数;按照确定出的降采样倍数对采集图像进行第一降采样得到降采样图像。其中,数据处理能力参数可以为CPU主频。
可选的,根据该采集图像的像素点数量、数据处理能力参数确定第一降采样倍数的具体实现可以为:本地存储有数据处理能力参数、期待处理像素量之间的对应关系,该对应关系可以以表格、曲线等形式进行存储,该对应关系可以由开发人员进行多次试验而进行确定,数据处理能力参数对应的期待处理像素量为具备该数据处理能力参数的设备所能够处理所能负荷处理进行全图遍历的最大像素数量;获取该设备的自身数据处理能力参数所对应的期待处理像素量,根据该期待处理像素量、采集图像的像素点数量确定第一降采样倍数。其中,在数据处理能力参数为CPU主频时,设备的期待处理像素量与其主频呈正相关,也就是说,设备的主频越大其对应的期待处理像素量越大,设备的主频越小其对应的期待处理像素量越小。
举例来讲,在根据设备的自身数据处理能力参数确定期待处理像素量为120000。采集图像为的像素分布为5120*3800,则第一降采样倍数为12倍,即12*12图像区域内只选取1个像素,运算量减少至1/144。
本申请中,由于对采集图像进行了第一降采样,且降采样倍数可以根据设备的数据处理能力进行浮动,极大地降低了全图遍历数据的迭代次数和计算量。又条形码尺度远大于采样间隔,故不会产生目标丢失的情况。
在对采集图像进行第一降采样得到降采样图像之后,计算降采样图像内各个像素点的梯度幅值,生成该降采样图像的梯度幅值图像,执行步骤120。
步骤120,统计该降采样图像内各个像素点的梯度幅值的频数,根据该各个像素点的梯度幅值的频数确定有效梯度幅值集合。
本步骤的具体实现可以为:对于采集到的每一梯度幅值,确定每一梯度幅值是否为有效梯度幅值;如果为有效梯度幅值,则将该梯度幅值添加至有效梯度幅值集合中。具体的,如果任一梯度幅值的频数达到采样像素数量的第一预定比例且取值达到预定阈值,则将该任一梯度幅值添加至有效梯度幅值集合中。
其中,第一预定比例、预定阈值由开发人员设定,例如第一预定比例可以为以为0.15至0.20之间的任一取值,预定阈值可以为10至15之间的任一取值。
本申请中利用条形码区域的梯度幅值显著大于图像中其他区域的特点,也即,去除降采样图像中梯度不显著的背景区域,保留具有显著梯度特征的区域块作为条形码搜索的重点区域,初步筛选可能存在条形码的区域,目的在于去除缩小条形码搜索的图像范围,降低运算量。
步骤130,将该梯度幅值图像划分为多个子图像,对于该梯度幅值图像内各个子图像,根据该子图像内梯度幅值属于有效梯度幅值集合的像素点的数量确定子图像是否为候选子图像。
其中,将该梯度幅值图像划分为多个子图像的具体实现可以为:将梯度幅值图像分解为若干个尺寸相同的子图像(也即,小块,blob)。
可选的,如果该子图像内梯度幅值属于有效梯度幅值集合的像素点的数量达到第一比例阈值或第一像素数量,则确定该子图像为候选子图像;否则,将该子图像确定为背景区域剔除,不再进行分析处理。
本申请通过步骤130,将大面积背景区域被剔除,不再参与后续的算法运算;条形码区域,以及具有梯度显著密集特征的一些图像区域被保留下来
步骤140,记录各个候选子图像的区域坐标,根据该区域坐标确定采集图像中条形码区域的位置信息。
在一个示例中,可直接将各个候选子图像的区域坐标对子图像进行整合确定出条形码区域。具体实现可参照现有技术中的实现方式,也可参照本申请步骤1404的实现。
在另一个示例中,步骤140还可如图2所示的几个步骤实现:
步骤1401,根据各个候选子图像的区域坐标,利用滑动窗口遍历各个候选子图像,统计滑动窗口内梯度幅值分布信息以及梯度方向分布信息。
其中,滑动窗口的滑动步长为滑动窗口边长的一半。
可选的,统计滑动窗口内梯度幅值分布信息以及梯度方向分布信息的具体实现可以为:统计滑动窗口内各个像素点的梯度幅值以及梯度方向,生成该滑动窗口内所有像素点的梯度幅值分布直方图(其中记录的各个梯度幅值以及相应频数即为梯度幅值分布信息),以及生成该滑动窗口内所有像素点的梯度方向分布直方图(其中记录的各个梯度方向以及相应频数即为梯度方向分布信息);
需要说明的是:在统计滑动窗口内梯度幅值分布信息以及梯度方向分布信息后,滑动窗口滑动一个滑动步长,再重复执行统计该统计滑动窗口内梯度幅值分布信息以及梯度方向分布信息的步骤,直至各个候选子图像的区域全部遍历完毕后停止。
可选的,在执行步骤1401之前,对各个候选子图像进行第二降采样;利用滑动窗口遍历各个候选子图像,统计滑动窗口内采样像素点的梯度幅值分布信息以及梯度方向分布信息。其中,第二降采样的倍数小于第一降采样倍数。
通过进行第一降采样使得条形码搜索区域被限制在较少的图像区域内,但是第一降采样的采样间隔较大,无法准确描述图像细节特征,因此需要重新计算候选子图像内较小间隔的采样梯度,并且在计算梯度幅值的同时,获取梯度的方向分量。此处不采用逐点计算而仍使用一个较小采样间隔的原因是,较小采样间隔梯度已经足够描述条形码区域的细节特征,为了进一步降低算法的耗时,无需逐点计算。
步骤1402,将梯度幅值分布信息以及梯度方向分布信息不符合筛选条件的窗口区域确定为背景区域。
本步骤的实现可以为:根据梯度幅值分布信息确定对应梯度幅值分布直方图是否具备显著峰值,以及根据梯度方向分布信息确定对应梯度方向分布直方图是否具备显著峰值;如果梯度幅值分布直方图不具备显著峰值和/或梯度方向分布直方图不具备显著峰值,则将该窗口区域确定为背景区域;如果梯度幅值分布直方图具备显著峰值且梯度方向分布直方图具备显著峰值,则将该窗口区域内图像确定为特征子图像。
其中,确定梯度幅值分布直方图是否具备显著峰值的实现可以为:从中确定出数值高于预设幅值阈值;如果其中是否存在频数达到频数阈值或达到第二预定比例的梯度幅值,则确定该梯度幅值分布直方图具备显著峰值,否则,判断该梯度幅值分布直方图不具备显著峰值。
可选的,确定梯度方向分布直方图是否具备显著峰值的实现可以为:如果其中是否存在频数达到频数阈值或达到第二预定比例的梯度方向,则确定该梯度方向分布直方图具备显著峰值,否则,判断该梯度方向分布直方图不具备显著峰值。
步骤1403,对于不属于背景区域的窗口区域,根据梯度幅值分布信息以及梯度方向分布信息进行融合聚类得到一个候选区域集合。
具体的,本步骤的实现可以为:根据各个特征子图像的特征信息的相似度、位置关系进行融合聚类,每个特征子图像的特征信息包括梯度幅值分布信息以及梯度方向分布信息。
与一般梯度显著区域(如文字,反光,其他纹理等)不同,条形码区域的梯度直方图分布特征在幅值和方向上具有一定的一致性,且同属一个条形码的特征区域,空间聚合度较高,排列具备一定规律。基于此原理,可以将条形码区域的特征区块进行聚类,得到完整的条形码图像区域,同时剔除不具备此特征的其他区域。同时,一些虽然有显著梯度但不具备所需条形码特征的图像区域被剪除。
进一步的,融合聚类过程中标记特征子图像的区域,记录其位置信息、方向信息以及聚合程度等等信息。
步骤1404,对该候选区域集合内候选区域进行整合得到候选条形码区域序列或条形码区域。
可选的,在得到候选条形码区域序列时,先对候选条形码区域序列中第1个区域进行条形码识别;再进行对其中第2个区域进行条形码识别;依次类推。也就是说,对所述候选条形码区域序列中第n个区域进行条形码识别;若对第n个区域进行条形码识别失败,则对所述候选条形码区域序列中第n+1个区域进行条形码识别,n的初始值为1。
可选的,可直接将候选条形码区域序列中排序在前的m个区域确定为条形码区;对其依次进行条形码识别。m可以由技术人员设定,根据待识别图像内条形码区域的数量设定。
综上所述,通过对采集图像进行第一降采样得到降采样图像,获取该降采样图像的梯度幅值图像;统计该降采样图像内各个像素点的梯度幅值的频数,根据该各个像素点的梯度幅值的频数确定有效梯度幅值集合;将该梯度幅值图像划分为多个子图像,对于该梯度幅值图像内各个子图像,根据该子图像内梯度幅值属于有效梯度幅值集合的像素点的数量确定子图像是否为候选子图像;记录各个候选子图像的区域坐标,根据该区域坐标确定采集图像中条形码区域的位置信息;解决了相关技术中对大分辨率图像进行条码识别延迟、准确率低的问题;达到了提高大分辨率图像进行条码识别的实时性以及准确性的效果。
本发明一个实施例还提供的一种计算机可读存储介质,该计算机可读存储介质中存储有一个或一个以上的指令,所述一个或一个以上的指令被具备数据处理能力的处理器执行时实现上述任一实施例中所涉及的条形码区域定位方法。
本发明一个实施例还提供一种条形码区域定位装置,所述装置包括:存储器和处理器;所述存储器中存储有至少一条程序指令;所述处理器,通过加载并执行所述至少一条程序指令以实现上述任一实施例中所涉及的条形码区域定位方法。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或隐含所指示的技术特征的数量。由此,限定的“第一”、“第二”的特征可以明示或隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种条形码区域定位方法,其特征在于,所述方法包括:
对采集图像进行第一降采样得到降采样图像,获取所述降采样图像的梯度幅值图像;
统计所述降采样图像内各个像素点的梯度幅值的频数,根据所述各个像素点的梯度幅值的频数确定有效梯度幅值集合;
将所述梯度幅值图像划分为多个子图像,对于所述梯度幅值图像内各个子图像,根据所述子图像内梯度幅值属于所述有效梯度幅值集合的像素点的数量确定所述子图像是否为候选子图像;
记录各个所述候选子图像的区域坐标,根据所述区域坐标确定所述采集图像中条形码区域的位置信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述区域坐标确定所述采集图像中条形码区域的位置信息,包括:
根据各个所述候选子图像的区域坐标,利用滑动窗口遍历各个所述候选子图像,统计滑动窗口内梯度幅值分布信息以及梯度方向分布信息;
将梯度幅值分布信息以及梯度方向分布信息不符合筛选条件的窗口区域确定为背景区域;
对于不属于背景区域的窗口区域,根据梯度幅值分布信息以及梯度方向分布信息进行融合聚类得到候选区域集合;
对所述候选区域集合内候选区域进行整合得到候选条形码区域序列或条形码区域。
3.根据权利要求2所述的方法,其特征在于,所述根据所述各个像素点的梯度幅值的频数确定有效梯度幅值集合,包括:
如果任一梯度幅值的频数达到采样像素数量的第一预定比例且取值达到预定阈值,则将所述梯度幅值添加至所述有效梯度幅值集合中。
4.根据权利要求2所述的方法,其特征在于,所述利用滑动窗口遍历各个所述候选子图像,统计滑动窗口内梯度幅值分布信息以及梯度方向分布信息,包括:
对各个所述候选子图像进行第二降采样;
利用滑动窗口遍历各个所述候选子图像,统计滑动窗口内采样像素点的梯度幅值分布信息以及梯度方向分布信息。
5.根据权利要求1所述的方法,其特征在于,所述对采集图像进行第一降采样得到降采样图像,包括:
获取设备的数据处理能力参数,根据所述数据处理能力参数确定图像的期待处理像素量;
根据所述期待处理像素量、所述采集图像的像素量确定第一降采样倍数;
按照所述第一降采样倍数对所述采集图像进行第一降采样得到所述降采样图像,所述降采样图像内像素数量低于或等于所述期待处理像素量。
6.根据权利要求1所述的方法,其特征在于,所述对所述候选区域集合内候选区域进行整合得到候选条形码区域序列之后,所述方法还包括:
对所述候选条形码区域序列中第n个区域进行条形码识别;
若对第n个区域进行条形码识别失败,则对所述候选条形码区域序列中第n+1个区域进行条形码识别。
7.根据权利要求1所述的方法,其特征在于,将梯度幅值分布信息以及梯度方向分布信息不符合筛选条件的窗口区域确定为背景区域,包括:
如果梯度幅值分布直方图不具备显著峰值和/或梯度方向分布直方图不具备显著峰值,则将该窗口区域确定为背景区域。
8.根据权利要求1所述的方法,其特征在于,确定梯度幅值分布直方图是否具备显著峰值,包括:
从中确定出数值高于预设幅值阈值;
如果其中是否存在频数达到频数阈值或达到第二预定比例的梯度幅值,则确定该梯度幅值分布直方图具备显著峰值,否则,判断该梯度幅值分布直方图不具备显著峰值。
9.一种计算机可读存储介质,所述计算机可读存储介质中存储有一个或一个以上的指令,其特征在于,所述一个或一个以上的指令被数据处理设备内的处理器执行时实现权利要求1至8中任一所述的条形码区域定位方法。
10.一种条形码区域定位装置,其特征在于,所述装置包括:
存储器和处理器;
所述存储器中存储有至少一条程序指令;
所述处理器,通过加载并执行所述至少一条程序指令以实现权利要求1至8中任一所述的条形码区域定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274786.5A CN111027343B (zh) | 2019-12-12 | 2019-12-12 | 条形码区域定位方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274786.5A CN111027343B (zh) | 2019-12-12 | 2019-12-12 | 条形码区域定位方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111027343A true CN111027343A (zh) | 2020-04-17 |
CN111027343B CN111027343B (zh) | 2023-05-16 |
Family
ID=70206520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911274786.5A Active CN111027343B (zh) | 2019-12-12 | 2019-12-12 | 条形码区域定位方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111027343B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627210A (zh) * | 2021-08-19 | 2021-11-09 | 南京华捷艾米软件科技有限公司 | 条形码图像的生成方法、装置、电子设备及存储介质 |
CN114462440A (zh) * | 2022-02-14 | 2022-05-10 | 浙江华睿科技股份有限公司 | 对象位置的确定方法及装置 |
CN115880362A (zh) * | 2022-12-22 | 2023-03-31 | 深圳思谋信息科技有限公司 | 码区定位方法、装置、计算机设备及计算机可读存储介质 |
CN116363668A (zh) * | 2023-05-31 | 2023-06-30 | 山东一品文化传媒有限公司 | 一种图书智能校对方法及系统 |
CN116842977A (zh) * | 2023-08-31 | 2023-10-03 | 中科微至科技股份有限公司 | 条形码识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908996A (zh) * | 2017-10-25 | 2018-04-13 | 福建联迪商用设备有限公司 | 一种提取一维条码信息的方法及终端 |
CN109740395A (zh) * | 2018-12-17 | 2019-05-10 | 江苏理工学院 | 深度学习与形状检测相结合的二维码定位方法及系统 |
CN109948393A (zh) * | 2019-03-22 | 2019-06-28 | 凌云光技术集团有限责任公司 | 一种一维条码的定位方法及装置 |
-
2019
- 2019-12-12 CN CN201911274786.5A patent/CN111027343B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107908996A (zh) * | 2017-10-25 | 2018-04-13 | 福建联迪商用设备有限公司 | 一种提取一维条码信息的方法及终端 |
CN109740395A (zh) * | 2018-12-17 | 2019-05-10 | 江苏理工学院 | 深度学习与形状检测相结合的二维码定位方法及系统 |
CN109948393A (zh) * | 2019-03-22 | 2019-06-28 | 凌云光技术集团有限责任公司 | 一种一维条码的定位方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627210A (zh) * | 2021-08-19 | 2021-11-09 | 南京华捷艾米软件科技有限公司 | 条形码图像的生成方法、装置、电子设备及存储介质 |
CN114462440A (zh) * | 2022-02-14 | 2022-05-10 | 浙江华睿科技股份有限公司 | 对象位置的确定方法及装置 |
CN115880362A (zh) * | 2022-12-22 | 2023-03-31 | 深圳思谋信息科技有限公司 | 码区定位方法、装置、计算机设备及计算机可读存储介质 |
CN115880362B (zh) * | 2022-12-22 | 2023-08-08 | 深圳思谋信息科技有限公司 | 码区定位方法、装置、计算机设备及计算机可读存储介质 |
CN116363668A (zh) * | 2023-05-31 | 2023-06-30 | 山东一品文化传媒有限公司 | 一种图书智能校对方法及系统 |
CN116363668B (zh) * | 2023-05-31 | 2023-08-29 | 山东一品文化传媒有限公司 | 一种图书智能校对方法及系统 |
CN116842977A (zh) * | 2023-08-31 | 2023-10-03 | 中科微至科技股份有限公司 | 条形码识别方法 |
CN116842977B (zh) * | 2023-08-31 | 2023-11-17 | 中科微至科技股份有限公司 | 条形码识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111027343B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111027343B (zh) | 条形码区域定位方法和装置 | |
CN111640089B (zh) | 一种基于特征图中心点的缺陷检测方法及装置 | |
KR101618996B1 (ko) | 호모그래피를 추정하기 위한 샘플링 방법 및 영상 처리 장치 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN111415364A (zh) | 一种计算机视觉中图像分割样本的转换方法、系统及存储介质 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN115098717A (zh) | 三维模型检索方法、装置、电子设备及存储介质 | |
CN111159150A (zh) | 一种数据扩充方法及装置 | |
Ganapathy et al. | A Malaysian vehicle license plate localization and recognition system | |
EP3837664A1 (en) | Generating annotation data of tissue images | |
CN113780287A (zh) | 一种多深度学习模型的最优选取方法及系统 | |
CN116596921B (zh) | 一种焚烧炉渣分选方法及系统 | |
CN113393454A (zh) | 活检组织中病理目标实例分割方法和装置 | |
CN115631197B (zh) | 一种图像处理方法、装置、介质、设备及系统 | |
CN110135382A (zh) | 一种人体检测方法和装置 | |
CN115984762A (zh) | 一种基于计算机视觉算法的井下支护工序识别方法及系统 | |
CN115619813A (zh) | Sem图像前景提取方法、装置、计算机设备及存储介质 | |
CN111753722B (zh) | 一种基于特征点类型的指纹识别方法及装置 | |
CN114782822A (zh) | 电力设备的状态检测方法、装置、电子设备及存储介质 | |
CN113128543A (zh) | 图像匹配方法、应用测试方法及装置和系统 | |
CN114037865B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN112257586B (zh) | 目标检测中的真值框选择方法、装置、存储介质及设备 | |
CN114240946B (zh) | 一种定位器异常检测方法、系统、存储介质及计算设备 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN110992299B (zh) | 一种检测浏览器兼容性的方法及装置 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: No. 979, Antai Third Road, Xishan District, Wuxi City, Jiangsu Province, 214000 Applicant after: Zhongke Weizhi Technology Co.,Ltd. Address before: 299 Dacheng Road, Xishan District, Wuxi City, Jiangsu Province Applicant before: ZHONGKE WEIZHI INTELLIGENT MANUFACTURING TECHNOLOGY JIANGSU CO.,LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |