CN111241862B - 基于边缘特性的条形码定位方法 - Google Patents
基于边缘特性的条形码定位方法 Download PDFInfo
- Publication number
- CN111241862B CN111241862B CN202010070543.6A CN202010070543A CN111241862B CN 111241862 B CN111241862 B CN 111241862B CN 202010070543 A CN202010070543 A CN 202010070543A CN 111241862 B CN111241862 B CN 111241862B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- bar code
- edge
- isobel
- 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.)
- Active
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
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
-
- 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
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (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)
- Image Analysis (AREA)
Abstract
一种基于边缘特性的条形码定位方法,由采集灰度图像、确定Sobel边缘图像、扩展边缘区域、中值滤波与形态学滤波闭操作、滤除图像背景区域、确定条形码位置组成。本发明采用条形码边缘特性将采集到的条形码图像中的文字,图案背景等干扰进行滤除,对条形码区域进行提取。本发明具有对条形码区域的识别准确率高、使用范围广等优点,可用于各种产品的条形码识别。
Description
技术领域
本发明属于图像识别技术领域,具体涉及到视频图像中条形码区域的定位。
背景技术
目前,基于图像处理进行条形码区域识别的方法主要有以下几种:
基于统计模式识别技术,该类方法的识别率较高,可在高卷积失真环境下工作,但需要大量匹配条形码模板进行匹配,对背景较为复杂或倾斜的条形码效果不理想。
基于神经网络的条形码识别方法,存在的缺点是如果在训练过程中神经元过多会导致运算时间过长,有时往往需要调整相关参数来达到较高识别率。
基于频域获取条码区域的纹理信息,如离散余弦变换,小波变换,如果原始图像的背景区域存在文字或者图案时,或条形码图像由于受到光照,对焦不准等影响导致条纹的区域不清晰时,也很难精确定位每条条纹的边缘。
基于边缘信息对条形码区域进行检测的方法有很多种,但是受原始图像背景或条码类型的影响,该类方法的鲁棒性不高。
发明内容
本发明所要解决的技术问题在于克服上述现有技术的缺点,提供一种对条形码区域的识别准确率高、使用范围广的基于边缘特性的条形码定位方法。
解决上述技术问题所采用的技术方案由下述步骤组成:
(1)采集灰度图像
从图像库中任取一张图像,其尺寸为640×480,将彩色图像转为灰度图像。
(2)确定Sobel边缘图像
使用Sobel算子提取灰度图像边缘:
Isobel=|Dx|+|Dy| (3)
式中,Igray(x,y)为灰度图像中像素点的像素值,Dx是水平方向与Sobel算子与灰度图进行卷积的结果,Dy是垂直方向的Sobel算子与灰度图进行卷积的结果,Isobel为灰度图像的边缘图像。
使用最大类间差方法得到边缘图像二值化的阈值T,对图像Isobel(x,y)进行如下处理:
式中,Isobel(i,j)代表边缘图像中像素点的像素值。
(3)扩展边缘区域
确定Isobel邻域内的像素值的均值,比较邻域内像素值与均值的大小,对图像Isobel(i,j)的边缘区域进行扩展,得到像素矩阵A(u,v)。
(4)中值滤波与形态学滤波闭操作
使用中值滤波法,再使用形态学滤波法中的闭操作对像素矩阵A(u,v)进行滤波,得到图像的连通区域S′c,c为有限的正整数。
(5)滤除图像背景区域
对图像矩阵A(u,v)中的连通区域S′c的大小进行筛选,滤除图像中占像素点个数较少的连通区域。
(6)确定条形码位置
使用投影定位法对第5步得到的图像分别统计图像水平方向与垂直方向灰度值的一维投影,投影曲线波动位置为条形码的位置,根据波动的起始位置确定条形码在图像中水平与垂直的起始位置,完成条形码区域的识别。
在本发明的扩展边缘区域额步骤(3)中,对图像Isobel(i,j)的边缘区域进行扩展方法如下:
对图像Isobel(i,j)进行遍历,Isobel(p,q)≠0,按下式得到图像中像素点邻域内的像素均值:
式中,u为p-1,p,p+1;v为q-1,1,q+1;p为2,3…639,q为2,3…749,p、q为正整数,C(p,q)表示以像素点(p,q)为中心的3×3邻域内像素点的像素均值:
在本发明的滤除图像背景区域步骤(5)中,对图像矩阵A(u,v)中的连通区域大小进行筛选方法为:对图像矩阵A(u,v)中各个连通区域的所占像素点个数进行计数,分别记为S′1,S′2,S′3…S′c,其中c表示连通区域的个数、为有限的正整数,S′c表示该连通区域内的像素点个数;在区间内按等间隔分为5份,按下式确定间隔δ以及每个间隔中心Di:
δ=(S′max-S′min)/4 (7)
Di=S′min+k·δ/2 (8)
其中S′min为连通区域最小值,S′max为连通区域最大值,k为1,2,3,4;保留连通区域像素个数大于D1的区域,记为S1,S2…Sm,其中m为有限正整数、且m≤c。
由于本发明采用了扩展边缘区域、滤除图像背景区域,对图像中复杂的背景进行有效的滤除,并采用发明实施例1的方法与《一种基于图像处理的一维条码快速定位技术》公开的条形码定位方法进行对比实验,实验结果表明本发明方法准确率有明显提高,其中自动对焦图像的识别率提高了6.05%,对未自动对焦图像的识别率为91.63%,本发明方法具有对条形码区域的识别准确率高、使用范围广等优点,可用于各种产品的条形码识别。
附图说明
图1是本发明实施例1的流程图。
图2是本发明实施例1的灰度图。
图3是本发明实施例1的结果图。
图4是本发明实施例1垂直方向的灰度值一维投影图。
图5是本发明实施例1水平方向的灰度值一维投影图。
具体实施方式
下面结合附图和实施例对本发明进行进一步详细说明,但本发明不限于下述的实施方式:
实施例1
在图1中,本实施例的基于边缘特性的条形码定位方法由下述步骤组成:
(1)采集灰度图像
在图像库Medium 1D barcodes collection中取一张图像,尺寸为640×480,将彩色图像转为灰度图像,如图2所示。
(2)确定Sobel边缘图像
使用Sobel算子提取灰度图像边缘:
Isobel=|Dx|+|Dy| (3)
式中,Igray(x,y)为灰度图像中像素点的像素值,Dx是水平方向与Sobel算子与灰度图进行卷积的结果,Dy是垂直方向的Sobel算子与灰度图进行卷积的结果,Isobel为灰度图像的边缘图像。
使用最大类间差方法得到边缘图像二值化的阈值T,对图像Isobel(x,y)进行如下处理:
式中,Isobel(i,j)代表边缘图像中像素点的像素值;
(3)扩展边缘区域
确定Isobel邻域内的像素值的均值,比较邻域内像素值与均值的大小,对图像Isobel(i,j)的边缘区域进行扩展,得到像素矩阵A(u,v),对图像Isobel(i,j)的边缘区域进行扩展方法如下:
对图像Isobel(i,j)进行遍历,Isobel(p,q)≠0,按下式得到图像中像素点邻域内的像素均值:
式中,u为p-1,p,p+1;v为q-1,1,q+1;p为2,3…639,q为2,3…749,p、q为正整数,C(p,q)表示以像素点(p,q)为中心的3×3邻域内像素点的像素均值:
通过上述步骤,图像A(u,v)中的线条会向周围扩展,图像中线条集中的区域形成连通区域。
(4)中值滤波与形态学滤波闭操作
使用中值滤波法,再使用形态学滤波法中的闭操作对像素矩阵A(u,v)进行滤波,得到图像的连通区域S′c,c为有限的正整数。该步骤使得步骤(3)图像A(u,v)中的连通区域进一步扩大。
(5)滤除图像背景区域
对图像矩阵A(u,v)中的连通区域S′c的大小进行筛选,滤除图像中占像素点个数较少的连通区域,对图像矩阵A(u,v)中的连通区域大小进行筛选方法如下:
对图像矩阵A(u,v)中各个连通区域的所占像素点个数进行计数,分别记为S′1,S′2,S′3…S′c,其中c表示连通区域的个数、为有限的正整数,S′c表示该连通区域内的像素点个数;在区间内按等间隔分为5份,按下式确定间隔δ以及每个间隔中心Di:
δ=(S′max-S′min)/4 (7)
Di=S′min+k·δ/2 (8)
其中S′min为连通区域最小值,S′max为连通区域最大值,k为1,2,3,4;保留连通区域像素个数大于D1的区域,记为S1,S2…Sm,其中m为有限正整数、且m≤c。条形码图像中由文字,背景图案等所构成的连通区域要远小于条形码所构成的连通区域,图像中的文字,背景图案所形成的干扰被滤除。
(6)确定条形码位置
使用投影定位法对第5步得到的图像分别统计图像水平方向与垂直方向灰度值的一维投影,投影曲线波动位置为条形码的位置,如图4,5所示。根据波动的起始位置确定条形码在图像中水平与垂直的起始位置,完成条形码区域的识别,如图3所示。由图3可见,从文字,图案背景干扰的图像中将条形码区域提取出来。
为了验证本发明的有益效果,发明人在图像库中选取430张图像,其中自动对焦图像215张,未自动对焦图像215张,采用本发明实施例1的方法与《一种基于图像处理的一维条码快速定位技术》公开的条形码定位方法(纪琴琴,黄鲁.中国科学院大学学报,2019,36(05):716-720),以下简称对比文件1,进行了对比实验,实验结果如表1所示。
表1条形码位置识别效果表
由表1可见,本发明方法与对比文件1的方法相比,本发明方法准确率有明显提高,其中自动对焦图像的识别率提高了6.05%,对未自动对焦图像的识别率为91.63%。
Claims (3)
1.基于边缘特性的条形码定位方法,其特征在于由下述步骤组成:
(1)采集灰度图像
从图像库中任取一张图像,其尺寸为640×480,将彩色图像转为灰度图像;
(2)确定Sobel边缘图像
使用Sobel算子提取灰度图像边缘:
Isobel=|Dx|+|Dy|(3)
式中,Igray(x,y)为灰度图像中像素点的像素值,Dx是水平方向Sobel算子与灰度图进行卷积的结果,Dy是垂直方向的Sobel算子与灰度图进行卷积的结果,Isobel为灰度图像的边缘图像;
使用最大类间差方法得到边缘图像二值化的阈值T,对Isobel(i,j)图像的灰度图像的边缘图像中像素点像素值进行如下处理:
式中,Isobel(i,j)代表灰度图像的边缘图像中像素点的像素值
(3)扩展边缘区域
确定Isobel邻域内的像素值的均值,比较邻域内像素值与均值的大小,对图像Isobel(i,j)灰度图像的边缘图像中像素点的像素值的边缘区域进行扩展,得到像素矩阵A(u,v);
(4)中值滤波与形态学滤波闭操作
使用中值滤波法,再使用形态学滤波法中的闭操作对像素矩阵A(u,v)进行滤波,得到连通区域内的像素点个数S′c,c为有限的正整数;
(5)滤除图像背景区域
对像素矩阵A(u,v)中的连通区域内的像素点个数S′c的大小进行筛选,滤除图像中占像素点个数较少的连通区域;
(6)确定条形码位置
使用投影定位法对第5步得到的图像分别统计图像水平方向与垂直方向灰度值的一维投影,投影曲线波动位置为条形码的位置,根据波动的起始位置确定条形码在图像中水平与垂直的起始位置,完成条形码区域的识别。
3.根据权利要求1所述的基于边缘特性的条形码定位方法,其特征在于在滤除图像背景区域步骤(5)中,对像素矩阵A(u,v)中的连通区域大小进行筛选方法为:对像素矩阵A(u,v)中各个连通区域的所占像素点个数进行计数,分别记为S′1,S′2,S′3…S′c,其中c表示连通区域的个数、为有限的正整数,S′c表示该连通区域内的像素点个数;在区间内按等间隔分为5份,按下式确定间隔δ以及每个间隔中心Dk:
δ×(S′max-S′min)/4 (7)
Dk=S′min+k·δ/2 (8)
其中S′min为连通区域最小值,S′max为连通区域最大值,k为1,2,3,4;保留连通区域像素个数大于D1的区域,记为S1,S2,…,Sm,其中m为有限正整数、且m≤c。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010070543.6A CN111241862B (zh) | 2020-01-21 | 2020-01-21 | 基于边缘特性的条形码定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010070543.6A CN111241862B (zh) | 2020-01-21 | 2020-01-21 | 基于边缘特性的条形码定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111241862A CN111241862A (zh) | 2020-06-05 |
CN111241862B true CN111241862B (zh) | 2023-06-02 |
Family
ID=70874840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010070543.6A Active CN111241862B (zh) | 2020-01-21 | 2020-01-21 | 基于边缘特性的条形码定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111241862B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057377B (zh) * | 2023-10-11 | 2024-01-12 | 青岛冠成软件有限公司 | 码的识别匹配方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184398A (zh) * | 2011-06-17 | 2011-09-14 | 电子科技大学 | 一种基于边缘检测的集装箱号码定位方法 |
CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
CN103336938A (zh) * | 2013-06-05 | 2013-10-02 | 华南理工大学 | 一种基于一维条形码图像的识别方法 |
CN103729632A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
WO2014061575A1 (ja) * | 2012-10-15 | 2014-04-24 | 株式会社日立ハイテクノロジーズ | パターン検査・計測装置及びプログラム |
CN109410228A (zh) * | 2018-08-22 | 2019-03-01 | 南京理工大学 | 基于多尺度数学形态学特征融合的海洋内波检测算法 |
CN110531351A (zh) * | 2019-08-16 | 2019-12-03 | 山东工商学院 | 一种基于Fast算法的GPR图像双曲波顶点检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8366004B2 (en) * | 2008-02-22 | 2013-02-05 | Qualcomm Incorporated | Barcode detection based on morphological operations |
-
2020
- 2020-01-21 CN CN202010070543.6A patent/CN111241862B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184398A (zh) * | 2011-06-17 | 2011-09-14 | 电子科技大学 | 一种基于边缘检测的集装箱号码定位方法 |
WO2014061575A1 (ja) * | 2012-10-15 | 2014-04-24 | 株式会社日立ハイテクノロジーズ | パターン検査・計測装置及びプログラム |
CN103336938A (zh) * | 2013-06-05 | 2013-10-02 | 华南理工大学 | 一种基于一维条形码图像的识别方法 |
CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
CN103729632A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种基于连通区域滤波的圆形Mark点的定位方法 |
CN109410228A (zh) * | 2018-08-22 | 2019-03-01 | 南京理工大学 | 基于多尺度数学形态学特征融合的海洋内波检测算法 |
CN110531351A (zh) * | 2019-08-16 | 2019-12-03 | 山东工商学院 | 一种基于Fast算法的GPR图像双曲波顶点检测方法 |
Non-Patent Citations (5)
Title |
---|
Robust Angle Invariant 1D Barcode Detection;Alessandro Zamberletti;《IEEE Xplore》;20140327;全文 * |
一种基于图像处理的一维条码快速定位技术;纪琴琴;《中国科学院大学学报》;20190930;第36卷(第5期);全文 * |
基于数字图像处理的条形码识别预处理算法研究;陈超等;《河南工程学院学报(自然科学版)》;20150930;第27卷(第03期);全文 * |
扩展的多尺度模糊边缘检测;施成湘等;《计算机工程与应用》;20060301(第07期);全文 * |
改进的自适应加权中值滤波算法;王松林;《传感器与微系统》;20161130;第35卷(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111241862A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145161B (zh) | 一种路面裂缝数字图像处理和识别的方法 | |
US8009928B1 (en) | Method and system for detecting and recognizing text in images | |
CN107045634B (zh) | 一种基于最大稳定极值区域与笔画宽度的文本定位方法 | |
KR101403876B1 (ko) | 차량 번호판 인식 방법과 그 장치 | |
CN103942797B (zh) | 基于直方图和超像素的场景图像文字检测方法及系统 | |
CN102629322B (zh) | 一种基于边界点笔画形状的字符特征提取方法及应用 | |
CN109815762B (zh) | 远距离识别二维码的方法、存储介质 | |
Paunwala et al. | A novel multiple license plate extraction technique for complex background in Indian traffic conditions | |
CN106815583B (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
CN108146093B (zh) | 一种去除票据印章的方法 | |
CN107563380A (zh) | 一种基于mser和swt相结合的车辆车牌检测识别方法 | |
CN102096795A (zh) | 磨损二维条码图像识别方法 | |
CN111353961B (zh) | 一种文档曲面校正方法及装置 | |
CN108985305B (zh) | 一种激光蚀刻工业雷管编码图像定位及校正方法 | |
CN113591967A (zh) | 一种图像处理方法、装置、设备及计算机存储介质 | |
CN110647795A (zh) | 一种表格识别方法 | |
CN114299275A (zh) | 一种基于霍夫变换的车牌倾斜校正方法 | |
He et al. | A new automatic extraction method of container identity codes | |
CN105447489A (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN116052152A (zh) | 一种基于轮廓检测和深度神经网络的车牌识别系统 | |
CN111241862B (zh) | 基于边缘特性的条形码定位方法 | |
CN108205678B (zh) | 一种含有亮斑干扰的铭牌文字识别处理方法 | |
CN111414877B (zh) | 去除颜色边框的表格裁切方法、图像处理设备和存储介质 | |
CN112101058A (zh) | 一种试卷条码自动识别方法及装置 | |
CN112418143A (zh) | 一种无人驾驶车的交通标志识别方法 |
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 |