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 PDF

Info

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
Application number
CN202010070543.6A
Other languages
English (en)
Other versions
CN111241862A (zh
Inventor
艾达
马宇豪
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.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
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 Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN202010070543.6A priority Critical patent/CN111241862B/zh
Publication of CN111241862A publication Critical patent/CN111241862A/zh
Application granted granted Critical
Publication of CN111241862B publication Critical patent/CN111241862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

基于边缘特性的条形码定位方法
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：
Figure BDA0002377204170000021
Figure BDA0002377204170000022
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：
Figure BDA0002377204170000023
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：
Figure BDA0002377204170000031
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：
Figure BDA0002377204170000032
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：
Figure BDA0002377204170000041
Figure BDA0002377204170000042
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：
Figure BDA0002377204170000051
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：
Figure BDA0002377204170000052
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：
Figure BDA0002377204170000053
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
Figure BDA0002377204170000061
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：
Figure QLYQS_1
Figure QLYQS_2
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：
Figure QLYQS_3
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。
2.根据权利要求1所述的基于边缘特性的条形码定位方法，其特征在于在扩展边缘区域的步骤(3)中，对Isobel(i,j)图像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：
Figure QLYQS_4
式中，u为p-1,p,p+1；v为q-1,q,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：
Figure QLYQS_5
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。
CN202010070543.6A 2020-01-21 2020-01-21 基于边缘特性的条形码定位方法 Active CN111241862B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8366004B2 (en) * 2008-02-22 2013-02-05 Qualcomm Incorporated Barcode detection based on morphological operations

Patent Citations (7)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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