CN111353324A - 玻璃内部点阵二维码读取方法 - Google Patents

Abstract

本申请涉及一种玻璃内部点阵二维码读取方法。读取方法包括获取二维码图像，对二维码图像进行灰度增强处理。灰度增强处理过程提高图像整体的灰度对比度。对灰度增强处理后的二维码图像进行高斯平滑处理。高斯平滑处理过程降低每一个二维码点阵周边的毛刺效果。对高斯平滑处理后的二维码图像进行边缘检测处理，并得到标准二维码图像，读取标准二维码图像，并得到二维码对应的信息。边缘检测过程增强图像中边缘特征点的灰度值。玻璃内部点阵二维码读取方法顺次采用三种方法对二维码图案进行处理，得到标准二维码图像。玻璃内部点阵二维码读取方法根据标准二维码图像得到正确的玻璃内部点阵二维码信息。

Description

玻璃内部点阵二维码读取方法

技术领域

本申请涉及二维码读取技术领域，特别是涉及一种玻璃内部点阵二维码读取方法。

背景技术

随着手机盖板玻璃行业的飞速发展，玻璃盖板需进行经历生产、抛光、加压、喷墨、组装等一系列的工艺。为了更好地溯源每一块玻璃盖板、同时不影响产品美观性，最前沿的工艺是将点阵型二维码(Data Matrix)通过激光打印至玻璃内部，使肉眼难以分辨，只能由专用的读码机可以完成识别。

与传统的消费品行业的二维码识别与读取不同，起标识作用的二维码打印在玻璃内部。玻璃内部点阵二维码的内部尺寸极小，仅有200μm×200μm。相机拍摄的二维码图像模糊，很难辨认，导致不能正确读取二维码。怎样才能得到正确的玻璃内部点阵二维码信息是接待解决的问题。

发明内容

基于此，有必要针对怎样才能得到正确的玻璃内部点阵二维码信息的问题，提供一种玻璃内部点阵二维码读取方法。

一种玻璃内部点阵二维码读取方法，包括：

获取二维码图像，对所述二维码图像进行灰度增强处理。

对灰度增强处理后的所述二维码图像进行高斯平滑处理。

对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像。读取所述标准二维码图像，并得到所述二维码对应的信息。

在一个实施例中，获取二维码图像，对所述二维码图像进行灰度增强处理包括：

所述二维码图像包括多个像素，对多个所述像素的灰度进行直方图统计。

分别判断每个所述像素的灰度是否小于第一设定值，如果是，则去除所述像素的灰度值。

对所述二维码图像进行灰度拉伸处理。

在一个实施例中，在分别判断每个所述像素的灰度是否小于第一设定值，如果是，则去除所述像素的灰度值的步骤之后，所述玻璃内部点阵二维码读取方法还包括：

分别判断每个所述像素的灰度是否大于第二设定值，如果是，则去除所述像素的灰度值。

在一个实施例中，将灰度增强处理后的所述二维码图像分割为多个窗口，再进行高斯平滑处理。

在一个实施例中，利用二维高斯分布公式进行高斯平滑处理，所述二维高斯分布公式为：

其中，σ表示标准差即高斯半径，μ指均值即期望。

在一个实施例中，对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像的步骤包括：

对高斯平滑处理后的所述二维码图像沿垂直方向进行边缘检测处理，得到第一图像。

对高斯平滑处理后的所述二维码图像沿水平方向进行边缘检测处理，得到第二图像。

将所述第一图像和所述第二图像进行叠加处理，得到所述标准二维码图像。

在一个实施例中，所述玻璃内部点阵二维码读取方法还包括：

对所述标准二维码图像进行膨胀处理。

在一个实施例中，对所述标准二维码图像进行多次膨胀处理。

在一个实施例中，对所述二维码图像进行灰度拉伸处理之后，判断所述二维码图像中是否呈现点阵，若否，则调整所述第一设定值或所述第二设定值的大小。

在一个实施例中，所述第一设定值为255×0.3％，所述第一设定值为255×(1-0.3％)。

本申请实施例提供的所述玻璃内部点阵二维码读取方法，包括获取二维码图像，对所述二维码图像进行灰度增强处理。所述灰度增强处理过程对所述二维码图像中灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度。对灰度增强处理后的所述二维码图像进行高斯平滑处理。高斯平滑处理过程使整个图片过渡均匀平滑，去除细节，过滤掉噪声，降低每一个二维码点阵周边的毛刺效果。对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像，读取所述标准二维码图像，并得到所述二维码对应的信息。边缘检测过程来增强图像中的这些边缘特征点。所述玻璃内部点阵二维码读取方法顺次采用三种方法对所述二维码图案进行处理，得到标准二维码图像。所述玻璃内部点阵二维码读取方法根据标准二维码图像得到正确的玻璃内部点阵二维码信息。

附图说明

图1为本申请一个实施例中提供的所述玻璃内部点阵二维码读取方法的流程示意图；

图2为本申请一个实施例中提供的所述二维码图像原图；

图3为本申请一个实施例中提供的进行灰度增强处理后的所述二维码图像；

图4为本申请一个实施例中提供的进行高斯平滑处理后的所述二维码图像；

图5为本申请一个实施例中提供的进行边缘检测处理后的所述二维码图像；

图6为本申请一个实施例中提供的进行膨胀处理后的所述二维码图像。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施的限制。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

与传统的消费品行业的二维码识别与读取不同，起标识作用的二维码打印在玻璃内部。玻璃内部点阵二维码用于对玻璃的追踪溯源。玻璃内部点阵二维码是通过激光打印至玻璃内部。且玻璃内部点阵二维码的内部尺寸极小，仅有200μm×200μm。肉眼难以分辨玻璃内部点阵二维码。

请参见图1、图2、图3、图4和图5，本申请实施例提供一种玻璃内部点阵二维码读取方法，包括：

S100，获取二维码图像，对所述二维码图像进行灰度增强处理。

S200，对灰度增强处理后的所述二维码图像进行高斯平滑处理。

S300，对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像。读取所述标准二维码图像，并得到所述二维码对应的信息。

本申请实施例提供的所述玻璃内部点阵二维码读取方法包括获取二维码图像，对所述二维码图像进行灰度增强处理。所述灰度增强处理过程对所述二维码图像中灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度。对灰度增强处理后的所述二维码图像进行高斯平滑处理。高斯平滑处理过程使整个图片过渡均匀平滑，去除细节，过滤掉噪声。所述高斯平滑处理过程降低每一个二维码点阵周边的毛刺效果。

所述玻璃内部点阵二维码读取方法还包括对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像，读取所述标准二维码图像，并得到所述二维码对应的信息。边缘检测过程增强了图像中边缘特征点的灰度值。所述玻璃内部点阵二维码读取方法顺次采用三种方法对所述二维码图案进行处理，得到标准二维码图像。所述玻璃内部点阵二维码读取方法根据标准二维码图像得到正确的玻璃内部点阵二维码信息。

所述玻璃内部点阵二维码读取方法提高了所述二维码图像清晰度和对比度，为后续视觉图像处理的要求降低，进而提高了读码效率。

在一个实施例中，S100包括：

S110，所述二维码图像包括多个像素，对多个所述像素的灰度进行直方图统计。

S120，分别判断每个所述像素的灰度是否小于第一设定值，如果是，则去除所述像素的灰度值。S120步骤用于去除所述二维码图像中过暗的部分。所述二维码图像过暗或过亮的部分均不为二维码点阵对应的部分。

S130，对所述二维码图像进行灰度拉伸处理。S130将所述二维码图像中剩余的部分线性拉伸至[0-255]的范围，目的是将灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度。

在一个实施例中，在S120后，所述玻璃内部点阵二维码读取方法还包括：

S121，分别判断每个所述像素的灰度是否大于第二设定值，如果是，则去除所述像素的灰度值。S121步骤用于去除所述二维码图像中过亮的部分。

在一个实施例中，S130之后，判断所述二维码图像中是否呈现点阵，若否，则调整所述第一设定值或所述第二设定值的大小。

在一个实施例中，所述第一设定值为255×0.3％，所述第一设定值为255×(1-0.3％)。即在原图像的基础上去除0.3％的亮点、0.3％暗点。

所述第一设定值与所述玻璃的厚度、所述二维码点阵的点的大小、深度和光影特性等有关。

所述玻璃内部点阵二维码读取方法使用基于直方图均衡化的图像增强方法，对于图像中的灰度点做映射。所述灰度增强处理过程使得整体图像的灰度大致符合均匀分布，以增强图像的对比度。原始二维码图像属于灰度值连续分布的情况。使用灰度的累积分布函数CDF做转换函数。将灰度集中的部分拉伸，而将灰度不集中的部分压缩。所述灰度增强处理方法再对整体所述二维码图像进行对比度拉伸，提高所述二维码图像整体的灰度对比度提高了辨认度。

在一个实施例中，S200为：将灰度增强处理后的所述二维码图像分割为多个窗口，再进行高斯平滑处理。

在一个实施例中，利用二维高斯分布公式进行高斯平滑处理，所述二维高斯分布公式为：

其中，σ表示标准差即高斯半径，μ指均值即期望。

此公式表示在μ附近的概率，离μ越远，即σ越大，其概率越小。离μ越近，即σ越小，其概率越大。

在一个实施例中，所述窗口的大小为3×3，σ为0.5。通过将整个所述二维码图像过渡均匀平滑，去除细节，过滤掉噪声。所述高斯平滑处理过程降低每一个二维码点阵周边的毛刺效果，增强对比度，提高辨别率。

在一个实施例中，S300包括：

S310，对高斯平滑处理后的所述二维码图像沿垂直方向进行边缘检测处理，得到第一图像。S310用到垂直方向sobel边缘检测。用垂直方向sobel算子与高斯平滑处理后的所述二维码图像做卷积，检测出垂直方向的边缘。所述垂直方向边缘检测过程增强图像中垂直方向边缘特征点的灰度值。

所述垂直方向sobel算子为：

S320，对高斯平滑处理后的所述二维码图像沿水平方向进行边缘检测处理，得到第二图像。S310用到水平方向sobel边缘检测。用水平方向sobel算子与高斯平滑处理后的所述二维码图像做卷积，检测出水平方向的边缘。所述水平方向边缘检测过程增强图像中水平方向边缘特征点的灰度值。

所述水平方向sobel算子为：

S330，将所述第一图像和所述第二图像进行叠加处理，得到所述标准二维码图像。所述标准二维码图像能够准确被后续处理设备识别。

请一并参见图6，在一个实施例中，所述玻璃内部点阵二维码读取方法还包括：

S400，对所述标准二维码图像进行膨胀处理。通过膨胀处理过程，将所述标准二维码图像中的二维码点阵中的每个点的尺寸放大，然后直接对放大的所述二维码点阵进行识别读取，提高了读取速率。

在一个实施例中，对所述标准二维码图像进行多次膨胀处理。通过多次膨胀处理过程，二维码点阵中的每个点的尺寸放大多倍，增强了每个点的识别度，提高了所述标准二维码图像的读取速率。

在一个实施例中，在S130之后，所述玻璃内部点阵二维码读取方法还包括：

S140，在同等条件下获取不包含二维码的玻璃的图像，并作为参考图像。根据所述参考图像，对所述二维码图像进行灰度删减处理，以去除环境中散光对所述二维码图像的影响。

在一个实施例中，在所述S100之前，所述玻璃内部点阵二维码读取方法还包括：

S010，获取玻璃的整体图像，找到所述二维码对应的区域，并得到所述二维码图像，减小后期处理的数据量，提升处理效率。

在一个实施例中，所述S010包括：

调整玻璃的位置和摄像装置的位置，以使所述二维码位于所述摄像装置的摄像范围内。

应该理解的是，虽然以上流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本申请实施例提供一种设备，所述设备包括一个或多个处理器和存储器。所述存储器，用于存储一个或多个程序。当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的玻璃内部点阵二维码读取方法。

所述的玻璃内部点阵二维码读取方法包括获取二维码图像，对所述二维码图像进行灰度增强处理。对灰度增强处理后的所述二维码图像进行高斯平滑处理。对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像。读取所述标准二维码图像，并得到所述二维码对应的信息。

所述玻璃内部点阵二维码读取方法还包括对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像，读取所述标准二维码图像，并得到所述二维码对应的信息。边缘检测过程增强了图像中边缘特征点的灰度值。所述玻璃内部点阵二维码读取方法顺次采用三种方法对所述二维码图案进行处理，得到标准二维码图像。所述玻璃内部点阵二维码读取方法根据标准二维码图像得到正确的玻璃内部点阵二维码信息。

所述玻璃内部点阵二维码读取方法提高了所述二维码图像清晰度和对比度，为后续视觉图像处理的要求降低，进而提高了读码效率。

在一个实施例中，获取二维码图像，对所述二维码图像进行灰度增强处理包括：所述二维码图像包括多个像素，对多个所述像素的灰度进行直方图统计。分别判断每个所述像素的灰度是否小于第一设定值，如果是，则去除所述像素的灰度值，用于去除所述二维码图像中过暗的部分。所述二维码图像过暗或过亮的部分均不为二维码点阵对应的部分。对所述二维码图像进行灰度拉伸处理。将所述二维码图像中剩余的部分线性拉伸至[0-255]的范围，目的是将灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度。

在一个实施例中，在分别判断每个所述像素的灰度是否小于第一设定值，如果是，则去除所述像素的灰度值。S120步骤用于去除所述二维码图像中过暗的部分。所述二维码图像过暗或过亮的部分均不为二维码点阵对应的部分后，所述玻璃内部点阵二维码读取方法还包括：

分别判断每个所述像素的灰度是否大于第二设定值，如果是，则去除所述像素的灰度值，用于去除所述二维码图像中过亮的部分。

在一个实施例中，对所述二维码图像进行灰度拉伸处理。S130将所述二维码图像中剩余的部分线性拉伸至[0-255]的范围，目的是将灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度之后，判断所述二维码图像中是否呈现点阵，若否，则调整所述第一设定值或所述第二设定值的大小。

在一个实施例中，所述第一设定值为255×0.3％，所述第一设定值为255×(1-0.3％)。即在原图像的基础上去除0.3％的亮点、0.3％暗点。

所述第一设定值与所述玻璃的厚度、所述二维码点阵的点的大小、深度和光影特性等有关。

所述玻璃内部点阵二维码读取方法使用基于直方图均衡化的图像增强方法，对于图像中的灰度点做映射。所述灰度增强处理过程使得整体图像的灰度大致符合均匀分布，以增强图像的对比度。原始二维码图像属于灰度值连续分布的情况。使用灰度的累积分布函数CDF做转换函数。将灰度集中的部分拉伸，而将灰度不集中的部分压缩。所述灰度增强处理方法再对整体所述二维码图像进行对比度拉伸，提高所述二维码图像整体的灰度对比度提高了辨认度。

在一个实施例中，S200为：将灰度增强处理后的所述二维码图像分割为多个窗口，再进行高斯平滑处理。

在一个实施例中，利用二维高斯分布公式进行高斯平滑处理，所述二维高斯分布公式为：

其中，σ表示标准差即高斯半径，μ指均值即期望。

此公式表示在μ附近的概率，离μ越远，即σ越大，其概率越小。离μ越近，即σ越小，其概率越大。

在一个实施例中，所述窗口的大小为3×3，σ为0.5。通过将整个所述二维码图像过渡均匀平滑，去除细节，过滤掉噪声。所述高斯平滑处理过程降低每一个二维码点阵周边的毛刺效果，增强对比度，提高辨别率。

在一个实施例中，对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像。读取所述标准二维码图像，并得到所述二维码对应的信息包括：

对高斯平滑处理后的所述二维码图像沿垂直方向进行边缘检测处理，得到第一图像，用到垂直方向sobel边缘检测。用垂直方向sobel算子与高斯平滑处理后的所述二维码图像做卷积，检测出垂直方向的边缘。所述垂直方向边缘检测过程增强图像中垂直方向边缘特征点的灰度值。

所述垂直方向sobel算子为：

对高斯平滑处理后的所述二维码图像沿水平方向进行边缘检测处理，得到第二图像，用到水平方向sobel边缘检测。用水平方向sobel算子与高斯平滑处理后的所述二维码图像做卷积，检测出水平方向的边缘。所述水平方向边缘检测过程增强图像中水平方向边缘特征点的灰度值。

所述水平方向sobel算子为：

将所述第一图像和所述第二图像进行叠加处理，得到所述标准二维码图像。所述标准二维码图像能够准确被后续处理设备识别。

请一并参见图6，在一个实施例中，所述玻璃内部点阵二维码读取方法还包括：

对所述标准二维码图像进行膨胀处理。通过膨胀处理过程，将所述标准二维码图像中的二维码点阵中的每个点的尺寸放大，然后直接对放大的所述二维码点阵进行识别读取，提高了读取速率。

在一个实施例中，对所述标准二维码图像进行多次膨胀处理。通过多次膨胀处理过程，二维码点阵中的每个点的尺寸放大多倍，增强了每个点的识别度，提高了所述标准二维码图像的读取速率。

在一个实施例中，在对所述二维码图像进行灰度拉伸处理。将所述二维码图像中剩余的部分线性拉伸至[0-255]的范围，目的是将灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度之后，所述玻璃内部点阵二维码读取方法还包括：

在同等条件下获取不包含二维码的玻璃的图像，并作为参考图像。根据所述参考图像，对所述二维码图像进行灰度删减处理，以去除环境中散光对所述二维码图像的影响。

在一个实施例中，在所述获取二维码图像，对所述二维码图像进行灰度增强处理之前，所述玻璃内部点阵二维码读取方法还包括：

获取玻璃的整体图像，找到所述二维码对应的区域，并得到所述二维码图像，减小后期处理的数据量，提升处理效率。

在一个实施例中，所述获取玻璃的整体图像，找到所述二维码对应的区域，并得到所述二维码图像，减小后期处理的数据量，提升处理效率包括：

调整玻璃的位置和摄像装置的位置，以使所述二维码位于所述摄像装置的摄像范围内。

本申请实施例提供的所述设备包括一个或多个处理器和存储器。所述存储器，用于存储一个或多个程序。当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的玻璃内部点阵二维码读取方法。所述玻璃内部点阵二维码读取方法包括获取二维码图像，对所述二维码图像进行灰度增强处理。所述灰度增强处理过程对所述二维码图像中灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度。对灰度增强处理后的所述二维码图像进行高斯平滑处理。高斯平滑处理过程使整个图片过渡均匀平滑，去除细节，过滤掉噪声。所述高斯平滑处理过程降低每一个二维码点阵周边的毛刺效果。

本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一实施例所述的空间注册识别方法。

所述的玻璃内部点阵二维码读取方法包括获取二维码图像，对所述二维码图像进行灰度增强处理。对灰度增强处理后的所述二维码图像进行高斯平滑处理。对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像。读取所述标准二维码图像，并得到所述二维码对应的信息。

本申请实施例提供的所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述玻璃内部点阵二维码读取方法包括获取二维码图像，对所述二维码图像进行灰度增强处理。所述灰度增强处理过程对所述二维码图像中灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度。对灰度增强处理后的所述二维码图像进行高斯平滑处理。高斯平滑处理过程使整个图片过渡均匀平滑，去除细节，过滤掉噪声。所述高斯平滑处理过程降低每一个二维码点阵周边的毛刺效果。

所述玻璃内部点阵二维码读取方法还包括对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像，读取所述标准二维码图像，并得到所述二维码对应的信息。边缘检测过程增强了图像中边缘特征点的灰度值。所述玻璃内部点阵二维码读取方法顺次采用三种方法对所述二维码图案进行处理，得到标准二维码图像。所述玻璃内部点阵二维码读取方法根据标准二维码图像得到正确的玻璃内部点阵二维码信息。

所述玻璃内部点阵二维码读取方法提高了所述二维码图像清晰度和对比度，为后续视觉图像处理的要求降低，进而提高了读码效率。

在一个实施例中，获取二维码图像，对所述二维码图像进行灰度增强处理包括：所述二维码图像包括多个像素，对多个所述像素的灰度进行直方图统计。分别判断每个所述像素的灰度是否小于第一设定值，如果是，则去除所述像素的灰度值，用于去除所述二维码图像中过暗的部分。所述二维码图像过暗或过亮的部分均不为二维码点阵对应的部分。对所述二维码图像进行灰度拉伸处理。将所述二维码图像中剩余的部分线性拉伸至[0-255]的范围，目的是将灰度集中的部分拉伸，而将灰度不集中的部分压缩，从而对整体图片进行对比度拉伸，提高图像整体的灰度对比度。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种玻璃内部点阵二维码读取方法，其特征在于，包括：

获取二维码图像，对所述二维码图像进行灰度增强处理；

对灰度增强处理后的所述二维码图像进行高斯平滑处理；

对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像，读取所述标准二维码图像，并得到所述二维码对应的信息。

2.如权利要求1所述的玻璃内部点阵二维码读取方法，其特征在于，获取二维码图像，对所述二维码图像进行灰度增强处理包括：

所述二维码图像包括多个像素，对多个所述像素的灰度进行直方图统计；

分别判断每个所述像素的灰度是否小于第一设定值，如果是，则去除所述像素的灰度值；

对所述二维码图像进行灰度拉伸处理。

3.如权利要求2所述的玻璃内部点阵二维码读取方法，其特征在于，在分别判断每个所述像素的灰度是否小于第一设定值，如果是，则去除所述像素的灰度值之后，还包括：

分别判断每个所述像素的灰度是否大于第二设定值，如果是，则去除所述像素的灰度值。

4.如权利要求1所述的玻璃内部点阵二维码读取方法，其特征在于，将灰度增强处理后的所述二维码图像分割为多个窗口，再进行高斯平滑处理。

5.如权利要求4所述的玻璃内部点阵二维码读取方法，其特征在于，利用二维高斯分布公式进行高斯平滑处理，所述二维高斯分布公式为：

其中，σ表示标准差即高斯半径，μ指均值即期望。

6.如权利要求4所述的玻璃内部点阵二维码读取方法，其特征在于，对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像的步骤包括：

对高斯平滑处理后的所述二维码图像沿垂直方向进行边缘检测处理，得到第一图像；

对高斯平滑处理后的所述二维码图像沿水平方向进行边缘检测处理，得到第二图像；

将所述第一图像和所述第二图像进行叠加处理，得到所述标准二维码图像。

7.如权利要求1所述的玻璃内部点阵二维码读取方法，其特征在于，对高斯平滑处理后的所述二维码图像进行边缘检测处理，并得到标准二维码图像，读取所述标准二维码图像，并得到所述二维码对应的信息之后,所述玻璃内部点阵二维码读取方法还包括：

对所述标准二维码图像进行膨胀处理。

8.如权利要求1所述的玻璃内部点阵二维码读取方法，其特征在于，对所述标准二维码图像进行多次膨胀处理。

9.如权利要求3所述的玻璃内部点阵二维码读取方法，其特征在于，对所述二维码图像进行灰度拉伸处理的步骤之后，判断所述二维码图像中是否呈现点阵，若否，则调整所述第一设定值或所述第二设定值的大小。

10.如权利要求2所述的玻璃内部点阵二维码读取方法，其特征在于，所述第一设定值为255×0.3％，所述第一设定值为255×(1-0.3％)。

Images