CN112733565A - 二维码粗定位方法、设备及存储介质 - Google Patents
二维码粗定位方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112733565A CN112733565A CN202011599115.9A CN202011599115A CN112733565A CN 112733565 A CN112733565 A CN 112733565A CN 202011599115 A CN202011599115 A CN 202011599115A CN 112733565 A CN112733565 A CN 112733565A
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- area
- dense
- target image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012216 screening Methods 0.000 claims abstract description 14
- 230000002776 aggregation Effects 0.000 claims abstract description 7
- 238000004220 aggregation Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Toxicology (AREA)
- General Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请公开二维码粗定位方法、设备及存储介质。其中,二维码粗定位的方法包括:获取目标图像;查找所述目标图像中的连通域;获取所述目标图像中的所述连通域聚集的密集区域;筛选密度值大于预定值的所述密集区域,作为二维码区域。本申请的二维码粗定位方法通过获取目标图像中的连通域聚集的密集区域,并通过密度值筛选获取有效密集区域作为二维码区域,实现二维码的粗定位,计算量小,定位准确率高,利于后续根据二维码区域的位置及大小,调整摄像头的焦距,有效提升二维码的识别效率。
Description
技术领域
本申请属于图像识别技术领域,具体涉及二维码粗定位方法、设备及存储介质。
背景技术
手机识别二维码的过程包括:手机摄像头采集二维码图像,获取图像后再由算法处理采集的图像,解码出二维码中的信息。二维码解析的成功率取决于采集图像时的光线、摄像头到二维码的距离、二维码的大小及摄像头的采集分辨率。然而当摄像头到二维码的距离较远或者二维码大小比较小时,二维码的识别率比较低。
发明内容
本申请提供二维码粗定位方法、设备及存储介质,以解决二维码识别率较低的技术问题。
为解决上述技术问题,本申请采用的一个技术方案是:一种二维码粗定位的方法,所述方法包括:获取目标图像;查找所述目标图像中的连通域;获取所述目标图像中的所述连通域聚集的密集区域;筛选密度值大于预定值的所述密集区域,作为二维码区域。
根据本申请一实施方式,所述获取所述目标图像中的所述连通域聚集的密集区域,包括:获得所述连通域的连通域中心点,所述连通域包括具有相同像素值且位置相邻的像素点;获取所述目标图像中的所述连通域中心点聚集的所述密集区域。
根据本申请一实施方式,所述获得所述连通域的连通域中心点,获取所述目标图像中的所述连通域中心点聚集的所述密集区域,包括:根据所述连通域的起始坐标点、长度和宽度计算所述连通域的所述连通域中心点;利用聚类算法根据所述连通域中心点的坐标,计算所述连通域中心点聚集的密集区域。
根据本申请一实施方式,所述筛选密度值大于预定值的所述密集区域,作为二维码区域,包括:计算所述密集区域的密度值;将所述密度值大于所述预定值的密集区域作为二维码区域。
根据本申请一实施方式,所述计算所述密集区域的密度值,包括:根据所述密集区域的长度和宽度计算所述密集区域的面积;计算所述密集区域内所述连通域中心点的数量与所述密集区域的面积的比值,获得所述密集区域的所述密度值。
根据本申请一实施方式,将所述密度值大于所述预定值的密集区域作为二维码区域包括:获取所述密度值最大的所述密集区域,作为最大密集区域;判断所述最大密集区域的所述密度值是否大于所述预定值;响应于所述最大密集区域的所述密度值大于所述预定值,所述最大密集区域为所述二维码区域。
根据本申请一实施方式,所述方法包括:根据所述二维码区域的位置及大小,调整摄像头的焦距;以定位至所述目标图像中的所述二维码区域。
根据本申请一实施方式,在所述查找所述目标图像中的连通域,之前包括:对所述目标图像进行二值化处理,获得二值化图像。
为解决上述技术问题,本申请采用的又一个技术方案是:一种电子设备,包括:处理器和存储器,所述处理器耦接所述存储器,所述存储器中存储有程式指令,所述处理器执行所述程式指令,通过所述程式指令实现如上所述的方法。
为解决上述技术问题,本申请采用的又一个技术方案是:一种计算机可读存储介质,所述存储介质存储有程序数据,所述程序数据能够被执行以实现如上所述的方法。
本申请的有益效果是:区别于现有技术,本申请的二维码粗定位方法通过获取目标图像中的连通域聚集的密集区域,并通过密度值筛选获取有效密集区域作为二维码区域,实现二维码的粗定位,计算量小,定位准确率高,利于后续根据二维码区域的位置及大小,调整摄像头的焦距,有效提升二维码的识别效率。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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,其中:
图1是本申请的二维码粗定位方法一实施例的流程示意图;
图2是本申请的二维码粗定位方法一实施例中获取目标图像中的连通域聚集的密集区域的流程示意图;
图3是本申请的二维码粗定位方法一实施例中筛选密度值大于预定值的密集区域的流程示意图;
图4是本申请的二维码粗定位装置一实施例的框架示意图;
图5是本申请的电子设备一实施例的框架示意图;
图6是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1至图3,图1是本申请的二维码粗定位方法一实施例的流程示意图;图2是本申请的二维码粗定位方法一实施例中获取目标图像中的连通域聚集的密集区域的流程示意图;图3是本申请的二维码粗定位方法一实施例中筛选密度值大于预定值的密集区域的流程示意图。
本申请一实施例提供了一种二维码粗定位方法,包括如下步骤:
S101:获取目标图像。
获取目标图像。目标图像中可能包括一个或多个二维码区域,也可能不包括二维码区域。需要说明的是,目标图像可以是系统获取相册内保存的一张完整图像,目标图像还可以是摄像头拍摄的图像画面。
S102:查找目标图像中的连通域。
一个连通域是由具有相同像素值的相邻像素组成像素集合,查找目标图像中的所有连通域。
为了提升图像处理效率,在对目标图像进行查找连通域之前,还包括对目标图像进行二值化处理,获得二值化图像。通过适当的阈值选取,二值化图像上的像素点的灰度值分别设置为0或255,整个二值化图像呈现出明显的黑白效果。通采用自适应二值化算法,去除目标图像中的多余色彩,只保留黑白色,避免多余色彩干扰后续图像处理,能有效提升图像处理效率。
S103:获取目标图像中的连通域聚集的密集区域。
获取目标图像中的连通域聚集的密集区域,根据二维码图形的特征,二维码区域存在大量连通域,而且连通域密度很高,所以获取目标图像中的连通域聚集的密集区域利于粗定位二维码区域。
在一实施例中,获取目标图像中的连通域聚集的密集区域包括:
S1031:获得连通域的连通域中心点。
获取连通域后,可以得到所有连通域的的起始坐标点(x1,y1)、长度(length1)和宽度(width1),起始坐标点(x1,y1)为连通域左上角的坐标点。根据连通域的起始坐标点(x1,y1)、长度(length1)和宽度(width1),计算连通域的连通域中心点,具体地,连通域中心点的横坐标为连通域的起始坐标点的横坐标加上连通域一半的长度,连通域中心点的纵坐标为连通域的起始坐标点的纵坐标加上连通域一半的宽度,连通域中心点坐标为(x1+length1/2,y1+width1/2)。
获取所有连通域的连通域中心点后,可以将所有连通域中心点存入一个数组中。
S1032:获取目标图像中的连通域中心点聚集的密集区域。
在一实施例中,获取目标图像中的连通域中心点聚集的密集区域包括利用聚类算法根据连通域中心点的坐标,计算连通域中心点聚集的密集区域。
获取连通域中心点聚集的密集区域后,可以得到密集区域的位置坐标(起始坐标点(x2,y2)、长度(length2)和宽度(width2)),通过位置坐标可以计算出密集区域的大小(length2*width2)和在这个密集区域内的连通域中心点数量(num),同时可以获取密集区域的中心点坐标。
具体地,密集区域的中心点的横坐标为密集区域的起始坐标点的横坐标加上密集区域一半的长度,密集区域中心点的纵坐标为密集区域的起始坐标点的纵坐标加上密集区域一半的宽度,密集区域中心点坐标为(x2+length2/2,y2+width2/2)。通过密集区域的起始坐标点、长度、宽度和中心点坐标,可以对密集区域进行定位。
具体地,通过聚类算法输入连通域中心点坐标数组可以获取连通域中心点聚集的密集区域。需要说明的是,密集区域为一个矩形区域,为疑似二维码区域的大致区域。
在一实施例中,通过获取目标图像中的连通域中心点聚集的密集区域,作为连通域聚集的密集区域,连通域定位精准,可以准确获得连通域聚集的密集区域,进而获得大致的二维码区域。在其他实施例中,还可以通过获取目标图像中的连通域的起始坐标点聚集的密集区域,作为连通域聚集的密集区域,或则还可以通过获取连通域中的其他位置坐标点聚集的密集区域,作为连通域聚集的密集区域。
S104:筛选密度值大于预定值的密集区域,作为二维码区域。
在一实施例中,筛选密度值大于预定值的密集区域,作为二维码区域包括:
S1041:计算密集区域的密度值。
根据密集区域的长度和宽度计算密集区域的面积,即密集区域的大小。具体地,密集区域的面积为密集区域的长度乘以宽度。
计算密集区域内所有连通域中心点的数量与密集区域的面积的比值,获得密集区域的密度值(num/length2*width2)。
S1042:将密度值大于预定值的密集区域作为二维码区域。
在一些目标图像中,可能包括多个二维码区域,将密度值大于预定值的密集区域作为二维码区域。预定值为经过大量实验后可确定的经验值,密度值小于等于预定值的密集区域默认为无效的密集区域,即非二维码区域。通过预定值过滤掉无效的密集区域,避免浪费计算资源,提升二维码识别的效率。
通过选出密度值大于预定值的密集区域作为大致的二维码区域,并将该密集区域的大小和位置输出,通过二维码区域在目标图像中的位置和大小来调整摄像头的焦距以获取最佳的成像效果,有效提升二维码的识别率。
在实际应用场景中,手机只需要获取到二维码或者类似二维码区域的大概位置和大小就可以满足要求,而不需要二维码区域的精确位置。本申请的二维码粗定位方法可以提升定位算法的效率,也可以降低手机计算资源的使用。
在又一实施例中,为了进一步提高定位算法的效率,并降低手机计算资源的使用,将密度值大于预定值的密集区域作为二维码区域包括:
获取密度值最大的密集区域,作为最大密集区域。判断最大密集区域的密度值是否大于预定值。响应于最大密集区域的密度值大于预定值,最大密集区域为二维码区域。预定值为经过大量实验后可确定的经验值,密度值小于等于预定值的最大密集区域默认为无效的密集区域,即非二维码区域。通过预定值过滤掉无效的密集区域,避免浪费计算资源,提升二维码识别的效率。
通过选出密度值最大的密集区域,仅需判断最大密集区域的密度值是否大于预定值,计算量小。将密度值大于预定值的最大密集区域作为大致的二维码区域,并将该密集区域的大小和位置输出,通过二维码区域在目标图像中的位置和大小来调整摄像头的焦距以获取最佳的成像效果,适用于目标图像中仅有一个二维码区域的图像,最大程度提升二维码的识别率。
S105:根据二维码区域的位置及大小,调整摄像头的焦距,以定位至目标图像中的二维码区域。
根据二维码区域的位置及大小,调整摄像头的焦距,以放大图像,并成像于二维码区域,从而获得最佳的成像效果,解决当摄像头到二维码的距离较远或者二维码大小比较小时,二维码的识别率比较低的问题。
需要说明的是,此处二维码区域的位置和大小为粗定位的大致二维码区域的位置和大小,即为密集区域的位置和大小。密集区域的位置坐标(起始坐标点(x2,y2)、中心点坐标(x2+length2/2,y2+width2/2)、长度(length2)和宽度(width2)),通过位置坐标可以计算出密集区域的大小(length2*width2)。具体地,密集区域的中心点的横坐标为密集区域的起始坐标点的横坐标加上密集区域一半的长度,密集区域中心点的纵坐标为密集区域的起始坐标点的纵坐标加上密集区域一半的宽度,密集区域中心点坐标为(x2+length2/2,y2+width2/2)。通过密集区域的起始坐标点、长度、宽度和中心点坐标,可以对二维码区域进行定位。
在一实施例中,若目标图像包括多个二维码区域,可以将多个二维码区域的位置和大小保存于系统中,并按照预定顺序调整摄像头的焦距,以定位目标图像中的二维码区域。预定顺序可以为与密度值正相关,按照密集区域的密度值由大到小排序对应二维码区域,优先定位目标图像中的密度值更大的密集区域对应的二维码区域。
本申请的二维码粗定位方法获取目标图像中的连通域聚集的密集区域,并通过密度值筛选获取有效密集区域作为二维码区域,实现二维码的粗定位,计算量小,定位准确率高,利于后续根据二维码区域的位置及大小,调整摄像头的焦距,有效提升二维码的识别效率。并且本方法通过获取目标图像中的连通域中心点聚集的密集区域,作为连通域聚集的密集区域,连通域定位精准,可以准确获得连通域聚集的密集区域,进而获得二维码区域,方法简单高效,计算量小,识别率高。
请参阅4,图4是本申请的二维码粗定位装置一实施例的框架示意图。
本申请又一实施例提供了一种二维码粗定位装置20,包括获取模块21、处理模块22和定位模块23。获取模块21获取目标图像,处理模块22查找目标图像中的连通域,并获取目标图像中的连通域聚集的密集区域;处理模块22筛选密度值大于预定值的密集区域,作为二维码区域。定位模块23根据二维码区域的位置及大小,调整摄像头的焦距,以定位目标图像中的二维码区域。进一步地,处理模块22获取目标图像中的连通域中心点聚集的密集区域包括:处理模块22利用聚类算法根据连通域中心点的坐标,计算连通域中心点聚集的密集区域。
本申请的二维码粗定位装置20通过获取目标图像中的连通域聚集的密集区域,并通过密度值筛选获取有效密集区域作为二维码区域,实现二维码的粗定位,计算量小,定位准确率高,利于后续根据二维码区域的位置及大小,调整摄像头的焦距,有效提升二维码的识别效率。并且本装置20通过获取目标图像中的连通域中心点聚集的密集区域,作为连通域聚集的密集区域,连通域定位精准,可以准确获得连通域聚集的密集区域,进而获得二维码区域,方法简单高效,计算量小,识别率高。
请参阅图5,图5是本申请的电子设备一实施例的框架示意图。
本申请又一实施例提供了一种电子设备30,包括相互耦接的存储器31和处理器32,处理器32用于执行存储器31中存储的程序指令,以实现上述任一实施例的二维码粗定位方法。在一个具体的实施场景中,电子设备30可以包括但不限于:微型计算机、服务器,此外,电子设备30还可以包括笔记本电脑、平板电脑等移动设备,在此不做限定。本电子设备30通过获取目标图像中的连通域聚集的密集区域,并通过密度值筛选获取有效密集区域作为二维码区域,实现二维码的粗定位,计算量小,定位准确率高,利于后续根据二维码区域的位置及大小,调整摄像头的焦距,有效提升二维码的识别效率。并且本电子设备30通过获取目标图像中的连通域中心点聚集的密集区域,作为连通域聚集的密集区域,连通域定位精准,可以准确获得连通域聚集的密集区域,进而获得二维码区域,方法简单高效,计算量小,识别率高。
具体而言,处理器32用于控制其自身以及存储器31以实现上述任一二维码粗定位方法实施例中的步骤。处理器32还可以称为CPU(Central Processing Unit,中央处理单元)。处理器32可能是一种集成电路芯片,具有信号的处理能力。处理器32还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器32可以由集成电路芯片共同实现。
请参阅图6,图6是本申请计算机可读存储介质一实施例的框架示意图。
本申请又一实施例提供了一种计算机可读存储介质40,其上存储有程序数据41,程序数据41被处理器执行时实现上述任一实施例的二维码粗定位方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质40中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质40中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质40包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种二维码粗定位的方法,其特征在于,所述方法包括:
获取目标图像;
查找所述目标图像中的连通域;
获取所述目标图像中的所述连通域聚集的密集区域;
筛选密度值大于预定值的所述密集区域,作为二维码区域。
2.根据权利要求1所述的方法,其特征在于,所述获取所述目标图像中的所述连通域聚集的密集区域,包括:
获得所述连通域的连通域中心点,所述连通域包括具有相同像素值且位置相邻的像素点;
获取所述目标图像中的所述连通域中心点聚集的所述密集区域。
3.根据权利要求2所述的方法,其特征在于,所述获得所述连通域的连通域中心点,获取所述目标图像中的所述连通域中心点聚集的所述密集区域,包括:
根据所述连通域的起始坐标点、长度和宽度计算所述连通域的所述连通域中心点;
利用聚类算法根据所述连通域中心点的坐标,计算所述连通域中心点聚集的密集区域。
4.根据权利要求1所述的方法,其特征在于,所述筛选密度值大于预定值的所述密集区域,作为二维码区域,包括:
计算所述密集区域的密度值;
将所述密度值大于所述预定值的密集区域作为二维码区域。
5.根据权利要求4所述的方法,其特征在于,所述计算所述密集区域的密度值,包括:
根据所述密集区域的长度和宽度计算所述密集区域的面积;
计算所述密集区域内所述连通域中心点的数量与所述密集区域的面积的比值,获得所述密集区域的所述密度值。
6.根据权利要求4所述的方法,其特征在于,将所述密度值大于所述预定值的密集区域作为二维码区域包括:
获取所述密度值最大的所述密集区域,作为最大密集区域;
判断所述最大密集区域的所述密度值是否大于所述预定值;
响应于所述最大密集区域的所述密度值大于所述预定值,所述最大密集区域为所述二维码区域。
7.根据权利要求1所述的方法,其特征在于,所述方法包括:
根据所述二维码区域的位置及大小,调整摄像头的焦距;
以定位至所述目标图像中的所述二维码区域。
8.根据权利要求1所述的方法,其特征在于,在所述查找所述目标图像中的连通域,之前包括:
对所述目标图像进行二值化处理,获得二值化图像。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器耦接所述存储器,所述存储器中存储有程式指令,所述处理器执行所述程式指令,通过所述程式指令实现如权利要求1-8中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序数据,所述程序数据能够被执行以实现如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011599115.9A CN112733565A (zh) | 2020-12-29 | 2020-12-29 | 二维码粗定位方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011599115.9A CN112733565A (zh) | 2020-12-29 | 2020-12-29 | 二维码粗定位方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112733565A true CN112733565A (zh) | 2021-04-30 |
Family
ID=75609907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011599115.9A Pending CN112733565A (zh) | 2020-12-29 | 2020-12-29 | 二维码粗定位方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733565A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023071322A1 (zh) * | 2021-11-01 | 2023-05-04 | 深圳思谋信息科技有限公司 | 识别二维码定位码区的方法、装置、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6565003B1 (en) * | 1998-12-16 | 2003-05-20 | Matsushita Electric Industrial Co., Ltd. | Method for locating and reading a two-dimensional barcode |
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 |
-
2020
- 2020-12-29 CN CN202011599115.9A patent/CN112733565A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6565003B1 (en) * | 1998-12-16 | 2003-05-20 | Matsushita Electric Industrial Co., Ltd. | Method for locating and reading a two-dimensional barcode |
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 |
Non-Patent Citations (1)
Title |
---|
李东等: "改进的DataMatrix码L形边精确定位方法", <<深圳大学学报理工版>> * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023071322A1 (zh) * | 2021-11-01 | 2023-05-04 | 深圳思谋信息科技有限公司 | 识别二维码定位码区的方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alireza Golestaneh et al. | Spatially-varying blur detection based on multiscale fused and sorted transform coefficients of gradient magnitudes | |
CN110569721A (zh) | 识别模型训练方法、图像识别方法、装置、设备及介质 | |
CN109064504B (zh) | 图像处理方法、装置和计算机存储介质 | |
CN109698944B (zh) | 投影区域校正方法、投影设备及计算机可读存储介质 | |
CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN103353881B (zh) | 一种应用程序搜索方法及装置 | |
CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
KR102421604B1 (ko) | 이미지 처리 방법, 장치 및 전자 기기 | |
CN112700376B (zh) | 图像的摩尔纹去除方法、装置、终端设备及存储介质 | |
CN110650288B (zh) | 对焦控制方法和装置、电子设备、计算机可读存储介质 | |
CN111161299B (zh) | 影像分割方法、存储介质及电子装置 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN112733565A (zh) | 二维码粗定位方法、设备及存储介质 | |
US9392146B2 (en) | Apparatus and method for extracting object | |
CN113014876A (zh) | 视频监控方法、装置、电子设备及可读存储介质 | |
CN110688926B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
CN112348008A (zh) | 证件信息的识别方法、装置、终端设备及存储介质 | |
CN110874814B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN113159037B (zh) | 图片矫正方法、装置、计算机设备及存储介质 | |
WO2022206679A1 (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN113409375B (zh) | 图像处理方法、装置以及非易失性存储介质 | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN112183526B (zh) | 可见光定位方法、装置、设备及介质 | |
WO2021164329A1 (zh) | 图像处理方法、装置、通信设备及可读存储介质 | |
CN109685839B (zh) | 图像对齐方法、移动终端以及计算机存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210430 |
|
RJ01 | Rejection of invention patent application after publication |