CN112950540B - 一种条码识别方法及设备 - Google Patents
一种条码识别方法及设备 Download PDFInfo
- Publication number
- CN112950540B CN112950540B CN202110138381.XA CN202110138381A CN112950540B CN 112950540 B CN112950540 B CN 112950540B CN 202110138381 A CN202110138381 A CN 202110138381A CN 112950540 B CN112950540 B CN 112950540B
- Authority
- CN
- China
- Prior art keywords
- area
- image
- determining
- bar code
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 230000004931 aggregating effect Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 39
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000012216 screening Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种条码识别方法,方法包括:根据预设尺寸将指定图像分割为若干个第一区域;第一区域为矩形,且第一区域的各边缘均与指定图像边缘平行;计算每一个第一区域中像素点的梯度幅值和梯度角度,将梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域;确定相交或相邻的第二区域,将相交或相邻的第二区域聚合形成的第三区域;根据条码尺寸设定尺寸阈值,将满足尺寸阈值的第三区域确定为第一条码区域;分别沿垂直于指定图像边缘的方向对第一条码区域进行灰度值检测,将第一个检测到低于指定灰度值的像素点确定为边缘点;根据边缘点确定第二条码区域,根据第二条码区域对指定图像进行条码识别,获得条码识别结果。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种条码识别方法及设备。
背景技术
在笔记本电脑外包装箱上往往会配置标签,标签上会存在多个条码,通过对条码进行识别获得对应的条码信息。
现有技术中常用的方式是,通过人工建立模板,根据模板对定位后的图像中指定位置进行条码识别;另外一种是通过对条码的直线进行扫描,根据扫描结果确定条码位置后,对该位置进行条码识别。
但是前者因为笔记本生产过程中需要更换不同标签,所以需要不断制作新的模板,后者因为直线扫描操作的耗时较长,且标签上的文字和图案等会照成直线检测的误判,都会影响笔记本电脑的生产效率。
发明内容
本发明实施例提供了一种条码识别方法及设备,具有对条码精准定位的功能。
本发明实施例一方面提供一种条码识别方法,所述方法包括:根据预设尺寸将指定图像分割为若干个第一区域;所述第一区域为矩形,且所述第一区域的各边缘均与指定图像边缘平行;计算每一个所述第一区域中像素点的梯度幅值和梯度角度,将所述梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域;确定相交或相邻的第二区域,将所述相交或相邻的第二区域聚合形成的第三区域;根据条码尺寸设定尺寸阈值,将满足所述尺寸阈值的第三区域确定为第一条码区域;分别沿垂直于指定图像边缘的方向对所述第一条码区域进行灰度值检测,将第一个检测到低于指定灰度值的像素点确定为边缘点;根据所述边缘点确定第二条码区域,根据第二条码区域对所述指定图像进行条码识别,获得条码识别结果。
在一可实施方式中,所述将所述梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域,包括:统计第一区域内梯度幅值满足第一阈值的像素点的数量,将所述像素点的数量满足第二阈值的第一区域确定为第四区域;预设多个角度区间,根据所述梯度角度将所述第四区域内的像素点划分到角度对应的角度区间;统计每一个第四区域内各角度区间内的像素点数量,确定像素点数量最大的角度区间;将像素点数量最大的角度区间满足角度条件的第四区域确定为第五区域;计算所述第五区域内梯度幅值满足所述第一阈值的像素点数量和所述第五区域的像素点数量最大的角度区间的像素点数量的比值,当所述像素点数量比值满足第三阈值时,将所述第五区域确定为第二区域。
在一可实施方式中,确定相交或相邻的第二区域,将所述相交或相邻的第二区域聚合形成的第三区域,包括:获取与所述指定图像相同尺寸的背景图像;将所述背景图像中与所述第二区域对应位置的像素点设置为指定颜色;根据所述指定颜色进行连通域查找,获得至少一个连通域和与所述连通域对应的位置信息;根据所述位置信息在所述指定图像上确定第三区域。
在一可实施方式中,在根据预设尺寸将指定图像分割为若干个第一区域之前,所述方法还包括:获取原始图像;根据原始图像中的像素值判断所述原始图像是否为灰度图像;若判断为所述原始图像为灰度图像,对所述原始图像进行滤波处理,获得第一滤波图像;对所述第一滤波图像进行二值化处理,获得所述指定图像。
在一可实施方式中,在根据原始图像中的像素值判断原始图像是否为灰度图像之后,所述方法还包括:若判断为所述原始图像不是灰度图像,对所述原始图像进行灰度化处理,获得指定灰度图像;对所述指定灰度图像进行滤波处理,获得第二滤波图像;对所述第二滤波图像进行二值化处理,获得所述指定图像。
本发明实施例另一方面提供一种条码识别设备,所述设备包括:分割模块,用于根据预设尺寸将指定图像分割为若干个第一区域;所述第一区域为矩形,且所述第一区域的各边缘均与指定图像边缘平行;计算模块,用于计算每一个所述第一区域中像素点的梯度幅值和梯度角度,将所述梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域;确定模块,用于确定相交或相邻的第二区域,将所述相交或相邻的第二区域聚合形成的第三区域;确定模块,还用于根据条码尺寸设定尺寸阈值,将满足所述尺寸阈值的第三区域确定为第一条码区域;检测模块,用于分别沿垂直于指定图像边缘的方向对所述第一条码区域进行灰度值检测,将第一个检测到低于指定灰度值的像素点确定为边缘点;识别模块,用于根据所述边缘点确定第二条码区域,根据第二条码区域对所述指定图像进行条码识别,获得条码识别结果。
在一可实施方式中,所述计算模块包括:统计子模块,用于统计第一区域内梯度幅值满足第一阈值的像素点的数量,将所述像素点的数量满足第二阈值的第一区域确定为第四区域;划分子模块,用于预设多个角度区间,根据所述梯度角度将所述第四区域内的像素点划分到角度对应的角度区间;统计子模块,还用于统计每一个第四区域内各角度区间内的像素点数量,确定像素点数量最大的角度区间;第一确定子模块,用于将像素点数量最大的角度区间满足角度条件的第四区域确定为第五区域;计算子模块,用于计算所述第五区域内梯度幅值满足所述第一阈值的像素点数量和所述第五区域的像素点数量最大的角度区间的像素点数量的比值,当所述像素点数量比值满足第三阈值时,将所述第五区域确定为第二区域。
在一可实施方式中,所述确定模块包括:获取子模块,用于获取与所述指定图像相同尺寸的背景图像;设置子模块,用于将所述背景图像中与所述第二区域对应位置的像素点设置为指定颜色;查找子模块,用于根据所述指定颜色进行连通域查找,获得至少一个连通域和与所述连通域对应的位置信息;第二确定子模块,用于根据所述位置信息在所述指定图像上确定第三区域。
在一可实施方式中,所述设备还包括:获取模块,用于获取原始图像;判断模块,用于根据原始图像中的像素值判断所述原始图像是否为灰度图像;处理模块,用于若判断为所述原始图像为灰度图像,对所述原始图像进行滤波处理,获得第一滤波图像;处理模块,还用于对所述第一滤波图像进行二值化处理,获得所述指定图像。
在一可实施方式中,所述设备还包括:灰度化模块,用于若判断为所述原始图像不是灰度图像,对所述原始图像进行灰度化处理,获得指定灰度图像;处理模块,还用于对所述指定灰度图像进行滤波处理,获得第二滤波图像;处理模块,还用于对所述第二滤波图像进行二值化处理,获得所述指定图像。
本发明实施例另一方面提供一种计算机可读存储介质,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行上述任一项所述的条码识别方法。
在本发明实施例中提供了一种条码识别方法,通过对指定图像进行分割获得的第一区域,通过计算第一区域中像素点的梯度幅值和梯度角度,将第一区域中满足预设条件的确定为第二区域;通过将第一区域中不包含条码图像的第一区域筛除的方法可以适用于多种环境,具有强鲁棒性;再通过相交和相邻的特征,将相交和相邻的第二区域聚合成第三区域,通过条码的尺寸进行设定尺寸阈值,通过该尺寸阈值对第三区域进行筛选,获得第一条码区域,通过沿垂直于指定图像边缘的方向对第一条码区域进行灰度值检测的方法,精准的定位出第一条码区域中条码图形的边缘,获得精准定位的第二条码区域,对第二条码区域进行条码识别能够快速的获得条码识别结果,这种方法提高条码识别的准确度,同时也提高了条码识别的效率。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明实施例一种条码识别方法的实现流程示意图;
图2为本发明实施例一种条码识别方法的有效区域筛选示意图;
图3为本发明实施例一种条码识别方法的查找聚合区域查找示意图;
图4为本发明实施例一种条码识别方法的原始图像处理示意图;
图5为本发明实施例一种条码识别方法的原始图像灰度化处理示意图;
图6为本发明实施例一种条码识别方法的条码识别设备示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
图1为本发明实施例一种条码识别方法的实现流程示意图;
参考图1,本发明实施例一方面提供一种条码识别方法,方法包括:
步骤101,根据预设尺寸将指定图像分割为若干个第一区域;第一区域为矩形,且第一区域的各边缘均与指定图像边缘平行;
步骤102,计算每一个第一区域中像素点的梯度幅值和梯度角度,将梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域;
步骤103,确定相交或相邻的第二区域,将相交或相邻的第二区域聚合形成的第三区域;
步骤104,根据条码尺寸设定尺寸阈值,将满足尺寸阈值的第三区域确定为第一条码区域;
步骤105,分别沿垂直于指定图像边缘的方向对第一条码区域进行灰度值检测,将第一个检测到低于指定灰度值的像素点确定为边缘点;
步骤106,根据边缘点确定第二条码区域,根据第二条码区域对指定图像进行条码识别,获得条码识别结果。
在本发明实施例中提供了一种条码识别方法,通过对指定图像进行分割获得的第一区域,通过计算第一区域中像素点的梯度幅值和梯度角度,将第一区域中满足预设条件的确定为第二区域;通过将第一区域中不包含条码图像的第一区域筛除的方法可以适用于多种环境,具有强鲁棒性;再通过相交和相邻的特征,将相交和相邻的第二区域聚合成第三区域,通过条码的尺寸进行设定尺寸阈值,通过该尺寸阈值对第三区域进行筛选,获得第一条码区域,通过沿垂直于指定图像边缘的方向对第一条码区域进行灰度值检测的方法,精准的定位出第一条码区域中条码图形的边缘,获得精准定位的第二条码区域,对第二条码区域进行条码识别能够快速的获得条码识别结果,这种方法提高条码识别的准确度,同时也提高了条码识别的效率。
在本发明实施例中,条码是指将线条与空白按照一定的编码规则组合起来的符号,用以代表一定的字母、数字等资料,其中条码具体可以为条形码、二维码以及三维码等。
在步骤101中,指定图像可以是带有条码的原始图像,也可以是带有条码的原始图像进行指定处理后的图像,其中指定处理可以包括:二值化、灰度化、膨胀腐蚀、滤波、开运算和闭运算等。预设尺寸可以是预先设定好用于对图像进行分割成若干第一区域的尺寸,具体地,其中预设尺寸可以包括对指定图像进行分割时的宽和高对应的像素点数量,进一步,预设尺寸还包括步长,步长指的是每隔多少像素点对图像进行分割;通过预设尺寸对指定图像进行分割,获得若干个第一区域;其中第一区域的尺寸与预设尺寸中的宽和高对应,第一区域的形状为矩形,且矩形的各边均与指定图像的边缘相平行。具体地,第一区域的尺寸优选为宽为30个像素点,高为6个像素点的矩形块,在宽度对应方向每隔15个像素点选取一个第一区域,即,相邻第一区域之间可以存在重叠现象。在高度方向每隔6个像素点选取一个第一区域。更进一步,第一区域的尺寸可以根据条码的尺寸进行适应性选取,具体地,宽度为大于条码相邻竖线的最大距离,宽度对应方向步长为宽度的一半,高度为宽度的五分之一,高度方向对应的步长等于高度本身。
在步骤102中,对第一区域内像素点的梯度幅值和梯度角度进行计算,其中梯度幅值指的是梯度渐变的幅度,梯度角度指的是梯度渐变的角度。具体地,梯度指的是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值,即函数在该点处沿着该方向变化最快,变化率最大。具体地,计算第一区域上每个像素点的水平方向梯度G(x)和垂直方向梯度G(y);根据获得的水平方向梯度G(x)和垂直方向梯度G(y)进行计算获得梯度幅值G和梯度角度θ。具体公式如下:
通过预设条件对获得梯度幅值和梯度角度进行筛选,将梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域;其中预设条件可以是根据梯度幅值进行设定的条件,也可以是根据梯度角度进行设定的条件也可以是根据梯度幅值和梯度角度一起设定的条件。具体地,预设条件可以是指定的阈值,根据该阈值对梯度幅值和梯度角度进行筛选,将筛选出的第一区域确定为第二区域。预设条件也可以是指定的条件,例如当梯度角度和梯度幅度的数值为某种特定比例,将满足条件的第一区域确定为第二区域。其中通过该方法筛选出的第二区域所包括的范围内的图像中包含有条码的部分图形。
在步骤103中,其中相邻指的是两个第二区域的边缘的像素点相邻,具体地,因为第二区域为矩形,即两个第二区域的边毗连;相交,则指的是两个第二区域具有重叠的部分,将第二区域中相交或相邻的第二区域聚合形成第三区域。具体地,当以步骤101中的分割方法对指定图像进行分割时,因为在宽度方向的步长为宽度的一半,所以分割获得的第一区域在宽度方向是呈交错排布的,即宽度方向第一区域都为依次相交,若两个第一区域中间间隔有一个第一区域,则该两个第一区域相邻;在高度方向的步长为高度本身,所述分割获得的第一区域在高度方向的第一区域都是两两相邻的;其中第二区域是第一区域根据梯度幅值和梯度角度进行筛选获得,所以第二区域之间也存在相交和相邻的特征,将相交或相邻的第二区域聚合形成的第三区域。
在步骤104中,条码尺寸指的是待检测的条码尺寸,可以是通过测量获得,也可以是录入制作条码时的已有数据;根据条码的尺寸进行设定尺寸阈值,将满足该尺寸阈值的第三区域确定为第一条码区域;具体地,可以根据该条码的比例进行设定阈值,例如宽度在条码宽度的90%到110%之间,高度在条码高度的90%到110%,将尺寸在条码宽度的90%到110%之间的第三区域确定为第一条码区域;进一步地,当指定图像中的条码为多条时,可以先获取条码中的对最大宽度和最小宽度,将最大宽度的110%和最小宽度的90%作为阈值,同理可知采用最大高度的110%和最小高度的90%作为阈值。进一步地,当指定图像中的条码为多条时,也可以直接以条码中的对最大宽度和最小宽度、最大高度和最小高度作为阈值。其中最大宽度是指所有的条码图形中宽度方向的长度最长的条码图形在宽度方向对应长度。最小宽度、最大高度和最小高度的识别方法与之相同。更进一步地,还可以根据单个像素点的尺寸,宽度和长度转换为像素点的数量,通过像素点的数量对第三区域进行筛选。其中,第一条码区域为矩形或者近似于矩形,第一条码区域中包含有条码图形,第一条码区域的尺寸大于等于对应的条码图像。
在步骤105中,垂直是指一条线与另一条线相交且两条线之间成直角;其中因为第一区域的各边均与指定图像的边缘平行,垂直于指定图像的边缘的方向即垂直于第一条码区域边缘的方向,灰度值检测指的是检测指定位置的像素点的灰度值,将检测到的第一个低于指定灰度值的像素点确定为边缘点。具体地,灰度值检测可以采用扫描像素点灰度值方法,即通过一条与边缘平行的扫描线,沿垂直于指定图像边缘的方向对第一条码区域进行像素点的灰度值检测。其中指定灰度值可以优选为50,即将检测到的第一个低于50的像素点确定为边缘点。其中因为条码一般采用竖线或者矩形块的规则形状构成,所以在扫描到的边缘点包括但不限于一个点,可能为在一条直线上的多个点都为边缘点的情况。其中边缘点,指的是条码图形在该检测方向中距离指定图像边缘最近的点。进一步地,可以根据第一条码区域的高或宽的尺寸,将高或者宽等分为多份,生成与等分后的高或宽相同尺寸的多条扫描线,将该扫描线沿垂直于指定图像边缘的方向对第一条码区域进行灰度值检测,获得与将高或者宽等分的数量相同数量的边缘点,所获得的边缘点可能为发布在同一直线上的边缘点,也可能为不在同一直线上,即呈离散状态的边缘点。
在步骤106中,根据检测获得的边缘点,当边缘点为一个时,可以通过分别以边缘点做平行于指定图像边界的线段,四条线段之间围合形成有一个矩形区域即为第二条码区域,当边缘点为多个,且分布在同一条直线上并且该直线平行于指定图像边界时,该直线之间围合形成有一个矩形区域即为第二条码区域;其中,还存在有边缘点不为同一直线的情况,通过采用直线拟合的方法从离散的边缘点中,获得与边缘平行的直线,该直线之间围合形成有一个矩形区域即为第二条码区域;其中,直线拟合可以优选地采用最小二乘拟合算法或者随机采样一致性算法。其中,第二条码区域中包含有条码的图形,且第二条码区域小于等于第一条码区域。对第二条码区域内的图像进行条码识别,获得条码识别结果;其中条码识别是指对条码图形进行识别获取与条码图形对应的条码信息的技术,所以条码识别结果即为条码图形本身所对应的条码信息;具体地,该条码信息可以是产品的生产国、制造厂家、商品名称、生产日期、图书分类号、邮件起止地点、类别、日期等。
其中当条码为条形码时,可以只从与条码竖线垂直的两个方向进行灰度值检测,根据两个方向的边缘点获取第二条码区域,该第二条码区域在与条码竖线垂直的方向上小于第一条码区域。
图2为本发明实施例一种条码识别方法的有效区域筛选示意图;
参考图2,在一可实施方式中,在步骤102中,将梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域,包括:
步骤201,统计第一区域内梯度幅值满足第一阈值的像素点的数量,将像素点的数量满足第二阈值的第一区域确定为第四区域;
步骤202,预设多个角度区间,根据梯度角度将第四区域内的像素点划分到角度对应的角度区间;
步骤203,统计每一个第四区域内各角度区间内的像素点数量,确定像素点数量最大的角度区间;
步骤204,将像素点数量最大的角度区间满足角度条件的第四区域确定为第五区域;
步骤205,计算第五区域内梯度幅值满足第一阈值的像素点数量和第五区域的像素点数量最大的角度区间的像素点数量的比值,当像素点数量比值满足第三阈值时,将第五区域确定为第二区域。
在步骤201中,第一阈值优选为0,根据步骤102中的公式可知,第一阈值为0,及代表该像素点在水平方向的梯度或垂直方向的梯度不为零,即代表着该像素点在垂直方向或水平方向有发生颜色变化的像素点。统计第一区域内梯度幅值满足第一阈值的像素点的数量。将该数量满足第二阈值的第一区域确定为第四区域,其中第二阈值根据实验优选为第一区域内像素点总数的1/16,具体的即为第一区域的宽和高的乘积的1/16。
在步骤202-204中,预设多个角度区间可以是连续的角度区间,也可以是不连续的角度区域。通过计算获得第四区域内的像素点的梯度角度,根据梯度角度的数值将第四区域内的像素点划分到不同的角度区域中,对每个角度区域的数值进行统计,其中统计方法可以采用直方图统计方法。确定统计结果中数量最大的区间,若该角度区间满足角度条件将第四区域确定为第五区域。
提供一个具体实施例,优选地,将角度(0-π)分为9个角度区间根据梯度角度的数值将梯度角度划分至该9个角度区间中,具体的例如某梯度角度为则划分至的区间内;根据像素点划分结果,将在角度区间内的像素点最多第四区域确定为第五区域,其中梯度角度在的范围内代表的是梯度角度接近90度,代表该像素点在水平方向存在灰度值的变化。
计算第五区域内梯度幅值满足第一阈值的像素点数量和第五区域的像素点数量最大的角度区间的像素点数量的比值,当像素点数量比值满足第三阈值时,将第五区域确定为第二区域。
在步骤205中,第三阈值为0.9,第五区域内梯度幅值满足第一阈值的像素点数量和第五区域的像素点数量最大的角度区间的像素点数量的比值大于0.9时,将该第五区域确定为第二区域,其中像素点数量最大的角度区间的像素点数量,根据步骤204,该角度区间为优选地,可以将该角度区间扩大为即根据两个区间内的像素点的数量进行计算,因为在实际检测过程中,可以有部分在水平方向存在灰度值变化的像素点在的区间内,所以可以优选的采用在的区间作为计算,提高检测的准确度。阈值为0.9的目的是为了证明第五区域内梯度幅值满足第一阈值的像素点和第五区域的像素点数量最大的角度区间的像素点,基本为重合。从而避免检测中出现的错误判断,提高检测的准确度。
图3为本发明实施例一种条码识别方法的查找聚合区域查找示意图;
参考图3,在一可实施方式中,在步骤103中,确定相交或相邻的第二区域,将相交或相邻的第二区域聚合形成的第三区域,包括:
步骤301,获取与指定图像相同尺寸的背景图像;
步骤302,将背景图像中与第二区域对应位置的像素点设置为指定颜色;
步骤303,根据指定颜色进行连通域查找,获得至少一个连通域和与连通域对应的位置信息;
步骤304,根据位置信息在指定图像上确定第三区域。
在步骤301中,背景图像的宽和高的尺寸于指定图像的宽和高的尺寸一致,该尺寸的一致可以是指长度计量单位上的一致,也可以是指在宽和高方向像素点的数量上的一致,一般优选地采用宽和高方向像素点的数量上的一致;其中背景图像是由区别于前景图像的单一颜色所构成的图像,背景图像优选为黑色,即灰度值为0。
在步骤302中,优选地,将背景图像与第二区域对应的位置的像素点的颜色置为白色,即灰度值为255。因为白色与黑色的区分度最大,且二值化的图像方便于连通域的查找。
在步骤303中,查找指定颜色的连通域,然后获得至少为一个的连通域和与连通域对应的位置信息。具体的查找连通域,指的是查找所有像素点中相邻且颜色为指定颜色(即指定灰度值)的像素点,获得由相邻且颜色为指定颜色的像素点形成的一个或多个连通域,具体地,指定颜色优选为白色。其中位置信息指的是该连通域在背景图像中的位置。
在步骤304中,根据连通域的位置信息,即根据连通域在背景图像中的位置。将指定图像中与连通域在背景图像中的位置相对应的位置确定为第三区域。
其中需要注意的是,步骤104是通过条码尺寸对第三区域进行筛选,可以将该步骤104设置在步骤303之后,即根据条码尺寸设定尺寸阈值,将满足尺寸阈值对连通域进行筛选,所能实现的技术效果不变。
图4为本发明实施例一种条码识别方法的原始图像处理示意图;
参考图4,在一可实施方式中,在步骤101,在根据预设尺寸将指定图像分割为若干个第一区域之前,方法还包括:
步骤401,获取原始图像;
步骤402,根据原始图像中的像素值判断原始图像是否为灰度图像;
步骤403,若判断为原始图像为灰度图像,对原始图像进行滤波处理,获得第一滤波图像;
步骤404,对第一滤波图像进行二值化处理,获得指定图像。
在步骤401中,原始图像是通过对带有条码的物品表面进行成像所获得的图像。其中贴附有条码的物品可以是物品包装盒,也可以是产品本身,例如笔记本电脑的表面。其中成像的方法可以是拍照、摄像或扫描成像等。
在步骤402-403中,灰度图像又称为灰阶图,灰度图像是一种具有从黑到白256级灰度色域或等级的单色图像。该图像只有灰度等级,而没有颜色的变化。
若判断为原始图像为灰度图像,对原始图像进行滤波处理,其中滤波处理指的是,对条码进行成像的过程中,因为光照不够明亮、亮度不够均匀、拍照设备因长期工作导致温度过高等原因,都会导致在图像中产生噪声。所以采用滤波,消除图像中可能存在的噪声,避免因噪声的存在对检测结果产生影响,其中,噪声指的是在图像上常表现为引起较强视觉效果的孤立像素点或像素块,通过滤波处理获得第一滤波图像。具体地,该滤波处理可以是高斯滤波,高斯滤波用于消除图像中可能存在的高斯噪声,高斯噪声则指的是概率密度函数服从高斯分布(即正态分布)的噪声。
在步骤404中,二值化处理指的将图像上的像素点的灰度值设置为0或255,从而能够将整个图像呈现出明显的黑白效果的过程。
具体地,二值化处理可以是通过图像中的灰度值特征,选取一个灰度阈值,将灰度值大于该灰度阈值的区域作为前景,小于该灰度阈值的区域作为背景。将前景的灰度值置为255(灰度值为255对应的颜色为白色),相应的将背景的灰度值置为0(灰度值为0对应的颜色为黑色),获得指定图像。其中,二值化处理可以采用大津法算法,大津法算法进行二值化处理的优点是可以根据图像的灰度值进行自适应的计算灰度阈值。
图5为本发明实施例一种条码识别方法的原始图像灰度化处理示意图;
参考图5,在一可实施方式中,步骤402,在根据原始图像中的像素值判断原始图像是否为灰度图像之后,方法还包括:
步骤501,若判断为原始图像不是灰度图像,对原始图像进行灰度化处理,获得指定灰度图像;
步骤502,对指定灰度图像进行滤波处理,获得第二滤波图像;
步骤503,对第二滤波图像进行二值化处理,获得指定图像。
在步骤501中,若判断为原始图像不是灰度图像,即原始图像为彩色图像时,对原始图像进行灰度化处理获得灰度图像。具体地,是通过灰度化公式将彩色图像即RGB图像转换为灰度图像。
在步骤502-503中,优选地,对灰度图像进行高斯滤波,获得第二滤波图像,对第二滤波图像采用大津法算法进行二值化,获得指定图像。
图6为本发明实施例一种条码识别方法的条码识别设备示意图。
参考图6,本发明实施例另一方面提供一种条码识别设备,设备包括:分割模块601,用于根据预设尺寸将指定图像分割为若干个第一区域;第一区域为矩形,且第一区域的各边缘均与指定图像边缘平行;计算模块602,用于计算每一个第一区域中像素点的梯度幅值和梯度角度,将梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域;确定模块603,用于确定相交或相邻的第二区域,将相交或相邻的第二区域聚合形成的第三区域;确定模块603,还用于根据条码尺寸设定尺寸阈值,将满足尺寸阈值的第三区域确定为第一条码区域;检测模块604,用于分别沿垂直于指定图像边缘的方向对第一条码区域进行灰度值检测,将第一个检测到低于指定灰度值的像素点确定为边缘点;识别模块605,用于根据边缘点确定第二条码区域,根据第二条码区域对指定图像进行条码识别,获得条码识别结果。
在一可实施方式中,计算模块602包括:统计子模块6021,用于统计第一区域内梯度幅值满足第一阈值的像素点的数量,将像素点的数量满足第二阈值的第一区域确定为第四区域;划分子模块6022,用于预设多个角度区间,根据梯度角度将第四区域内的像素点划分到角度对应的角度区间;统计子模块6021,还用于统计每一个第四区域内各角度区间内的像素点数量,确定像素点数量最大的角度区间;第一确定子模块6023,用于将像素点数量最大的角度区间满足角度条件的第四区域确定为第五区域;计算子模块6024,计算所述第五区域内梯度幅值满足所述第一阈值的像素点数量和所述第五区域的像素点数量最大的角度区间的像素点数量的比值,当所述像素点数量比值满足第三阈值时,将所述第五区域确定为第二区域。
在一可实施方式中,确定模块603包括:获取子模块6031,用于获取与指定图像相同尺寸的背景图像;设置子模块6032,用于将背景图像中与第二区域对应位置的像素点设置为指定颜色;查找子模块6033,用于根据指定颜色进行连通域查找,获得至少一个连通域和与连通域对应的位置信息;第二确定子模块6034,用于根据位置信息在指定图像上确定第三区域。
在一可实施方式中,设备还包括:获取模块606,用于获取原始图像;判断模块607,用于根据原始图像中的像素值判断原始图像是否为灰度图像;处理模块608,用于若判断为原始图像为灰度图像,对原始图像进行滤波处理,获得第一滤波图像;处理模块608,还用于对第一滤波图像进行二值化处理,获得指定图像。
在一可实施方式中,设备还包括:灰度化模块609,用于若判断为原始图像不是灰度图像,对原始图像进行灰度化处理,获得指定灰度图像;处理模块608,还用于对指定灰度图像进行滤波处理,获得第二滤波图像;处理模块608,还用于对第二滤波图像进行二值化处理,获得指定图像。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,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者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种条码识别方法,其特征在于,所述方法包括:
根据预设尺寸将指定图像分割为若干个第一区域;所述第一区域为矩形,且所述第一区域的各边缘均与指定图像边缘平行;
计算每一个所述第一区域中像素点的梯度幅值和梯度角度,将所述梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域;
确定相交或相邻的第二区域,将所述相交或相邻的第二区域聚合形成的第三区域;
根据条码尺寸设定尺寸阈值,将满足所述尺寸阈值的第三区域确定为第一条码区域;
分别沿垂直于指定图像边缘的方向对所述第一条码区域进行灰度值检测,将第一个检测到低于指定灰度值的像素点确定为边缘点;
根据所述边缘点确定第二条码区域,根据第二条码区域对所述指定图像进行条码识别,获得条码识别结果;
所述将所述梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域,包括:
统计第一区域内梯度幅值满足第一阈值的像素点的数量,将所述像素点的数量满足第二阈值的第一区域确定为第四区域;
预设多个角度区间,根据所述梯度角度将所述第四区域内的像素点划分到角度对应的角度区间;
统计每一个第四区域内各角度区间内的像素点数量,确定像素点数量最大的角度区间;
将像素点数量最大的角度区间满足角度条件的第四区域确定为第五区域;
计算所述第五区域内梯度幅值满足所述第一阈值的像素点数量和所述第五区域的像素点数量最大的角度区间的像素点数量的比值,当所述像素点数量的比值满足第三阈值时,将所述第五区域确定为第二区域。
2.根据权利要求1所述的方法,其特征在于,确定相交或相邻的第二区域,将所述相交或相邻的第二区域聚合形成的第三区域,包括:
获取与所述指定图像相同尺寸的背景图像;
将所述背景图像中与所述第二区域对应位置的像素点设置为指定颜色;
根据所述指定颜色进行连通域查找,获得至少一个连通域和与所述连通域对应的位置信息;
根据所述位置信息在所述指定图像上确定第三区域。
3.根据权利要求1所述的方法,其特征在于,在根据预设尺寸将指定图像分割为若干个第一区域之前,所述方法还包括:
获取原始图像;
根据原始图像中的像素值判断所述原始图像是否为灰度图像;
若判断为所述原始图像为灰度图像,对所述原始图像进行滤波处理,获得第一滤波图像;
对所述第一滤波图像进行二值化处理,获得所述指定图像。
4.根据权利要求3所述的方法,其特征在于,在根据原始图像中的像素值判断原始图像是否为灰度图像之后,所述方法还包括:
若判断为所述原始图像不是灰度图像,对所述原始图像进行灰度化处理,获得指定灰度图像;
对所述指定灰度图像进行滤波处理,获得第二滤波图像;
对所述第二滤波图像进行二值化处理,获得所述指定图像。
5.一种条码识别设备,其特征在于,所述设备包括:
分割模块,用于根据预设尺寸将指定图像分割为若干个第一区域;所述第一区域为矩形,且所述第一区域的各边缘均与指定图像边缘平行;
计算模块,用于计算每一个所述第一区域中像素点的梯度幅值和梯度角度,将所述梯度幅值和梯度角度满足预设条件的第一区域确定为第二区域;
确定模块,用于确定相交或相邻的第二区域,将所述相交或相邻的第二区域聚合形成的第三区域;
确定模块,还用于根据条码尺寸设定尺寸阈值,将满足所述尺寸阈值的第三区域确定为第一条码区域;
检测模块,用于分别沿垂直于指定图像边缘的方向对所述第一条码区域进行灰度值检测,将第一个检测到低于指定灰度值的像素点确定为边缘点;
识别模块,用于根据所述边缘点确定第二条码区域,根据第二条码区域对所述指定图像进行条码识别,获得条码识别结果;
所述计算模块包括:
统计子模块,用于统计第一区域内梯度幅值满足第一阈值的像素点的数量,将所述像素点的数量满足第二阈值的第一区域确定为第四区域;
划分子模块,用于预设多个角度区间,根据所述梯度角度将所述第四区域内的像素点划分到角度对应的角度区间;
统计子模块,还用于统计每一个第四区域内各角度区间内的像素点数量,确定像素点数量最大的角度区间;
第一确定子模块,用于将像素点数量最大的角度区间满足角度条件的第四区域确定为第五区域;
计算子模块,用于计算所述第五区域内梯度幅值满足所述第一阈值的像素点数量和所述第五区域的像素点数量最大的角度区间的像素点数量的比值,当所述像素点数量的比值满足第三阈值时,将所述第五区域确定为第二区域。
6.根据权利要求5所述的设备,其特征在于,所述确定模块包括:
获取子模块,用于获取与所述指定图像相同尺寸的背景图像;
设置子模块,用于将所述背景图像中与所述第二区域对应位置的像素点设置为指定颜色;
查找子模块,用于根据所述指定颜色进行连通域查找,获得至少一个连通域和与所述连通域对应的位置信息;
第二确定子模块,用于根据所述位置信息在所述指定图像上确定第三区域。
7.根据权利要求5所述的设备,其特征在于,所述设备还包括:
获取模块,用于获取原始图像;
判断模块,用于根据原始图像中的像素值判断所述原始图像是否为灰度图像;处理模块,用于若判断为所述原始图像为灰度图像,对所述原始图像进行滤波处理,获得第一滤波图像;
处理模块,还用于对所述第一滤波图像进行二值化处理,获得所述指定图像。
8.一种计算机可读存储介质,其特征在于,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行权利要求1-4任一项所述的条码识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138381.XA CN112950540B (zh) | 2021-02-01 | 2021-02-01 | 一种条码识别方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138381.XA CN112950540B (zh) | 2021-02-01 | 2021-02-01 | 一种条码识别方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112950540A CN112950540A (zh) | 2021-06-11 |
CN112950540B true CN112950540B (zh) | 2022-04-15 |
Family
ID=76241154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110138381.XA Active CN112950540B (zh) | 2021-02-01 | 2021-02-01 | 一种条码识别方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950540B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230161988A1 (en) * | 2020-06-02 | 2023-05-25 | Sony Group Corporation | Information processing device, information processing method, and program |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255393B (zh) * | 2021-07-07 | 2021-10-15 | 江苏东大集成电路系统工程技术有限公司 | 图像二值化方法、装置、存储介质及计算机设备 |
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 |
CN115759145B (zh) * | 2022-11-14 | 2023-05-23 | 东集技术股份有限公司 | 条码识别方法、装置、存储介质及计算机设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013044875A1 (zh) * | 2011-09-30 | 2013-04-04 | Chen Ling | 线性条码识别方法和系统 |
WO2018028306A1 (zh) * | 2016-08-11 | 2018-02-15 | 杭州海康威视数字技术股份有限公司 | 一种车牌号码识别方法及装置 |
CN108710837A (zh) * | 2018-05-07 | 2018-10-26 | 广州通达汽车电气股份有限公司 | 吸烟行为识别方法、装置、计算机设备和存储介质 |
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 |
WO2019237520A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 一种图像匹配方法、装置、计算机设备及存储介质 |
CN110688871A (zh) * | 2019-09-19 | 2020-01-14 | 浙江工业大学 | 一种基于条码识别的边缘检测方法 |
CN110807342A (zh) * | 2019-10-18 | 2020-02-18 | 珠海市杰理科技股份有限公司 | 条形码定位方法、装置、计算机设备和存储介质 |
CN111476050A (zh) * | 2020-04-02 | 2020-07-31 | 北京致胜宏达科技有限公司 | 一种条码识别方法、装置、电子设备及存储介质 |
CN111815578A (zh) * | 2020-06-23 | 2020-10-23 | 浙江大华技术股份有限公司 | 图像条纹检测方法、视频监控系统及相关装置 |
-
2021
- 2021-02-01 CN CN202110138381.XA patent/CN112950540B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013044875A1 (zh) * | 2011-09-30 | 2013-04-04 | Chen Ling | 线性条码识别方法和系统 |
WO2018028306A1 (zh) * | 2016-08-11 | 2018-02-15 | 杭州海康威视数字技术股份有限公司 | 一种车牌号码识别方法及装置 |
CN108710837A (zh) * | 2018-05-07 | 2018-10-26 | 广州通达汽车电气股份有限公司 | 吸烟行为识别方法、装置、计算机设备和存储介质 |
WO2019237520A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 一种图像匹配方法、装置、计算机设备及存储介质 |
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 |
CN110688871A (zh) * | 2019-09-19 | 2020-01-14 | 浙江工业大学 | 一种基于条码识别的边缘检测方法 |
CN110807342A (zh) * | 2019-10-18 | 2020-02-18 | 珠海市杰理科技股份有限公司 | 条形码定位方法、装置、计算机设备和存储介质 |
CN111476050A (zh) * | 2020-04-02 | 2020-07-31 | 北京致胜宏达科技有限公司 | 一种条码识别方法、装置、电子设备及存储介质 |
CN111815578A (zh) * | 2020-06-23 | 2020-10-23 | 浙江大华技术股份有限公司 | 图像条纹检测方法、视频监控系统及相关装置 |
Non-Patent Citations (4)
Title |
---|
Recognition of 2D Barcode Images Using Edge Detection and Morphological Operation;Priyanka Gaur 等;《International Journal of Computer Science and Mobile Computing》;20140430;第3卷(第4期);第1277-1282页 * |
基于区域梯度统计分析与卷积神经网络的条码定位算法研究;陈致远;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20160715;第2016年卷(第07期);第I138-1142页 * |
基于形态学和梯度特征的二维条码检测定位;马鹏维 等;《微型机与应用》;20091231(第23期);第27-29,39页 * |
基于梯度方向评估的条码定位方法研究;于俊伟 等;《电脑编程技巧与维护》;20181231;第29-32页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230161988A1 (en) * | 2020-06-02 | 2023-05-25 | Sony Group Corporation | Information processing device, information processing method, and program |
Also Published As
Publication number | Publication date |
---|---|
CN112950540A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112950540B (zh) | 一种条码识别方法及设备 | |
CN110443243B (zh) | 水位监测方法、存储介质、网络设备和水位监测系统 | |
JP3910447B2 (ja) | マルチ解像度ラベルロケータ | |
US7084968B2 (en) | Method for analyzing defect data and inspection apparatus and review system | |
US8818099B2 (en) | Document image binarization and segmentation using image phase congruency | |
CN104463795B (zh) | 一种点阵式dm二维码图像处理方法及装置 | |
TWI523778B (zh) | Lane offset warning system and method | |
CN108090494B (zh) | 基于Gabor滤波器及支持向量机纺织品瑕疵识别方法 | |
CN109948393B (zh) | 一种一维条码的定位方法及装置 | |
CN113177959B (zh) | 一种快速运动过程中qr码实时提取方法 | |
Katona et al. | Efficient 1D and 2D barcode detection using mathematical morphology | |
CN112446225B (zh) | 光学代码的模块尺寸的确定 | |
CN109472271A (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN111861979A (zh) | 一种定位方法、设备及计算机可读存储介质 | |
US8396297B2 (en) | Supervised edge detection using fractal signatures | |
CN114022439A (zh) | 一种基于形态学图像处理的柔性电路板缺陷检测方法 | |
CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
CN115311279A (zh) | 一种织物经纬瑕疵的机器视觉识别方法 | |
CN104648397A (zh) | 车道偏移警示系统及方法 | |
US6898333B1 (en) | Methods and apparatus for determining the orientation of an object in an image | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN113435219B (zh) | 防伪检测方法、装置、电子设备及存储介质 | |
US6813377B1 (en) | Methods and apparatuses for generating a model of an object from an image of the object | |
CN104424475B (zh) | 图像中的条纹区域的识别方法及装置 | |
Bodnár et al. | A novel method for barcode localization in image domain |
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 |