CN113743147A - 一种基于模糊成像机理的抗模糊二维码图像及其盲复原方法 - Google Patents
一种基于模糊成像机理的抗模糊二维码图像及其盲复原方法 Download PDFInfo
- Publication number
- CN113743147A CN113743147A CN202110807806.1A CN202110807806A CN113743147A CN 113743147 A CN113743147 A CN 113743147A CN 202110807806 A CN202110807806 A CN 202110807806A CN 113743147 A CN113743147 A CN 113743147A
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- image
- fuzzy
- code image
- circular
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003384 imaging method Methods 0.000 title claims abstract description 35
- 230000007246 mechanism Effects 0.000 title claims abstract description 21
- 238000012634 optical imaging Methods 0.000 claims abstract description 8
- 238000003708 edge detection Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 35
- 238000009792 diffusion process Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000011084 recovery Methods 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003595 spectral 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
- G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
-
- 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
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
- G06K7/1491—Methods for optical code recognition the method including quality enhancement steps the method including a reconstruction step, e.g. stitching two pieces of bar code together to derive the full bar code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明为克服对模糊二维码图像盲复原时需要大量计算成本，运算效率低的缺陷，提出一种基于模糊成像机理的抗模糊二维码图像，包括3个圆形寻像图形和二维码符号图形，其中3个圆形寻像图形的质心位置分别设置在二维码符号图形左右侧边的外延线上，且3个圆形寻像图形分别与二维码符号图形上侧边或下侧边距离2d；圆形寻像图形的质心连线组成直角三角形。本发明还提出了一种对上述抗模糊二维码图像进行快速盲复原的方法，通过连通域快速检测到图形质心以及二维码符号位置，再结合阶跃边缘特性、梯度强度特性、边缘检测技术以及光学成像机理快速准确估计出模糊二维码图像离焦半径大小，根据点扩散函数对所述二维码图像进行复原即得到复原图像。
Description
技术领域
本发明涉及图像处理技术领域，更具体地，涉及一种基于模糊成像机理的抗模糊二维码图像，以及一种基于模糊成像机理的二维码图像快速盲复原方法。
背景技术
二维条码作为互联网的主要入口，具有识别速度快、占用空间小、数据密度大、应用范围广的特点，广泛应用于生活中的各个领域。快速响应(Quick Response,QR)码作为常见的二维条码，在实际条码应用系统中，由于成像的物距、像距或焦距未达到理想条件，经常会采集到离焦模糊的二维码图像，从而降低整个系统的性能。
针对此现象，国内外许多学者提出了若干解决方法，且已取得了不错的效果。涂丹等提出利用QR码的灰度分布特征和模糊图像的边缘来计算点扩散函数，并进行图像恢复(涂丹,甘亚莉,徐宗琦.一种快速的QR码图像去模糊方法[J].计算机工程与科学,2007,29(3):43-45.)。李人哲等提出利用NAS-RIF算法的收敛速度，将条码图像的双峰特征作为限制条件，从而提高QR码图像的抗噪能力和恢复效果(李人哲,许刚.模糊QR码图像的恢复[J].计算机应用与软件,2013,30(06):258-261.)。杜菲等采用基于强度和梯度先验的L0正则化方法对QR码图像进行去模糊，针对不同类型的模糊图像，都具有良好的效果(杜菲,曾台英.基于强度和梯度先验的L_0正则化模糊QR码识别[J].包装工程,2017,38(03):150-154.)。然而上述算法中，均需要大量迭代运算才能达到收敛，且在考虑图像特征时忽略了条码图像本身的抗模糊能力，导致去卷积运算效率低，从而降低了系统性能，无法满足系统的实时性要求，不适用于计算能力有限的设备。
发明内容
本发明为克服上述现有技术所述的需要大量计算成本，运算效率低的缺陷，提供一种基于模糊成像机理的抗模糊二维码图像，以及对该抗模糊二维码图像进行快速盲复原的二维码图像快速盲复原方法。
为解决上述技术问题，本发明的技术方案如下：
一种基于模糊成像机理的抗模糊二维码图像，包括3个圆形寻像图形和二维码符号图形，所述3个圆形寻像图形的质心位置分别设置在所述二维码符号图形左右侧边的外延线上，且所述3个圆形寻像图形分别与所述二维码符号图形上侧边或下侧边距离2d；所述3个圆形寻像图形的质心连线组成直角三角形。
本发明还提出了一种基于模糊成像机理的二维码图像快速盲复原方法，应用于上述抗模糊二维码图像。其具体包括以下步骤：
S1：采集抗模糊二维码图像并对其进行预处理；
S2：判断所述抗模糊二维码图像是否为清晰图像，若是，则直接输出；否则执行S3步骤；
S3：对所述抗模糊二维码图像进行边缘检测，并定位圆形寻像图形质心位置、二维码符号中心位置及二维码符号图形区域位置，对所述二维码符号图形区域进行裁剪；
S4：通过扫描所述二维码符号图形区域图像获取迭代图像A，基于迭代图像A计算符号二阶导数最大列所在的横坐标D；
S5：根据所述横坐标D计算模糊半径R，再结合模糊半径R计算点扩散函数，根据点扩散函数对所述二维码图像进行复原即得到复原图像。
与现有技术相比，本发明技术方案的有益效果是：本发明在透镜成像原理、弥散光斑质心不变性和光学信息论等理论指导基础上，设计一种基于模糊成像机理的抗模糊二维码图像，通过圆形寻像图形的质心位置能够快速有效复原模糊的二维码图像；针对本发明的抗模糊二维码图像还提出了一种快速盲复原方法，结合阶跃边缘特性和梯度强度特性，利用圆形寻像图形，能够快速有效复原模糊的二维码图像，且能够快速有效的估算点扩散函数的参数，避免了大量的冗余计算量。
附图说明
图1为透镜成像示意图。
图2为实施例1的基于模糊成像机理的抗模糊二维码图像的设计图。
图3为实施例1的清晰圆形寻像图形及其灰度三维图。
图4为实施例1的模糊半径为20的均匀离焦圆形寻像图形及其灰度三维图
图5为实施例2的基于模糊成像机理的二维码图像快速盲复原方法的流程图。
图6为实施例2的基于模糊成像机理的二维码图像快速盲复原方法的架构图。
图7为实施例3的大小及位置不同的二维码符号对比图。
图8为实施例4的不同复原算法对比图。
图9为实施例4的不同复原算法PSNR对比图。
图10为实施例4的不同复原算法SSIM对比图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
首先针对本发明涉及的部分原理进行说明。
本发明中提出的基于模糊成像机理的抗模糊二维码图像是基于二维码退化模型和模糊类型，根据离焦模糊类型从光学角度出发研究模糊成像原理，进而设计的具有抗模糊特性的二维码图像。
1.二维码退化模型和模糊类型
镜头的抖动、震动及对焦不准，容易产生图像的模糊，这是一种常见的图像退化类型。一般情况，图像退化的模型为：
g(x,y)＝h(x,y)*f(x,y)+n(x,y) (1)
式中，g(x,y)表示模糊图像，h(x,y)表示点扩散函数(即模糊核)，f(x,y)表示原始清晰图像，*表示卷积运算符，n(x,y)表示噪声。常见的模糊类型有运动模糊、离焦模糊和高斯模糊，而离焦模糊是最常见的模糊问题。根据模糊核是否已知，图像复原可以分为盲复原和非盲复原。一般情况下，模糊核是未知的，本文主要研究离焦模糊盲复原问题，其退化模型的点扩散函数可表示为：
其中R表示离焦模糊半径，同一图像中，R的值越大，图像越模糊。
2.二维码光学成像理论
当成像面与传感器面之间的距离足够大时，光学成像系统会发生离焦现象，在弥散光斑质心不变性及模糊不变矩的理论指导上，本小节主要从基本光学及信息论角度上分析离焦成像原理，其透镜成像过程如图1所示。
在图1中，点P通过透镜直径为L在成像面上成像，P’是焦平面位置的成像。依据基本几何光学定律可知，当经过理想的光学成像系统时，光源点P处在像面上呈相同的点光源像。当光源经透镜系统成像，且在像平面的位置不处于焦平面时，能量将被重新分配于成像面上，形成一个半径为R的弥散圆，图像越模糊，弥散圆越大。
根据高斯成像方程，结合透镜成像示意图，可得：
f-1＝u-1+v-1 (3)
其中u是物距，v是像距，f是光学系统焦距，从几何关系可得出：
LΔv＝2Rv (4)
其中，Δv为焦平面到成像面的距离。结合上两式，可得出，弥散圆的半径与光学成像中其他参数的关系如下：
R＝[ΔvL(u-f)]-12uf (5)
从信息论角度出发，透镜成像系统的方程式为：
I(y)＝∫O(x)h(y,x)dx (6)
其中，h(x,y)具有空间移不变性，O(x)为物面的光照强度分布，I(y)为像面的光照强度分布。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提出一种基于模糊成像机理的抗模糊二维码图像，如图2所示，为本实施例的抗模糊二维码图像的设计图。
本实施例提出的基于模糊成像机理的抗模糊二维码图像中包括3个圆形寻像图形和二维码符号图形，所述3个圆形寻像图形的质心位置分别设置在所述二维码符号图形左右侧边的外延线上，且所述3个圆形寻像图形分别与所述二维码符号图形上侧边或下侧边距离2；所述3个圆形寻像图形的质心连线组成直角三角形。其中，d为正整数，且d的大小根据二维码符号图形设置，使圆形寻像图形与二维码符号图形之间的距离在合理的范围内，避免对待复原的抗模糊二维码图像进行图像采集时无法同时采集到圆形寻像图形和二维码符号图形。
其中，3个圆形寻像图形的质心决定获取二维码符号位置信息的准确性。
如图3、4所示，为本实施例的清晰圆形寻像图形及模糊半径为20的均匀离焦圆形寻像图形的灰度三维对比图。
假设图3与图4的背景噪声一致，根据灰度质心法，有：
式中，
表示圆形寻像图形质心的坐标，X(i,j)为图像像素点(i,j)对应的像素值，M、N分别为图像的宽度和长度。
利用上式可求得图3与图4的质心坐标
由此可见，在背景噪声一致时，光斑质心与清晰时的位置信息近似相等。利用该特性能够利用圆形寻像图形复原模糊图像，且有效实现抗模糊的效果。
实施例2
本实施例提出一种基于模糊成像机理的二维码图像快速盲复原方法，如图5、6所示，为本实施例的二维码图像快速盲复原方法的流程图及架构图。
本实施例提出的二维码图像快速盲复原方法中，包括以下步骤：
步骤1：采集抗模糊二维码图像并对其进行预处理。
其中，对输入图像进行预处理操作包括转换为灰度图像。
步骤2：判断所述抗模糊二维码图像是否为清晰图像，若是，则直接输出；否则执行步骤3。
本步骤中，判断所述抗模糊二维码图像是否为清晰图像的步骤包括：
通过利用积分图像算法计算所述抗模糊二维码图像中像素的灰度值之和，当积分图像值大于预设的阈值时，则判断为清晰图像，输出图像即为清晰的二值化图像；否则判断为非清晰图像，需要进一步盲复原处理。
步骤3：对所述抗模糊二维码图像进行边缘检测，并定位圆形寻像图形质心位置、二维码符号中心位置及二维码符号图形区域位置，对所述二维码符号图形区域进行裁剪。
本实施例中，对所述抗模糊二维码图像采用Sobel算子进行边缘检测。
进一步的，对所述圆形寻像图形质心位置、二维码符号中心位置及二维码符号图形区域位置进行定位的步骤包括：
1)定位圆形寻像图形质心位置：采用搜索连通域的方法获取3个圆形寻像图形的位置，然后在连通域内采用灰度质心法定位二维码图像中3个圆形寻像图形的质心位置
其表达公式如式(7)：
式中，
表示圆形寻像图形质心的坐标，X(i,j)为连通域内像素点(i,j)对应的像素值，M、N分别为连通域的宽度和长度；
2)定位二维码符号中心位置：根据3个圆形寻像图形质心位置
计算二维码符号中心位置O(x,y)；
3)定位二维码符号图形区域位置：以所述3个圆形寻像图形质心作为顶点在所述抗模糊二维码图像上组成矩形，以靠近二维码符号图形方向且距离所述矩形上下侧边d位置作为上下边界，以远离二维码符号图形方向且距离所述左右侧边d位置作为左右边界，作为二维码符号图形区域。
步骤4：通过扫描所述二维码符号图形区域图像获取迭代图像A，基于迭代图像A计算符号二阶导数最大列所在的横坐标D。
本步骤中，基于迭代图像A计算符号二阶导数最大列所在的横坐标D的步骤包括对迭代图像A统计其二阶梯度最大边缘，其表达公式如下：
式中，g(x,j)表示抗模糊二维码图像中坐标为(x,j)的像素值。
其推导过程如下：
考虑到清晰的二维码图像有明显的阶跃边缘，其相应的数学公式可以表示为：
式中，δ(x)表示标准Heaviside函数，a和b是整数，且0≤a≤255，0≤b≤255，0≤a+b≤255。结合式(1)、(2)和(9)，假设不考虑噪声的影响，可得出以下公式：
从积分角度考虑，可得：
根据导数值变化率最大的点即为模糊图像二阶梯度最大值点，进一步求出二阶导数：
结合公式(2)，沿梯度方向可得：
公式(13)为离焦半径与二阶导数的关系，求得二阶导数即可获取离焦半径。从导数定义出发，将增量设为1，函数在梯度方向上变化率最大，则一阶导数为图像一阶梯度，如公式(14)，二阶导数为图像二阶梯度，如公式(15)。
则在迭代图像中，统计二阶梯度最大边缘如公式(8)
步骤5：根据所述横坐标D计算模糊半径R，再结合模糊半径R计算点扩散函数，根据点扩散函数对所述二维码图像进行复原即得到复原图像。
结合上述推导过程，可知本实施例中横坐标D计算模糊半径R的步骤包括通过坐标转换结合光学成像定理及光学信息论计算模糊半径R，其表达公式如下：
R＝S-D
式中，S为迭代图像A的左上角坐标点距离位于二维码符号图形左侧边或右侧边外延线上的2个圆形寻像图形质心的连线的大小。
最后，已知离焦模糊函数中的参数模糊半径，将图像盲复原问题转化为非盲复原问题，采用典型的Winner滤波算法，即可快速复原图像。
本实施例在对模糊成像弥散光斑质心不变性的研究基础上，设计圆形寻像图形，在成像模糊时能通过连通域等方法快速检测到图形质心以及二维码符号位置，再结合阶跃边缘特性、梯度强度特性、边缘检测技术以及光学成像机理快速准确估计出模糊二维码图像离焦半径大小，应用维纳滤波算法快速且有效复原二维码图像。
实施例3
本实施例采用实施例2提出的二维码图像快速盲复原方法对符号大小及位置对算法准确度影响进行说明。
考虑到拍摄过程中难免会由于高低、位置偏移导致图像不在理想区域内，本实施例主要分析QR码符号大小及位置对算法准确度的影响。
如图7所示，为大小及位置不同的QR码符号对比图。其中图像大小统一为300×300像素(pixels)，且模糊半径大小统一设为10，(1)层为清晰图像，(2)层为模糊图像，(3)层为复原图像。其中，图7(a)-(d)为符号大小不同的对比图，以图7(a)的图为准，从图7(b)到图7(d)，符号大小依次为图7(a)的9/10、8/10、7/10倍。
进一步的，以图7(c)为准，将符号做左上、右上、左下、右下等移动操作，考量不同位置对算法精度的影响。
参数值如下表1所示，其中EdgeB为QR码符号的边缘横坐标。
表1不同大小及不同位置的QR码符号复原参数对比
通过表1可看出，对不同大小及不同位置的模糊QR码图像，计算的模糊半径与输入图像的模糊程度一致，说明符号的大小与位置并不影响本发明提出的基于模糊成像机理的二维码图像快速盲复原方法的准确度，且具有较高的稳健性。
实施例4
本实施例为证实实施例2提出的二维码图像快速盲复原方法的有效性，以真实应用场景为例，搭建实验环境，从复原效果、计算时间和识别率三个角度进行对比分析。
本实施例的实验条件为：输入图像大小统一为300×300像素，拍摄设备采用型号为Nikon N90的单反相机，操作系统为Windows 10专业版，中央处理器为Intel(R)Core(TM)i7-8700，运行软件为Matlab2018a。实验测试的模糊QR码图像版本以版本1-5为主，且纠错等级统一为H。
本实施例将采用的Wiener滤波复原算法的参数即噪信比设为NSPR＝0.001。
此外，对比算法参数为：kernel_size＝13，lambda_dark＝4e-3，lambda_grad＝4e-3，lambda_tv＝0.003，lambda_l0＝5e-4，weight_ring＝1，border＝30，lambda_grad＝4e-3。
首先，选取3张不同大小不同模糊程度的QR码图像，并采用不同的算法进行去模糊处理，如图8所示。
本实施例采用全参考图像评价方法PSNR(Peak Signal to Noise Ratio，峰值信噪比)和SSIM(Structural Similarity，结构相似性)作为评价指标，对比复原效果，其具体复原效果分析如表2所示。
表2复原效果分析
通过对比可看出，本文算法对不同清晰度不同大小的QR码符号具有较好的复原效果，且相较于Wen算法(WEN F,YING R D,LIU Y P,et al.A simple local minimalintensity prior and an improved algorithm for blind image deblurring[J/OL].IEEE Transactions on Circuits and Systems for Video Technology[2020-10-27].https://doi.org/10.1109/TCSVT.2020.3034137.)，Yan算法(YANY,REN W,GUO Y,etal.Image deblurring via extreme channels prior[C]//Proceedings of the IEEEConference on Computer Vision and Pattern Recognition.Jul.21-26,2017,Honolulu,Hawaii:IEEE,2017,4003-4011.)及Bai算法(BAI Y C,CHEUNG G,LIU X M,etal.Graph-based blind image deblurring from a single photograph[J].IEEETransactions on Image Processing,2018,28(3),1404-1418.)的复原效果更佳。
进一步的，本实施例选取10张不同大小以及不同模糊程度的QR码图像，其复原效果如图9与图10所示。其中图9是PSNR对比图，图10是SSIM对比图。可看出，相较于Wen算法，本发明算法、Yan算法和Bai算法具有较好的复原效果，但Bai算法和本发明的算法具有较好的稳定性。
此外，本实施例在小批量样本基础上，选取了130张符号大小及模糊程度不同的QR码图像，从平均计算时间及识别率上分析，对应的统计数据如表3所示。
表3计算时间及可识别性分析
其中Zxing计算的识别率是由Matlab软件调用扫描，而Wochacha和Wechat(微信)软件采用的扫描设备为iPhone 8Plus 256G，软件版本为14.4.2。
由上表可以看出，本发明的二维码图像快速盲复原方法在Zxing及微信软件上的效果最好，可达到70.77％及93.08％，而使用Wochacha软件扫描时，Bai算法的识别率为89.23％。在速度方面，本发明的二维码图像快速盲复原方法的平均操作时间是0.3292s，相较于对比算法提高了1-2个数量级，表明本发明的二维码图像快速盲复原方法具有较高的实际应用价值。
而对比算法可更有效的处理图像复原过程中产生的振铃效应，擅于处理图像不均匀模糊、模糊程度较小、噪声较多的情况。且Yan算法和Wen算法可较好地处理电子图像上的模糊，本发明的二维码图像快速盲复原方法及Bai算法则更适合于处理真实图像的模糊。
对比算法的平均时间较长的主要原因在于其需要多次迭代，增加了过多的冗余计算，且未充分考虑QR码的阶跃边缘特性及梯度强度特性，导致图像识别率较低。此外，本发明的二维码图像快速盲复原方法可以进一步结合频谱域特征分割、局部特征和多尺度空间特征的深度融合及无监督学习等方法，快速有效提取复杂环境下的QR码图像，从而提高算法的适用性。
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于模糊成像机理的抗模糊二维码图像，其特征在于，包括3个圆形寻像图形和二维码符号图形，所述3个圆形寻像图形的质心位置分别设置在所述二维码符号图形左右侧边的外延线上，且所述3个圆形寻像图形分别与所述二维码符号图形上侧边或下侧边距离2d；所述3个圆形寻像图形的质心连线组成直角三角形。
2.一种基于模糊成像机理的二维码图像快速盲复原方法，其特征在于，应用于如权利要求1所述的抗模糊二维码图像，其包括以下步骤：
S1：采集抗模糊二维码图像并对其进行预处理；
S2：判断所述抗模糊二维码图像是否为清晰图像，若是，则直接输出；否则执行S3步骤；
S3：对所述抗模糊二维码图像进行边缘检测，并定位圆形寻像图形质心位置、二维码符号中心位置及二维码符号图形区域位置，对所述二维码符号图形区域进行裁剪；
S4：通过扫描所述二维码符号图形区域图像获取迭代图像A，基于迭代图像A计算符号二阶导数最大列所在的横坐标D；
S5：根据所述横坐标D计算模糊半径R，再结合模糊半径R计算点扩散函数，根据点扩散函数对所述二维码图像进行复原即得到复原图像。
3.根据权利要求2所述的二维码图像快速盲复原方法，其特征在于，所述S1步骤中，对抗模糊二维码图像进行预处理的步骤包括转换为灰度图像。
4.根据权利要求3所述的二维码图像快速盲复原方法，其特征在于，判断所述抗模糊二维码图像是否为清晰图像的步骤包括：
通过利用积分图像算法计算所述抗模糊二维码图像中像素的灰度值之和，当积分图像值大于预设的阈值时，则判断为清晰图像；否则判断为非清晰图像。
5.根据权利要求2所述的二维码图像快速盲复原方法，其特征在于，对所述抗模糊二维码图像采用Sobel算子进行边缘检测。
6.根据权利要求2所述的二维码图像快速盲复原方法，其特征在于，对所述圆形寻像图形质心位置、二维码符号中心位置及二维码符号图形区域位置进行定位的步骤包括：
定位圆形寻像图形质心位置：采用搜索连通域的方法获取3个圆形寻像图形的位置，然后在连通域内采用灰度质心法定位二维码图像中3个圆形寻像图形的质心位置
其表达公式如下：
式中，
表示圆形寻像图形质心的坐标，X(i,j)为连通域内像素点(i,j)对应的像素值，M、N分别为连通域的宽度和长度；
定位二维码符号中心位置：根据3个圆形寻像图形质心位置
计算二维码符号中心位置O(x,y)；
定位二维码符号图形区域位置：以所述3个圆形寻像图形质心作为顶点在所述抗模糊二维码图像上组成矩形，以靠近二维码符号图形方向且距离所述矩形上下侧边d位置作为上下边界，以远离二维码符号图形方向且距离所述左右侧边d位置作为左右边界，作为二维码符号图形区域。
7.根据权利要求6所述的二维码图像快速盲复原方法，其特征在于，基于迭代图像A计算符号二阶导数最大列所在的横坐标D的步骤包括对迭代图像A统计其二阶梯度最大边缘，其表达公式如下：
式中，g(x,j)表示抗模糊二维码图像中坐标为(x,j)的像素值。
8.根据权利要求7所述的二维码图像快速盲复原方法，其特征在于，根据所述横坐标D计算模糊半径R的步骤包括通过坐标转换结合光学成像定理及光学信息论计算模糊半径R，其表达公式如下：
R＝S-D
式中，S为迭代图像A的左上角坐标点距离位于二维码符号图形左侧边或右侧边外延线上的2个圆形寻像图形质心的连线的大小。
9.根据权利要求8所述的二维码图像快速盲复原方法，其特征在于，结合模糊半径R计算点扩散函数的表达公式如下：
式中，h(x,y)表示点扩散函数。
10.根据权利要求2～9任一项所述的二维码图像快速盲复原方法，其特征在于，根据点扩散函数对所述二维码图像进行复原的步骤包括采用Winner滤波算法进行非盲复原。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110807806.1A CN113743147B (zh) | 2021-07-16 | 2021-07-16 | 一种基于模糊成像机理的抗模糊二维码图像及其盲复原方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110807806.1A CN113743147B (zh) | 2021-07-16 | 2021-07-16 | 一种基于模糊成像机理的抗模糊二维码图像及其盲复原方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113743147A true CN113743147A (zh) | 2021-12-03 |
| CN113743147B CN113743147B (zh) | 2023-08-29 |
Family
ID=78728720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110807806.1A Active CN113743147B (zh) | 2021-07-16 | 2021-07-16 | 一种基于模糊成像机理的抗模糊二维码图像及其盲复原方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113743147B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115661187A (zh) * | 2022-12-12 | 2023-01-31 | 山东本草堂中药饮片有限公司 | 用于中药制剂分析的图像增强方法 |
| CN117170083A (zh) * | 2023-10-24 | 2023-12-05 | 合肥埃科光电科技股份有限公司 | 一种叠加动态像质补偿的自动对焦方法、系统及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007206738A (ja) * | 2006-01-30 | 2007-08-16 | Kyocera Corp | 撮像装置およびその方法 |
| WO2011102496A1 (en) * | 2010-02-17 | 2011-08-25 | Canon Kabushiki Kaisha | Image processing method for mass spectrum image, program, and apparatus |
| CN103778400A (zh) * | 2012-10-25 | 2014-05-07 | 河南盛唐信息技术有限公司 | 一种自动修复识别二维码码图符号的解码方法及其设备 |
| CN105469084A (zh) * | 2015-11-20 | 2016-04-06 | 中国科学院苏州生物医学工程技术研究所 | 一种靶标中心点快速提取方法及系统 |
| CN108765305A (zh) * | 2018-04-16 | 2018-11-06 | 佛山市顺德区中山大学研究院 | 一种离焦qr码图像盲复原方法 |
| CN109685773A (zh) * | 2018-12-10 | 2019-04-26 | 西安理工大学 | 一种免疫细胞图像中突触位置点的确定方法 |
| CN110503086A (zh) * | 2019-08-14 | 2019-11-26 | 中国科学院近代物理研究所 | 一种基于奇偶位置的目标质心定位系统及方法 |
| CN112200741A (zh) * | 2020-10-09 | 2021-01-08 | 广东技术师范大学 | 一种基于边缘先验的离焦二维码图像复原方法 |
| CN112270703A (zh) * | 2020-09-29 | 2021-01-26 | 广东工业大学 | 一种用于定位系统的光斑图像亚像素级别重心提取方法 |
-
2021
- 2021-07-16 CN CN202110807806.1A patent/CN113743147B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007206738A (ja) * | 2006-01-30 | 2007-08-16 | Kyocera Corp | 撮像装置およびその方法 |
| WO2011102496A1 (en) * | 2010-02-17 | 2011-08-25 | Canon Kabushiki Kaisha | Image processing method for mass spectrum image, program, and apparatus |
| CN103778400A (zh) * | 2012-10-25 | 2014-05-07 | 河南盛唐信息技术有限公司 | 一种自动修复识别二维码码图符号的解码方法及其设备 |
| CN105469084A (zh) * | 2015-11-20 | 2016-04-06 | 中国科学院苏州生物医学工程技术研究所 | 一种靶标中心点快速提取方法及系统 |
| CN108765305A (zh) * | 2018-04-16 | 2018-11-06 | 佛山市顺德区中山大学研究院 | 一种离焦qr码图像盲复原方法 |
| CN109685773A (zh) * | 2018-12-10 | 2019-04-26 | 西安理工大学 | 一种免疫细胞图像中突触位置点的确定方法 |
| CN110503086A (zh) * | 2019-08-14 | 2019-11-26 | 中国科学院近代物理研究所 | 一种基于奇偶位置的目标质心定位系统及方法 |
| CN112270703A (zh) * | 2020-09-29 | 2021-01-26 | 广东工业大学 | 一种用于定位系统的光斑图像亚像素级别重心提取方法 |
| CN112200741A (zh) * | 2020-10-09 | 2021-01-08 | 广东技术师范大学 | 一种基于边缘先验的离焦二维码图像复原方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115661187A (zh) * | 2022-12-12 | 2023-01-31 | 山东本草堂中药饮片有限公司 | 用于中药制剂分析的图像增强方法 |
| CN115661187B (zh) * | 2022-12-12 | 2023-06-02 | 山东本草堂中药饮片有限公司 | 用于中药制剂分析的图像增强方法 |
| CN117170083A (zh) * | 2023-10-24 | 2023-12-05 | 合肥埃科光电科技股份有限公司 | 一种叠加动态像质补偿的自动对焦方法、系统及存储介质 |
| CN117170083B (zh) * | 2023-10-24 | 2024-02-09 | 合肥埃科光电科技股份有限公司 | 一种叠加动态像质补偿的自动对焦方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113743147B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pertuz et al. | Generation of all-in-focus images by noise-robust selective fusion of limited depth-of-field images | |
| Pertuz et al. | Analysis of focus measure operators for shape-from-focus | |
| WO2019148739A1 (zh) | 一种模糊图像综合处理方法和系统 | |
| Tiwari et al. | Review of motion blur estimation techniques | |
| CN109784250B (zh) | 自动引导小车的定位方法和装置 | |
| CN113743147B (zh) | 一种基于模糊成像机理的抗模糊二维码图像及其盲复原方法 | |
| Wu et al. | Blind image blur identification in cepstrum domain | |
| CN111310508B (zh) | 一种二维码识别方法 | |
| CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
| Jeon et al. | Ring difference filter for fast and noise robust depth from focus | |
| CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
| CN113888461A (zh) | 基于深度学习的小五金件缺陷检测方法、系统及设备 | |
| Zhou et al. | Improved estimation of motion blur parameters for restoration from a single image | |
| Jain et al. | A systematic literature review on qr code detection and pre-processing | |
| CN111080542A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
| CN114612490A (zh) | 一种基于显微镜图像的栅藻类细胞统计方法 | |
| Fabijańska | Subpixel edge detection in blurry and noisy images | |
| CN116758266A (zh) | 一种指针式仪表的读数方法 | |
| CN116563306A (zh) | 自适应火灾痕迹光谱图像分割方法及系统 | |
| CN115841632A (zh) | 输电线路提取方法、装置以及双目测距方法 | |
| Chabardes et al. | Local blur estimation based on toggle mapping | |
| CN114972084A (zh) | 一种图像对焦准确度评价方法及系统 | |
| CN112183650B (zh) | 一种在相机失焦情况下的数字检测识别方法 | |
| CN112200741B (zh) | 一种基于边缘先验的离焦二维码图像复原方法 | |
| CN115345845A (zh) | 基于方向梯度直方图的特征融合烟幕干扰效能评估及处理方法及电子设备 |
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 |