CN114036968B - 一种钢卷表面激光标识模糊二维码图像的校正修复方法 - Google Patents
一种钢卷表面激光标识模糊二维码图像的校正修复方法 Download PDFInfo
- Publication number
- CN114036968B CN114036968B CN202111327862.1A CN202111327862A CN114036968B CN 114036968 B CN114036968 B CN 114036968B CN 202111327862 A CN202111327862 A CN 202111327862A CN 114036968 B CN114036968 B CN 114036968B
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- positioning
- image
- code image
- max
- 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 45
- 238000012937 correction Methods 0.000 title claims abstract description 25
- 230000008439 repair process Effects 0.000 title claims abstract description 18
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 16
- 239000010959 steel Substances 0.000 title claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000005484 gravity Effects 0.000 claims description 22
- 238000010330 laser marking Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007667 floating Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 239000011248 coating agent Substances 0.000 description 4
- 238000000576 coating method Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
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
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种钢卷表面激光标识模糊二维码图像的校正修复方法,包括:对采集的二维码图像进行预处理,对预处理后的二维码图像进行遍历,找到整幅图像中的所有轮廓,筛选符合定位特征的三重嵌套轮廓作为定位模块组,基于所述定位模块组进行二维码图像粗定位;从粗定位获得的轮廓点集中筛选有效点进行直线拟合,获取定位直线,并依据所述定位直线进行二维码图像形状校正;分别在水平方向和垂直方向遍历校正后的二维码图像,进行二维码图像精定位,实现二维码图像的二次定位;采用灰度遍历自适应分块的方法,将二维码图像的每一编码模块分割,进行填充及重新绘制,得到修复的二维码图像。本发明能够提高二维码图像的识别率。
Description
技术领域
本发明涉及二维码图像的校正修复技术领域,特别涉及一种钢卷表面激光标识模糊二维码图像的校正修复方法。
背景技术
钢铁工业生产过程是一个离散和连续混合的生产过程,具有产线长、工序多、设备复杂的特点,随着生产智能化的要求,钢铁企业对于生产成品及生产全流程的追踪溯源要求越来越高。传统的标记方式往往采用涂料喷涂或人工书写的方式在坯料加工工序过程中进行编号跟踪。但传统标记方式基于其标记特点,具有速度慢,存在人员安全风险,信息承载密度不足的问题;同时,无论是涂料喷涂还是人工书写,都需承担较大的涂料耗材成本。基于二维码具有信息密度高,覆盖面积小的优点,采用激光打标进行金属表面二维码标识,可以在兼顾速度的同时承载多类生产过程信息内容,避免人工操作风险,同时没有涂料耗材方面的成本。因此研究激光打标工作站在钢卷生产过程中的二维码标识和二维码内容的识别,对生产追踪、装配管理、生命周期维护等一系列功能的实现具有重要意义。
将激光打标设备引入钢铁工业,采用激光打标进行二维码标识,也存在一定的问题,其标识过程会将二维码区域金属氧化层破坏,导致二维码图像腐蚀剧烈;二维码在钢卷生产过程中易受到磨损、污损、划痕等问题的干扰,影响识别效率;使用设备采集得到的金属表面激光打标二维条码图像,很容易受畸变、噪声、光照不均匀等影响,造成条码模糊并产生一定程度的黑白混叠现象,从而影响二维条码的准确识读。且现有的二维码校正识别,主要通过边缘检测和Hough变换检测二维码图像中三个位置检测图形,依据其位置特征进行定位及识别,其存在定位块噪声对识别影响大、金属材质锈蚀导致Hough变换检测成功率低、二维码内容受噪声干扰严重,难以准确识别的问题。因此,如何对需要识别的激光打标二维条码图像进行修复,恢复和重构出可以准确识别的条码图像,实现激光打标二维码的稳定识别,对于二维码在钢铁领域的实际应用具有重要的研究价值。
发明内容
本发明的目的在于提供一种钢卷表面激光标识模糊二维码图像的校正修复方法,主要解决以下两方面的问题:1)由于二维码定位模块识别效果不佳导致的定位不成功问题;2)由于噪声或畸变导致的直线检测不理想导致识别率降低的问题。
为解决上述技术问题,本发明的实施例提供如下方案:
一种钢卷表面激光标识模糊二维码图像的校正修复方法,包括以下步骤:
S1、对采集的二维码图像进行预处理,对预处理后的二维码图像进行遍历,找到整幅图像中的所有轮廓,筛选符合定位特征的三重嵌套轮廓作为定位模块组,基于所述定位模块组进行二维码图像粗定位;
S2、从粗定位获得的轮廓点集中筛选有效点进行直线拟合,获取定位直线,并依据所述定位直线进行二维码图像形状校正;
S3、分别在水平方向和垂直方向遍历校正后的二维码图像,进行二维码图像精定位,实现二维码图像的二次定位;
S4、采用灰度遍历自适应分块的方法,将二维码图像的每一编码模块分割,进行填充及重新绘制,得到修复的二维码图像。
优选地,所述二维码图像为QR二维码图像。
优选地,所述步骤S1中,对采集的二维码图像进行预处理包括:进行灰度化处理、二值化处理和形态学开闭运算。
优选地,所述步骤S1具体包括:
S11、利用轮廓查找法找到整幅图像中的所有轮廓,筛选具有三重嵌套关系的轮廓;
S12、在筛选出的轮廓中查找满足定位模块面积关系的轮廓组作为定位模块组;
S13、若找到的符合要求的定位模块组个数大于3个,则添加中心点约束再次筛选;
S14、基于获得的定位模块组数量进行二维码图像区域提取。
优选地,所述步骤S14具体包括:
检测筛选获得的定位模块组数量,根据取得定位模块组数量的不同采用对应取值方法;
取得一个定位模块组时,通过版本号信息计算扩张距离,以定位模块组中心为扩张中心,以扩张距离为横纵坐标偏移量,截取二维码图像区域;
取得两个定位模块组时,以两定位模块组重心距离的1.5倍为扩张距离分别获取扩张图像,取交集为二维码图像区域;
取得三个定位模块组时,筛选轮廓组中xmax,xmin,ymax,ymin坐标,根据坐标位置关系及扩充值计算提取图像的四条直线边界,进而获取二维码图像区域。
优选地,所述步骤S2具体包括:
S21、以点集中距离像素原点欧氏距离最小的点为起点,取整个点集数量15的像素坐标;
S22、以点集中横坐标最小的像素点为起点,取整个点集数量15的像素坐标;
S23、采用迭代加权最小二乘直线拟合方法进行直线拟合;
S24、对拟合后的直线组进行离散程度检测,选取拟合效果最好的作为定位直线;
S25、基于所述定位直线对图像进行旋转校正,获得角度为正的二维码图像。
优选地,所述步骤S3具体包括:
S31、根据二维码激光打标操作性质,分别在水平方向和垂直方向遍历校正后的包含二维码内容的图像,寻找二维码外轮廓;
S32、指定规则为直线经过的白色像素数大于2.5倍定位框外轮廓的任一条直线作为外轮廓,提取二维码图像精确轮廓,实现二维码图像精定位。
优选地,所述步骤S4具体包括:
S41、对二值化的二维码图像进行水平方向和垂直方向上的像素遍历,记录每一方向上像素的灰度,形成灰度排列列表;
S42、设定分割阈值,计算相邻两列表元素的偏差率,如果偏差率大于设定阈值则视为存在分块,通过遍历整个二维码图像将二维码进行行列自适应分块;
S43、对分块后的二维码图像编号,根据每块中像素占比进行像素填充;
S44、根据编号进行重新排序,构成重绘二维码图像。
本发明实施例提供的技术方案带来的有益效果至少包括:
本发明实施例中,采用粗定位加精定位的二次定位方法,对二维码图像进行精确定位,避免传统识别方法必须采用三个定位模块才能识别的限制;通过拟合的直线遍历方式解决了传统识别方法中Hough变换难以识别噪声直线的问题;通过自适应划分并重新绘制二维码图像,获得清晰二维码内容,对噪声比较多的图像解决了传统降噪方法容易将图像内容视为噪声的问题。通过以上技术的引入,本发明方法可以修复和校正二维码图像中的多余噪声,最终有利于提高二维码图像的识别率。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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。
图1是本发明实施例提供的一种钢卷表面激光标识模糊二维码图像的校正修复方法的流程图;
图2是本发明实施例提供的包含QR二维码内容的待识别图像;
图3是本发明实施例提供的经轮廓查找粗定位后的二维码图像;
图4是本发明实施例提供的基于最小二乘加权直线的拟合精定位且校正后的二维码图像;
图5是本发明实施例提供的经划分网格后的二维码图像;
图6是本发明实施例提供的经重绘后的二维码图像。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明的实施例提供了一种钢卷表面激光标识模糊二维码图像的校正修复方法,如图1所示,所述方法包括以下步骤:
S1、对采集的二维码图像进行预处理,对预处理后的二维码图像进行遍历,找到整幅图像中的所有轮廓,筛选符合定位特征的三重嵌套轮廓作为定位模块组,基于所述定位模块组进行二维码图像粗定位;
S2、从粗定位获得的轮廓点集中筛选有效点进行直线拟合,获取定位直线,并依据所述定位直线进行二维码图像形状校正;
S3、分别在水平方向和垂直方向遍历校正后的二维码图像,进行二维码图像精定位,实现二维码图像的二次定位;
S4、采用灰度遍历自适应分块的方法,将二维码图像的每一编码模块分割,进行填充及重新绘制,得到修复的二维码图像。
本发明实施例中,所述二维码图像主要是指QR二维码图像。本发明所述方法中,对二维码图像预处理后,经过粗定位和精定位结合的二次定位方法,寻找二维码精确边界;通过自适应划分区域准确获得每一编码模块的所在区域,重绘后得到修复的二维码图像。本发明通过以上技术的引入,可以修复和校正二维码图像中的多余噪声,最终有利于提高二维码图像的识别率。
进一步地,所述步骤S1中,对采集的二维码图像进行预处理包括:进行灰度化处理、二值化处理和形态学开闭运算等。
进一步地,所述步骤S1具体包括:
S11、利用轮廓查找法找到整幅图像中的所有轮廓,筛选具有三重嵌套关系的轮廓;
S12、在筛选出的轮廓中查找满足定位模块面积关系的轮廓组作为定位模块组;
S13、若找到的符合要求的定位模块组个数大于3个,则添加中心点约束再次筛选;
S14、基于获得的定位模块组数量进行二维码图像区域提取。
其中,步骤S11所述筛选具有三重嵌套关系的轮廓具体包括:
二维码图像的寻像特征为定位模块组的轮廓边长比为黑:白:黑:白:黑=1:1:3:1:1,因此定位模块组中三重嵌套轮廓的标准面积比为:49:25:9,通过轮廓和子轮廓及子子轮廓面积比49:25:9的比例找到符合要求的轮廓组视为定位模块组,保留轮廓间1.25倍的浮动余量。
其中,步骤S14所述基于获得的定位模块组数量进行二维码图像区域提取具体包括:
检测筛选获得的定位模块组数量,根据取得定位模块组数量的不同采用对应取值方法;
取得一个定位模块组时,通过版本号信息计算扩张距离,以定位模块组中心为扩张中心,以扩张距离为横纵坐标偏移量,截取二维码图像区域;
取得两个定位模块组时,以两定位模块组重心距离的1.5倍为扩张距离分别获取扩张图像,取交集为二维码图像区域;
取得三个定位模块组时,筛选轮廓组中xmax,xmin,ymax,ymin坐标,根据坐标位置关系及扩充值计算提取图像的四条直线边界,进而获取二维码图像区域。
具体地,步骤S14的实现过程如下:
遍历图像轮廓,找到一个定位模块组:
计算该定位模块组三组轮廓的重心,取平均值作为这个定位模块组的重心,以该定位点为中心,通过版本号信息计算扩张距离,以定位模块组中心为扩张中心,以扩张距离为横纵坐标偏移量,截取二维码图像区域。
本实施例的中心为:
其中(xm,ym)为重心坐标,x1,x2,x3为三个轮廓重心的横坐标,y1,y2,y3为三个轮廓重心的纵坐标。
扩张距离h1=3.5l1,其中l1为该定位模块组最外围轮廓像素数量,则h1为该二维码的长度距离估计值。
截取的图像区域坐标为:
若所提取粗定位图像坐标超过原图像所显示范围,则说明该二维码区域在原图像中所占比例足够大,可直接进行后续精定位操作。
遍历图像轮廓,找到两个定位模块组:
计算定位模块组三组轮廓的重心,取平均值作为定位模块组的重心,以该定位点为中心,以两个重心连线距离*1.5为扩张距离,以扩张距离为横纵坐标偏移量,以两个重心为中心点分别截取图像区域,取两图像区域相交区域为QR二维码区域。
两定位模块组重心平均值分别为:
则两定位模块组重心的欧式距离为:
遍历得到的两定位模块组所处相对位置有两种可能性:在正方形二维码的同一行或在二维码的对角线处。因无法确定两组定位模块的具体相对位置,且对于采集到的二维码图像不确定其二维码旋转角度及方向,在进行粗定位时进行超量取值,即对于得到两组定位模块的情况,其粗定位图像的裁剪长度分别以(xi,yi)、(xj,yj)为中心点,以裁剪长度h2为基准,进行粗定位图像区域提取。其提取出的两粗定位图像四个坐标原点分别对应原图像坐标如下:
因两粗定位图像都是包含二维码区域的过量裁剪图像,为了后续处理中减少不必要的背景信息,将两幅图像取交集,保留其重合区域,作为提取的包含二维码图像的粗定位图像。若所提取粗定位图像坐标超过原图像所显示范围,则说明该二维码区域在原图像中所占比例足够大,可直接进行后续精定位操作。
遍历图像轮廓,找到三个定位模块组:
筛选轮廓组中xmax,xmin,ymax,ymin坐标,根据ymax-ymin及xmax-xmin数量关系、坐标在点集内的包含关系以及扩充长度,确定二维码粗定位图像方程组。
计算二维码轮廓扩充值
若ymax-ymin>xmax-xmin,且xmax在ymax、ymin所在点集内,则说明xmin位于左上角定位模块组,xmax,ymin,ymax位于右上和左下定位模块组,此时QR二维码粗定位图像方程组如下:
若ymax-ymin>xmax-xmin,且xmax不在ymax、ymin所在点集内,则说明xmax位于左上角定位模块组,xmin,ymin,ymax位于右上和左下定位模块组,此时QR二维码粗定位图像方程组如下:
若xmax-xmin>ymax-ymin,且ymax在xmax、xmin所在点集内,则说明ymin位于左上角定位模块组,ymax,xmin,xmax位于右上和左下定位模块组,此时QR二维码粗定位图像方程组如下:
若xmax-xmin>ymax-ymin,且ymax不在xmax、xmin所在点集内,则说明ymax位于左上角定位模块组,ymin,xmin,xmax位于右上和左下定位模块组,此时QR二维码粗定位图像方程组如下:
进一步地,所述步骤S2具体包括:
S21、以点集中距离像素原点欧氏距离最小的点为起点,取整个点集数量的像素坐标;
S22、以点集中横坐标最小的像素点为起点,取整个点集数量的像素坐标;
S23、采用迭代加权最小二乘直线拟合方法进行直线拟合;
S24、对拟合后的直线组进行离散程度检测,选取拟合效果最好的作为定位直线;
S25、基于定位直线对图像进行旋转校正,获得角度为正的二维码图像。
进一步地,所述步骤S3具体包括:
S31、根据二维码激光打标操作性质,分别在水平方向和垂直方向遍历校正后的包含二维码内容的图像,寻找二维码外轮廓;
S32、指定规则为直线经过的白色像素数大于2.5倍定位框外轮廓的任一条直线作为外轮廓,提取二维码图像精确轮廓,实现二维码图像精定位。
其中,步骤S32所述提取二维码图像精确轮廓具体包括:
由于激光打标针对二维码信息内容,在钢卷表面保留黑色编码模块信息,将非编码模块区域通过光纤发射激光束而去除,使编码模块与非编码区域形成色差层次及高低差层次,通过这样的方式留下永久性标识。基于这样的打标原理,二维码与背景区分的边缘部分,会被激光打标标记一个较为规律的非编码区域将内容与外部背景隔离开,为下文叙述方便,称之为隔离区域。对二值化后的QR二维码图像,其有编码模块的内容区域灰度为255,非编码区域的灰度为0,因此对于隔离区域,其为一条完整的灰度为0的白色直条带。因此对于QR二维码的精定位,将其转化为对隔离区域的遍历与检索。对于校正后的图像,分别从水平方向和竖直方向按行进行像素检索,设计四个滑动窗口,其大小为定位直线所用像素数均值的3倍,滑动窗口以1为步长在图像中从水平方向和竖直方向进行遍历,当滑动窗口中的像素80%都为0灰度,则视为该窗口对应的直线为二维码外轮廓。四个滑动窗口分别从上至下、从下至上、从左至右、从右至左进行图像遍历,找到一条符合条件的直线时停止遍历。同时,若有某窗口检索不到符合条件的直线,则根据正方形的物理性质将其补全。遍历检索后获得四条直线,这四条直线截取出一个正方形区域,该区域就是仅包含二维码内容的图像区域。
进一步地,所述步骤S4具体包括:
S41、对二值化的二维码图像进行水平方向和垂直方向上的像素遍历,记录每一方向上像素的灰度,形成灰度排列列表;
S42、设定分割阈值,计算相邻两列表元素的偏差率,如果偏差率大于设定阈值则视为存在分块,通过遍历整个二维码图像将二维码进行行列自适应分块;
S43、对分块后的二维码图像编号,根据每块中像素占比进行像素填充;
S44、根据编号进行重新排序,构成重绘二维码图像。
其中,步骤S42所述自适应分块具体包括:
二值化的二维码图像进行水平方向和垂直方向上的像素遍历,记录每一方向上像素的灰度,其中灰度255记为1,灰度0记为0,对每一组形成一个灰度排列列表。根据二维码版本号指定对比阈值和数组中所进行对比的元素,计算两相邻列表元素的偏差率,如果偏差率大于设定阈值则视为存在分块,通过遍历将二维码自适应分块。
本实施例中二维码版本号为版本1,有定位模块存在的部分信息密度较低,因此指定横向遍历时前1/3的行数组只比较前1/3的元素,若偏差率大于30%则视为有行划分,对于中心子轮廓不发生像素变化的部分,按照边长1:1:3:1:1的特征,补充分格线,后2/3的行数组只比较后2/3的元素,若偏差率大于50%则视为有行划分;指定纵向遍历时前1/3的列数组只比较前1/3的元素,若偏差率大于30%则视为有列划分,对于中心子轮廓不发生像素变化的部分,按照边长1:1:3:1:1的特征,补充分格线,后2/3的列数组只比较后2/3的元素,若偏差率大于50%则视为有列划分。
将本发明方法应用于具体场景中,如图2-图6所示。图2是本发明实施例提供的包含QR二维码内容的待识别图像,图3是经轮廓查找粗定位后的二维码图像,图4是基于最小二乘加权直线的拟合精定位且校正后的二维码图像,图5是经划分网格后的二维码图像;图6是经重绘后的二维码图像。可以看出,本发明所述方法能够有效修复和校正二维码图像中的多余噪声,从而提高二维码图像的识别率。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种钢卷表面激光标识模糊二维码图像的校正修复方法,其特征在于,包括以下步骤:
S1、对采集的二维码图像进行预处理,对预处理后的二维码图像进行遍历,找到整幅图像中的所有轮廓,筛选符合定位特征的三重嵌套轮廓作为定位模块组,基于所述定位模块组进行二维码图像粗定位;
所述步骤S1具体包括:
S11、利用轮廓查找法找到整幅图像中的所有轮廓,筛选具有三重嵌套关系的轮廓;
步骤S11所述筛选具有三重嵌套关系的轮廓具体包括:
二维码图像的寻像特征为定位模块组的轮廓边长比为黑:白:黑:白:黑=1:1:3:1:1,因此定位模块组中三重嵌套轮廓的标准面积比为:49:25:9,通过轮廓和子轮廓及子子轮廓面积比49:25:9的比例找到符合要求的轮廓组视为定位模块组,保留轮廓间1.25倍的浮动余量;
S12、在筛选出的轮廓中查找满足定位模块面积关系的轮廓组作为定位模块组;
S13、若找到的符合要求的定位模块组个数大于3个,则添加中心点约束再次筛选;
S14、基于获得的定位模块组数量进行二维码图像区域提取;
所述步骤S14具体包括:
检测筛选获得的定位模块组数量,根据取得定位模块组数量的不同采用对应取值方法;
取得一个定位模块组时,通过版本号信息计算扩张距离,以定位模块组中心为扩张中心,以扩张距离为横纵坐标偏移量,截取二维码图像区域;
取得两个定位模块组时,以两定位模块组重心距离的1.5倍为扩张距离分别获取扩张图像,取交集为二维码图像区域;
取得三个定位模块组时,筛选轮廓组中xmax,xmin,ymax,ymin坐标,根据坐标位置关系及扩充值计算提取图像的四条直线边界,进而获取二维码图像区域;
步骤S14的实现过程如下:
遍历图像轮廓,找到一个定位模块组:
计算该定位模块组三组轮廓的重心,取平均值作为这个定位模块组的重心,以该定位点为中心,通过版本号信息计算扩张距离,以定位模块组中心为扩张中心,以扩张距离为横纵坐标偏移量,截取二维码图像区域;
所述中心为:
其中(xm,ym)为重心坐标,x1,x2,x3为三个轮廓重心的横坐标,y1,y2,y3为三个轮廓重心的纵坐标;
扩张距离h1=3.5l1,其中l1为该定位模块组最外围轮廓像素数量,则h1为该二维码的长度距离估计值;
截取的图像区域坐标为:
若所提取粗定位图像坐标超过原图像所显示范围,则说明该二维码区域在原图像中所占比例足够大,可直接进行后续精定位操作;
遍历图像轮廓,找到两个定位模块组:
计算定位模块组三组轮廓的重心,取平均值作为定位模块组的重心,以该定位点为中心,以两个重心连线距离*1.5为扩张距离,以扩张距离为横纵坐标偏移量,以两个重心为中心点分别截取图像区域,取两图像区域相交区域为QR二维码区域;
两定位模块组重心平均值分别为:
则两定位模块组重心的欧式距离为:
遍历得到的两定位模块组所处相对位置有两种可能性:在正方形二维码的同一行或在二维码的对角线处;因无法确定两组定位模块的具体相对位置,且对于采集到的二维码图像不确定其二维码旋转角度及方向,在进行粗定位时进行超量取值,即对于得到两组定位模块的情况,其粗定位图像的裁剪长度分别以(xi,yi)、(xj,yj)为中心点,以裁剪长度h2为基准,进行粗定位图像区域提取;其提取出的两粗定位图像四个坐标原点分别对应原图像坐标如下:
因两粗定位图像都是包含二维码区域的过量裁剪图像,为了后续处理中减少不必要的背景信息,将两幅图像取交集,保留其重合区域,作为提取的包含二维码图像的粗定位图像;若所提取粗定位图像坐标超过原图像所显示范围,则说明该二维码区域在原图像中所占比例足够大,可直接进行后续精定位操作;
遍历图像轮廓,找到三个定位模块组:
筛选轮廓组中xmax,xmin,ymax,ymin坐标,根据ymax-ymin及xmax-xmin数量关系、坐标在点集内的包含关系以及扩充长度,确定二维码粗定位图像方程组;
计算二维码轮廓扩充值
若ymax-ymin>xmax-xmin,且xmax在ymax、ymin所在点集内,则说明xmin位于左上角定位模块组,xmax,ymin,ymax位于右上和左下定位模块组,此时QR二维码粗定位图像方程组如下:
若ymax-ymin>xmax-xmin,且xmax不在ymax、ymin所在点集内,则说明xmax位于左上角定位模块组,xmin,ymin,ymax位于右上和左下定位模块组,此时QR二维码粗定位图像方程组如下:
若xmax-xmin>ymax-ymin,且ymax在xmax、xmin所在点集内,则说明ymin位于左上角定位模块组,ymax,xmin,xmax位于右上和左下定位模块组,此时QR二维码粗定位图像方程组如下:
若xmax-xmin>ymax-ymin,且ymax不在xmax、xmin所在点集内,则说明ymax位于左上角定位模块组,ymin,xmin,xmax位于右上和左下定位模块组,此时QR二维码粗定位图像方程组如下:
S2、从粗定位获得的轮廓点集中筛选有效点进行直线拟合,获取定位直线,并依据所述定位直线进行二维码图像形状校正;
S3、分别在水平方向和垂直方向遍历校正后的二维码图像,进行二维码图像精定位,实现二维码图像的二次定位;
S4、采用灰度遍历自适应分块的方法,将二维码图像的每一编码模块分割,进行填充及重新绘制,得到修复的二维码图像。
2.根据权利要求1所述的校正修复方法,其特征在于,所述二维码图像为QR二维码图像。
3.根据权利要求1所述的校正修复方法,其特征在于,所述步骤S1中,对采集的二维码图像进行预处理包括:进行灰度化处理、二值化处理和形态学开闭运算。
4.根据权利要求1所述的校正修复方法,其特征在于,所述步骤S2具体包括:
S21、以点集中距离像素原点欧氏距离最小的点为起点,取整个点集数量的像素坐标;
S22、以点集中横坐标最小的像素点为起点,取整个点集数量的像素坐标;
S23、采用迭代加权最小二乘直线拟合方法进行直线拟合;
S24、对拟合后的直线组进行离散程度检测,选取拟合效果最好的作为定位直线;
S25、基于所述定位直线对图像进行旋转校正,获得角度为正的二维码图像。
5.根据权利要求1所述的校正修复方法,其特征在于,所述步骤S3具体包括:
S31、根据二维码激光打标操作性质,分别在水平方向和垂直方向遍历校正后的包含二维码内容的图像,寻找二维码外轮廓;
S32、指定规则为直线经过的白色像素数大于2.5倍定位框外轮廓的任一条直线作为外轮廓,提取二维码图像精确轮廓,实现二维码图像精定位。
6.根据权利要求1所述的校正修复方法,其特征在于,所述步骤S4具体包括:
S41、对二值化的二维码图像进行水平方向和垂直方向上的像素遍历,记录每一方向上像素的灰度,形成灰度排列列表;
S42、设定分割阈值,计算相邻两列表元素的偏差率,如果偏差率大于设定阈值则视为存在分块,通过遍历整个二维码图像将二维码进行行列自适应分块;
S43、对分块后的二维码图像编号,根据每块中像素占比进行像素填充;
S44、根据编号进行重新排序,构成重绘二维码图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111327862.1A CN114036968B (zh) | 2021-11-10 | 2021-11-10 | 一种钢卷表面激光标识模糊二维码图像的校正修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111327862.1A CN114036968B (zh) | 2021-11-10 | 2021-11-10 | 一种钢卷表面激光标识模糊二维码图像的校正修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114036968A CN114036968A (zh) | 2022-02-11 |
CN114036968B true CN114036968B (zh) | 2024-03-01 |
Family
ID=80137163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111327862.1A Active CN114036968B (zh) | 2021-11-10 | 2021-11-10 | 一种钢卷表面激光标识模糊二维码图像的校正修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114036968B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449534B (zh) * | 2021-06-28 | 2023-03-28 | 歌尔股份有限公司 | 二维码图像处理方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298947A (zh) * | 2014-08-15 | 2015-01-21 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种对二维条码精确定位的方法及装置 |
CN104573597A (zh) * | 2013-10-10 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种二维码识别方法,及装置 |
CN104636701A (zh) * | 2014-12-12 | 2015-05-20 | 浙江工业大学 | 一种基于图像修复的激光二维码识别方法 |
CN105787413A (zh) * | 2016-02-04 | 2016-07-20 | 中国联合网络通信集团有限公司 | 一种二维码内容显示区域的定位方法及装置 |
CN108875735A (zh) * | 2018-05-25 | 2018-11-23 | 昆山湖大机器人技术有限公司 | 钢板生产线点阵喷码字符自动检测方法 |
CN109325381A (zh) * | 2018-08-13 | 2019-02-12 | 佛山市顺德区中山大学研究院 | 一种寻像图形缺失一处的qr码定位和校正算法 |
CN111783493A (zh) * | 2020-06-18 | 2020-10-16 | 福州富昌维控电子科技有限公司 | 一种批量二维码的识别方法及识别终端 |
CN111931537A (zh) * | 2020-06-19 | 2020-11-13 | 广东奥普特科技股份有限公司 | 一种颗粒状qr二维码定位方法 |
CN112418027A (zh) * | 2020-11-11 | 2021-02-26 | 青岛科技大学 | 一种改进U-Net网络的遥感影像道路提取方法 |
CN112651259A (zh) * | 2020-12-29 | 2021-04-13 | 芜湖哈特机器人产业技术研究院有限公司 | 二维码的定位方法、基于二维码的移动机器人定位方法 |
CN113313226A (zh) * | 2021-07-29 | 2021-08-27 | 北京紫光青藤微系统有限公司 | 用于确定dm码版本信息的方法及装置、设备、存储介质 |
-
2021
- 2021-11-10 CN CN202111327862.1A patent/CN114036968B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573597A (zh) * | 2013-10-10 | 2015-04-29 | 腾讯科技(深圳)有限公司 | 一种二维码识别方法,及装置 |
CN104298947A (zh) * | 2014-08-15 | 2015-01-21 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种对二维条码精确定位的方法及装置 |
CN104636701A (zh) * | 2014-12-12 | 2015-05-20 | 浙江工业大学 | 一种基于图像修复的激光二维码识别方法 |
CN105787413A (zh) * | 2016-02-04 | 2016-07-20 | 中国联合网络通信集团有限公司 | 一种二维码内容显示区域的定位方法及装置 |
CN108875735A (zh) * | 2018-05-25 | 2018-11-23 | 昆山湖大机器人技术有限公司 | 钢板生产线点阵喷码字符自动检测方法 |
CN109325381A (zh) * | 2018-08-13 | 2019-02-12 | 佛山市顺德区中山大学研究院 | 一种寻像图形缺失一处的qr码定位和校正算法 |
CN111783493A (zh) * | 2020-06-18 | 2020-10-16 | 福州富昌维控电子科技有限公司 | 一种批量二维码的识别方法及识别终端 |
CN111931537A (zh) * | 2020-06-19 | 2020-11-13 | 广东奥普特科技股份有限公司 | 一种颗粒状qr二维码定位方法 |
CN112418027A (zh) * | 2020-11-11 | 2021-02-26 | 青岛科技大学 | 一种改进U-Net网络的遥感影像道路提取方法 |
CN112651259A (zh) * | 2020-12-29 | 2021-04-13 | 芜湖哈特机器人产业技术研究院有限公司 | 二维码的定位方法、基于二维码的移动机器人定位方法 |
CN113313226A (zh) * | 2021-07-29 | 2021-08-27 | 北京紫光青藤微系统有限公司 | 用于确定dm码版本信息的方法及装置、设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114036968A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596066B (zh) | 一种基于卷积神经网络的字符识别方法 | |
CN102945368B (zh) | 啤酒瓶盖激光字符的定位识别方法 | |
CN109784344B (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
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 | |
CN108875735B (zh) | 钢板生产线点阵喷码字符自动检测方法 | |
CN112131963B (zh) | 一种基于行驶方向结构特征约束的道路标识线提取方法 | |
CN104616009A (zh) | 一种字符切割识别方法 | |
CN108596166A (zh) | 一种基于卷积神经网络分类的集装箱箱号识别方法 | |
CN105260693A (zh) | 一种激光二维码定位方法 | |
CN102096795A (zh) | 磨损二维条码图像识别方法 | |
CN112233116B (zh) | 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法 | |
CN101398895A (zh) | 一种数据矩阵(dm)二维条形码识别的图像预处理方法 | |
CN110348451A (zh) | 铁路集装箱装卸过程中的箱号自动采集及识别方法 | |
CN109034019B (zh) | 一种基于行分割线的黄色双行车牌字符分割方法 | |
CN114036968B (zh) | 一种钢卷表面激光标识模糊二维码图像的校正修复方法 | |
CN112560538B (zh) | 一种根据图像冗余信息快速定位受损qr码的方法 | |
CN111598104B (zh) | 一种车牌字符识别方法及其系统 | |
CN112184725B (zh) | 一种沥青路面图像的结构光光条中心提取方法 | |
CN108596925A (zh) | 基于视觉的太阳花模组表面螺钉孔位置图像处理方法 | |
CN112767359A (zh) | 复杂背景下的钢板角点检测方法及系统 | |
CN111860501A (zh) | 基于形状匹配的高铁高度调整杆脱出故障图像识别方法 | |
CN114913177A (zh) | 一种基于霍夫圆的汽车零部件缺陷检测方法 | |
CN114387592B (zh) | 一种复杂背景下字符定位和识别方法 | |
CN115456003A (zh) | 一种dpm二维码的识别方法及存储介质 | |
CN116052152A (zh) | 一种基于轮廓检测和深度神经网络的车牌识别系统 |
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 |