CN114222143B - 一种基于微小图像的编解码方法 - Google Patents

Abstract

本发明公开了一种利用微小图像进行信息编码的方式，为特定的商标进行定制。首先，设计了基于三角形的编码方式，利用三角形的顶点朝向(左或右)与5种颜色(红黄蓝绿黑)进行编码。然后利用数字图像处理的方法对图案进行了解码，最后对于商标上的编码图案所在位置进行了定位，以便于放大解码。此编码方式具有独创性，能够在2mm*18mm的空间上存储一定信息量。解码方式以及定位方式通过合理的算法设计，具有较高鲁棒性。对于商标在极其狭小的空间存储一定信息提供了有效的解决方案。

Description

一种基于微小图像的编解码方法

技术领域

本发明属于数字图像处理领域，涉及一种基于商标的文字编码为图案与图案识别解码方式，具体涉及一种基于微小图像的编解码方法。

背景技术

信息时代的来临，使得一些商标希望能够携带一些文字信息，可以用来对商品进行简单介绍，以及其他相关信息。二维码往往可以携带大量信息，并具有较好的识别效果，但在有一些商标上，二维码碍于体积限制，有时无法使得二维码变得如此之小，并且二维码是方形的，在一定程度上无法与商标完全契合，影响美观，所以需要根据商标图案特点，对其进行定制携带文字的图案，并能通过手机拍照的方式，对图案进行解码。

发明内容

发明目的：本发明设计了一种图案，能够适用于指定商标，携带一定量文字信息，并且能够进行解码，通过手机拍照商标，可以获取得到文字信息。

技术方案如下：

一种基于微小图像的编解码方法，其特征在于，依次包括：

(1)编码图案以及编码方式；

(2)对原始商标进行定位的方式；

(3)对编码图案进行解码的方式。

作为本发明的进一步改进，所述编码图案以及编码方式，具体步骤如下：

(2-1)定义了边长为1mm的等边三角形作为基本元素，每一个三角形包含两种信息，方向信息(向左为1，向右为2)，颜色信息(红色为3，黄色为4，蓝色为5，绿色为6，黑色为7)，在绘图时，红色为RGB(255,0,0)，黄色为(255,255,0)，蓝色为RGB(0,0,255)，绿色为RGB(0,255,0)，黑色为RGB(0,0,0)；

(2-2)利用两个连续的三角形表示一个字符，需要保证这两个三角形朝向一致，编码方式采用三位数字编码，

X₁X₂X₃

X₁为两个三角形的共同朝向，X₂为第一个三角形的颜色信息，X₃为第二个三角形的颜色信息

通过简单的排列组合，

共可对40个字符进行编码，在此包括了26个英文字母，以及0～9是个数字；

在此，同时规定，

1)两个三角形颜色不可相同，

2)两个三角形颜色顺序不同则对应字符不同。

具体编码方式与对应字符关系如下图

字符	编码	字符	编码
				a	134	s	175
b	135	t	176
				c	136	u	234
d	137	v	235
				e	143	w	236
f	145	x	237
				g	146	y	243
h	147	z	245
				i	153	0	246
j	154	1	247
				k	156	2	253
l	157	3	254
				m	163	4	256
n	164	5	257
				o	165	6	263
p	167	7	264
				q	173	8	265
r	174	9	267

。

作为本发明的进一步改进，所述的对原始商标进行定位的方式为，将商标绘制于商标的指定位置，在识别时，需要对其进行定位，具体步骤如下：

(3-1)对于任意角度、位置，利用手机进行拍照，可定位至指定位置区域，该区域为2mm*18mm区域；

(3-2)任意位置拍照后，进行二值化，由于该商标大致可用一个矩形进行框出，并且是拍照后主要图像，于是采用轮廓检测函数findCounters，并调用minAreaRect，绘制出包围该轮廓的最小矩形，并利用RotatedRect保存此图中所有检测到的矩形的数据；

(3-3)根据保存的所有矩形，基于实际情况，除去整幅图这一个最大的矩形，将商标围起来的矩形为最大矩形，将矩形面积作为排序原则，得到目标矩形。矩形面积计算，由RotatedRect类可得：

S＝rotatedRect.size.height*rotatedRect.size.width

(3-4)对于得到的矩形，需要进行旋转，使其“方向”处于正的位置。这里以矩形的中心作为旋转中心，通过getRotationMatrix得到旋转矩阵，其功能以输入点center为旋转中心，输入角度θ为度数的旋转矩阵M，

其中α＝scale·cosθ

β＝scale·sinθ

输入中心为RotatedRect的中心，输入角度为rotatedRect的角度，在这里scale将其设置为1，其意义是与原图大小一致，对于旋转后的图案，任意一点的坐标为

其中为转动后的坐标；

得到对应的转动矩阵后，利用warpAffine对二值图进行旋转，得到了旋转后的图，并将空余部分以纯白色进行填补。同时对原图进行旋转；

(3-5)对于得到的二值图，求解一阶差分，与二阶差分。由于在2*18mmmm处存在白色区域，两侧为边缘，所以在此应有较大突变；

(3-6)对于差分结果，两者结合，得到变化剧烈的地方，成功定位。

作为本发明的进一步改进，所述对编码图案进行解码的方式为，对于编码图案，进行解码，得到图案所蕴含的信息，具体步骤如下：

(4-1)对编码图案进行中值滤波，其目的在于减少干扰，尽可能除去椒盐噪声；

(4-2)对编码图案进行白平衡，其目的在于减少由于拍照所带来的光照对颜色的影响；

(4-3)定义了点类(class dir)：用于存储点的点的横纵坐标以及点的序号；

点集类(class pointnum)：用于将点类进行整合，便于后续操作；

三角形类(class triangle)：用于将连续的三个点进行整合为一个三角形，并获取三角形所对应的编码信息；

文字序列类(class array_line)：对三角形类进行整合，并得到最终的编码信息；

(4-4)对于中值滤波后的图像，进行二值化并进行角点检测，得到角点，在这里尽可能产生较多的角点。对于得到的角点，按照纵坐标进行排序；

(4-5)通过分析可以得到，中间的角点应多于两侧，所以大致得到中轴线的横坐标the_median_ray，设定阈值min_distance,如果满足连续两个点横坐标满足

|x-the_median_ray|＜min_distance

那么说明这两个点距离很近，差异不大，实际可能只有一个点，但由于参数不适宜的原因，导致同一个三角形的角检测出两个角点，对他们进行合并，并删除这两个点，新的点横坐标与纵坐标满足：

x_new＝the_median_ray

y_new＝(y₁+y₂)/2

经过上述步骤，对于中轴线上的点进行了一次过滤；

(4-6)紧接着对于三角形的所有顶点进行过滤筛选，首先对左侧(右侧方法同左侧)

首先找到最小的横坐标min_x_ray，然后仍然采用阈值法，对于距离顶点所在横坐标较近的点进行合并

|x-min_x_ray|＜min_distance

合并方法为：

x_new＝min_x_ray

y_new＝(y₁+y₂)/2

通过上述方法，已经可以基本得到所期望点集，但对于处于顶点横坐标与中轴线中间的点仍然存在干扰，于是对于满足下列条件的点直接进行删除：

|x-the_median_ray|＜min_distance

或

|x-min_x_ray|＜min_distance

或

|x-max_x_ray|＜min_distance

(4-7)为了进一步保证准确率与鲁棒性，直接将距离近的点进行合并，直接取他们的中点，通过上述滤波，去除操作，可以较好的得到所需的37个点。然后将其连续的三个点合成为三角形，并获取颜色朝向信息；

(4-8)对于颜色获取，取三角形中心，对其邻域内的点取均值，得到对应RGB；

对于颜色的判定，由于含有RGB三种原色以及黑色，使得判定十分简单；

这里的判定方法是：首先确定RGB三者最大值，

1)如果R最大，那么有三种可能，红，黄，黑，然后判定按照如下公式进行判定：

|B-G|＞threshold1

且|R-G|＜theshold2

则为黄色，颜色信息为4

如果满足|R-G|＜theshold2

且R<theshold3

则为黑色，颜色信息为7

为了鲁棒性，增加了

|R-G|＞threshold2

判定公式，用以进一步确认是否为红色，颜色信息为3；

2)如果G最大，采用同样的方式进行判定，有绿，黄，黑三种可能，

若|B-R|＞threshold

且|R-G|＜theshold2

则为黄色，颜色信息为4

如果满足|R-G|＜theshold2

G<theshold3

则为黑色，颜色信息为7

如果

|R-G|＞theshold2

则为绿色，颜色信息为6；

3)对于B最大，则不可能出现黄色，只可能为黑色与蓝色，

此时只需判定满足

B>threshold

则为蓝色，颜色编码信息为5

反之则为黑色，颜色编码信息为7；

(4-9)将得到的颜色信息进行整合的规则如下，每两个三角形进行配对，二者方向应一致，颜色信息按照次序排列，得到前述编码信息，对照编码表，得到最终的对应字母信息。

与现有技术相比，本发明的有益效果在于：具有独创性，能够在2mm*18mm的空间上存储一定信息量；解码方式以及定位方式通过合理的算法设计，具有较高鲁棒性；对于商标在极其狭小的空间存储一定信息提供了有效的解决方案。

附图说明

图1为本发明的流程图；

图2为设计的编码图案实例；

图3为商标拍照图案；

图4为商品拍照获取的图案；

图5为商标进行旋转后的图；

图6为差分运算结果；

图7为定位后的图案；

图8为初步角点检测图；

图9为角点进行筛选后的图；

图10为最终的结果。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

如图1所示，本发明一种基于微小图像的编解码方法，依次包括：(1)编码图案以及编码方式；(2)对原始商标进行定位的方式；(3)对编码图案进行解码的方式。

(1)图片获取

可使用手机、相机对商标进行拍照，拍照时，应避免距离过远，尽量保持，与直面处于平行状态，尽可能的使得商标足够大。

(2)编码图案

在这里，我们将以字母信息“BC301QR53”作为示例，得到其对应的编码图，并进行解码。查询编码表，那么可以依次得到，如下编码

135/136/253/165/246/173/174/256/253

对于135，那么第一、二个三角形，应朝左，颜色依次为红、蓝；

对于136，第三、四个三角形，朝左，颜色依次为，红、绿；

对于253，第五、六个三角形，朝右，颜色依次为，蓝、红；

对于165，第七、八个三角形，朝左，颜色依次为，绿、蓝；

对于246，第九、十个三角形，朝右，颜色依次为，黄、绿；

对于173，第十一、十二个三角形，朝左，颜色依次为，黑、红；

对于174，第十三、十四个三角形，朝左，颜色依次为，黑、黄；

对于256，第十五、十六个三角形，朝右，颜色依次为，蓝、绿；

对于253，第十七、十八个三角形，朝右，颜色依次为，蓝、红；

绘制的图案见附图1。

(3)商标定位方式

这里进行了一张侧面的拍照，如附图2，

首先通过阈值分割，阈值大小约为140左右，得到了附图3所示的二值图，可以清晰的看见，背景色，与商标色能够较好的分开。

然后通过轮廓检测函数findCounters，并调用minAreaRect,绘制出包围该轮廓的最小矩形，并利用RotatedRect保存此图中所有检测到的矩形的数据。

对于RotatedRect，其保存了矩形中心的位置，矩形方向信息，根据这两个信息，计算得到

其中α＝scale·cosθ

β＝scale·sinθ

利用M矩阵，对原图进行旋转，得到了正的商标图，如附图4。

对于附图4，计算每一列的灰度值(对二值图进行计算)，进一步求解得到一阶、二阶差分序列，并绘得差分运算结果示意图图5(直方图描述)由此得到剧烈变化的位置横坐标，即定位点。

然后对原图进行旋转，并绘制定位后的区域，如附图6。

(4)对于图案，进行解码

这里，首先对图案进行了中值滤波去除椒盐噪声。

然后，运用Shi-tomas角点检测，基于图像本身进行调参，角点数目设置为100，最小欧式距离为0.04，质量等级为0.01，得到如附图7的角点。

中间的角点应多于两侧，所以大致得到中轴线的横坐标the_median_ray，设定阈值min_distance,如果满足连续两个点横坐标满足

|x-the_median_ray|＜min_distance

那么说明这两个点距离很近，差异不大，实际可能只有一个点，但由于参数不适宜的原因，导致同一个三角形的角检测出两个角点，对他们进行合并，并删除这两个点，新的点横坐标与纵坐标满足：

x_new＝the_median_ray

y_new＝(y₁+y₂)/2

经过上述步骤，对于中轴线上的点进行了一次过滤。

紧接着对于三角形的所有顶点进行过滤筛选，首先对左侧(右侧方法同左侧)

首先找到最小的横坐标min_x_ray，然后仍然采用阈值法，对于距离顶点所在横坐标较近的点进行合并

|x-min_x_ray|＜min_distance

合并方法为：

x_new＝min_x_ray

y_new＝(y₁+y₂)/2

通过上述方法，已经可以基本得到所期望点集，但对于处于顶点横坐标与中轴线中间的点仍然存在干扰，于是对于满足下列条件的点直接进行删除：

|x-the_median_ray|＜min_distance

或

|x-min_x_ray|＜min_distance

或

|x-max_x_ray|＜min_distance

经过筛选，可以得到较为精准的角点检测，如附图8

然后运用上述颜色选取方案，得到每个三角形编码，如附图9。

最后整和编码信息，得到最终文字(如附图9)，与预设的文字信息进行校验，十分吻合。

本发明为特定商标设计，在实际中，会将编码图案内嵌于识别区域。其中编码方式与编码图案选择方式具有一定的独创性，可用于推广，适用于微小的空间存储一定信息，信息量为少量字母方式。另外对于特定情况也可进行扩展，具有较好的延伸性。

Claims (1)

1.一种基于微小图像的编解码方式，其特征在于，依次包括：

(1)编码图案以及编码方式；

(2)对原始商标进行定位的方式；

(3)对编码图案进行解码的方式；

所述编码图案以及编码方式，具体步骤如下：

(2-1)定义边长为1mm的等边三角形作为基本元素，每一个三角形包含两种信息，方向信息和颜色信息，其中，向左为1，向右为2，红色为3，黄色为4，蓝色为5，绿色为6，黑色为7，在绘图时，红色为RGB(255，0，0)，黄色为(255，255，0)，蓝色为RGB(0，0，255)，绿色为RGB(0，255，0)，黑色为RGB(0，0，0)；

(2-2)利用两个连续的三角形表示一个字符，需要保证这两个三角形朝向一致，编码方式采用三位数字编码，

X₁ X₂ X₃

其中，X₁为两个三角形的共同朝向，X₂为第一个三角形的颜色信息，X₃为第二个三角形的颜色信息；

通过简单的排列组合，

共可对40个字符进行编码，在此包括了26个英文字母，以及0～9十个数字；

在此，同时规定，

1)两个三角形颜色不可相同，

2)两个三角形颜色顺序不同则对应字符不同；

具体编码方式与对应字符关系如下表

字符 编码 字符 编码 a 134 s 175 b 135 t 176 c 136 u 234 d 137 v 235 e 143 w 236 f 145 x 237 g 146 y 243 h 147 z 245 i 153 0 246 j 154 1 247 k 156 2 253 l 157 3 254 m 163 4 256 n 164 5 257 o 165 6 263 p 167 7 264 q 173 8 265 r 174 9 267

所述对原始商标进行定位的方式为：将商标绘制于商标的指定位置，在识别时，需要对其进行定位，具体步骤如下：

(3-1)对于任意角度、位置，利用手机进行拍照，可定位至指定位置区域，该区域为2mm*18mm区域；

(3-2)任意位置拍照后，进行二值化，由于该商标可用一个矩形进行框出，并且是拍照后主要图像，于是采用轮廓检测函数findCounters，并调用minAreaRect,绘制出包围该轮廓的最小矩形，并利用RotatedRect保存此图中所有检测到的矩形的数据；

(3-3)根据保存的所有矩形，基于实际情况，除去整幅图中一个最大的矩形，将商标围起来的矩形为最大矩形，将矩形面积作为排序原则，得到目标矩形，矩形面积计算，由RotatedRect类可得：

S＝rotaedRect.size.height*rotatedRect.size.width

(3-4)对于得到的矩形，需要进行旋转，使其“方向”处于正的位置，以矩形的中心作为旋转中心，通过getRotationMatrix得到旋转矩阵，其功能以输入点center为旋转中心，输入角度θ为度数的旋转矩阵M，

其中α＝scale·cosθ

β＝scale·sinθ

输入中心为RotatedRect的中心，输入角度为rotatedRect的角度，在这里scale将其设置为1，其意义是与原图大小一致，对于旋转后的图案，任意一点的坐标为

其中为转动后的坐标；

得到对应的转动矩阵后，利用warpAffine对二值图进行旋转，得到了旋转后的图，并将空余部分以纯白色进行填补，同时对原图进行旋转；

(3-5)对于得到的二值图，求解一阶差分，与二阶差分，由于在2*18mmmm处存在白色区域，两侧为边缘，所以在此应有较大突变；

(3-6)对于差分结果，两者结合，得到变化剧烈的地方，成功定位；

所述对编码图案进行解码的方式为：对编码图案，进行解码，得到图案所蕴含的信息，具体步骤如下：

(4-1)对编码图案进行中值滤波，其目的在于减少干扰，尽可能除去椒盐噪声；

(4-2)对编码图案进行白平衡，其目的在于减少由于拍照所带来的光照对颜色的影响；

(4-3)定义点类class dir：用于存储点的点的横纵坐标以及点的序号；

点集类class pointnum：用于将点类进行整合，便于后续操作；

三角形类class triangle：用于将连续的三个点进行整合为一个三角形，并获取三角形所对应的编码信息；

文字序列类class array_line：对三角形类进行整合，并得到最终的编码信息；

(4-4)对于中值滤波后的图像，进行二值化并进行角点检测，得到角点，在这里尽可能产生较多的角点，对于得到的角点，按照纵坐标进行排序；

(4-5)通过分析可以得到，中间的角点应多于两侧，所以得到中轴线的横坐标the_median_ray，设定阈值min_distance，如果满足连续两个点横坐标满足

|x-the_median_ray|<min_distance

那么说明这两个点距离很近，差异不大，实际可能只有一个点，但由于参数不适宜的原因，导致同一个三角形的角检测出两个角点，对他们进行合并，并删除这两个点，新的点横坐标与纵坐标满足：

x_new＝the_median_ray

y_new＝(y₁+y₂)/2

经过上述步骤，对于中轴线上的点进行了一次过滤；

(4-6)紧接着对于三角形的所有顶点进行过滤筛选，首先对左侧，其中，右侧方法同左侧，具体步骤如下：

首先找到最小的横坐标min_x_ray，然后仍然采用阈值法，对于距离顶点所在横坐标较近的点进行合并

|x-min_x_ray|<min_distance

合并方法为：

x_new＝min_x_ray

y_new＝(y₁+y₂)/2

通过上述方法，已经可以基本得到所期望点集，但对于处于顶点横坐标与中轴线中间的点仍然存在干扰，于是对于满足下列条件的点直接进行删除：

|x-the_median_ray|<min_distance

或

|x-min_x_ray|<min_distance

或

|x-max_x_ray|<min_distance

(4-7)为了进一步保证准确率与鲁棒性，直接将距离近的点进行合并，直接取他们的中点，通过上述滤波，去除操作，可以较好的得到所需的37个点，然后将其连续的三个点合成为三角形，并获取颜色朝向信息；

(4-8)对于颜色获取，取三角形中心，对其邻域内的点取均值，得到对应RGB；

对于颜色的判定，由于含有RGB三种原色以及黑色，使得判定十分简单；

这里的判定方法是：首先确定RGB三者最大值，

1)如果R最大，那么有三种可能，红，黄，黑，然后判定按照如下公式进行判定：

|B-G|>threshold1

且|R-G|<theshold2

则为黄色，颜色信息为4

如果满足|R-G|<theshold2

且R<theshold3

则为黑色，颜色信息为7

为了鲁棒性，增加了

|R-G|>theshold2

判定公式，用以进一步确认是否为红色，颜色信息为3；

2)如果G最大，采用同样的方式进行判定，有绿，黄，黑三种可能，

若|B-R|>theshold

且|R-G|<theshold2

则为黄色，颜色信息为4

如果满足|R-G|<theshold2

G<theshold3

则为黑色，颜色信息为7

如果

|R-G|>theshold2

则为绿色，颜色信息为6；

3)对于B最大，则不可能出现黄色，只可能为黑色与蓝色，

此时只需判定满足

B>threshold

则为蓝色，颜色编码信息为5

反之则为黑色，颜色编码信息为7；

(4-9)将得到的颜色信息进行整合的规则如下，每两个三角形进行配对，二者方向应一致，颜色信息按照次序排列，得到前述编码信息，对照编码表，得到最终的对应字母信息。