CN114239635B - 一种针对doi图像涂鸦的处理方法、装置及设备 - Google Patents
一种针对doi图像涂鸦的处理方法、装置及设备 Download PDFInfo
- Publication number
- CN114239635B CN114239635B CN202111583047.1A CN202111583047A CN114239635B CN 114239635 B CN114239635 B CN 114239635B CN 202111583047 A CN202111583047 A CN 202111583047A CN 114239635 B CN114239635 B CN 114239635B
- Authority
- CN
- China
- Prior art keywords
- component
- doi
- image
- sub
- component value
- 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
- 238000003672 processing method Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000009825 accumulation Methods 0.000 claims description 81
- 238000012937 correction Methods 0.000 claims description 23
- 230000000875 corresponding effect Effects 0.000 claims description 23
- 230000001186 cumulative effect Effects 0.000 claims description 16
- 238000003702 image correction Methods 0.000 claims description 13
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 241000023320 Luma <angiosperm> Species 0.000 claims 2
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012827 research and development 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
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
- G06K7/1473—Methods for optical code recognition the method including quality enhancement steps error correction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
Abstract
本说明书实施例公开了一种针对DOI图像涂鸦的处理方法,包括:获取数字对象唯一标识符DOI图像,DOI图像中的DOI是非彩色的;生成DOI图像的色度分量直方图;根据色度分量直方图,识别DOI图像中是否存在彩色涂鸦;若是,则根据DOI图像的色度分量,对DOI图像的亮度分量进行校正,得到校正图像,以便对校正图像进行DOI识别和解码。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种针对DOI图像涂鸦的处理方法、装置及设备。
背景技术
数字对象唯一标识符(Digital Object Unique Identifier,DOI),是一套识别数字资源的机制。DOI的体现形式主要包括:二维码、条码、字符码与网络域名等。DOI具有数字对象唯一性、持久性与兼容性等特征。
现实中被记号笔涂鸦过的DOI图像经常碰到。比如,快递员在收发快递时,为了方便人工分挑或查找,通常会在快递面单上用记号笔进行标记,而标记时很容易涂到快递单的DOI上。多数的情况下,会直接将涂鸦过DOI图像进行灰度化,直接灰度化后涂鸦位置形成黑色条纹,导致涂鸦位置与DOI自身的颜色混淆,导致解码困难或失败。
基于此,现需要一种针对DOI图像涂鸦更有效的处理方法。
发明内容
本说明书一个或多个实施例提供了一种针对DOI图像涂鸦的处理方法、装置及设备,用于解决如下技术问题:
被涂鸦的DOI图像在处理时,多数情况会直接将涂鸦过DOI图像进行灰度化,直接灰度化后涂鸦位置形成黑色条纹,导致涂鸦位置与DOI自身的颜色混淆,导致解码困难或失败。
本说明书一个或多个实施例采用下述技术方案:
本说明书一个或多个实施例提供一种针对DOI图像涂鸦的处理方法,包括:
获取DOI图像,所述DOI图像中的DOI是非彩色的;
生成所述DOI图像的色度分量直方图;
根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦;
若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供一种针对DOI图像涂鸦的处理方法,包括:
获取DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量;
生成所述DOI图像的所述第一类分量直方图;
根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量;
通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦;
若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供一种针对DOI图像涂鸦的处理装置,包括:
图像获取单元,获取DOI图像,所述DOI图像中的DOI是非彩色的;
直方图生成单元,生成所述DOI图像的色度分量直方图;
彩色涂鸦识别单元,根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦;
第一图像校正单元,若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供一种针对DOI图像涂鸦的处理装置,包括:
DOI图像获取单元,获取DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量;
分量直方图生成单元,生成所述DOI图像的所述第一类分量直方图;
像素累积数量确定单元,根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量;
涂鸦识别单元,通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦;
第二图像校正单元,若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供一种针对DOI图像涂鸦的处理设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取DOI图像,所述DOI图像中的DOI是非彩色的;
生成所述DOI图像的色度分量直方图;
根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦;
若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供一种针对DOI图像涂鸦的处理设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量;
生成所述DOI图像的所述第一类分量直方图;
根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量;
通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦;
若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
获取DOI图像,所述DOI图像中的DOI是非彩色的;
生成所述DOI图像的色度分量直方图;
根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦;
若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
获取DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量;
生成所述DOI图像的所述第一类分量直方图;
根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量;
通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦;
若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
(1)本说明书实施例中的DOI为非彩色时,通过DOI图像生成色度分量直方图,并根据色度分量直方图可以准确的识别该DOI图像中是否存在彩色涂鸦,进而指示后续是否需要进行校正,若该DOI图像中不存在彩色涂鸦,该DOI图像中DOI的识别解码不会受到影响,可以直接进行。若存在彩色涂鸦的情况,本说明书实施例再通过DOI图像的色度分量对DOI图像的亮度分量进行校正,并通过校正图像进行DOI识别和解码,本说明书实施例针对亮度分量进行校正,可以适当增强彩色涂鸦的亮度分量,使得彩色涂鸦影响减弱,并且,可以适当减少DOI的亮度分量,使得DOI更容易识别解码,或者,不对DOI的亮度分量变化。
(2)本说明书实施例通过DOI图像生成第一类分量直方图,并根据第一类分量直方图中各分量取值范围的像素累积情况,可以准确的识别该DOI图像中是否存在涂鸦,进而指示后续是否需要进行校正,若该DOI图像中不存在涂鸦,该DOI图像中DOI的识别解码不会受到影响,可以直接进行。若存在涂鸦的情况,本说明书实施例再通过DOI图像的第一类分量对DOI图像的第二类分量进行校正,并通过校正图像进行DOI识别和解码,本说明书实施例针对第二类分量进行校正,可以适当增强涂鸦的第二类分量,使得涂鸦影响减弱,并且,可以适当减少DOI的第二类分量,使得DOI更容易识别解码,或者,不对DOI的第二类分量变化。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1a为本说明书一个或多个实施例提供的条码被红色涂鸦后直接灰度化的图像;
图1b为本说明书一个或多个实施例提供的条码被蓝色涂鸦后直接灰度化的图像;
图2为本说明书一个或多个实施例提供的一种针对DOI图像涂鸦的处理方法的流程示意图;
图3a为本说明书一个或多个实施例提供的被红色涂鸦的条码经过校正后的图像;
图3b为本说明书一个或多个实施例提供的被蓝色涂鸦的条码经过校正后的图像;
图4为本说明书一个或多个实施例提供的另一种针对DOI图像涂鸦的处理方法的流程示意图;
图5为本说明书实施例提供的一种涂鸦条码检测和校正方法流程示意图;
图6为本说明书一个或多个实施例提供的一种针对DOI图像涂鸦的处理装置的结构示意图;
图7为本说明书一个或多个实施例提供的另一种针对DOI图像涂鸦的处理装置的结构示意图;
图8为本说明书实施例还提供的一种涂鸦条码检测和校正装置的结构示意图;
图9为本说明书一个或多个实施例提供的一种针对DOI图像涂鸦的处理设备的结构示意图。
具体实施方式
本说明书实施例提供一种针对DOI图像涂鸦的处理方法、装置及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
DOI是识别数字资源的机制,DOI图像的体现形式主要包括:二维码、条码、字符码与网络域名等。随着科技的发展,DOI图像识别已逐渐应用到社会的各个行业,下面将主要以DOI中的条码为例进行说明:
条码识别主要是通过CMOS摄像头模组进行光学成像,然后由后端主控芯片中最核心的解码算法进行识别。由于条码解码算法没有统一的标准和处理流程,国内外不少扫码设备研发和生产厂商都有自己一套封闭的解码算法。条码解码算法的优劣主要表现在解码速度和对各种困难场景的条码处理上。
现实中被彩色笔涂鸦过的条码经常碰到。比如,快递员在收发快递时,为了方便人工分挑或查找,通常会在快递面单上用彩色笔进行标记,而标记时很容易涂到条码上。在现有技术中,往往直接将涂鸦过条码的彩色图片进行灰度化,如附图1a所示,为条码被红色涂鸦后直接灰度化的图像,如附图1b所示,为条码被蓝色涂鸦后直接灰度化的图像。直接灰度化后彩色涂鸦位置形成黑色条纹,导致涂鸦位置与条码自身的黑条混淆,导致解码困难或失败。
针对上述问题,以下结合附图,详细说明本说明书提供的技术方案。
图2为本说明书一个或多个实施例提供的一种针对DOI图像涂鸦的处理方法的流程示意图,该流程可以由有关DOI图像处理的相关单元执行,流程中的某些输入参数或者中间结果允许人工干预调节,以帮助提高准确性。
S202,获取数字对象唯一标识符DOI图像。
本说明书实施例中提及的DOI图像中的DOI可以为条码、二维码、字符码等非彩色的识别码。比如,应用在快递员对快递进行识别的场景,以及应用在图书管理员对图书进行识别的场景等。
为方便后续说明,本说明说实施例主要以DOI中的条码为例进行解释。
本说明书实施例可以在启动扫码后从摄像头获取一张待识别图像,并对该图像进行条码检测,得到条码的ROI区域(感兴趣区域),即在待识别图像中去除多余部分,只留下条码区域。
检测得到条码的ROI区域的算法比较多,可以通过计算待识别图像的梯度,得到梯度图像,然后对该梯度图像进行二值化和数学形态学的操作,然后找到最大联通区域作为条码区域。
或者,可以采用基于深度学习的目标检测模型,比如,RCNN、TOLO、SSD等,对待识别图像进行目标检测,确定出条码的ROI区域。
S204,生成DOI图像的色度分量直方图。
本说明书实施例可以根据DOI图像中各色度分量对应的像素累积值,生成色度分量直方图,并根据DOI图像中各亮度分量对应的像素累积值,生成亮度分量直方图。
本说明书实施例中的DOI图像的类型可以YUV图像,色度分量直方图可以为U分量直方图与V分量直方图,U分量直方图与V分量直方图皆可以表示为256阶数组,即U分量直方图中的各个U分量为uh[0]至uh[255],V分量直方图中的各个V分量为vh[0]至vh[255]。为了方便后续计算,可以对U分量直方图中的各个U分量与V分量直方图中的各个V分量进行下述的归一化处理:
其中i=0,…,255;
此外,本说明书实施例中DOI图像的类型也可以为RGB等其他图像类型,生成色度分量直方图与亮度直方图时只需根据对应图像类型操作。
S206,根据色度分量直方图,识别DOI图像中是否存在彩色涂鸦。
本说明书实施例可以先根据设定的大小相同的多个不同的色度分量取值范围,比如,色度分量的取值范围可以为[0,10]、[11,20]、[21,30]……[241,250]等,也可以为[0,4]、[5,9]、[10,14]……[250,254]等。在色度分量直方图中确定各色度分量取值范围的像素累积数量,此时的像素累积数量为各色度取值范围内的像素数量总和,比如,色度分量的取值范围为[0,4],将色度分量为0、1、2、3、4的像素累积值进行相加,求得色度分量的取值范围为[0,4]的像素累积数量。
然后通过判断各色度分量取值范围的像素累积数量是否处于设定范围内,识别DOI图像中是否存在彩色涂鸦。
本说明书实施例中的设定范围设置时,考虑条码为非彩色,占比相对较多,而彩色涂鸦占比相对较少,预定范围可以设定为小于非彩色的像素累积数量。但是,考虑到彩色涂鸦在识别时,占比过小也不会影响条码的识别和解码,只有在彩色涂鸦影响条码的识别和解码时,才需要进行识别是否存在彩色涂鸦,比如,彩色涂鸦只有一个小点,占比很小,也不会影响条码的识别和解码,此时就不再需要进行彩色涂鸦的识别。基于上述原因,预定范围还需要大于另一个设定值,该设定值是确保存在的彩色涂鸦是否影响条码的识别和解码。
本说明书实施例识别DOI图像中是否存在彩色涂鸦还可以通过其他的方式进行,下面详细进行说明:
本说明书实施例需要识别DOI图像中是否存在彩色涂鸦,非彩色的色度分量会造成干扰,所以,本说明书实施例还可以先设定非彩色的色度分量取值范围,设置时是根据DOI图像的类型进行。比如,图像类型为YUV图像时,可以将非彩色的色度分量取值范围设置为[128-t,128+t],t为非负整数。在该例子中,t具体取值多少可以根据实际情况确定,比如,可以将t设置为不小于3的整数。在一些实验中,将t设置为不小于10(比如直接设置为10)取得了较好的效果,这些取值可以作为参考。另外,t甚至可以设置为0,对于下面这种情况仍然可能取得较好的效果:假定DOI为黑色(色度分量取值为128),其正常的背景为白色(色度分量取值也为128),除了彩色涂鸦基本没有别的污渍。
然后,在色度分量直方图中,将非彩色的色度分量取值范围对应的像素数量设置为0,以去除非彩色的色度分量干扰。
进一步的,本说明书实施例中多个不同的色度分量取值范围覆盖了色度分量取值的完整范围,此时可以设定预设步长值的滑窗,滑窗的长度也可以根据实际情况进行设置,比如,滑窗的长度设置为5,步长值设置为1,色度分量的取值范围可以为[0,4]、[1,5]、[2,6]、[3,7]……[251,255]。
然后本说明书实施例在各色度分量取值范围的像素累积数量中,确定最大的像素累积数量,之后判断最大的像素累积数量是否大于设定阈值,若是,则判定DOI图像中存在彩色涂鸦。
本说明书实施例在去除非彩色的色度分量干扰时,可以将非彩色的U分量与V分量取值范围对应的像素数量均设置为0。此外,在确定最大的像素累积数量时,可以同时确定出U分量取值范围的像素累积数量中的最大值与V分量取值范围的像素累积数量中的最大值,并在两个最大值中选取最大值,作为最大的像素累积数量,之后判断该最大的像素累积数量是否大于设定阈值,若是,则判定DOI图像中存在彩色涂鸦。
确定U分量取值范围的像素累积数量中的最大值时,可以通过公式进行计算,其中,Su为U分量取值范围的像素累积数量中的最大值,max为取最大值,w为滑窗的长度,i与k为大于等于0的正整数。
同时,确定V分量取值范围的像素累积数量中的最大值时,可以通过公式 进行计算,其中,Sv为V分量取值范围的像素累积数量中的最大值,w为滑窗的长度,i与k为大于等于0的正整数。
进一步的,从U分量取值范围的像素累积数量中的最大值与V分量取值范围的像素累积数量中的最大值中,选出最大的像素累积数量时,可以通过公式G=max{Su,Sv}进行计算,G为最大的像素累积数量,此时G和设定阈值tg比较,若G>tg,则DOI图像中存在彩色涂鸦,其中,tg可以根据实际情况进行设定调整,tg可以选为0.05。
S208,若是,则根据DOI图像的色度分量,对DOI图像的亮度分量进行校正,得到校正图像,以便对校正图像进行DOI识别和解码。
由于DOI图像中存在彩色的像素,进而影响条码识别和解码,本说明书实施例可以根据DOI图像的色度分量,将DOI图像中色度分量值表示彩色的像素的亮度分量值向增大的方向进行校正,以削弱彩色的像素的亮度分量的影响。最后把校正后的亮度分量输入后续的条码解码器中进行识别解码。解码效果可以参见图3a示出的被红色涂鸦的条码经过校正后的图像,以及图3b示出的被蓝色涂鸦的条码经过校正后的图像,图3a中红色涂鸦部分与图3b中蓝色涂鸦部分经过亮度分量的增大后,使得条码部分被遮挡部分减弱,更容易进行条码识别和解码。
进一步的,本说明书实施例对于彩色涂鸦的DOI图像,且DOI图像的类型为YUV图像时,在校正过程,还可以针对DOI图像中的像素,确定像素的色度分量值与128之间的距离,由于在YUV图像中,黑色和白色的U分量与V分量均为128,且条码的颜色也大都以黑色和白色为主,所以,DOI图像的校正过程可以基于128进行。若距离不为零,说明存在非黑色和非白色的涂鸦情况,此时将像素的亮度分量值向增大的方向进行校正,增大的幅度与距离正相关。
具体的,比如应用下述公式进行DOI图像的校正:
Yn=Y+α*|U-128|+β*|V-128|,其中,Yn为校正后的亮度分量,Y为校正前的亮度分量,α和β为可独立配置的阈值,且为正数,α可以比如赋值为1.2,β比如赋值为1.5。把校正后的Yn输入后续的条码解码器中进行识别解码即可。
若DOI图像中不存在彩色涂鸦,则对DOI图像进行DOI识别和解码。未识别到彩色涂鸦时,不需要对DOI图像进行校正,可以直接将亮度分量输入后续的条码解码器中进行识别解码即可。
上述技术方案用于处理彩色笔涂鸦的条码,但涂鸦为非彩色时,可以通过下述方案:
图4为本说明书一个或多个实施例提供的另一种针对DOI图像涂鸦的处理方法的流程示意图,该流程可以由有关DOI图像处理的相关单元执行,流程中的某些输入参数或者中间结果允许人工干预调节,以帮助提高准确性。
S402,获取数字对象唯一标识符DOI图像。
DOI图像中的像素以多类分量进行表示,其中,多类分量可以包括第一类分量和第二类分量,第一类分量可以为色度分量,第二类分量可以亮度分量。
S404,生成DOI图像的第一类分量直方图;
S406,根据针对第一类分量设定的多个不同的分量取值范围,在第一类分量直方图中确定各分量取值范围的像素累积数量。
本说明书实施例中的第一类分量可以包括第三子分量和第四子分量。
在后续识别DOI图像中是否存在涂鸦之前,本说明书实施例可以提前去除DOI图像中DOI与预设的正常背景的干扰,通过下述方案:
根据针对第三子分量设定的多个不同的第三子分量取值范围,在第三子分类的直方图中确定各第三子分量取值范围的像素累积数量,并将DOI图像中DOI的第三子分量取值范围对应的像素数量,以及预设的正常背景的第三子分量取值范围对应的像素数量均设置为0,以去除DOI图像中DOI的第三子分量与预设的正常背景的第三子分量的干扰。
同时,根据针对第四子分量设定的多个不同的第四子分量取值范围,在第四子分类的直方图中确定各第三子分量取值范围的像素累积数量,并将DOI图像中DOI的第四子分量取值范围对应的像素数量,以及预设的正常背景的第四子分量取值范围对应的像素数量均设置为0,以去除DOI图像中DOI的第四子分量与预设的正常背景的第四子分量的干扰。
其中,预设的正常背景的第三子分量与第四子分量接近DOI的第三子分量与第四子分量,在后续识别DOI图像中是否存在涂鸦时,预设的正常背景不会被认定为涂鸦,比如,DOI图像的图像类型为YUV图像,第三子分量为U分量,第四子分量为V分量,此时,DOI的U分量为128,预设的正常背景的U分量可以处于[118,138]之间;DOI的V分量为128,预设的正常背景的V分量可以处于[118,138]之间。
S408,通过判断像素累积数量是否处于设定范围内,识别DOI图像中是否存在涂鸦,若是,则执行S410;若否,则执行S412。
由于S406已经提前去除DOI图像中DOI与预设的正常背景的干扰,本说明书实施例可以先确定各第三子分量取值范围的像素累积数量中的第一最大值,同时,确定各第四子分量取值范围的像素累积数量中的第二最大值,然后筛选第一最大值与第二最大值中的最大值,作为第三最大值,最后判断第三最大值是否大于预设值,识别DOI图像中是否存在涂鸦。
确定U分量取值范围的像素累积数量中的最大值时,可以通过公式进行计算,其中,Su为U分量取值范围的像素累积数量中的最大值,max为取最大值,w为滑窗的长度,i与k为大于等于0的正整数。
同时,确定V分量取值范围的像素累积数量中的最大值时,可以通过公式 进行计算,其中,Sv为V分量取值范围的像素累积数量中的最大值,w为滑窗的长度,i与k为大于等于0的正整数。
进一步的,从U分量取值范围的像素累积数量中的最大值与V分量取值范围的像素累积数量中的最大值中,选出最大的像素累积数量时,可以通过公式G=max{Su,Sv}进行计算,其中,G为最大的像素累积数量。
S410,则根据第一类分量,对第二类分量进行校正,得到校正图像,以便对校正图像进行DOI识别和解码。
S412,对DOI图像进行DOI识别和解码。
未识别到涂鸦时,不需要对DOI图像进行校正,可以直接将第二类分量输入后续的条码解码器中进行识别解码即可。
进一步的,本说明书实施例还提供了一种涂鸦条码检测和校正方法,其流程示意图参见图5。该方法中,先采集图像并提取条码ROI区域的YUV图像,然后统计ROI区域UV直方图,并进行归一化和修正,以及计算出涂鸦指数G,之后判断是否存在涂鸦,若是,则采用UV分量去校正Y分量,得到涂鸦校正后的的值Yn,并将校正后的Yn送入条码解码器;若否,将原Y分量送入条码解码器,其中的UV直方图可以为U分量直方图与V分量直方图。
需要说明的是,本说明书实施例提出的涂鸦条码检测和校正方法,能有效解决一些条码面单被涂改导致解码识别问题。
此外,本说明书实施例提出了从涂鸦条码检测和校正两个步骤来进行,能很好兼容条码没有被涂鸦的情况,对其不会造成不良影响。具有很高的鲁棒性。图6为本说明书一个或多个实施例提供的一种针对DOI图像涂鸦的处理装置的结构示意图,包括:图像获取单元602、直方图生成单元604、彩色涂鸦识别单元606与第一图像校正单元608。
图像获取单元602获取DOI图像,DOI图像中的DOI是非彩色的。
直方图生成单元604生成DOI图像的色度分量直方图。
彩色涂鸦识别单元606根据色度分量直方图,识别DOI图像中是否存在彩色涂鸦。
DOI图像中存在彩色涂鸦,则第一图像校正单元608根据DOI图像的色度分量,对DOI图像的亮度分量进行校正,得到校正图像,以便对校正图像进行DOI识别和解码。
进一步的,彩色涂鸦识别单元606执行根据色度分量直方图,识别DOI图像中是否存在彩色涂鸦时,具体包括:
根据设定的大小相同的多个不同的色度分量取值范围,在色度分量直方图中确定各色度分量取值范围的像素累积数量;
通过判断像素累积数量是否处于设定范围内,识别DOI图像中是否存在彩色涂鸦。
进一步的,彩色涂鸦识别单元606执行在色度分量直方图中确定各色度分量取值范围的像素累积数量之前,装置还包括:
范围设定单元610设定非彩色的色度分量取值范围;
像素数量设置单元612在色度分量直方图中,将非彩色的色度分量取值范围对应的像素数量设置为0。
进一步的,多个不同的色度分量取值范围覆盖了色度分量取值的完整范围;
彩色涂鸦识别单元606执行通过判断像素累积值是否处于设定范围内,识别DOI图像中是否存在彩色涂鸦时,具体包括:
在各色度分量取值范围的像素累积数量中,确定最大的像素累积数量;
判断最大的像素累积数量是否大于设定阈值,若是,则判定DOI图像中存在彩色涂鸦。
进一步的,DOI图像的图像类型为YUV图像,亮度分量为Y分量,色度分量为U分量和V分量;
范围设定单元612执行设定非彩色的色度分量取值范围时,具体包括:
在色度分量取值范围[128-t,128+t]内,设定非彩色的色度分量取值范围,其中,t为不小于3的非负整数。
进一步的,第一图像校正单元608执行根据DOI图像的色度分量,对DOI图像的亮度分量进行校正时,具体包括:
根据DOI图像的色度分量,将DOI图像中色度分量值表示彩色的像素的亮度分量值向增大的方向进行校正。
进一步的,第一图像校正单元608执行根据DOI图像的色度分量,对DOI图像的亮度分量进行校正,具体包括:
针对DOI图像中的像素,确定像素的色度分量值与128之间的距离;
若距离不为零,则将像素的亮度分量值向增大的方向进行校正,增大的幅度与距离正相关。
图7为本说明书一个或多个实施例提供的另一种针对DOI图像涂鸦的处理装置的结构示意图,包括:DOI图像获取单元702、分量直方图生成单元704、像素累积数量确定单元706、涂鸦识别单元708和第二图像校正单元710。
DOI图像获取单元702获取DOI图像,DOI图像中的像素以多类分量进行表示,多类分量包括第一类分量和第二类分量;
分量直方图生成单元704生成DOI图像的第一类分量直方图;
像素累积数量确定单元706根据针对第一类分量设定的多个不同的分量取值范围,在第一类分量直方图中确定各分量取值范围的像素累积数量;
涂鸦识别单元708通过判断像素累积数量是否处于设定范围内,识别DOI图像中是否存在涂鸦;
若DOI图像中存在涂鸦,则第二图像校正单元710根据第一类分量,对第二类分量进行校正,得到校正图像,以便对校正图像进行DOI识别和解码。
进一步的,第一类分量包括第三子分量和第四子分量;
像素累积数量确定单元706执行根据针对第一类分量设定的多个不同的分量取值范围,在第一类分量直方图中确定各分量取值范围的像素累积数量时,具体包括:
根据针对第三子分量设定的多个不同的第三子分量取值范围,在第三子分类的直方图中确定各第三子分量取值范围的像素累积数量,并将DOI图像中DOI的第三子分量取值范围对应的像素数量,以及预设的正常背景的第三子分量取值范围对应的像素数量均设置为0;
根据针对第四子分量设定的多个不同的第四子分量取值范围,在第四子分类的直方图中确定各第四子分量取值范围的像素累积数量,并将DOI图像中DOI的第四子分量取值范围对应的像素数量,以及预设的正常背景的第四子分量取值范围对应的像素数量均设置为0。
进一步的,涂鸦识别单元708执行通过判断像素累积数量是否处于设定范围内,识别DOI图像中是否存在涂鸦时,具体包括:
确定各第三子分量取值范围的像素累积数量中的第一最大值;
确定各第四子分量取值范围的像素累积数量中的第二最大值;
筛选第一最大值与第二最大值中的最大值,作为第三最大值;
判断第三最大值是否大于预设值,识别DOI图像中是否存在涂鸦。
进一步的,本说明书实施例还提供了一种涂鸦条码检测和校正装置,其结构示意图参见图8。该装置包括条码ROI图像输入模块、涂鸦检测模块和涂鸦校正模块。各模块处理过程如下:
条码ROI图像输入模块:用于获取条码ROI区域的YUV图像,作为涂鸦检测模块的输入。
涂鸦检测模块:用于检测图像是否存在涂鸦,分别包括U分量的直方图和V分量的直方图,并对其进行归一化和修正,计算出U分量的直方图和V分量的直方图的最大的像素累积数量和涂鸦指数G,最后根据涂鸦指数G判定是否存在涂鸦。
涂鸦校正模块:若涂鸦检测模块检测到存在涂鸦,那么会启动校正模块,采用UV分量值来校正Y分量,得到正后的Yn,并送入后续的条码解码器中进行识别解码。
图9为本说明书一个或多个实施例提供的一种针对DOI图像涂鸦的处理设备的结构示意图,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取DOI图像,所述DOI图像中的DOI是非彩色的;
生成所述DOI图像的色度分量直方图;
根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦;
若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供了另一种针对DOI图像涂鸦的处理设备的结构示意图,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量;
生成所述DOI图像的所述第一类分量直方图;
根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量;
通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦;
若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
获取DOI图像,所述DOI图像中的DOI是非彩色的;
生成所述DOI图像的色度分量直方图;
根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦;
若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书一个或多个实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
获取DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量;
生成所述DOI图像的所述第一类分量直方图;
根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量;
通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦;
若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (14)
1.一种针对DOI图像涂鸦的处理方法,包括:
获取数字对象唯一标识符DOI图像,所述DOI图像中的DOI是非彩色的;
生成所述DOI图像的色度分量直方图;
根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦,具体包括:根据设定的大小相同的多个不同的色度分量取值范围,在所述色度分量直方图中确定各所述色度分量取值范围的像素累积数量,在各所述色度分量取值范围的像素累积数量中,确定最大的像素累积数量,判断所述最大的像素累积数量是否大于设定阈值,若是,则判定所述DOI图像中存在彩色涂鸦;
若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码;
其中,所述在所述色度分量直方图中确定各所述色度分量取值范围的像素累积数量之前,所述方法还包括:设定非彩色的色度分量取值范围,在色度分量直方图中,将所述非彩色的色度分量取值范围对应的像素数量设置为0;
所述进行校正,具体包括:根据所述DOI图像的色度分量,将所述DOI图像中色度分量值表示彩色的像素的亮度分量值向增大的方向进行校正。
2.根据权利要求1所述的方法,所述多个不同的色度分量取值范围覆盖了色度分量取值的完整范围。
3.根据权利要求1所述的方法,所述DOI图像的图像类型为YUV图像,所述亮度分量为Y分量,所述色度分量为U分量和V分量;
所述设定非彩色的色度分量取值范围,具体包括:
在色度分量取值范围[128-t,128+t]内,设定非彩色的色度分量取值范围,其中,t为不小于3的非负整数。
4.根据权利要求3所述的方法,所述根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,具体包括:
针对所述DOI图像中的像素,确定所述像素的色度分量值与128之间的距离;
若所述距离不为零,则将所述像素的亮度分量值向增大的方向进行校正,所述增大的幅度与所述距离正相关。
5.一种针对DOI图像涂鸦的处理方法,包括:
获取数字对象唯一标识符DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量,所述第一类分量为色度分量,所述第二类分量为亮度分量,所述第一类分量包括第三子分量和第四子分量;
生成所述DOI图像的所述第一类分量直方图;
根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量,具体包括:将所述DOI图像中DOI的第三子分量取值范围和第四子分量取值范围对应的像素数量,以及预设的正常背景的第三子分量取值范围和第四子分量取值范围对应的像素数量均设置为0;
通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦,具体包括:确定各第三子分量取值范围的像素累积数量中的第一最大值,确定各第四子分量取值范围的像素累积数量中的第二最大值,筛选所述第一最大值与所述第二最大值中的最大值,作为第三最大值,判断所述第三最大值是否大于预设值,识别所述DOI图像中是否存在涂鸦;
若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码;
其中,所述进行校正,具体包括:根据所述DOI图像的色度分量,将所述DOI图像中色度分量值表示彩色的像素的亮度分量值向增大的方向进行校正。
6.根据权利要求5所述的方法,所述根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量,具体包括:
根据针对所述第三子分量设定的多个不同的第三子分量取值范围,在所述第三子分量的直方图中确定各所述第三子分量取值范围的像素累积数量;
根据针对所述第四子分量设定的多个不同的第四子分量取值范围,在所述第四子分量的直方图中确定各所述第四子分量取值范围的像素累积数量。
7.一种针对DOI图像涂鸦的处理装置,包括:
图像获取单元,获取数字对象唯一标识符DOI图像,所述DOI图像中的DOI是非彩色的;
直方图生成单元,生成所述DOI图像的色度分量直方图;
彩色涂鸦识别单元,根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦,具体包括:根据设定的大小相同的多个不同的色度分量取值范围,在所述色度分量直方图中确定各所述色度分量取值范围的像素累积数量,在各所述色度分量取值范围的像素累积数量中,确定最大的像素累积数量,判断所述最大的像素累积数量是否大于设定阈值,若是,则判定所述DOI图像中存在彩色涂鸦;
第一图像校正单元,若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码;
其中,所述彩色涂鸦识别单元执行所述在所述色度分量直方图中确定各所述色度分量取值范围的像素累积数量之前,所述装置还包括:
范围设定单元,设定非彩色的色度分量取值范围;
像素数量设置单元,在色度分量直方图中,将所述非彩色的色度分量取值范围对应的像素数量设置为0;
所述进行校正,具体包括:根据所述DOI图像的色度分量,将所述DOI图像中色度分量值表示彩色的像素的亮度分量值向增大的方向进行校正。
8.根据权利要求7所述的装置,所述多个不同的色度分量取值范围覆盖了色度分量取值的完整范围。
9.根据权利要求7所述的装置,所述DOI图像的图像类型为YUV图像,所述亮度分量为Y分量,所述色度分量为U分量和V分量;
所述范围设定单元执行所述设定非彩色的色度分量取值范围时,具体包括:
在色度分量取值范围[128-t,128+t]内,设定非彩色的色度分量取值范围,其中,t为不小于3的非负整数。
10.根据权利要求9所述的装置,所述第一图像校正单元执行所述根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,具体包括:
针对所述DOI图像中的像素,确定所述像素的色度分量值与128之间的距离;
若所述距离不为零,则将所述像素的亮度分量值向增大的方向进行校正,所述增大的幅度与所述距离正相关。
11.一种针对DOI图像涂鸦的处理装置,包括:
DOI图像获取单元,获取数字对象唯一标识符DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量,所述第一类分量为色度分量,所述第二类分量为亮度分量,所述第一类分量包括第三子分量和第四子分量;
分量直方图生成单元,生成所述DOI图像的所述第一类分量直方图;
像素累积数量确定单元,根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量,具体包括:将所述DOI图像中DOI的第三子分量取值范围和第四子分量取值范围对应的像素数量,以及预设的正常背景的第三子分量取值范围和第四子分量取值范围对应的像素数量均设置为0;
涂鸦识别单元,通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦,具体包括:确定各第三子分量取值范围的像素累积数量中的第一最大值,确定各第四子分量取值范围的像素累积数量中的第二最大值,筛选所述第一最大值与所述第二最大值中的最大值,作为第三最大值,判断所述第三最大值是否大于预设值,识别所述DOI图像中是否存在涂鸦;
第二图像校正单元,若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码;
其中,所述进行校正,具体包括:根据所述DOI图像的色度分量,将所述DOI图像中色度分量值表示彩色的像素的亮度分量值向增大的方向进行校正。
12.根据权利要求11所述的装置,所述第一类分量包括第三子分量和第四子分量;
所述像素累积数量确定单元执行所述根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量时,具体包括:
根据针对所述第三子分量设定的多个不同的第三子分量取值范围,在所述第三子分量的直方图中确定各所述第三子分量取值范围的像素累积数量;
根据针对所述第四子分量设定的多个不同的第四子分量取值范围,在所述第四子分量的直方图中确定各所述第四子分量取值范围的像素累积数量。
13.一种针对DOI图像涂鸦的处理设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取数字对象唯一标识符DOI图像,所述DOI图像中的DOI是非彩色的;
生成所述DOI图像的色度分量直方图;
根据所述色度分量直方图,识别所述DOI图像中是否存在彩色涂鸦,具体包括:根据设定的大小相同的多个不同的色度分量取值范围,在所述色度分量直方图中确定各所述色度分量取值范围的像素累积数量,在各所述色度分量取值范围的像素累积数量中,确定最大的像素累积数量,判断所述最大的像素累积数量是否大于设定阈值,若是,则判定所述DOI图像中存在彩色涂鸦;
若是,则根据所述DOI图像的色度分量,对所述DOI图像的亮度分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码;
其中,所述在所述色度分量直方图中确定各所述色度分量取值范围的像素累积数量之前,还包括:设定非彩色的色度分量取值范围,在色度分量直方图中,将所述非彩色的色度分量取值范围对应的像素数量设置为0;
所述进行校正,具体包括:根据所述DOI图像的色度分量,将所述DOI图像中色度分量值表示彩色的像素的亮度分量值向增大的方向进行校正。
14.一种针对DOI图像涂鸦的处理设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取数字对象唯一标识符DOI图像,所述DOI图像中的像素以多类分量进行表示,所述多类分量包括第一类分量和第二类分量,所述第一类分量为色度分量,所述第二类分量为亮度分量,所述第一类分量包括第三子分量和第四子分量;
生成所述DOI图像的所述第一类分量直方图;
根据针对所述第一类分量设定的多个不同的分量取值范围,在所述第一类分量直方图中确定各所述分量取值范围的像素累积数量,具体包括:将所述DOI图像中DOI的第三子分量取值范围和第四子分量取值范围对应的像素数量,以及预设的正常背景的第三子分量取值范围和第四子分量取值范围对应的像素数量均设置为0;
通过判断所述像素累积数量是否处于设定范围内,识别所述DOI图像中是否存在涂鸦,具体包括:确定各第三子分量取值范围的像素累积数量中的第一最大值,确定各第四子分量取值范围的像素累积数量中的第二最大值,筛选所述第一最大值与所述第二最大值中的最大值,作为第三最大值,判断所述第三最大值是否大于预设值,识别所述DOI图像中是否存在涂鸦;
若是,则根据所述第一类分量,对所述第二类分量进行校正,得到校正图像,以便对所述校正图像进行DOI识别和解码;
其中,所述进行校正,具体包括:根据所述DOI图像的色度分量,将所述DOI图像中色度分量值表示彩色的像素的亮度分量值向增大的方向进行校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111583047.1A CN114239635B (zh) | 2021-12-22 | 2021-12-22 | 一种针对doi图像涂鸦的处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111583047.1A CN114239635B (zh) | 2021-12-22 | 2021-12-22 | 一种针对doi图像涂鸦的处理方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114239635A CN114239635A (zh) | 2022-03-25 |
CN114239635B true CN114239635B (zh) | 2024-02-02 |
Family
ID=80761437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111583047.1A Active CN114239635B (zh) | 2021-12-22 | 2021-12-22 | 一种针对doi图像涂鸦的处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114239635B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105488819A (zh) * | 2015-12-04 | 2016-04-13 | 小米科技有限责任公司 | 颜色模板的生成方法、图像处理方法及装置 |
CN106033616A (zh) * | 2015-03-17 | 2016-10-19 | 联想(北京)有限公司 | 电子设备和图像处理方法 |
CN108073849A (zh) * | 2016-11-18 | 2018-05-25 | 杭州海康威视数字技术股份有限公司 | 条码检测方法、装置及系统 |
CN108256807A (zh) * | 2018-02-10 | 2018-07-06 | 西安科技大学 | 基于二维码识别的快递员收发件系统及方法 |
CN113095102A (zh) * | 2021-03-31 | 2021-07-09 | 深圳市华汉伟业科技有限公司 | 一种条形码区域的定位方法 |
CN113449536A (zh) * | 2021-07-16 | 2021-09-28 | 深圳思谋信息科技有限公司 | 条码图像修复方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102905140B (zh) * | 2012-09-21 | 2014-11-05 | 宁波大学 | 一种彩色显微立体图像对颜色校正方法 |
-
2021
- 2021-12-22 CN CN202111583047.1A patent/CN114239635B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106033616A (zh) * | 2015-03-17 | 2016-10-19 | 联想(北京)有限公司 | 电子设备和图像处理方法 |
CN105488819A (zh) * | 2015-12-04 | 2016-04-13 | 小米科技有限责任公司 | 颜色模板的生成方法、图像处理方法及装置 |
CN108073849A (zh) * | 2016-11-18 | 2018-05-25 | 杭州海康威视数字技术股份有限公司 | 条码检测方法、装置及系统 |
CN108256807A (zh) * | 2018-02-10 | 2018-07-06 | 西安科技大学 | 基于二维码识别的快递员收发件系统及方法 |
CN113095102A (zh) * | 2021-03-31 | 2021-07-09 | 深圳市华汉伟业科技有限公司 | 一种条形码区域的定位方法 |
CN113449536A (zh) * | 2021-07-16 | 2021-09-28 | 深圳思谋信息科技有限公司 | 条码图像修复方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
On the Implementation of Collaborative TV Regularization: Application to Cartoon+Texture Decomposition;Joan Duran 等;Image Processing On Line;全文 * |
基于图像分析的彩色三维条码检测;苏航;傅民仓;;科技通报(11);全文 * |
字符分割前车牌图像的预处理;张宝强;高满屯;张茜;;计算机工程与科学(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114239635A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9235779B2 (en) | Method and apparatus for recognizing a character based on a photographed image | |
CN107590447A (zh) | 一种文字标题识别方法及装置 | |
US9171224B2 (en) | Method of improving contrast for text extraction and recognition applications | |
US5841899A (en) | Specific color field recognition apparatus and method | |
CN108389215B (zh) | 一种边缘检测方法、装置、计算机存储介质及终端 | |
CN109903294B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
JP6890427B2 (ja) | 車番認識装置 | |
CN113642577A (zh) | 一种低对比度的车牌识别方法、系统、设备及存储介质 | |
CN110909750A (zh) | 图像差异检测方法及装置、存储介质、终端 | |
JP5640622B2 (ja) | 赤目オブジェクト候補を分類する方法、コンピューター読み取り可能な媒体および画像処理装置 | |
CN107506767B (zh) | 一种图片内数字粘连识别的方法和装置 | |
US8300927B2 (en) | Mouth removal method for red-eye detection and correction | |
CN110210467B (zh) | 一种文本图像的公式定位方法、图像处理装置、存储介质 | |
CN109543487B (zh) | 一种基于条码边缘分割的自动感应触发方法及其系统 | |
US8472716B2 (en) | Block-based noise detection and reduction method with pixel level classification granularity | |
CN114239635B (zh) | 一种针对doi图像涂鸦的处理方法、装置及设备 | |
CN111445402A (zh) | 一种图像去噪方法及装置 | |
CN111160340A (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
EP2919149A2 (en) | Image processing apparatus and image processing method | |
CN115410191A (zh) | 文本图像识别方法、装置、设备和存储介质 | |
CN110363764B (zh) | 一种基于帧间差分的行驶证打印信息完整性检测方法 | |
CN113313707A (zh) | 原始图像处理方法、装置、设备及可读存储介质 | |
CN109886276B (zh) | 一种表盘滚动数字字符的半字判断方法 | |
CN111898605A (zh) | 基于图像ocr识别的机顶盒信息检测方法及系统 | |
CN112070771A (zh) | 基于hs通道的自适应阈值分割方法、装置和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |