CN114330400B - 二维码图像处理方法、系统、装置、电子设备及存储介质 - Google Patents
二维码图像处理方法、系统、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114330400B CN114330400B CN202011085548.2A CN202011085548A CN114330400B CN 114330400 B CN114330400 B CN 114330400B CN 202011085548 A CN202011085548 A CN 202011085548A CN 114330400 B CN114330400 B CN 114330400B
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional code
- decoding
- result
- position information
- 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 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 62
- 239000010410 layer Substances 0.000 claims description 136
- 238000012545 processing Methods 0.000 claims description 114
- 230000008569 process Effects 0.000 claims description 43
- 238000010606 normalization Methods 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 17
- 238000011176 pooling Methods 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 239000011229 interlayer Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000002618 waking effect Effects 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000004913 activation Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本申请涉及图像领域,尤其涉及一种二维码图像处理方法、系统、装置、电子设备及存储介质。方法包括:获取包含二维码的原始图像;对所述原始图像中的二维码进行定位,获得二维码位置信息;根据所述二维码位置信息,提取二维码图像;对所述二维码图像分割后,进行双路并行解码,获取解码结果。本申请用以解决传统二维码识别方式拒识率高、解码速度慢和功耗高的问题。
Description
技术领域
本申请涉及图像领域,尤其涉及一种二维码图像处理方法、系统、装置、电子设备及存储介质。
背景技术
扫码器利用光电原理将二维码信息转化为计算机可接受的信息的输入设备,常用于快递物流、书店以及超市等,将二维码信息直接阅读,并输入到联机系统中。扫码器有线式和无线式两种。其中,无线条码解决方案可以有效解决以往因为作业环境差、扫描器存储不足、信息无法实时反馈等限制。
目前,二维码无线识读装置,一般采用扫描成像的方式拍摄二维码区域,获得的图像存在大量不相关内容,然后利用传统图像处理方式进行识别和解码。需要处理的数据量较大,以及传统图像处理方案的识读造成速度慢,最终影响到对整体编码的识别,造成较高的拒识率和系统功耗。拒识后造成不得不进行再次识读或手动输入,进一步增加功耗,同时极大地降低了工作效率。
发明内容
本申请提供了一种二维码图像处理方法、系统、装置、电子设备及存储介质,用以解决传统二维码识别方式拒识率高、解码速度慢和功耗高的问题。
第一方面,本申请实施例提供了一种二维码图像处理方法,包括:获取包含二维码的原始图像;对所述原始图像中的二维码进行定位,获得二维码位置信息;根据所述二维码位置信息,提取二维码图像;对所述二维码图像分割后,进行双路并行解码,获取解码结果。
可选地,所述对所述原始图像中的二维码进行定位,获得二维码位置信息,包括:将所述原始图像输入到预设的智能定位模型,获得所述智能定位模型输出的所述二维码位置信息;其中,所述智能定位模型为采用样本数据对原始智能定位模型进行训练得到,所述样本数据包括N个原始样本图像,以及与N个所述样本原始样本图像一一对应的二维码样本位置信息,其中,N为大于1的整数。
可选地,所述智能定位模型的工作过程包括:将所述原始图像的像素降低,得到第一目标像素图像,并对所述第一目标像素图像进行特征提取,获取所述第一目标像素图像对应的第一特征集合;根据所述第一特征集合,获取所述二维码图像的第一位置信息;对所述第一目标像素图像进行上采样,获取第二目标像素图像;对所述第二目标像素图像进行特征提取,获取所述二维码图像的第二位置信息;按照非极大值抑制原则,合并所述第一位置信息和所述第二位置信息,获取所述二维码位置信息。
可选地,所述将所述原始图像的像素降低,得到第一目标像素图像,并对所述第一目标像素图像进行特征提取,获取所述第一目标像素图像对应的第一特征集合,包括:依次对所述原始图像进行0~L层的图像特征提取和降低像素,并将第L层的像素对应的图像作为所述第一目标像素图像,以及将第L层的图像特征作为所述第一特征集合,所述L为大于1的整数;其中,第i层对第i-1层的图像特征提取结果进行混合卷积,得到第i层的混合卷积结果;第i+1层对所述混合卷积结果进行归一化处理,得到归一化结果;第i+2层对所述归一化结果进行数据线性化处理,得到所述图像特征提取结果;或者,第i层对第i-1层的图像特征提取结果进行混合卷积,得到第i层的混合卷积结果;第i+1层对所述混合卷积结果进行归一化处理,得到归一化结果;第i+2层对所述归一化结果进行数据线性化处理,得到线性化结果;第i+3层对所述线性化结果进行池化处理,得到所述图像特征提取结果,所述i为大于2、且小于或等于L-2的正整数;其中,第0层对所述原始图像进行混合卷积,得到第0层的混合卷积结果;第1层对所述混合卷积结果进行归一化处理,得到归一化结果;第2层对所述归一化结果进行数据线性化处理,得到所述图像特征提取结果;或者,第0层对所述原始图像进行混合卷积,得到第0层的混合卷积结果;第1层对所述混合卷积结果进行归一化处理,得到归一化结果;第2层对所述归一化结果进行数据线性化处理,得到线性化结果;第3层对所述线性化结果进行池化处理,得到所述图像特征提取结果。
可选地,所述将所述原始图像的像素降低,得到第一目标像素图像,并对所述第一目标像素图像进行特征提取,获取所述第一目标像素图像对应的第一特征集合,包括:将所述原始图像的分解为红、绿、蓝三个通道的独立图像;分别将每个通道的所述独立图像分为M个包围格子,其中,所述M为大于1的整数,所述包围格子包括设定个数的像素点;提取每个所述包围格子中的特征点,并获取所述特征点的位置信息,和所述特征点的类别概率信息;降低所述原始图像的像素至第一目标像素,根据每个通道的所述位置信息和所述类别概率信息,获取所述第一目标像素图像对应的所述第一特征集合。
可选地,所述智能定位模型的训练过程包括:获取所述原始样本图像;将所述原始样本图像输入到所述原始智能定位模型,获取所述原始智能定位模型输出的所述原始样本图像各自对应的预测二维码位置信息;将所述预测二维码位置信息与所述二维码样本位置信息比较,如果不一致,调整所述原始智能定位模型的层间结构,重复执行所述将所述原始样本图像输入到所述原始智能定位模型的步骤,直至所述预测二维码位置信息与所述二维码样本位置信息一致时,将所述原始智能定位模型作为最终的智能定位模型。
可选地,所述获取包含二维码的原始图像之后,所述对所述原始图像中的二维码进行定位,获得二维码位置信息之前,包括:对所述原始图像进行预处理,获得预处理后的处理后图像;所述对所述原始图像中的二维码进行定位,获得二维码位置信息,包括:对所述处理后图像中的二维码进行定位,获得二维码位置信息。
可选地,所述对所述原始图像进行预处理,获得预处理后的处理后图像,包括:获取P帧原始图像,其中,所述P为大于1的整数;对所述P帧原始图像分别进行畸变校正处理,获得P帧校正图像;对所述P帧校正图像进行多帧平均降噪处理,获得处理后图像;其中,所述对所述P帧校正图像进行多帧平均降噪处理,获得处理后图像,包括:对所述P帧校正图像的特征值进行平均处理,生成平均特征值;获取所述平均特征值对应的处理后图像。
可选地,所述根据所述二维码位置信息,提取二维码图像之后,所述对所述二维码图像分割后,进行双路并行解码,获取解码结果之前,包括:对所述二维码图像进行灰度处理,获得灰度图像;获取预设的图像大小阈值;根据所述图像大小阈值对所述灰度图像进行压缩或放大处理,获得处理后的二维码图像;所述对所述二维码图像分割后,进行双路并行解码,获取解码结果,包括:对所述处理后的二维码图像分割后,进行双路并行解码,获取解码结果。
可选地,所述对所述二维码图像分割后,进行双路并行解码,获取解码结果,包括:对所述二维码图像进行二值化处理,获得二值化图像;将所述二值化图像进行分割,生成第一分割图像和第二分割图像;控制第一解码单元对所述第一分割图像进行解码,获得第一解码结果,同时,控制第二解码单元对所述第二分割图像进行解码,获得第二解码结果;合并所述第一解码结果和所述第二解码结果,获取最终的所述解码结果。
可选地,所述获取包含二维码的原始图像之前,还包括:获取启动信号,其中,所述启动信号用于将图像处理相关装置由休眠状态唤醒为工作状态;所述获取包含二维码的原始图像,包括:根据所述启动信号,获取包含二维码的原始图像。
第二方面,本申请实施例提供了一种二维码图像处理系统,包括:图像获取模块,中心处理模块,电源供应模块和无线传输模块;所述图像获取模块,用于采集包含二维码的原始图像,并将所述原始图像传输给所述中心处理模块;所述中心处理模块,用于获取所述原始图像,对所述原始图像中的二维码进行定位,获得二维码位置信息,根据所述二维码位置信息,提取二维码图像,对所述二维码图像分割后,进行双路并行解码,获取解码结果并将所述解码结果传输给所述无线传输模块;所述无线传输模块,用于获取所述解码结果,并将所述解码结果无线传输给其他设备,其中,所述其他设备用于无线接收所述解码结果;所述电源供应模块,用于为所述图像获取模块、所述中心处理模块和所述无线传输模块提供工作电源。
第三方面,本申请实施例提供了二维码图像处理装置,包括:获取模块,用于获取包含二维码的原始图像;定位模块,用于对所述原始图像中的二维码进行定位,获得二维码位置信息;提取模块,用于根据所述二维码位置信息,提取二维码图像;解码模块,用于对所述二维码图像分割后,进行双路并行解码,获取解码结果。
第四方面,本申请实施例提供了一种电子设备,包括:处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;所述存储器,用于存储计算机程序;所述处理器,用于执行所述存储器中所存储的程序,实现第一方面所述的二维码图像处理方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的二维码图像处理方法。
可选地,所述电源供应模块包含启动按键;所述启动按键,用于生成启动信号,并将所述启动信号传输给所述图像获取模块、所述中心处理模块和所述无线传输模块;所述图像获取模块、所述中心处理模块和所述无线传输模块,分别获取所述启动信号后,根据所述启动信号由休眠状态唤醒为工作状态。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请实施例提供的该方法,通过对获得二维码图像进行定位,去掉与二维码不相关的图像内容,对独立的二维码图像进行处理,大大降低了需要处理的图像数据,提高了数据处理速度,进一步提高二维码识别速度,减低处理过程需要的功耗。同时去掉与二维码不相关的图像内容,对独立的二维码图像进行解码,能够使识别过程更加准确,降低拒识率,避免了再次识读或手动输入的情况,进一步降低功耗。而双路并行解码的方式,大大提高了解码速度,提升工作效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明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,对于本领域普通技术人员而言,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。
图1为本申请实施例提供的二维码图像处理方法流程步骤示意图;
图2为本申请实施例提供的图像预处理流程示意图;
图3a和图3b为本申请实施例提供的畸变校正前、后的图像示例图;
图4为本申请实施例提供的智能定位模型工作流程示意图;
图5为本申请实施例提供的对第一目标像素图像进行特征提取流程示意图;
图6为本申请实施例提供的智能定位模型的训练流程示意图;
图7为本申请实施例提供的智能定位模型层间结构示例示意图;
图8为本申请实施例提供的二维码图像处理系统结构示意图;
图9为本申请实施例提供的二维码图像处理装置结构示意图;
图10为本申请实施例提供的电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供的二维码图像处理方法,应用于无线指环式扫码器。无线指环式扫码器具有体积小、重量轻和携带方便等优点,但是,传统的无线指环式扫码器存在识别速度慢、拒识率高和功耗大等问题。该二维码图像处理方法能够有效解决相关问题。需要说明的是,这里仅将无线指环式扫码器作为示例进行介绍,其他能够实现相应功能的二维码扫描装置也可以使用该方法,例如,有线式手持式扫码器,本申请的保护范围不以二维码扫描装置的具体实现形式为限制。
一个实施例中,如图1所示,二维码图像处理方法的具体流程步骤包括:
步骤101,获取包含二维码的原始图像。
一个实施例中,获取包含二维码的原始图像之后,对原始图像中的二维码进行定位,获得二维码位置信息之前,对原始图像进行预处理,获得预处理后的处理后图像。
一个实施例中,对原始图像进行预处理包括畸变校正处理和降噪处理,降噪处理采用多帧平均降噪处理。如图2所示,预处理的具体流程步骤包括:
步骤201,获取P帧原始图像,其中,P为大于1的整数;
步骤202,对P帧原始图像分别进行畸变校正处理,获得P帧校正图像;
步骤203,对P帧校正图像进行多帧平均降噪处理,获得处理后图像。
本实施例中,在采集原始图像的过程中,因为图像采集装置自身的性能限制,或者所在环境光照不均匀等原因,导致采集的原始图像发生各种畸变。这些畸变导致后续二维码的识别过程难度加大,进一步造成二维码识别过程中的拒识率升高。将原始图像进行畸变校正后,能够将发生畸变的图像一定程度上进行校正,例如,如图3所示,a为畸变校正前的图像,b为畸变校正后的图像。畸变校正能够保证后续的二维码识别过程顺利进行,降低拒识率。
本实施例中,对P帧校正图像进行多帧平均降噪处理时,要获取P帧校正图像的特征值,对P帧校正图像的特征值进行平均处理,生成平均特征值,再根据该平均特征值获取对应的处理后图像。
本实施例中,P的具体数值可以根据需要或经验而定。例如,指环式扫码器在使用过程中,会由于手抖等原因导致采集到的包含二维码的原始图像模糊,而如果采集过多帧数的图像,会造成采集持续时间过长,进而导致每帧图像之间的差别较大,影响原始图像的质量。那么,P可以选定为3,采集短时间内前后连续的3帧图像。分别对3帧图像进行畸变校正,获得3帧校正图像。Pa(x,y),Pb(x,y),Pc(x,y)分别表示3帧校正图像的特征值,P(x,y)表示平均特征值。那么,3帧校正图像的特征值和平均特征值之间的关系如下:
P(x,y)=(Pa(x,y)+Pb(x,y)+Pc(x,y))/3
本实施例中,使用多帧平均降噪处理的方式,代替了传统的中值滤波、高斯滤波等方法。中值滤波、高斯滤波等常见的方法,由于在处理污损的图像时,一般将几个像素点作为一个组合码进行滤波,这样会对图像的噪声结构性造成破坏。本实施例采用的多帧平均降噪处理方法,能够避免对图像造成破坏,同时能够对模糊或受损的图像进行有效处理,有利于后续二维码处理过程中的定位和识别,进一步提高二维码识别速度,降低拒识率。
一个实施例中,在获取包含二维码的原始图像之前,要获取启动信号,该启动信号用于将图像处理相关装置由休眠状态唤醒为工作状态。也就是说,没有启动信号时,相关装置是属于休眠状态的;获取启动信号之后,各个相关设备被唤醒,转换为工作状态,启动二维码图像处理流程。而获取包含二维码的原始图像,则是需要根据启动信号,获取包含二维码的原始图像。
本实施例中,启动信号其实是一个需求信号,当用户需要进行二维码识别时,通过预定方式,例如,通过按键控制等,生成启动信号,即时启动相关设备,进行二维码图像的处理,避免并不需要处理图像时,相关装置仍处于工作状态,或者说运行状态,造成多余的功耗损失。即时启动能够有效的降低二维码处理过程中的整体功耗。
步骤102,对原始图像中的二维码进行定位,获得二维码位置信息。
一个实施例中,如果对原始图像进行了预处理,获得预处理后的处理后图像,则对处理后图像中的二维码进行定位,获得二维码位置信息。
一个实施例中,对原始图像中的二维码进行定位,获得二维码位置信息的过程,通过智能定位模型实现。将原始图像输入到预设的智能定位模型,获得智能定位模型输出的二维码位置信息。其中,智能定位模型为采用样本数据对原始智能定位模型进行训练得到,样本数据包括N个原始样本图像,以及与N个样本原始样本图像一一对应的二维码样本位置信息,其中,N为大于1的整数。
一个实施例中,智能定位模型属于基于高斯(Gaussian)函数的深度学习卷积神经网络模型。如图4所示,该智能定位模型的工作过程如下:
步骤401,将原始图像的像素降低,得到第一目标像素图像,并对第一目标像素图像进行特征提取,获取第一目标像素图像对应的第一特征集合;
步骤402,根据第一特征集合,获取二维码图像的第一位置信息;
步骤403,对第一目标像素图像进行上采样,获取第二目标像素图像;
步骤404,对第二目标像素图像进行特征提取,获取二维码图像的第二位置信息;
步骤405,按照非极大值抑制原则,合并第一位置信息和第二位置信息,获取二维码位置信息。
一个实施例中,将原始图像的像素降低,得到第一目标像素图像,并对第一目标像素图像进行特征提取,获取第一目标像素图像对应的第一特征集合的过程,在智能定位模型内部处理的具体过程如下:
依次对原始图像进行0~L层的图像特征提取和降低像素,并将第L层的像素对应的图像作为第一目标像素图像,以及将第L层的图像特征作为第一特征集合,L为大于1的整数。
在0~L层中存在第i层,第i层对第i-1层的图像特征提取结果进行混合卷积,得到第i层的混合卷积结果;第i+1层对混合卷积结果进行归一化处理,得到归一化结果;第i+2层对归一化结果进行数据线性化处理,得到图像特征提取结果。或者,第i层对第i-1层的图像特征提取结果进行混合卷积,得到第i层的混合卷积结果;第i+1层对混合卷积结果进行归一化处理,得到归一化结果;第i+2层对归一化结果进行数据线性化处理,得到线性化结果;第i+3层对线性化结果进行池化处理,得到图像特征提取结果,i为大于2、且小于或等于L-2的正整数。
本实施例中,智能定位模型的首层为输入层,第0层位于输入层的下一层,第0层对原始图像进行混合卷积,得到第0层的混合卷积结果;第1层对混合卷积结果进行归一化处理,得到归一化结果;第2层对归一化结果进行数据线性化处理,得到图像特征提取结果。或者,第0层对原始图像进行混合卷积,得到第0层的混合卷积结果;第1层对混合卷积结果进行归一化处理,得到归一化结果;第2层对归一化结果进行数据线性化处理,得到线性化结果;第3层对线性化结果进行池化处理,得到图像特征提取结果。
本实施例中,池化处理本质上是一个信息过滤的过程,可以根据需要选用极大池化原则或者平均池化原则。智能定位模型在对图像进行线性化处理之后,是否进行池化处理,以及整体模型中选用几个池化层,取决于智能定位模型在训练时得到的结果是否理想。
一个实施例中,将原始图像的像素降低,得到第一目标像素图像,并对第一目标像素图像进行特征提取,获取第一目标像素图像对应的第一特征集合,如图5所示,对图像的处理过程包括:
步骤501,将原始图像的分解为红、绿、蓝三个通道的独立图像;
步骤502,分别将每个通道的独立图像分为M个包围格子,其中,M为大于1的整数,包围格子包括设定个数的像素点;
步骤503,提取每个包围格子中的特征点,并获取特征点的位置信息,和特征点的类别概率信息;
步骤504,降低原始图像的像素至第一目标像素,根据每个通道的位置信息和类别概率信息,获取第一目标像素图像对应的第一特征集合。
一个实例中,智能定位模型在使用前需要进行训练,调整模型内部层间结构,以能够获得理想输出结果。如图6所示,智能定位模型的训练过程包括:
步骤601,获取原始样本图像;
步骤602,将原始样本图像输入到原始智能定位模型,获取原始智能定位模型输出的原始样本图像各自对应的预测二维码位置信息;
步骤603,将预测二维码位置信息与二维码样本位置信息比较,如果不一致,执行步骤604,如果一致,执行步骤605;
步骤604,调整原始智能定位模型的层间结构,返回步骤602;
步骤605,将原始智能定位模型作为最终的智能定位模型。
一个实施例中,获取的原始图像是分辨率为224*224,红、绿、蓝三通道彩色图像,利用相同格式的样本原始图像对原始智能定位模型进行训练后,得到最终的智能定位模型共46层(layer),包括1个输入层,13个卷积层(conv),11个批处理层(Batch NormalizationLayer),11个激活层(Activation Layer),5个极大池化层(max),2个定位处理层(gaussianposition),2个路由层(route layer)和1个上采样层(upsample)。层间具体结构如图7所示。首行为输入层,第0、4、8、12、15、19、22、26、29、32、35、40、43层为卷积层,第1、5、9、13、16、20、23、27、30、36、41层为批处理层,第2、6、10、14、17、21、24、28、31、37、42层为激活层,第3、7、11、18、25为极大池化层,第33、44为定位处理层,第34、39层为路由层,第38层位上采样层。
图7中,智能定位模型的各个层用相应的表达语句进行表示,例如,第0层的卷积层的表达语句为:
0conv 16 3x3/1 224x224x3->224x224x16
表达的主要内容为:第0层位为卷积层,该卷积层滤波器通道数(filters)为16,卷积核大小(size)为3x3,步长(stride)为1,输入分辨率为224x224x3,输出分辨率为224x224x16。
第1层的批处理层的表达语句为:
1Batch Normalization Layer:224x224x16 image
表达的主要内容为:第1层为批处理层,该批处理层对分辨率为224x224x16的图像进行分批归一化处理。
第2层的激活层的表达语句为:
2Activation Layer:802816inputs
表达的主要内容为:第2层为激活层,该激活层对上一层得出的大小为802816的数据作为输入进行线性化处理。
第3层的极大池化层的表达语句为:
3max 2x2/2 224x224x16->112x112x16
表达的主要内容为:第3层为极大池化层,内核大小(size)为2x2,步长(stride)为1,输入分辨率为224x224x16,输出分辨率为112x112x16。其他层的表达语句和表达的主要内容类似于上述示例,此处不再赘述。
输入层用于将原始图像或者预处理后的处理后图像(image)输入该智能定位模型,该输入层规定了所有层滤波器通道数(filters)所在位置、卷积核大小(size)所在位置、输入(input)和输出(output)所在位置;卷积层用于对上一层得出的结果进行特征提取;批处理层用于对上一层得出的结果进行分批归一化处理;激活层用于对上一层得出的结果进行线性化处理;极大池化层用于按照极大池化原则对上一层的结果进行信息过滤;定位处理层用于预测图像的位置信息,位置信息包括坐标位置和类别概率值;路由层用于将两个层连接在一起;上采样层用于将小特征图进行上采样后的特征图和大特征图的矩阵相加,使网络能够拥有既包含丰富的高层抽象特征和精确的位置信息特征,属于一个融合特征层。
该智能定位模型整体呈现金字塔结构。该模型能够在分辨率为7*7和14*14两个不同的尺度下做二维码目标检测。
本实施例中,使用智能定位模型对原始图像中的二维码定位的过程如下:
将原始图像分为红、绿、蓝(简称RGB)三个通道的独立图像。将每个独立图像都分割为多个分辨率为7*7的包围格子,获取每个包围格子中的特征点,获取该特征点的位置信息和类别概率信息。包围格子分别输出三个通道对应的特征点的位置信息和类别概率信息,然后通过模型内部预测出,分辨率为7*7尺度下的第一位置信息和分辨率为14*14尺度下的第二位置信息,第一位置信息和第二位置信息各自包括二维码的坐标信息和对应的为二维码图像的置信度。按照非极大值抑制原则,对第一位置信息和第二位置信息进行合并。
二维码位置预测的过程如下:对于同一像素点区域对应的包围格子(Boundingbox),按照置信度大小进行排列,得出置信度最高的包围格子,将该包围格子依次与其他包围格子做一次重叠度(Intersection over Union,简称IOU)的计算,得出两个格子交集与并集的比值,该比值如果大于预设阈值,则去除作对比的非置信度最高的包围格子。确保每个包围格子都与置信度最大的包围格子做一次IOU计算,保留比值最大的包围格子。根据IOU计算结果输出最终的二维码位置信息,该二维码位置信息包括二维码在图像的坐标信息和置信度。
本实施例中,二维码位置预测时,输出的坐标信息包含8个维度,分别是框中心横坐标均值μx,框中心纵坐标均值μy,宽度均值μw,高度均值μh,横坐标方差δx,纵坐标方差δy,宽度方差δw,高度方差δh。
高斯函数为
这8个维度用来计算二维码框中心坐标和长、宽,以及对应预测包围格子的不确定性的概率。
通过基于高斯函数的卷积神经网络模型对原始图像中的二维码进行定位,能够准确的获得原始图像中独立的二维码的位置信息,将独立的二维码图像提取出来以后,能够有针对的进行图像解码,降低了二维码识别的拒识率。同时,对提取出来的独立的二维码图像进行解码,大大减少了需要处理的数据,提高解码速度;处理的数据减少,进一步减少了处理数据需要的能耗。
步骤103,根据二维码位置信息,提取二维码图像。
步骤104,对二维码图像分割后,进行双路并行解码,获取解码结果。
一个实施例中,根据二维码位置信息,提取二维码图像之后,对二维码图像分割后,进行双路并行解码,获取解码结果之前,首先对二维码图像进行灰度处理,获得灰度图像;然后获取预设的图像大小阈值,根据图像大小阈值对灰度图像进行压缩或放大处理,获得处理后的二维码图像。
本实施例中,灰度处理指的是将三通道RGB图像减少为单通道的灰度图像,将图像的数据量减少了三分之二,减少解码阶段的有效图像数据,进一步减少解码时间,提高解码速度。
当二维码图像的分辨率大于图像大小阈值时,按比例压缩二维码图像的分辨率,有利于减少识别时间,提高解码速度;当二维码图像的分辨率小于图像大小阈值时,按比例放大二维码图像,增加二维码的分辨率,有利于减少拒识率。
一个实施例中,当对二维码图像进行灰度处理,以及压缩或放大处理,获得处理后的二维码图像后,对处理后的二维码图像进行分割,然后进行双路并行解码,获取解码结果。
一个实施例中,对二维码图像分割后,进行双路并行解码,获取解码结果的具体过程如下:对二维码图像进行二值化处理,获得二值化图像;将二值化图像进行分割,生成第一分割图像和第二分割图像;控制第一解码单元对第一分割图像进行解码,获得第一解码结果,同时,控制第二解码单元对第二分割图像进行解码,获得第二解码结果;合并第一解码结果和第二解码结果,获取最终的解码结果。
本实施例中,第一解码单元对第一分割图像的解码过程如下:逐行逐列扫码第一分割图像,根据梯度变换得到每行每列黑白宽度流,确定黑白宽度流满足二维码定位图案特征后,对黑白宽度流线段进行筛选并分类得到图形中心点,对第一分割图像做缩放、旋转和平移,确定第一分割图像中的每个模块占用的像素点个数,获取二维码版本信息并进行解码,获得第一解码结果。第二解码单元对第二分割图像的解码过程,与第一解码单元对第一分割图像的解码过程类同。
合并第一解码结果和第二解码结果,消除掩码,恢复码字,获取最终的解码结果。
本实施例中,二值化处理是将二维码图像进行进一步数据压缩,进一步减少解码数据,提高解码速度。将二值化图像分割为第一分割图像和第二分割图像,两个解码单元分别同时对第一分割图像和第二分割图像进行解码,将解码时间降低了一倍,大大提高了解码速度。
本申请实施例提供的二维码图像处理方法,通过对获得二维码图像进行定位,去掉与二维码不相关的图像内容,对独立的二维码图像进行处理,大大降低了需要处理的图像数据,提高了数据处理速度,进一步提高二维码识别速度,减低处理过程需要的功耗。同时去掉与二维码不相关的图像内容,对独立的二维码图像进行解码,能够使识别过程更加准确,降低拒识率,避免了再次识读或手动输入的情况,进一步降低功耗。而双路并行解码的方式,大大提高了解码速度,提升工作效率。
通过畸变校正和降噪处理等预处理过程,能够使图像质量较低的原始图像更加清晰,保证后续的二维码识别过程顺利进行,降低拒识率。而获取启动信号之后,再即时启动图像处理相关装置,避免并不需要处理图像时,相关装置仍处于工作状态,造成多余的功耗损失,有效的降低二维码处理过程中的整体功耗。
通过基于高斯函数的卷积神经网络模型对原始图像中的二维码进行定位,能够准确的获得原始图像中独立的二维码的位置信息,将独立的二维码图像提取出来以后,能够有针对的进行图像解码,降低了二维码识别的拒识率。同时,对提取出来的独立的二维码图像进行解码,大大减少了需要处理的数据,提高解码速度;处理的数据减少,进一步减少了处理数据需要的能耗。
对独立的二维码图像进行灰度处理,减少解码阶段的有效图像数据,进一步减少解码时间,提高解码速度。当二维码图像的分辨率大于图像大小阈值时,按比例压缩二维码图像的分辨率,有利于减少识别时间,提高解码速度;当二维码图像的分辨率小于图像大小阈值时,按比例放大二维码图像,增加二维码的分辨率,有利于减少拒识率。
二值化处理是将二维码图像进行进一步数据压缩,进一步减少解码数据,提高解码速度。将二值化图像分割为第一分割图像和第二分割图像,两个解码单元分别同时对第一分割图像和第二分割图像进行解码,将解码时间降低了一倍,大大提高了解码速度。
基于同一构思,本本申请实施例提供了一种二维码图像处理系统,如图8所示,包括:图像获取模块801,中心处理模块802,电源供应模块803和无线传输模块804。
图像获取模块801,用于采集包含二维码的原始图像,并将原始图像传输给中心处理模块802;
中心处理模块802,用于获取原始图像,对原始图像中的二维码进行定位,获得二维码位置信息,根据二维码位置信息,提取二维码图像,对二维码图像分割后,进行双路并行解码,获取解码结果并将解码结果传输给无线传输模块804;
无线传输模块804,用于获取解码结果,并将解码结果无线传输给其他设备,其中,其他设备用于无线接收解码结果;
电源供应模块803,用于为图像获取模块801、中心处理模块802和无线传输模块804提供工作电源。
一个实施例中,中心处理模块802内部保存有图像预处理算法、智能定位模型算法、图像灰度处理和缩放算法和二维码解码并行算法,用于实现上述实施例中所描述的二维码图像处理方法。
一个实施例中,中心处理模块802为含有两个内核的中心处理器(CentralProcessing Unit,简称CPU),也可以为两个单核CPU并行运行,以实现二维码的双路并行解码过程。
一个实施例中,电源供应模块803包含启动按键。该启动按键,用于生成启动信号,并将启动信号传输给图像获取模块801、中心处理模块802和无线传输模块804;图像获取模块801、中心处理模块802和无线传输模块804,分别获取启动信号后,根据启动信号由休眠状态唤醒为工作状态。
本实施例中,二维码图像处理系统通过启动按键控制,在未按键的时候,整个系统进入深度休眠(shutdown)状态,CPU及其他模块全部断电,只保留启动按键连接的唤醒引脚的供电,减少功耗,当按键的时候,唤醒该系统进行二维码解码流程。
基于同一构思,本申请实施例中提供了一种二维码图像处理装置,该装置的具体实施可参见方法实施例部分的描述,重复之处不再赘述,如图9所示,该装置主要包括:
获取模块901,用于获取包含二维码的原始图像;
定位模块902,用于对原始图像中的二维码进行定位,获得二维码位置信息;
提取模块903,用于根据二维码位置信息,提取二维码图像;
解码模块904,用于对二维码图像分割后,进行双路并行解码,获取解码结果。
基于同一构思,本申请实施例中还提供了一种电子设备,如图10所示,该电子设备主要包括:处理器1001、通信接口1002、存储器1003和通信总线1004,其中,处理器1001、通信接口1002和存储器1003通过通信总线1004完成相互间的通信。其中,存储器1003中存储有可被至处理器1001执行的程序,处理器1001执行存储器1003中存储的程序,实现如下步骤获取包含二维码的原始图像;对原始图像中的二维码进行定位,获得二维码位置信息;根据二维码位置信息,提取二维码图像;对二维码图像分割后,进行双路并行解码,获取解码结果。
上述电子设备中提到的通信总线1004可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture,简称EISA)总线等。该通信总线1004可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口1002用于上述电子设备与其他设备之间的通信。
存储器1003可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器1001的存储装置。
上述的处理器1001可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等,还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当该计算机程序在计算机上运行时,使得计算机执行上述实施例中所描述的二维码图像处理方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种二维码图像处理方法,其特征在于,包括:
获取包含二维码的原始图像;
对所述原始图像中的二维码进行定位,获得二维码位置信息;
根据所述二维码位置信息,提取二维码图像;
对所述二维码图像分割后,进行双路并行解码,获取解码结果;
其中,所述对所述二维码图像分割后,进行双路并行解码,获取解码结果,包括:
对所述二维码图像进行二值化处理,获得二值化图像;
将所述二值化图像进行分割,生成第一分割图像和第二分割图像;
控制第一解码单元对所述第一分割图像进行解码,获得第一解码结果,同时,控制第二解码单元对所述第二分割图像进行解码,获得第二解码结果;
合并所述第一解码结果和所述第二解码结果,获取最终的所述解码结果;
其中,所述第一解码单元对第一分割图像的解码过程如下:逐行逐列扫码所述第一分割图像,根据梯度变换得到每行每列黑白宽度流,确定黑白宽度流满足二维码定位图案特征后,对黑白宽度流线段进行筛选并分类得到图形中心点,对所述第一分割图像做缩放、旋转和平移,确定所述第一分割图像中的每个模块占用的像素点个数,获取二维码版本信息并进行解码,获得第一解码结果。
2.根据权利要求1所述的二维码图像处理方法,其特征在于,所述对所述原始图像中的二维码进行定位,获得二维码位置信息,包括:
将所述原始图像输入到预设的智能定位模型,获得所述智能定位模型输出的所述二维码位置信息;
其中,所述智能定位模型为采用样本数据对原始智能定位模型进行训练得到,所述样本数据包括N个原始样本图像,以及与N个所述原始样本图像一一对应的二维码样本位置信息,其中,N为大于1的整数。
3.根据权利要求2所述的二维码图像处理方法,其特征在于,所述智能定位模型的工作过程包括:
将所述原始图像的像素降低,得到第一目标像素图像,并对所述第一目标像素图像进行特征提取,获取所述第一目标像素图像对应的第一特征集合;
根据所述第一特征集合,获取所述二维码图像的第一位置信息;
对所述第一目标像素图像进行上采样,获取第二目标像素图像;
对所述第二目标像素图像进行特征提取,获取所述二维码图像的第二位置信息;
按照非极大值抑制原则,合并所述第一位置信息和所述第二位置信息,获取所述二维码位置信息。
4.根据权利要求3所述的二维码图像处理方法,其特征在于,所述将所述原始图像的像素降低,得到第一目标像素图像,并对所述第一目标像素图像进行特征提取,获取所述第一目标像素图像对应的第一特征集合,包括:
依次对所述原始图像进行0~L层的图像特征提取和降低像素,并将第L层的像素对应的图像作为所述第一目标像素图像,以及将第L层的图像特征作为所述第一特征集合,所述L为大于1的整数;
其中,第i层对第i-1层的图像特征提取结果进行混合卷积,得到第i层的混合卷积结果;第i+1层对所述混合卷积结果进行归一化处理,得到归一化结果;第i+2层对所述归一化结果进行数据线性化处理,得到所述图像特征提取结果;
或者,
第i层对第i-1层的图像特征提取结果进行混合卷积,得到第i层的混合卷积结果;第i+1层对所述混合卷积结果进行归一化处理,得到归一化结果;第i+2层对所述归一化结果进行数据线性化处理,得到线性化结果;第i+3层对所述线性化结果进行池化处理,得到所述图像特征提取结果,所述i为大于2、且小于或等于L-2的正整数;
其中,第0层对所述原始图像进行混合卷积,得到第0层的混合卷积结果;第1层对所述混合卷积结果进行归一化处理,得到归一化结果;第2层对所述归一化结果进行数据线性化处理,得到所述图像特征提取结果;
或者,
第0层对所述原始图像进行混合卷积,得到第0层的混合卷积结果;第1层对所述混合卷积结果进行归一化处理,得到归一化结果;第2层对所述归一化结果进行数据线性化处理,得到线性化结果;第3层对所述线性化结果进行池化处理,得到所述图像特征提取结果。
5.根据权利要求3所述的二维码图像处理方法,其特征在于,所述将所述原始图像的像素降低,得到第一目标像素图像,并对所述第一目标像素图像进行特征提取,获取所述第一目标像素图像对应的第一特征集合,包括:
将所述原始图像的分解为红、绿、蓝三个通道的独立图像;
分别将每个通道的所述独立图像分为M个包围格子,其中,所述M为大于1的整数,所述包围格子包括设定个数的像素点;
提取每个所述包围格子中的特征点,并获取所述特征点的位置信息,和所述特征点的类别概率信息;
降低所述原始图像的像素至第一目标像素,根据每个通道的所述位置信息和所述类别概率信息,获取所述第一目标像素图像对应的所述第一特征集合。
6.根据权利要求2所述的二维码图像处理方法,其特征在于,所述智能定位模型的训练过程包括:
获取所述原始样本图像;
将所述原始样本图像输入到所述原始智能定位模型,获取所述原始智能定位模型输出的所述原始样本图像各自对应的预测二维码位置信息;
将所述预测二维码位置信息与所述二维码样本位置信息比较,如果不一致,调整所述原始智能定位模型的层间结构,重复执行所述将所述原始样本图像输入到所述原始智能定位模型的步骤,直至所述预测二维码位置信息与所述二维码样本位置信息一致时,将所述原始智能定位模型作为最终的智能定位模型。
7.根据权利要求1所述的二维码图像处理方法,其特征在于,所述获取包含二维码的原始图像之后,所述对所述原始图像中的二维码进行定位,获得二维码位置信息之前,包括:
对所述原始图像进行预处理,获得预处理后的处理后图像;
所述对所述原始图像中的二维码进行定位,获得二维码位置信息,包括:
对所述处理后图像中的二维码进行定位,获得二维码位置信息。
8.根据权利要求7所述的二维码图像处理方法,其特征在于,所述对所述原始图像进行预处理,获得预处理后的处理后图像,包括:
获取P帧原始图像,其中,所述P为大于1的整数;
对所述P帧原始图像分别进行畸变校正处理,获得P帧校正图像;
对所述P帧校正图像进行多帧平均降噪处理,获得处理后图像;
其中,所述对所述P帧校正图像进行多帧平均降噪处理,获得处理后图像,包括:
对所述P帧校正图像的特征值进行平均处理,生成平均特征值;
获取所述平均特征值对应的处理后图像。
9.根据权利要求1所述的二维码图像处理方法,其特征在于,所述根据所述二维码位置信息,提取二维码图像之后,所述对所述二维码图像分割后,进行双路并行解码,获取解码结果之前,包括:
对所述二维码图像进行灰度处理,获得灰度图像;
获取预设的图像大小阈值;
根据所述图像大小阈值对所述灰度图像进行压缩或放大处理,获得处理后的二维码图像;
所述对所述二维码图像分割后,进行双路并行解码,获取解码结果,包括:
对所述处理后的二维码图像分割后,进行双路并行解码,获取解码结果。
10.根据权利要求1所述的二维码图像处理方法,其特征在于,所述获取包含二维码的原始图像之前,还包括:
获取启动信号,其中,所述启动信号用于将图像处理相关装置由休眠状态唤醒为工作状态;
所述获取包含二维码的原始图像,包括:
根据所述启动信号,获取包含二维码的原始图像。
11.一种二维码图像处理系统,其特征在于,包括:图像获取模块,中心处理模块,电源供应模块和无线传输模块;
所述图像获取模块,用于采集包含二维码的原始图像,并将所述原始图像传输给所述中心处理模块;
所述中心处理模块,用于获取所述原始图像,对所述原始图像中的二维码进行定位,获得二维码位置信息,根据所述二维码位置信息,提取二维码图像,对所述二维码图像分割后,进行双路并行解码,获取解码结果并将所述解码结果传输给所述无线传输模块;
所述无线传输模块,用于获取所述解码结果,并将所述解码结果无线传输给其他设备,其中,所述其他设备用于无线接收所述解码结果;
所述电源供应模块,用于为所述图像获取模块、所述中心处理模块和所述无线传输模块提供工作电源;
其中,所述对所述二维码图像分割后,进行双路并行解码,获取解码结果,包括:
对所述二维码图像进行二值化处理,获得二值化图像;
将所述二值化图像进行分割,生成第一分割图像和第二分割图像;
控制第一解码单元对所述第一分割图像进行解码,获得第一解码结果,同时,控制第二解码单元对所述第二分割图像进行解码,获得第二解码结果;
合并所述第一解码结果和所述第二解码结果,获取最终的所述解码结果;
其中,所述第一解码单元对第一分割图像的解码过程如下:逐行逐列扫码所述第一分割图像,根据梯度变换得到每行每列黑白宽度流,确定黑白宽度流满足二维码定位图案特征后,对黑白宽度流线段进行筛选并分类得到图形中心点,对所述第一分割图像做缩放、旋转和平移,确定所述第一分割图像中的每个模块占用的像素点个数,获取二维码版本信息并进行解码,获得第一解码结果。
12.根据权利要求11所述的二维码图像处理系统,其特征在于,所述电源供应模块包含启动按键;
所述启动按键,用于生成启动信号,并将所述启动信号传输给所述图像获取模块、所述中心处理模块和所述无线传输模块;
所述图像获取模块、所述中心处理模块和所述无线传输模块,分别获取所述启动信号后,根据所述启动信号由休眠状态唤醒为工作状态。
13.一种二维码图像处理装置,其特征在于,包括:
获取模块,用于获取包含二维码的原始图像;
定位模块,用于对所述原始图像中的二维码进行定位,获得二维码位置信息;
提取模块,用于根据所述二维码位置信息,提取二维码图像;
解码模块,用于对所述二维码图像分割后,进行双路并行解码,获取解码结果;
其中,所述对所述二维码图像分割后,进行双路并行解码,获取解码结果,包括:
对所述二维码图像进行二值化处理,获得二值化图像;
将所述二值化图像进行分割,生成第一分割图像和第二分割图像;
控制第一解码单元对所述第一分割图像进行解码,获得第一解码结果,同时,控制第二解码单元对所述第二分割图像进行解码,获得第二解码结果;
合并所述第一解码结果和所述第二解码结果,获取最终的所述解码结果;
其中,所述第一解码单元对第一分割图像的解码过程如下:逐行逐列扫码所述第一分割图像,根据梯度变换得到每行每列黑白宽度流,确定黑白宽度流满足二维码定位图案特征后,对黑白宽度流线段进行筛选并分类得到图形中心点,对所述第一分割图像做缩放、旋转和平移,确定所述第一分割图像中的每个模块占用的像素点个数,获取二维码版本信息并进行解码,获得第一解码结果。
14.一种电子设备,其特征在于,包括:处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中所存储的程序,实现权利要求1至10任一项所述的二维码图像处理方法。
15.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至10任一项所述的二维码图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085548.2A CN114330400B (zh) | 2020-10-12 | 2020-10-12 | 二维码图像处理方法、系统、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085548.2A CN114330400B (zh) | 2020-10-12 | 2020-10-12 | 二维码图像处理方法、系统、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114330400A CN114330400A (zh) | 2022-04-12 |
CN114330400B true CN114330400B (zh) | 2023-12-08 |
Family
ID=81032644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011085548.2A Active CN114330400B (zh) | 2020-10-12 | 2020-10-12 | 二维码图像处理方法、系统、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114330400B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130491B (zh) * | 2022-08-29 | 2023-01-31 | 荣耀终端有限公司 | 一种自动扫码方法和终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101344964A (zh) * | 2007-07-12 | 2009-01-14 | 株式会社理光 | 用于处理图像的设备、方法和计算机程序产品 |
CN104517089A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 一种二维码解码系统及其方法 |
CN110152293A (zh) * | 2018-02-13 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 操控对象的定位方法及装置、游戏对象的定位方法及装置 |
CN110348264A (zh) * | 2019-07-04 | 2019-10-18 | 北京电子工程总体研究所 | 一种qr二维码图像校正方法及系统 |
CN110765795A (zh) * | 2019-09-24 | 2020-02-07 | 北京迈格威科技有限公司 | 二维码识别方法、装置及电子设备 |
CN111488826A (zh) * | 2020-04-10 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 一种文本识别方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069389B (zh) * | 2015-07-27 | 2017-10-31 | 福建联迪商用设备有限公司 | 二维码分块解码方法及系统 |
-
2020
- 2020-10-12 CN CN202011085548.2A patent/CN114330400B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101344964A (zh) * | 2007-07-12 | 2009-01-14 | 株式会社理光 | 用于处理图像的设备、方法和计算机程序产品 |
CN104517089A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 一种二维码解码系统及其方法 |
CN110152293A (zh) * | 2018-02-13 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 操控对象的定位方法及装置、游戏对象的定位方法及装置 |
CN110348264A (zh) * | 2019-07-04 | 2019-10-18 | 北京电子工程总体研究所 | 一种qr二维码图像校正方法及系统 |
CN110765795A (zh) * | 2019-09-24 | 2020-02-07 | 北京迈格威科技有限公司 | 二维码识别方法、装置及电子设备 |
CN111488826A (zh) * | 2020-04-10 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 一种文本识别方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114330400A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046529B (zh) | 二维码识别方法、装置及设备 | |
CN112348783B (zh) | 基于图像的人物识别方法、装置及计算机可读存储介质 | |
US20190114774A1 (en) | Generating Image Segmentation Data Using a Multi-Branch Neural Network | |
CN109657582B (zh) | 人脸情绪的识别方法、装置、计算机设备及存储介质 | |
CN111028237B (zh) | 图像分割方法、装置及终端设备 | |
CN113221869B (zh) | 医疗发票结构化信息提取方法、装置设备及存储介质 | |
WO2020093782A1 (en) | Method, system, and computer-readable medium for improving quality of low-light images | |
CN110674824A (zh) | 基于R2U-Net的手指静脉分割方法、装置和存储介质 | |
WO2020048359A1 (en) | Method, system, and computer-readable medium for improving quality of low-light images | |
CN110766007B (zh) | 证件遮挡检测方法、装置、设备及可读存储介质 | |
CN112163443A (zh) | 一种扫码方法、扫码装置及移动终端 | |
CN114330400B (zh) | 二维码图像处理方法、系统、装置、电子设备及存储介质 | |
CN111291761B (zh) | 用于识别文字的方法和装置 | |
CN113012068A (zh) | 图像去噪方法、装置、电子设备及计算机可读存储介质 | |
CN109784154B (zh) | 基于深度神经网络的情绪识别方法、装置、设备及介质 | |
CN112712468B (zh) | 虹膜图像超分辨率重建方法及计算设备 | |
CN107886093B (zh) | 一种字符检测方法、系统、设备及计算机存储介质 | |
CN104346596A (zh) | 一种qr码的识别方法及识别装置 | |
CN110717060B (zh) | 图像mask的过滤方法、装置及存储介质 | |
CN111950562A (zh) | 图片处理方法、装置、终端设备和存储介质 | |
CN113727050B (zh) | 面向移动设备的视频超分辨率处理方法、装置、存储介质 | |
WO2023273196A1 (zh) | 一种文本识别方法及相关装置 | |
CN109447911A (zh) | 图像复原的方法、装置、存储介质和终端设备 | |
CN115223181A (zh) | 基于文本检测的报告材料印章文字识别方法和装置 | |
CN113658118A (zh) | 图像噪声程度估计方法、装置、电子设备及存储介质 |
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 |