CN114692661A - 二维码识别方法、存储介质和计算机 - Google Patents
二维码识别方法、存储介质和计算机 Download PDFInfo
- Publication number
- CN114692661A CN114692661A CN202011581643.1A CN202011581643A CN114692661A CN 114692661 A CN114692661 A CN 114692661A CN 202011581643 A CN202011581643 A CN 202011581643A CN 114692661 A CN114692661 A CN 114692661A
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- dimensional
- grid
- binary image
- vertexes
- 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.)
- Pending
Links
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
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种二维码识别方法、存储介质和计算机。所述方法，其包括：通过自适应阈值分割将包括二维码的检测图像变成二值图；根据各类二维码特征在所述二值图中定位到所述二维码的四个顶点；基于定位到的二维码的四个顶点计算出仿射变换矩阵，以将所述检测图像中的二维码以及所述二维码的二值图转换为正矩形；利用正矩形的二维码的灰度梯度变化规律划分形成二维网格；基于所述二维网格中每个采样网格在所述二值图中的灰度均值得到每个采样网格的信息是“0”或“1”，根据所述二维网格中各个采样网格的信息重绘一个标准的由黑白数据块组成的标准二维码；和对所述标准二维码进行读码和解码。这样，可以提高提高低质量二维码的识码解码准确率。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种低质量图像中的二维码识别方法、存储介质和计算机。
背景技术
二维码凭借其存储量大、准确性高、实时性好等特点，现已在日常生活与工业生产中盛行，因此，无论是从市场需求还是研究意义而言，二维码识别技术的研究都极为重要。
然而，在二维码的应用环境中，时常出现印刷不均、磨损、遮挡、光照条件差等干扰因素，导致二维码成像质量较低，从而导致识码解码准确率降低。因此，研究出一种针对低质量二维码的识别方法具有实际意义。
因此，有必要提出一种改进的方案来克服上述问题。
发明内容
本发明的目的在于提供一种二维码识别方法、存储介质和计算机，其可以提高低质量二维码的识码解码准确率。
为实现发明目的，根据本发明的一个方面，本发明提供一种二维码识别方法，其包括：通过自适应阈值分割将包括二维码的检测图像变成二值图，以将所述检测图像中的二维码从检测图像的背景中分割出来；根据各类二维码特征在所述二值图中定位到所述二维码的四个顶点；基于定位到的二维码的四个顶点计算出仿射变换矩阵，基于所述仿射变换矩阵将所述二维码的二值图转换为正矩形；利用正矩形的二维码的灰度梯度变化规律划分形成二维网格，所述二维网格包括由间隔区分割而成的多个采样网格；基于所述二维网格中每个采样网格在所述二维码的二值图中的灰度均值得到每个采样网格的信息是“0”或“1”，根据所述二维网格中各个采样网格的信息重绘一个标准的由黑白数据块组成的标准二维码；和对所述标准二维码进行读码和解码。
根据本发明的另一个方面，本发明提供一种存储介质，其存储有程序指令，在所述程序执行被运行上文所述的二维码识别方法。
根据本发明的再一个方面，本发明提供一种计算机，其包括处理器和存储器，所述存储器中存储有程序指令，所述处理器运行所述程序指令以执行上文所述的二维码识别方法。
与现有技术相比，本发明通过将二维码图像转换为标准二维码，从而提高提高低质量二维码的识码解码准确率。
附图说明
图1为本发明中的二维码识别方法在一个实施例中的流程示意图；
图2为本发明中的二维码识别方法的一个示例。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。
本发明提供了一种通过将二维码图像转换为标准二维码的二维码识别方法，从而提高低质量二维码的识码解码准确率。
图1为本发明中的二维码识别方法100在一个实施例中的流程示意图。如图1所示的，所述二维码识别方法100包括如下步骤。
步骤110，为定位二维码在检测图像中的顶点位置，并考虑到光照不均和噪声干扰的因素，通过自适应阈值分割将包括二维码的检测图像变成二值图，以将所述检测图像中的二维码从检测图像的背景中分割出来。
在一个实施例中，可以采用的是基于积分算法的局部自适应图像阈值处理方法将包括二维码的检测图像变成二值图，效果佳且速度较快。如图2中的(a)为检测图像，其中主要显示了二维码，图2中的(b)为检测图像的二值图。
步骤120，根据各类二维码特征在所述二值图中定位到所述二维码的四个顶点。
在一个实施例中，先据各类二维码特征在所述二值图中定位到所述二维码的三个顶点A、B和C。具体的，如果二维码是DM(Data Matrix)二维码，则通过霍夫变换直线拟合得到DM二维码用于定位的“L”边的两条直线，基于两条的端点和交点得到三个顶点A、B和C；如果二维码是QR二维码，则通过轮廓提取与级别筛选，得到QR(Quick Response)二维码用于定位的3个“回”字轮廓，从而获取QR二维码的三个顶点A、B和C。如图2所示的，所述二维码为DM二维码，因此拟合L边后得到(c)图。
而由于视角多变与镜头畸变因素，第4个顶点D不可直接通过平行四边形的两两平行规则获取。因此需要将对角线上的两个顶点A和C连线得到第一直线I1，将所述第一直线I1向另一个顶点B的反方向平移得到数个与二维码边缘的交点，将这些交点做直线拟合，筛选出距离顶点C最远的第二直线l2和距离顶点A最远的第三直线l3，第二直线l2和第三直线l3的交点就是二维码的第4个顶点D。如图2中的(d)所示，其示出了四个顶点。
步骤130，基于定位到的二维码的四个顶点计算出仿射变换矩阵，基于所述仿射变换矩阵将所述二维码的二值图转换为正矩形。具体的，将定位到的二维码的最小外接矩形的宽高作为仿射变换后的目标宽高计算出仿射变换矩阵。如图2中的(e)为正矩形的二维码的二值图。
步骤140，利用正矩形的二维码的灰度梯度变化规律划分形成二维网格，所述二维网格包括由间隔区分割而成的多个采样网格。
在一个实施例中，根据二维码“0”“1”跳变的规律，通过计算二维码分别在横纵坐标轴上的灰度偏差值之和，即本列(行)与前一列(行)的灰度差值之和，相当于将二维码转换为两个一维波形，再进行滤波和归一化的操作，将低变化值区域判定为采样区(即黑色或白色的信息区域)，高变化值去判定为间隔区(即黑白变化剧烈的区域)，在横纵坐标轴皆为采样区的成为二维网格中的采样网格，在横纵坐标轴中有一类为间隔区的成为二维网格中的间隔区。如图2中的(f)为划分形成的二维网格，其中的黑线为隔离区，中间的白色格子为采样网格。
步骤150，基于所述二维网格中每个采样网格在所述二维码的二值图中的灰度均值得到每个采样网格的信息是“0”或“1”，根据所述二维网格中各个采样网格的信息重绘一个标准的由黑白数据块组成的标准二维码。如图2中的(g)为重绘的标准二维码。
步骤160，对所述标准二维码进行读码和解码。
具体的，先通过读取处理后的标准二维码的尺寸及版本类型，确定纠错方式，再采用“蛇形”模式逐一读取二维码的数据信息，最后进行解码，得到二维码存储的信息内容。
本发明的有益效果是：针对拍摄质量较低的二维码图像，能够通过传统图像算法对其进行预处理，得到标准的由黑白数据块组成的二维矩阵图像以读码解吗，从而提高了二维码识别的能力，增强识别的鲁棒性。
根据本发明的另一个方面，本发明提供一种存储介质，其存储有程序指令，在所述程序执行被运行以执行上文所述二维码识别方法。为了简便，所述二维码识别方法的具体内容在此处不再重复。
根据本发明的另一个方面，本发明提供一种计算机，其包括处理器和存储器，所述存储器中存储有程序指令，所述处理器运行所述程序指令以执行上文所述二维码识别方法。为了简便，所述二维码识别方法的具体内容在此处不再重复。
在本文中，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，除了包含所列的那些要素，而且还可包含没有明确列出的其他要素。
在本文中，所涉及的前、后、上、下等方位词是以附图中零部件位于图中以及零部件相互之间的位置来定义的，只是为了表达技术方案的清楚及方便。应当理解，所述方位词的使用不应限制本申请请求保护的范围。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理装置的处理器以产生一个机器，使得通过计算机或其他可编程数据处理装置的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理装置上，使得在计算机或其他可编程装置上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程装置上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
Claims (8)
1.一种二维码识别方法，其特征在于，其包括：
通过自适应阈值分割将包括二维码的检测图像变成二值图，以将所述检测图像中的二维码从检测图像的背景中分割出来；
根据各类二维码特征在所述二值图中定位到所述二维码的四个顶点；
基于定位到的二维码的四个顶点计算出仿射变换矩阵，基于所述仿射变换矩阵将所述二维码的二值图转换为正矩形；
利用正矩形的二维码的灰度梯度变化规律划分形成二维网格，所述二维网格包括由间隔区分割而成的多个采样网格；
基于所述二维网格中每个采样网格在所述二维码的二值图中的灰度均值得到每个采样网格的信息是“0”或“1”，根据所述二维网格中各个采样网格的信息重绘一个标准的由黑白数据块组成的标准二维码；和
对所述标准二维码进行读码和解码。
2.如权利要求1所述的二维码识别方法，其特征在于，利用基于积分算法的局部自适应图像阈值处理方法将包括二维码的检测图像变成二值图。
3.如权利要求1所述的二维码识别方法，其特征在于，所述根据各类二维码特征在所述二值图中定位到所述二维码的四个顶点包括：
据各类二维码特征在所述二值图中定位到所述二维码的三个顶点A、B和C；
将对角线上的两个顶点A和C连线得到第一直线I1，将所述第一直线I1向另一个顶点B的反方向平移得到数个与二维码边缘的交点，将这些交点做直线拟合，筛选出距离顶点C最远的第二直线l2和距离顶点A最远的第三直线l3，第二直线l2和第三直线l3的交点就是二维码的第4个顶点D。
4.如权利要求3所述的二维码识别方法，其特征在于，
所述据各类二维码特征在所述二值图中定位到所述二维码的三个顶点A、B和C包括：
如果二维码是DM二维码，则通过霍夫变换直线拟合得到DM二维码用于定位的“L”边的两条直线，基于两条的端点和交点得到三个顶点A、B和C；
如果二维码是QR二维码，则通过轮廓提取与级别筛选，得到QR二维码用于定位的3个“回”字轮廓，从而获取QR二维码的三个顶点A、B和C。
5.如权利要求1所述的二维码识别方法，其特征在于，将定位到的二维码的最小外接矩形的宽高作为仿射变换后的目标宽高计算出仿射变换矩阵。
6.如权利要求1所述的二维码识别方法，其特征在于，所述利用正矩形的二维码的灰度梯度变化规律划分形成二维网格包括：
通过计算正矩形的二维码的二值图分别在横纵坐标轴上的灰度偏差值之和，再进行滤波和归一化的操作，将低变化值区域判定为采样区，高变化值区域判定为间隔区，在横纵坐标轴皆为采样区的区域成为二维网格中的采样网格，在横纵坐标轴中有一类为间隔区的区域成为二维网格中的间隔区。
7.一种存储介质，其特征在于，其存储有程序指令，在所述程序执行被运行以执行如权利要求1-6任一所述的二维码识别方法。
8.一种计算机，其特征在于，其包括处理器和存储器，所述存储器中存储有程序指令，所述处理器运行所述程序指令以执行如权利要求1-6任一所述的二维码识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011581643.1A CN114692661A (zh) | 2020-12-28 | 2020-12-28 | 二维码识别方法、存储介质和计算机 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011581643.1A CN114692661A (zh) | 2020-12-28 | 2020-12-28 | 二维码识别方法、存储介质和计算机 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114692661A true CN114692661A (zh) | 2022-07-01 |
Family
ID=82130690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011581643.1A Pending CN114692661A (zh) | 2020-12-28 | 2020-12-28 | 二维码识别方法、存储介质和计算机 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114692661A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116086896A (zh) * | 2023-04-06 | 2023-05-09 | 国网湖北省电力有限公司电力科学研究院 | 一种适用于变压器取油机器人的标准化取油装置及方法 |
| CN118396010A (zh) * | 2024-06-28 | 2024-07-26 | 杭州汇萃智能科技有限公司 | 一种复杂环境条件下二维码识别方法、系统及介质 |
-
2020
- 2020-12-28 CN CN202011581643.1A patent/CN114692661A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116086896A (zh) * | 2023-04-06 | 2023-05-09 | 国网湖北省电力有限公司电力科学研究院 | 一种适用于变压器取油机器人的标准化取油装置及方法 |
| CN118396010A (zh) * | 2024-06-28 | 2024-07-26 | 杭州汇萃智能科技有限公司 | 一种复杂环境条件下二维码识别方法、系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107633192B (zh) | 一种基于机器视觉的复杂背景下条形码分割与识读方法 | |
| CN109543489B (zh) | 基于二维码的定位方法、装置和存储介质 | |
| CN109165538B (zh) | 基于深度神经网络的条形码检测方法及装置 | |
| CN102096795A (zh) | 磨损二维条码图像识别方法 | |
| US20180253852A1 (en) | Method and device for locating image edge in natural background | |
| CN104463795A (zh) | 一种点阵式dm二维码图像处理方法及装置 | |
| CN109740542B (zh) | 基于改进型east算法的文本检测方法 | |
| CN113449534B (zh) | 二维码图像处理方法和装置 | |
| CN107862235B (zh) | 二维码的位置定位方法、装置及终端设备 | |
| CN114529925A (zh) | 一种全线表表格结构识别方法 | |
| CN114692661A (zh) | 二维码识别方法、存储介质和计算机 | |
| CN113723399A (zh) | 一种车牌图像矫正方法、车牌图像矫正装置和存储介质 | |
| CN111915628A (zh) | 一种基于预测目标密集边界点的单阶段实例分割方法 | |
| CN111291752A (zh) | 一种发票识别方法及设备、介质 | |
| CN112257721A (zh) | 一种基于Fast ICP的图像目标区域匹配方法 | |
| CN115909378A (zh) | 单据文本检测模型的训练方法及单据文本检测方法 | |
| CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
| CN118135584A (zh) | 一种基于深度学习的手写表单自动识别方法和系统 | |
| CN110263597B (zh) | 一种快速准确的qr码校正方法及系统 | |
| CN111178111A (zh) | 二维码检测方法、电子设备、存储介质及系统 | |
| CN114049380B (zh) | 目标物体定位追踪方法、装置、计算机设备和存储介质 | |
| CN111368572A (zh) | 一种二维码的识别方法及系统 | |
| CN114863438A (zh) | 用于识别曲线的方法及系统 | |
| CN111428530B (zh) | 一种二维码图像检测识别设备、装置及方法 | |
| CN115221910A (zh) | 二维码识别方法、装置、设备及计算机可读存储介质 |
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 |