CN115471828A - 标识码识别方法、装置、终端设备及介质 - Google Patents

Abstract

本发明公开了一种标识码识别方法、装置、终端设备及计算机可读存储介质，该方法包括：通过与所述终端设备匹配的摄像头，获取待处理图片；从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码。本发明能够实现低成本的标识码识别，进而提升工业生产测试效率。

Description

标识码识别方法、装置、终端设备及介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种标识码识别方法、装置、终端设备及计算机可读存储介质。

背景技术

为了保证产品在不同工站间流通的有序性，普遍会为产品打上标识码，在标识码中集成了产品ID等关键产品信息。目前普遍利用扫码枪对产品上的标识码进行扫描，以获取对应的产品信息。

但是，由于标识码的工业应用场景较为复杂，比如，标识码扫描场景可能为室外强光场景、光线不充足场景或者远距离扫码场景等，因此，为了实现多种场景下的精准扫码，同时也考虑到工业生产的安全性，需要使用工业扫码枪对流通于工站间的产品进行扫码，并在利用工业扫码枪完成扫码后，能够以串口通信等方式，利用工控机直接获取工业扫码枪识别的条码。但是工业扫码枪价格昂贵，导致工业成本较高。

因此，如何实现标识码的低成本高精度扫描对于工业生产来说是十分值得考虑的问题。

发明内容

本发明的主要目的在于提供一种快捷功能的自定义标识码识别方法、装置、终端设备及计算机可读存储介质，旨在实现低成本高精度的标识码识别，进而提升工业生产测试效率。

为实现上述目的，本发明提供一种标识码识别方法，所述标识码识别方法应用于终端设备，所述标识码识别方法包括：

通过与所述终端设备匹配的摄像头，获取待处理图片；

从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码。

可选地，所述针对所述目标图片进行局部二值化处理得到目标标识码的步骤，包括：

通过最大类间方差算法，并结合局部阈值算法，对所述目标图片进行局部二值化处理得到目标标识码。

可选地，所述通过最大类间方差算法，并结合局部阈值算法，对所述目标图片进行局部二值化处理得到目标标识码的步骤，包括：

通过所述最大类间方差算法，确定所述目标图片的整体阈值；

通过所述局部阈值算法，确定所述目标中的各个邻域的临时阈值；

基于所述整体阈值和所述临时阈值，获取所述各个邻域内的综合阈值；

根据所述综合阈值，对所述目标图片进行局部二值化处理得到目标标识码。

可选地，所述通过与所述终端设备匹配的摄像头，获取待处理图片的步骤，包括：

通过与所述终端设备串行连接的USB摄像头或者所述终端设备内置的摄像头进行图片捕捉得到待处理图片。

可选地，所述从所述待处理图片中提取包含标识码的目标图片的步骤，包括：

通过区域定位算法，从所述待处理图片中提取包含标识码的目标图片。

可选地，在所述从所述待处理图片中提取包含标识码的目标图片的步骤之前，还包括：

将所述待处理图片进行灰度处理得到灰度化的待处理图片，以从所述灰度化的待处理图片中获取包含标识码的目标图片。

可选地，在所述针对所述目标图片进行局部二值化处理得到目标标识码的步骤之后，还包括：

根据所述目标标识码的类型，针对所述目标标识码进行解码处理得到对应的产品信息。

为实现上述目的，本发明还提供一种标识码识别装置，所述标识码识别装置包括：

获取模块，用于通过与所述终端设备匹配的摄像头，获取待处理图片；

处理模块，用于从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码。

为实现上述目的，本发明还提供一种终端设备，所述终端设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的标识码识别程序，所述标识码识别程序被所述处理器执行时实现如上所述的标识码识别方法的步骤。

此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有标识码识别程序，所述标识码识别程序被处理器执行时实现如上所述的标识码识别方法的步骤。

为实现上述目的，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上所述的标识码识别方法的步骤。

本发明提供一种标识码识别方法、装置、终端设备、计算机可读存储介质以及计算机程序产品，通过与所述终端设备匹配的摄像头，获取待处理图片；从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码。

相比于现有技术中利用昂贵的扫码设备进行扫码的方式，在本发明中，可直接利用成本较低的摄像头对包含标识码的图片进行拍摄，进而对该图片进行局部二值化处理得到高精度的目标标识码。因此，本发明既提升了标识码的识别效率，也提升了标识码的识别精度。同时，采用与终端设备匹配的摄像头进行标识码捕捉，极大程度降低了工业产品检测成本，普遍适用于各类型标识码识别场景。

附图说明

图1为本发明实施例方案涉及的硬件运行环境的结构示意图；

图2为本发明标识码识别方法一实施例的第一流程示意图；

图3为本发明标识码识别方法一实施例的第一场景示意图；

图4为本发明标识码识别方法一实施例的第二场景示意图；

图5为本发明标识码识别方法一实施例的第二流程示意图；

图6为本发明标识码识别方法一实施例的图像二值化效果第一示意图；

图7为本发明标识码识别方法一实施例的第三流程示意图；

图8为本发明标识码识别方法一实施例的图像二值化效果第二示意图；

图9为本发明标识码识别方法一实施例的RIO定位效果示意图；

图10为本发明标识码识别方法一实施例的摄像头捕捉的瑕疵图片示意图；

图11为本发明智能家具控制装置一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。

本发明实施例的终端设备可以是工控机，比如计算机等，也可以是智能手机、服务器或者网络设备等，本实施例中的终端设备可用于标识码的高精度识别。

如图1所示，该终端设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的设备结构并不构成对标识码识别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作、网络通信模块、用户接口模块以及标识码识别程序。操作是管理和控制设备硬件和软件资源的程序，支持标识码识别程序以及其它软件或程序的运行。在图1所示的设备中，用户接口1003主要用于与客户端进行数据通信；网络接口1004主要用于与服务器建立通信连接；而处理器1001可以用于调用存储器1005中存储的标识码识别程序，并执行以下操作：

通过与所述终端设备匹配的摄像头，获取待处理图片；

从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码。

进一步地，处理器1001可以用于调用存储器1005中存储的标识码识别程序，并执行以下操作：

通过预设的最大类间方差算法和局部阈值算法，对所述目标图片进行局部二值化处理得到目标标识码。

进一步地，处理器1001可以用于调用存储器1005中存储的标识码识别程序，并执行以下操作：

通过所述最大类间方差算法，确定所述目标图片的整体阈值；

通过所述局部阈值算法，确定所述目标中的各个邻域的临时阈值；

基于所述整体阈值和所述临时阈值，获取所述各个邻域内的综合阈值；

根据所述综合阈值，对所述目标图片进行局部二值化处理得到目标标识码。

进一步地，处理器1001可以用于调用存储器1005中存储的标识码识别程序，并执行以下操作：

通过与所述终端设备串行连接的USB摄像头或者所述终端设备内置的摄像头进行图片捕捉得到待处理图片。

进一步地，处理器1001可以用于调用存储器1005中存储的标识码识别程序，并执行以下操作：

通过区域定位算法，从所述待处理图片中提取包含标识码的目标图片。

进一步地，在所述从所述待处理图片中提取包含标识码的目标图片的步骤之前，处理器1001可以用于调用存储器1005中存储的标识码识别程序，并执行以下操作：

将所述待处理图片进行灰度处理得到灰度化的待处理图片，以从所述灰度化的待处理图片中获取包含标识码的目标图片。

进一步地，在所述针对所述目标图片进行局部二值化处理得到目标标识码的步骤之后，处理器1001可以用于调用存储器1005中存储的标识码识别程序，并执行以下操作：

根据所述目标标识码的类型，针对所述目标标识码进行解码处理得到对应的产品信息。

参照图2，图2为本发明标识码识别方法第一实施例的流程示意图。

本发明实施例提供了标识码识别方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以不同于此处的顺序执行所示出或描述的步骤。

考虑到当前普遍通过价格较高的扫码枪设备实现扫码功能，在本发明中，旨在提供一种基于摄像头的低成本的标识码扫描方式，主要面向制造业领域，可应用在精密零组件的生产和测试中，比如，可对精密零组件上的标识码(比如二维码和条形码等)进行扫描，以获取对应的产品相关信息，对产品进行身份确认，保证各产品在不同工站间流通的有序性。

除此之外，在本发明中，还利用集成于工控机中的LabVIEW(Laboratory VirtualInstrument Engineering Workbench，实验室虚拟仪器工程平台)开发工具以及NI Vision(交互式的开发环境)机器视觉检测技术，构建工业级高精度的标识码识别系统，通过ROI定位、中值滤波、二值化图像等技术进行图像预处理，最终对图像预处理后的高精度标识码进行解码，获取产品信息。

具体地，本实施例中的标识码识别方法，包括以下步骤：

步骤S10，通过与所述终端设备匹配的摄像头，获取待处理图片；

需要说明的是，在本实施例中，在终端设备具体为工控机时，可采用成本较低的摄像头(比如工控机配套的USB摄像头)进行图片捕捉，无需再单独为工控机配置用于识别标识码的摄像头，降低了工业产品检测成本。

具体地，例如，在本实施例中的标识码为二维码时，工控机可利用与其匹配的摄像头对产品上的二维码进行拍摄得到待处理图片，此时，待处理可能存在模糊和过度曝光等问题，需要进一步的处理，以获取高精度的二维码图片。

进一步地，上述步骤S10中，“通过与所述终端设备匹配的摄像头，获取待处理图片”，可以包括：

步骤S101，通过与所述终端设备串行连接的USB摄像头或者所述终端设备内置的摄像头进行图片捕捉得到待处理图片。

需要说明的是，在本实施例中，包含了两种标识码识别场景：摄像头处于固定模式或者摄像头处于灵活可调模式。

具体地，例如，如图3所示的摄像头固定模式场景，将与工控机串行连接的USB摄像头设置在固定位置，并将其对准待测产品经过的扫码区，当产品进入扫码区后，可由工控机触发扫码指令控制USB摄像头进行拍摄。此时由于摄像头的位置固定，不需要使用视频模式获取大量重复的图像，摄像头只需捕获单张包含标识码的图像即可，最终将通过摄像头获取的图像信息以数据流形式传给工控机，从而利用工控机执行后续的图像处理以及标识码解码等操作。

或者，如图4所示的摄像头灵活可调模式，若是操作员需要获取标识码的信息或者检测标识码的有效性、可读性，但是目前又没有空闲扫码枪设备，操作员便可以直接在工控机端打开LabVIEW开发工具，并将包含标识码的图片对准工控机内置的摄像头，由该摄像头对包含标识码的图片进行识别和拍摄。由于在此种模式下，标识码在整张图像中的位置和大小都不固定，为了实现工业级标识码高精度识别，摄像头可采集多帧图片传回工控机进行逐帧分析，确定一个最佳图片作为待处理图片，其中，工控机可对传回的多张图片进行评分，并将分数最高的图片作为待处理图片，在本实施例中，不对摄像头采集的图片数量做具体限定，可由用户具体确定摄像头采集图片的图片数量。

步骤S20，从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码，以获取所述目标标识码对应的产品信息。

需要说明的是，在本实施例中，工控机在获取到待处理图片后，由于此时的待处理图片可能存在模糊、反光或者光线较暗等问题，导致工控机无法进行准确解码，因此，工控机在获取到待处理图片后，需要预先对待处理图片进行处理，以得到高清晰度的目标标识码，进而实现工业级高精度的标识码解码效果。

具体地，例如，工控机在获取到待处理图片后，需要从待处理图片中提取到包含标识码的目标图片，并且针对该目标图片进行局部二值化处理得到高精度的目标标识码，使得用户能够进一步利用工控机，对该目标标识码进行解码操作得到对应的产品信息，比如产品ID等。

在本实施例中，工控机可利用与之匹配的摄像头对产品上的标识码进行拍摄得到待处理图片。进而，从待处理图片中提取到包含标识码的目标图片，并且针对该目标图片进行局部二值化处理得到高精度的目标标识码，以进一步对该目标标识码进行解码操作。

相比于现有技术中利用昂贵的扫码设备进行扫码的方式，在本发明中，可直接利用成本较低的摄像机对包含标识码的图片进行拍摄，进而对该图片进行局部二值化处理得到高精度的目标标识码。因此，本发明既提升了标识码的识别效率，也提升了标识码的识别精度。同时，采用与终端设备匹配的摄像头进行标识码捕捉，极大程度降低了工业产品检测成本，普遍适用于各类型标识码识别场景。

在此基础上，本发明利用高精度标识码进行解码，极大程度地提升了标识码解码效率和解码精度，方便对工业产品在各个工站的流转进行管理，进而提升了用户体验。

进一步地，基于本发明标识码识别方法的第一实施例，提出本发明标识码识别方法的第二实施例。

在本实施例中，上述步骤S20中，“针对所述目标图片进行局部二值化处理得到目标标识码”，可以包括：

步骤S201，通过最大类间方差算法，并结合局部阈值算法，对所述目标图片进行局部二值化处理得到目标标识码。

需要说明的是，在本实施例中，当标识码具体为二维码时，由于二维码图像本身是由一系列的黑白码块组成，并且利用黑色实线以及黑白切换的辅助线或定位块进行定位，并且考虑到二维码图像在灰度级上呈现两极分化，在本实施例中可采用二值化操作来突出标识码的特点，同时过滤其他灰度图形，以排除其它灰度图形为后续二维码定位所带来的干扰。

图像二值化方式中阈值的选取方法，一般包括：直方图双峰法、P参数法、OTSU法(又称最大类间方差法)、最大熵阈值法、迭代法(最佳阈值法)等。实际操作中，对于光照条件良好、背景简单的图像或视频，可直接利用最大类间方差法确定二值化阈值，进而利用二值化阈值进行图像二值化处理。

而对于成像不均匀或者过度曝光的图像及视频，如图6所示，其二值化后的标识码存在部分丢失的现象，此时，可考虑利用局部阈值法对包含二维码的目标图片进行局部二值化处理。但是，LabView中NI Vision模块中自带的两种局部阈值法都有一些缺点，导致其不太适合直接应用于工业生产线环境：

(1)一种是使用最大类间方差法的背景纠正法，背景纠正法先通过像素与邻域内的灰度均值做减法运算，来消除光照不均对图像的影响，然后再使用最大类见方差法计算局部阈值。它的缺点是在图像和背景灰度差异明显时会丢失图像细节，而实际生产中条码往往是被贴在产品硬件上的，而产品往往为深色，标识码边缘为白色，容易导致处理过后的标识码边缘难以识别；

(2)另一种是Niblack(局部阈值)二值化算法，及其本思想是对每一个像素点都计算其邻域内的均值m(x,y)和方差s(x,y)，随后每个像素计算阈值T(x,y)＝k*s(x,y)+m(x,y)，其中k为修正系数，通常取0.2，最终以T(x,y)的值作为阈值来二值化图像。Niblack算法虽然能够实现图像的二值化，但是如果选取的区域均为背景点时，该算法会将灰度值较高的点当做是目标点，导致伪噪声的引入，同时由于每个像素都要计算邻域的均值和方差，所以Niblack法的计算量很大，使得此种方式只适合用作单张照片的二值化处理，无法应用于视频环境。

为解决上述问题，在本实施例中，通过集成于工控机中的LabVIEW开发工具以及NIVision机器视觉检测技术，利用最大类间方差算法和局部阈值算法，对目标图片进行局部二值化处理得到高精度的目标标识码，本实施例终中的局部二值化操作能够适用于工业生产线场景，既提升了标识码识别效率，也提升了标识码识别精度，同时降低了标识码扫描成本。

进一步地，上述步骤S201，如图7所示，可以包括：

步骤S2011，通过所述最大类间方差算法，确定所述目标图片的整体阈值；

步骤S2012，通过所述局部阈值算法，确定所述目标中的各个邻域的临时阈值；

步骤S2013，基于所述整体阈值和所述临时阈值，获取所述各个邻域内的综合阈值，以对所述目标图片进行局部二值化处理得到目标标识码。

工控机在从待处理图片中提取到包含标识码的目标图片后，首先将通过最大类间方差法得到目标图像的整体阈值t₁，再通过局部阈值法计算每个邻域(即目标图片中像素)的临时阈值t₂，最终计算出邻域内的综合阈值T：

T＝t₁×scale+t₂×(1-scale)

其中，scale为比重参数，scale是一个取值从0到1的数，通过灵活调节scale来获取合适的阈值。比如，当scale取0.4时二值化后的目标识码，如图8所示，标识码中重要细节部分明显增强，从根本上改善了视觉质量，并且标识码信息部分几乎没有存在细节丢失问题，同时算法的计算量也得到了控制，可以支持20帧每秒的视频标识码检测，因此，本实施例极大程度地提升了标识码识别质量和识别效率。

进一步地，基于本发明标识码识别方法的第一实施例和第二实施例，提出本发明标识码识别方法的第三实施例。

在本实施例中，上述步骤S20中，“从所述待处理图片中提取包含标识码的目标图片”，可以包括：

步骤S202，通过区域定位算法，从所述待处理图片中提取包含标识码的目标图片。

工控机在获取到待处理图片后，需要通过区域定位算法，比如，ROI(region ofinterest，感兴趣区域)定位算法，从待处理图片中提取包含标识码的目标图片。

具体地，例如，利用工控机中的NI Vision视觉模块，调用IMAQ ConstructROI，以创建图像显示与相应工具，并输出初步图像，进而在输出的初步图像中确定如图9所示的ROI区域，同时可保存此块ROI区域的坐标等信息。在本实施例中，可由用户选取任意包含标识码图像的ROI区域。

进一步地，在上述步骤S20，“从所述待处理图片中提取包含标识码的目标图片”之前，还可以包括：

步骤S30，将所述待处理图片进行灰度处理得到灰度化的待处理图片，以从所述灰度化的待处理图片中获取包含标识码的目标图片。

工控机在获取到待处理图片后，需要首先对该待处理图片进行灰度化处理，如图3所示，以进一步从灰度化处理后的图片中提取包含标识码的目标图片。在本实施例中，不对灰度化处理的具体方式进行限定，比如可以为分量法、最大值法和平均值法等方式。

在另一实施例中，如图3所示，工控机在从待处理图片中提取到包含标识码的目标图片后，需要对该目标图片进行去噪处理，进而针对去噪处理后的目标图片进行局部二值化处理得到高精度的目标标识码。

进一步地，在上述步骤S20，“针对所述目标图片进行局部二值化处理得到目标标识码”之后，还可以包括：

步骤S40，根据所述目标标识码的类型，针对所述目标标识码进行解码处理得到对应的产品信息。

需要说明的是，在本实施例中，如图3所示，标识码类型支持QR(Quick Response)码和DM(DataMatrix)等多种标识码格式。

在此基础上，工控机在对目标标识码进行解码时，如图3所示，基于目标标识码的不同类型，判断当前目标标识码是否已解码。若是判断到其未解码，则执行QR Code解码或者DataMatrix解码操作得到目标标识码所包含的产品ID等信息。在本实施例中不对标识码解码过程进行详细描述，本实施例中所采用的解码方式可参考现有的解码技术。

在本实施例中，工控机在通过ROI定位算法，从待处理图片中提取包含标识码的目标图片。工控机在获取到待处理图片后，需要首先对该待处理图片进行灰度化处理。控机在从待处理图片中提取到包含标识码的目标图片后，需要对该目标图片进行去噪处理。工控机可根据标识码的不同类型进行响应解码操作得到标识码中所包含的产品信息。

因此，本发明使用摄像机作为扫码设备，不仅降低了标识码识别系统的构建成本。同时，与传统的激光扫描仪相比，本发明能够支持不同的扫码应用场景，比如，摄像头灵活模式场景和摄像头固定模式场景，同时，本发明话能够拓展读码类型，即，能够应用于各类型的标识码识别场景。

进一步地，基于上述第一实施例、第二实施例以及第三实施例，提出本发明的第四实施例，在本实施例中，利用本发明中的标识码识别方法，对采集的多张包含标识码的图片进行识别，以对标识码识别准确率进行测试。

具体地，测试数据采用谷歌的ZXing开源工具批量生成300×300像素的DataMatrix类型和QRCode类型的标识码各1000张，此部分数据的标识码区域干净完整，图像成像条件好，测试成功率可达100％。同时使用USB摄像头采集了各种使用场景下的实拍照片100张，该实拍照片均是640×480像素，其中有50个实拍照片都存在不同程度瑕疵，包括光照强度过高导致屏幕反光(如图10所示)，经过一系列如图3所示的图像预处理操作后得到各个实拍图片对应的目标标识码，进而对各个目标标识码进行识别。

结果表明，总体识别成功率可达92％。可见，本发明中的标识码识别方法对常见的光照不均问题有一定的抵抗力。

因此，本实施例中，使用摄像机扫码枪设备，降低了标识码识别系统的构建成本。同时，本发明能够广泛应用于各类标识码扫描场景，并且支持不同类型标识码的识别扫描。除此之外，本发明还支持图像保存功能，能够待处理图片、目标图片等文件保存至工控机本地。

另外，本实施例中的USB摄像头也兼容了电脑本机摄像头，使得标识码识别系统具备了小型化和便携化的特点，使测试人员无需等待设备调度，可以直接利用摄像头对产品进行扫码，甚至如果权限允许，可以直接在自己的办公桌上就完成扫码这一步骤，加快了测试环节的工期进度。

此外，本发明实施例还提出一种标识码识别装置，参照图11，所述标识码识别装置包括：

获取模块10，用于通过与所述终端设备匹配的摄像头，获取待处理图片；

处理模块20，用于从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码。

进一步地，所述处理模块20，包括：

处理单元，用于通过最大类间方差算法，并结合局部阈值算法，对所述目标图片进行局部二值化处理得到目标标识码。

进一步地，所述处理单元，包括：

第一确定子单元，用于通过所述最大类间方差算法，确定所述目标图片的整体阈值；

第二确定子单元，用于通过所述局部阈值算法，确定所述目标中的各个邻域的临时阈值；

获取子单元，用于基于所述整体阈值和所述临时阈值，获取所述各个邻域内的综合阈值；

处理子单元，用于根据所述综合阈值，对所述目标图片进行局部二值化处理得到目标标识码。

进一步地，所述获取模块10，包括：

捕捉单元，用于通过与所述终端设备串行连接的USB摄像头或者所述终端设备内置的摄像头进行图片捕捉得到待处理图片。

进一步地，所述处理模块，包括：

提取模块，用于通过区域定位算法，从所述待处理图片中提取包含标识码的目标图片。

进一步地，所述标识码识别装置，还包括：

灰度处理模块，用于将所述待处理图片进行灰度处理得到灰度化的待处理图片，以从所述灰度化的待处理图片中获取包含标识码的目标图片。

进一步地，所述标识码识别装置，还包括：

解码模块，用于根据所述目标标识码的类型，针对所述目标标识码进行解码处理得到对应的产品信息。

本发明标识码识别系统的具体实施方式的拓展内容与上述标识码识别方法各实施例基本相同，在此不做赘述。

此外，本发明实施例还提出一种计算机可读存储介质，所述存储介质上存储有标识码识别程序，所述标识码识别程序被处理器执行时实现如下所述的标识码识别方法的步骤。

本发明标识码识别设备和计算机可读存储介质各实施例，均可参照本发明标识码识别方法各个实施例，此处不再赘述。

需要说明的是，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，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是工控机、智能手机和平板电脑、服务器和网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种标识码识别方法，其特征在于，所述标识码识别方法应用于终端设备，所述标识码识别方法包括：

通过与所述终端设备匹配的摄像头，获取待处理图片；

从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码。

2.如权利要求1所述的标识码识别方法，其特征在于，所述针对所述目标图片进行局部二值化处理得到目标标识码的步骤，包括：

通过最大类间方差算法，并结合局部阈值算法，对所述目标图片进行局部二值化处理得到目标标识码。

3.如权利要求2所述的标识码识别方法，其特征在于，所述通过最大类间方差算法，并结合局部阈值算法，对所述目标图片进行局部二值化处理得到目标标识码的步骤，包括：

通过所述最大类间方差算法，确定所述目标图片的整体阈值；

通过所述局部阈值算法，确定所述目标中的各个邻域的临时阈值；

基于所述整体阈值和所述临时阈值，获取所述各个邻域内的综合阈值；

根据所述综合阈值，对所述目标图片进行局部二值化处理得到目标标识码。

4.如权利要求1所述的标识码识别方法，其特征在于，所述通过与所述终端设备匹配的摄像头，获取待处理图片的步骤，包括：

通过与所述终端设备串行连接的USB摄像头或者所述终端设备内置的摄像头进行图片捕捉得到待处理图片。

5.如权利要求1所述的标识码识别方法，其特征在于，所述从所述待处理图片中提取包含标识码的目标图片的步骤，包括：

通过区域定位算法，从所述待处理图片中提取包含标识码的目标图片。

6.如权利要求1所述的标识码识别方法，其特征在于，在所述从所述待处理图片中提取包含标识码的目标图片的步骤之前，还包括：

将所述待处理图片进行灰度处理得到灰度化的待处理图片，以从所述灰度化的待处理图片中获取包含标识码的目标图片。

7.如权利要求1所述的标识码识别方法，其特征在于，在所述针对所述目标图片进行局部二值化处理得到目标标识码的步骤之后，还包括：

根据所述目标标识码的类型，针对所述目标标识码进行解码处理得到对应的产品信息。

8.一种标识码识别装置，其特征在于，所述标识码识别装置包括：

获取模块，用于通过与所述终端设备匹配的摄像头，获取待处理图片；

处理模块，用于从所述待处理图片中提取包含标识码的目标图片，并针对所述目标图片进行局部二值化处理得到目标标识码。

9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的标识码识别程序，所述标识码识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的标识码识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有标识码识别程序，所述标识码识别程序被处理器执行时实现如权利要求1至7中任一项所述的标识码识别方法的步骤。

Images