CN115797234B - 一种增强低对比度二维码图像识别效果的方法 - Google Patents

Abstract

本发明公开了一种增强低对比度二维码图像识别效果的方法，包括：一、输入原始二维码图像数据，依次扫描原始灰度图像的每一个像素；二、根据不同的背光亮度等级计算邻域直方图；三、通过邻域直方图计算得出剪切函数；四、对原直方图通过剪切函数进行自适应剪切得到新的直方图；五、对新的直方图计算平均亮度，动态分配不同的阈值；六、对动态阈值进行计算，并计算所累积的分布曲线；七、进行一维低通滤波，增强曲线的平滑程度形成图像；八、对输出的二维码图像进行解码验证。本发明能增强背光二维码图像的对比度；大幅提高背光环境下二维码图像的识别率；使增强亮度参数可调节，且使亮度不均匀的图像具有良好的鲁棒性。

Description

一种增强低对比度二维码图像识别效果的方法

技术领域

本发明属于自动识别领域，尤其涉及一种针对低对比度二维码图像的增强技术方法。

背景技术

目前二维码涉及广泛，从高端应用到低端平台，二维码无时无刻不承载着无形的任务，然而二维码因为扫码设备出现抖动、二维码处于黑暗或者较黑暗的地方、亮度不均衡等原因造成二维码无法识别或检测效果不佳，影响生产生活，让二维码图像增强的研究方向越来越备受关注。

随着深度学习方法的日益更新换代以及深度学习算法对于图像处理方法的高度适用性，使得深度学习应用到各个行业中，同时基于卷积神经网络的图像增强技术得到了快速发展和高度应用。当前的图像图像增强方式可以分为两类:几何变换类和颜色变换类，几何变换类,主要是对图像进行几何变换操作,包括翻转,旋转,裁剪,变形,缩放等。颜色变换类,指通过模糊、颜色变换、擦除、填充等方式对图像进行处理实现图像增强。但是现有针对于二维码图像增强的技术或解决办法较为单一或无法解决生产生活中大部分的问题，让二维码的流通或及时广泛的应用到当前信息化时代变得举步维艰，使得图像增强算法或针对于二维码图像增强办法显得格外重要。

发明内容

发明目的：本发明的目的在于提供一种针对二维码图像，通过增强低对比图像检测效果的方法，增强图像整体亮度，还原原图的场景情况，提升清晰度。图像阈值化的一般目的是从灰度图像中分离出目标区域和背景区域，然而仅仅通过设定全局固定阈值(对图像中的每个点其二值化的阈值都是相同的)的方法很难达到理想的分割效果。本发明可以在不同场景不同亮度下，实现二维码的自适应图像增强，解决了本领域中图像增强算法或针对于二维码图像增强算法面临的重要问题。

技术方案：本发明的增强低对比度二维码图像识别效果的方法，包括如下步骤：

步骤1、扫描原始二维码数据图像的每一个像素，得到灰度直方图；

步骤2、灰度直方图在预设不同背光亮度等级下计算得到邻域直方图；

步骤3、根据各邻域直方图的均衡化变化关系构建剪切函数；

步骤4、应用剪切函数对预设不同背光亮度等级下的灰度直方图分别进行自适应剪切，得到各不同背光亮度等级下的新直方图；

步骤5、分别针对各不同背光亮度等级下的新直方图，对新直方图计算平均亮度，计算新直方图中大于平均亮度的各像素块的总面积，即为新直方图的突兀程度，即获得各不同背光亮度等级下的新直方图突兀程度，进而分别为各不同背光亮度等级下的新直方图分配阈值，获得各不同背光亮度等级下的新直方图阈值；

步骤6、分别针对各不同背光亮度等级下的新直方图，通过剪切函数对新直方图阈值分别进行裁剪，获得该新直方图动态阈值，并分配到该新直方图每一个像素的位置，在像素的灰度级累积映射后计算出分布曲线，即获得该新直方图的分布曲线S_k；进而获得各不同背光亮度等级下新直方图的分布曲线；

步骤7、分别针对各不同背光亮度等级下的新直方图，对新直方图的分布曲线S_k进行一维低通滤波，增强分布曲线S_k的平滑程度形成二维码图像，即获得该新直方图对应的二维码图像，进而获得各不同背光亮度等级下新直方图的二维码图像；

步骤8、对二维码图像进行解码验证，输出的二维码图像可在低对比度下被具有扫描解码功能的软件程序扫描识别。

进一步的，步骤1、2的具体步骤为：通过遍历二维码数据图像的每个像素点，统计0~ 255的每个灰度级在图像中出现的次数，而统计后的总次数或者归一化后的频率作为这个数组对应下标的元素取值；若图像具有L级灰度，则大小为M*N的灰度图像f(x,y)的邻域直方图H[0...L-1]通过计算获得：

Step1、初始化： H[K]=0;K=0,.....,L-1

Step2、统计：H[f(x,y)]++;x=0,...,M-1,y=0,...,N-1

Step3、归一化： H[f(x,y)]/=M*N。

进一步的，步骤3的具体步骤为：通过定义剪切函数，其公式如下：

其中n_k为图像中灰度级k的像素数目，n^’ _k为剪切后图像中灰度级k的像素数，s为剪切系数，0≤K≤L-1，0≤n_k≤n-1，0≤s≤n-1；应用剪切函数对灰度直方图进行剪切，抑制像素集中的高峰部分，然后调整灰度直方图的对比度，进行直方图均衡化处理。

进一步的，步骤4的具体步骤为：对灰度直方图通过剪切函数进行自适应剪切，设置自适应参数ɑ的公式如下：

其中，为设置的自适应参数，n为图像中总像素数目，n^’为被剪切后总像素数目；为剪切系数，其表达式为/>，当/> ₀时，

式中，为选取的自适应系数；/>为邻域像素面积，取值范围为[0，s_max]，取值步长为0.0005，n_k为图像中灰度级k的像素数目，n^’ _k为剪切后图像中灰度级k的像素数。

进一步的，步骤5中，分配不同的阈值的步骤为对形成的阈值以上的部分求和，平均分配到每个像素点的位置，假设超出阈值 T 的像素总数为 S，将S平均分配到各个灰度级中。

进一步的，步骤6中，计算所累积的分布曲线S_k的公式如下：

其中，为当前灰度级经过累积分布函数映射后的值，/>是图像中像素的总和，/>是当前灰度级的像素个数，L是图像中的灰度级总数。

进一步的，步骤7中，所述一维低通滤波的公式如下：

Y(n)=αX(n) + (1-α)Y(n-1)

其中α=滤波系数；X(n)=本次采样值；Y(n-1)=上次滤波输出值；Y(n)=本次滤波输出值。

进一步的，步骤1中，所述程序为Matlab程序。

发明原理：自适应阈值法(adaptive threshold)，它的思想不是计算图像的全局阈值，而是根据图像不同区域亮度分布，计算其局部阈值，对于图像不同区域，能够自适应计算不同的阈值，因此被称为自适应阈值法。能够保证图像中各个像素的阈值会随着其周围邻域像素的变化而变化。这样做的好处是每个像素位置处的二值化阈值不是固定不变的，而是由其周围邻域像素的分布来决定的、亮度较高的图像区域的二值化阈值通常会较高，而亮度低的图像区域的二值化阈值则会相适应的变小、不同亮度、对比度、纹理的局部图像区域将会拥有相对应的局部二值化阈值。如果应用到二维码图像增强中，根据不同亮度的二维码图像，通过自适应的方法，可以根据不同场景处理不同亮度下的二维码图像增强并进行识别，可以极大提高了二维码的处理效率，改善生产生活质量。

有益效果：与现有技术相比，本发明具有如下显著优点：

（1）本发明的直方图均衡化技术增强背光二维码图像的对比度；大幅提高背光环境下二维码图像的识别率；使增强亮度参数可调节，且使亮度不均匀的图像具有良好的鲁棒性。

（2）经过识别检验，亮度为50%的二维码相较于传统的直方图均衡化（通过率60%），本方法二维码识别通过率为80%；亮度为60%的二维码相较于传统的直方图均衡化（通过率75%），本方法二维码识别通过率为89%；亮度为80%的二维码相较于传统的直方图均衡化（通过率75%），本方法二维码识别通过率为94%。

附图说明

图1为本发明的方法流程图；

图2为本发明不同亮度（约为50%）的原图灰度直方图效果图；

图3为本发明不同亮度（约为60%）的原图灰度直方图效果图；

图4为本发明不同亮度（约为80%）的原图灰度直方图效果图；

图5为本发明(亮度约为50%）原图直方图均衡化图像效果图；

图6为本发明(亮度约为60%）原图直方图均衡化图像效果图；

图7为本发明(亮度约为80%）原图直方图均衡化图像效果图；

图8为本发明剪切后的像素分配原理效果图；

图9为本发明方法(亮度约为50%）的效果图；

图10为本发明方法（亮度约为60%）的效果图；

图11为本发明方法（亮度约为80%）的效果图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

如图1所述的实施例中，一种增强低对比度图像边缘检测效果的方法，具体包括如下步骤：

（1）输入图像数据，依次扫描原始灰度图像的每一个像素；

（2）根据不同等级的背光亮度等级计算邻域直方图；

对计算直方图均衡化变化关系设置剪切函数，假设数字图像灰度级范围为[0,L-1]其公式如下：

其中n_k为图像中灰度级k的像素数目。n^’ _k为剪切后图像中灰度级k的像素数,s为剪切系数。0≤K≤L-1,0≤n_k≤n-1,0≤s≤n-1。

（3）根据邻域直方图的均衡化变化关系预设剪切函数；

结合自适应剪切函数，对计算模板直方图均衡化变化关系设置自适应参数ɑ的公式如下：

其中，为设置的自适应参数，/>为剪切系数。其表达式为/>,当/> ₀

式中，为为选取的自适应系数；/>为邻域像素面积，取值范围为[0，s_max]，取值步长为0.0005。

（4）灰度直方图进行自适应剪切得到新直方图；

（5）通过剪切函数形成的动态阈值进行计算并分配到每个像素点的位置并计算所累积的分布曲线S_k；

用计算出的像素转换函数将原图像的像素值均衡映射到新直方图的公式如下：

其中，为当前灰度级经过累积分布函数映射后的值，n是图像中像素的总和，/>是当前灰度级的像素个数，L是图像中的灰度级总数。

（6）进行一维低通滤波，增强曲线的平滑程度形成图像；

增强一维低通滤波的公式如下：

其中，为当前像素值。

（7）对输出的二维码图像进行解码验证；

用自适应直方图均衡化算法代替传统的直方图均衡化，对于图像中的毎个像素，都根据其方巧邻域的光强度直方图来计算一个剪切函数，然后将这个剪切函数作用在该直方图上。从光强度直方图推导剪切系数并根据对于直方图形成的阈值进行变换，将其像素进行分配。通过自适应直方图均衡化算法，在背光环境下拍的二维码图像的识别率能够得到大幅度的提升。自适应直方图均衡化算法中增强亮度的参数影响不那么大，对一般的普适性的图像基本都能有很好的效果。

实施例1

如图2所示，针对于亮度为50%的二维码图像，把图片信息通过算法输入到计算直方图公式中，显示效果。Step1、初始化：H[K]=0; K=0,.....,L-1；Step2、统计：H[f(x,y)]++;x=0,...,M-1,y=0,...,N-1；Step3、归一化： H[f(x,y)]/=M*N。右侧直方图灰度级100邻域基本无频度分布，对应二维码原图，右半边仍然看不清楚，无法解码。

实施例2

如图3所示，针对于亮度为60%的二维码图像，把图片信息通过算法输入到计算直方图公式中，显示效果。Step1、初始化：H[K]=0; K=0,.....,L-1；Step2、统计：H[f(x,y)]++;x=0,...,M-1,y=0,...,N-1；Step3、归一化： H[f(x,y)]/=M*N。右侧直方图灰度级均有频度分布，当亮度为60%时，灰度级较小的突兀程度减小至0.02，灰度级100-200区间频度分布均匀，灰度级大于200时，灰度级出现的频度逐渐上升；对应左侧二维码图像，黑暗部分对比度有所增强。

实施例3

如图4所示，针对于亮度为80%的二维码图像，把图片信息通过算法输入到计算直方图公式中，显示效果。Step1、初始化：H[K]=0; K=0,.....,L-1；Step2、统计：H[f(x,y)]++;x=0,...,M-1,y=0,...,N-1；Step3、归一化： H[f(x,y)]/=M*N。右侧直方图灰度级集中分布在50-200部分，当亮度为80%时，灰度级出现的频度分布较均匀；左侧二维码图像清晰度变高。

实施例4

如图5所示，原图亮度为50%，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小图像的对比度。均衡化后的直方图灰度级集中分布在100之后，这个区域里灰度级出现的频度相差较小，较为均匀；左侧二维码图像清晰度变高。

实施例5

如图6所示，原图亮度为60%通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小图像的对比度。均衡化后的直方图横坐标上均有频度分布，最高频度与最低频度之间相差较小，在灰度级100-200处，灰度级频度较高；左侧二维码图像清晰度变高。

实施例6

如图7所示，原图亮度为80%通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小图像的对比度。均衡化后的直方图横坐标上均有频度分布，0-100灰度级的频度落差大于亮度为60%的直方图分布，灰度级大于200处的频度落差缩小，灰度级200处的频度出现更密集，左侧二维码图像清晰度相比亮度60%有所下降。

实施例7

如图8所示，对直方图按照阈值 limit 进行裁剪，对阈值以上的部分求和，平均分配到每个像素点的位置。假设超出阈值 T 的像素总数为 S，将其平均分配到各个灰度级中。处理后的图片总体像素灰度值落差变小。

实施例8

如图9所示，根据本发明，针对于亮度为50%的二维码图像（图9中的A），通过对于图像处理过程以及进行一维低通滤波处理，Y(n)=αX(n) + (1-α)Y(n-1)分析，结果显示较好的处理效果。处理后的图像结果由图9中的B显示，灰度级由150延伸至200，在灰度级为250处，灰度级的频度有所上升，并且更加集中。

实施例9

如图10所示，根据本发明，针对于亮度为60%的二维码图像（图10中的A），通过对于图像处理过程以及进行一维低通滤波处理，Y(n)=αX(n) + (1-α)Y(n-1)分析，结果显示较好的处理效果。处理后的图像结果由图10中的B显示，在灰度级50-100之间的频度落差下降，在灰度级150处频度落差下降，并且变得更均匀，在灰度级250处频度落差下降，并且变得更均匀。

实施例10

如图11所示，根据本发明，针对于亮度为80%的二维码图像（图11中的A），通过对于图像处理过程以及进行一维低通滤波处理，Y(n)=αX(n) + (1-α)Y(n-1)分析，结果显示较好的处理效果。处理后的图像结果由图11中的B显示，在灰度级小于50处的最高频度由1400缩小至1100；灰度级50-100之间的最高频度由2700缩小至2000，第二高频度由1000缩小至800，灰度级50-100之间频度落差下降；在灰度级150处频度落差下降，并且变得更均匀，在灰度级250处频度落差显著下降，由超过3500下降至不到2500，并且灰度分布在横坐标上有所延伸。

Claims (1)

1.一种增强低对比度二维码图像识别效果的方法，其特征在于，包括如下步骤：

步骤1、扫描原始二维码数据图像的每一个像素，得到灰度直方图；

步骤2、灰度直方图在预设不同背光亮度等级下计算得到邻域直方图；

步骤3、根据各邻域直方图的均衡化变化关系构建剪切函数；

步骤4、应用剪切函数对预设不同背光亮度等级下的灰度直方图分别进行自适应剪切，得到各不同背光亮度等级下的新直方图；

步骤5、分别针对各不同背光亮度等级下的新直方图，对新直方图计算平均亮度，计算新直方图中大于平均亮度的各像素块的总面积，即为新直方图的突兀程度，即获得各不同背光亮度等级下的新直方图突兀程度，进而分别为各不同背光亮度等级下的新直方图分配阈值，获得各不同背光亮度等级下的新直方图阈值；

步骤6、分别针对各不同背光亮度等级下的新直方图，通过剪切函数对新直方图阈值分别进行裁剪，获得该新直方图动态阈值，并分配到该新直方图每一个像素的位置，在像素的灰度级累积映射后计算出分布曲线，即获得该新直方图的分布曲线S_k；进而获得各不同背光亮度等级下新直方图的分布曲线；

步骤7、分别针对各不同背光亮度等级下的新直方图，对新直方图的分布曲线S_k进行一维低通滤波，增强分布曲线S_k的平滑程度形成二维码图像，即获得该新直方图对应的二维码图像，进而获得各不同背光亮度等级下新直方图的二维码图像；

步骤8、对二维码图像进行解码验证，输出的二维码图像可在低对比度下被具有扫描解码功能的软件程序扫描识别；

步骤6中，计算所累积的分布曲线S_k的公式如下：

其中，S_k为当前灰度级经过累积分布函数映射后的值，n是图像中像素的总和，n_j是当前灰度级的像素个数，L是图像中的灰度级总数；

步骤7中，所述一维低通滤波的公式如下：

Y(n)＝αX(n)+(1-α)Y(n-1)

其中α＝滤波系数；X(n)＝本次采样值；Y(n-1)＝上次滤波输出值；Y(n)＝本次滤波输出值；

步骤1、2的具体步骤为：通过遍历二维码数据图像的每个像素点，统计0～255的每个灰度级在图像中出现的次数，而统计后的总次数或者归一化后的频率作为这个数组对应下标的元素取值；若图像具有L级灰度，则大小为M*N的灰度图像f(x，y)的邻域直方图H[0...L-1]通过计算获得：

Step1、初始化：H[K]＝0；K＝0，.....，L-1

Step2、统计：H[f(x，y)]++；x＝0，...，M-1，y＝0，...，N-1

Step3、归一化：H[f(x，y)]/＝M*N；

步骤3的具体步骤为：通过定义剪切函数，其公式如下：

其中n_k为图像中灰度级k的像素数目，n’_k为剪切后图像中灰度级k的像素数，s为剪切系数，0≤K≤L-1，0≤n_k≤n-1，0≤s≤n-1；应用剪切函数对灰度直方图进行剪切，抑制像素集中的高峰部分，然后调整灰度直方图的对比度，进行直方图均衡化处理；

步骤4的具体步骤为：对灰度直方图通过剪切函数进行自适应剪切，设置自适应参数α的公式如下：

其中，α为设置的自适应参数，n为图像中总像素数目，n’为被剪切后总像素数目；s为剪切系数，其表达式为s＝s(i)，当α(i)＝a₀时，

式中，α₀为选取的自适应系数；s(i)为邻域像素面积，取值范围为[0，s_max]，取值步长为0.0005，n_k为图像中灰度级k的像素数目，n’_k为剪切后图像中灰度级k的像素数；

步骤5中，分配不同的阈值的步骤为对形成的阈值以上的部分求和，平均分配到每个像素点的位置，假设超出阈值T的像素总数为S，将S平均分配到各个灰度级中；

所述步骤1由Matlab程序执行。