CN116167935A - 二维码的修复方法、装置、设备及介质 - Google Patents
二维码的修复方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116167935A CN116167935A CN202310063059.4A CN202310063059A CN116167935A CN 116167935 A CN116167935 A CN 116167935A CN 202310063059 A CN202310063059 A CN 202310063059A CN 116167935 A CN116167935 A CN 116167935A
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- image
- repairing
- machine learning
- learning model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008439 repair process Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000005520 cutting process Methods 0.000 claims abstract description 7
- 238000010801 machine learning Methods 0.000 claims description 58
- 238000003860 storage Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 30
- 230000002068 genetic effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请提供二维码的修复方法、装置、设备及介质,涉及图像处理技术领域。用于提高二维码的修复效率。该方法包括:响应于用户发送的二维码修复指令,利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置;基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;对所述二维码图像进行灰度处理,得到待处理二维码图像;将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种二维码的修复方法、装置、设备及介质。
背景技术
由于二维码在产品制造及包裹运输的过程中,起到了产品/包裹信息的全流程跟踪,被广泛应用于制造业和物流行业。然而,由于产品/包裹的制造和运输过程受到了不可抗力影响,通常导致部分二维码信息缺失,使得产品/包裹无法识别,最终导致产品报废或包裹丢失等情况。所以,二维码修复是必不可少的技术。
现有技术中,二维码修复方式是技术人员手动的进行修复,所以导致二维码修复的效率较低。
发明内容
本申请示例性的实施方式中提供一种二维码的修复方法,用于提高二维码的修复效率。
本申请的第一方面提供一种二维码的修复方法,所述方法包括:
响应于用户发送的二维码修复指令,利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置;
基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;
对所述二维码图像进行灰度处理,得到待处理二维码图像;
将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像。
本实施例中通过利用预设的二维码标准图像识别出目标图像中的二维码的位置,然后基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像,并对所述二维码图像进行灰度处理,得到待处理二维码图像,最后利用预设算法对二维码进行修复,得到修复后的二维码图像。由此,本实施例可以自动对二维码进行修复,并不需要人工手动进行修复,提高了二维码的修复效率。
在一个实施例中,所述利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置,包括:
将所述目标图像与所述二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置。
本实施例通过将所述目标图像与所述二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置,使得识别出的二维码的位置更加准确,提高了二维码修复的准确率。
在一个实施例中,所述预设算法为遗传算法或机器学习模型。
本实施例中的预设算法为遗传算法或机器学习模型,由此,可以通过多种方式来对二维码进行修复,保证了二维码修复的准确率。
在一个实施例中,若所述预设算法为所述机器学习模型;
所述将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像,包括:
将所述待处理二维码图像输入至预先训练好的二维码修复机器学习模型中,得到所述修复后的二维码图像;
其中,通过以下方式得到所述预先训练好的二维码修复机器学习模型:
获取训练样本,其中,所述训练样本中包括二维码信息缺失图像集合和二维码标准图像;
将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合;
将所述修复后的二维码图像集合中的各二维码图像分别与所述二维码标准图像进行比对,得到损失值;
若所述损失值大于指定阈值,则对所述二维码修复机器学习模型的指定模型参数进行调整后,返回将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合的步骤,直至所述损失值不大于所述指定阈值,则得到所述预先训练好的二维码修复机器学习模型。
本实施例中通过利用预先训练好的机器学习模型进行二维码的自动修复,由此,提高了二维码的修复效率。
在一个实施例中,若所述预设算法为所述遗传算法;
所述将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像,包括:
将所述待处理二维码图像输入至预设的遗传算法中迭代指定次数,得到修复后的二维码图像。
本实施例中通过预设的遗传算法来进行二维码的自动修复,并不需要认人工手动的进行修复,提高了二维码的修复效率。
本申请第二方面提供一种二维码的修复装置,所述装置包括:
二维码定位模块,用于响应于用户发送的二维码修复指令,利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置;
裁剪模块,用于基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;
灰度处理模块,用于对所述二维码图像进行灰度处理,得到待处理二维码图像;
二维码修复模块,用于将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像。
在一个实施例中,所述二维码定位模块,具体用于:
将所述目标图像与所述二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置。
在一个实施例中,所述预设算法为遗传算法或机器学习模型。
在一个实施例中,若所述预设算法为所述机器学习模型;
所述二维码修复模块,具体用于:
将所述待处理二维码图像输入至预先训练好的二维码修复机器学习模型中,得到所述修复后的二维码图像;
其中,通过以下方式得到所述预先训练好的二维码修复机器学习模型:
获取训练样本,其中,所述训练样本中包括二维码信息缺失图像集合和二维码标准图像;
将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合;
将所述修复后的二维码图像集合中的各二维码图像分别与所述二维码标准图像进行比对,得到损失值;
若所述损失值大于指定阈值,则对所述二维码修复机器学习模型的指定模型参数进行调整后,返回将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合的步骤,直至所述损失值不大于所述指定阈值,则得到所述预先训练好的二维码修复机器学习模型。
在一个实施例中,若所述预设算法为所述遗传算法;
所述二维码修复模块,具体用于:
将所述待处理二维码图像输入至预设的遗传算法中迭代指定次数,得到修复后的二维码图像。
根据本申请实施例的第三方面,提供一种电子设备,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执行如第一方面所述的方法。
根据本申请实施例提供的第四方面,提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序用于执行如第一方面所述的方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中,设备的至少一个处理器从计算机可读存储介质读取并执行计算机程序,使得设备执行第一方面所述的方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,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。
图1为本申请一个实施例中的应用场景示意图;
图2为本申请一个实施例的二维码的修复方法的流程示意图之一;
图3为本申请一个实施例的对二维码修复机器学习模型的训练方法的流程示意图;
图4为本申请一个实施例的二维码的修复方法的流程示意图之二;
图5为本申请一个实施例的二维码的修复装置;
图6为本申请一个实施例的电子设备的结构示意图。
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作出创造性劳动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。
本申请实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例描述的应用场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
本申请技术方案中,对数据的采集、传播、使用等,均符合国家相关法律法规要求。
在介绍本申请实施例所提供的二维码的修复方法之前,为了便于理解,首先对下面对本申请实施例的技术背景进行详细介绍。
现有技术中,二维码修复方式是技术人员手动的进行修复,所以导致二维码修复的效率较低。
因此,本申请提供一种二维码的修复方法,通过利用预设的二维码标准图像识别出目标图像中的二维码的位置,然后基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像,并对所述二维码图像进行灰度处理,得到待处理二维码图像,最后利用预设算法对二维码进行修复,得到修复后的二维码图像。由此,本实施例可以自动对二维码进行修复,并不需要人工手动进行修复,提高了二维码的修复效率。下面,结合附图对本申请的二维码的修复方法详细的进行介绍。
如图1所示,一种二维码的修复方法的应用场景,该应用场景中包括服务器110和终端设备120。服务器110可以通过单个服务器实现,也可以通过多个服务器实现。服务器110可以通过实体服务器实现,也可以通过虚拟服务器实现。
在一种可能的应用场景中,用户通过终端设备120发送二维码修复指令,服务器110响应于用户发送的二维码修复指令,利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置;然后基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;然后服务器110对所述二维码图像进行灰度处理,得到待处理二维码图像;并将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像,并将所述修复后的二维码图像发送至终端设备120中进行显示。
其中,图1中的服务器110与终端设备120之间可通过通信网络进行信息交互,其中,通信网络采用的通信方式可分为无线通信方式或有线通信方式。
示例性的,服务器110可通过蜂窝移动通信技术接入网络,与终端设备120进行通信,其中,所述蜂窝移动通信技术,比如,包括第五代移动通信(5th Generation MobileNetworks,5G)技术。
可选的,服务器110可通过短距离无线通信方式接入网络,与终端设备120进行通信,其中,所述短距离无线通信方式,比如,包括无线保真(Wireless Fidelity,Wi-Fi)技术。
并且,本申请中的描述中仅就三个终端设备120以及单个服务器110以加以详述,但是本领域技术人员应当理解的是,示出的终端设备120以及服务器110旨在表示本申请的技术方案涉及的终端设备120以及服务器110的操作。而非暗示对终端设备120和服务器110的数量、类型或是位置等具有限制。应当注意,如果向图示环境中添加附加模块或从其中去除个别模块,不会改变本申请的示例实施例的底层概念。
需要说明的是,本申请提出的二维码的修复方法不仅适用于图1所示的应用场景,还适用于任何有二维码的修复装置。
示例性的,终端设备120包括但不限于:可视化大屏、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(Mobile Internet Device,MID)、可穿戴设备,虚拟现实(VirtualReality,VR)设备、增强现实(Augmented Reality,AR)设备、工业控制中的无线终端设备、无人驾驶中的无线终端设备、智能电网中的无线终端设备、运输安全中的无线终端设备、智慧城市中的无线终端设备,或智慧家庭中的无线终端设备等设备;终端设备上可以安装有相关的客户端,该客户端可以是软件(例如,浏览器、短视频软件等),也可以是网页、小程序等。
下面结合上述描述的应用场景,参考附图来描述本申请示例性实施方式二维码的修复方法,需要注意的是,上述应用场景仅是为了便于理解本申请的方法和原理而示出,本申请的实施方式在此方面不受任何限制。
如图2所示,为本申请中二维码的修复方法的流程示意图,可包括以下步骤:
步骤201:响应于用户发送的二维码修复指令,利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置;
在一个实施例中,步骤201具体实施为:将所述目标图像与所述二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置。
其中,本实施例中的二维码标准图像有多种,每一种二维码标准图像中均标记了定位区的位置,从而可以通过缩放的方式,将二维码标准图像与目标图像进行模糊匹配,当两张图像重合时,则能够确定目标图像中的二维码的位置。
步骤202:基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;
步骤203:对所述二维码图像进行灰度处理,得到待处理二维码图像;
在一个实施例中,步骤203可实施为:针对所述二维码图像中任意一个像素点,利用预设的像素值与灰度值的对应关系,确定与所述像素点的像素值相对应的灰度值,将所述二维码图像中的各像素点的像素值分别设置为各像素点的灰度值,则得到所述待处理二维码图像。
步骤204:将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像。
其中,所述预设算法为遗传算法或机器学习模型。下面,分别对这两种方式进行详细的说明:
(1)若所述预设算法为所述机器学习模型:
步骤204可实施为:将所述待处理二维码图像输入至预先训练好的二维码修复机器学习模型中,得到所述修复后的二维码图像。
其中,如图3所示,为对二维码修复机器学习模型的训练方法示意图,包括以下步骤:
步骤301:获取训练样本,其中,所述训练样本中包括二维码信息缺失图像集合和二维码标准图像;
步骤302:将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合;
本实施例中的机器学习模型可根据实际情况来进行设置,本实施例在此并不对机器学习模型进行限定。
步骤303:将所述修复后的二维码图像集合中的各二维码图像分别与所述二维码标准图像进行比对,得到损失值;
其中,将所述各二维码图像与所述二维码标准图像分别输入至预设的损失函数中,得到损失值。
需要说明的是:本实施例中的损失函数可根据实际情况来进行选择设置,本实施例在此并不损失函数进行限定。
步骤304:判断所述损失值是否大于指定阈值,若是,则执行步骤305,若否,则执行步骤306;
需要说明的是:本实施例中的指定阈值可根据实际情况来进行设置,本实施例在此并不对指定阈值来进行限定。
步骤305:对所述二维码修复机器学习模型的指定模型参数进行调整后,返回执行步骤301;
其中,本实施例中每次的调整方式可为:针对任意一个指定模型参数,将所述指定模型参数增加或减少指定数值,得到本次调整后的指定模型参数。
需要说明的是:本实施例中的指定模型参数可为一个或多个,以及每个指定模型参数每次增加或减少的指定数值可相同也可不同,可以根据实际情况来进行设置,本实施例在此并不对指定模型参数的数量以及对应的调整方式进行限定。
步骤306:结束对所述二维码修复机器学习模型的训练,得到所述预先训练好的二维码修复机器学习模型。
(2)若所述预设算法为所述遗传算法:
步骤204可实施为:将所述待处理二维码图像输入至预设的遗传算法中迭代指定次数,得到修复后的二维码图像。
为了进一步的了解本申请的技术方案,下面结合图4对本申请中的二维码的修复方法进行详细的说明,可包括以下步骤:
步骤401:获取训练样本,其中,所述训练样本中包括二维码信息缺失图像集合和二维码标准图像;
步骤402:将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合;
步骤403:将所述修复后的二维码图像集合中的各二维码图像分别与所述二维码标准图像进行比对,得到损失值;
步骤404:判断所述损失值是否大于指定阈值,若是,则执行步骤405,若否,则执行步骤406;
步骤405:对所述二维码修复机器学习模型的指定模型参数进行调整后,返回执行步骤401;
步骤406:结束对所述二维码修复机器学习模型的训练,得到训练好的二维码修复机器学习模型;
步骤407:将所述目标图像与所述二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置;
步骤408:响应于用户发送的二维码修复指令,将与所述二维码修复指令相对应的目标图像与预设的二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置;
步骤409:基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;
步骤410:对所述二维码图像进行灰度处理,得到待处理二维码图像;
步骤411:将所述待处理二维码图像输入至预先训练好的二维码修复机器学习模型中,得到所述修复后的二维码图像。
基于相同的发明构思,本申请如上所述的二维码的修复方法还可以由一种二维码的修复装置实现。该二维码的修复装置的效果与前述方法的效果相似,在此不再赘述。
图5为根据本申请一个实施例的二维码的修复装置的结构示意图。
如图5所示,本申请的二维码的修复装置500可以包括二维码定位模块510、裁剪模块520、灰度处理模块530和二维码修复模块540。
二维码定位模块510,用于响应于用户发送的二维码修复指令,利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置;
裁剪模块520,用于基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;
灰度处理模块530,用于对所述二维码图像进行灰度处理,得到待处理二维码图像;
二维码修复模块540,用于将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像。
在一个实施例中,所述二维码定位模块510,具体用于:
将所述目标图像与所述二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置。
在一个实施例中,所述预设算法为遗传算法或机器学习模型。
在一个实施例中,若所述预设算法为所述机器学习模型;
所述二维码修复模块540,具体用于:
将所述待处理二维码图像输入至预先训练好的二维码修复机器学习模型中,得到所述修复后的二维码图像;
其中,通过以下方式得到所述预先训练好的二维码修复机器学习模型:
获取训练样本,其中,所述训练样本中包括二维码信息缺失图像集合和二维码标准图像;
将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合;
将所述修复后的二维码图像集合中的各二维码图像分别与所述二维码标准图像进行比对,得到损失值;
若所述损失值大于指定阈值,则对所述二维码修复机器学习模型的指定模型参数进行调整后,返回将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合的步骤,直至所述损失值不大于所述指定阈值,则得到所述预先训练好的二维码修复机器学习模型。
在一个实施例中,若所述预设算法为所述遗传算法;
所述二维码修复模块540,具体用于:
将所述待处理二维码图像输入至预设的遗传算法中迭代指定次数,得到修复后的二维码图像。
在介绍了本申请示例性实施方式的一种二维码的修复方法及装置之后,接下来,介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中,计算机存储介质存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的二维码的修复方法中的步骤。例如,处理器可以执行如图2中所示的步骤201-204。
下面参照图6来描述根据本申请的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用电子设备的形式表现。电子设备600的组件可以包括但不限于:上述至少一个处理器601、上述至少一个计算机存储介质602、连接不同系统组件(包括计算机存储介质602和处理器601)的总线603。
总线603表示几类总线结构中的一种或多种,包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
计算机存储介质602可以包括易失性计算机存储介质形式的可读介质,例如随机存取计算机存储介质(RAM)621和/或高速缓存存储介质622,还可以进一步包括只读计算机存储介质(ROM)623。
计算机存储介质602还可以包括具有一组(至少一个)程序模块624的程序/实用工具625,这样的程序模块624包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备600也可以与一个或多个外部设备604(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口605进行。并且,电子设备600还可以通过网络适配器606与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器606通过总线603与用于电子设备600的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中,本申请提供的一种二维码的修复方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的二维码的修复方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
本申请的实施方式的二维码的修复的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
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(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)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的方法、设备(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设备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设备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设备以特定方式工作的计算机可读计算机存储介质中,使得存储在该计算机可读计算机存储介质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设备上,使得在计算机或其他可编程设备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设备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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (13)
1.一种二维码的修复方法,其特征在于,所述方法包括:
响应于用户发送的二维码修复指令,利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置;
基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;
对所述二维码图像进行灰度处理,得到待处理二维码图像;
将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像。
2.根据权利要求1所述的方法,其特征在于,所述利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置,包括:
将所述目标图像与所述二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置。
3.根据权利要求1所述的方法,其特征在于,所述预设算法为遗传算法或机器学习模型。
4.根据权利要求3所述的方法,其特征在于,若所述预设算法为所述机器学习模型;
所述将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像,包括:
将所述待处理二维码图像输入至预先训练好的二维码修复机器学习模型中,得到所述修复后的二维码图像;
其中,通过以下方式得到所述预先训练好的二维码修复机器学习模型:
获取训练样本,其中,所述训练样本中包括二维码信息缺失图像集合和二维码标准图像;
将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合;
将所述修复后的二维码图像集合中的各二维码图像分别与所述二维码标准图像进行比对,得到损失值;
若所述损失值大于指定阈值,则对所述二维码修复机器学习模型的指定模型参数进行调整后,返回将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合的步骤,直至所述损失值不大于所述指定阈值,则得到所述预先训练好的二维码修复机器学习模型。
5.根据权利要求3所述的方法,其特征在于,若所述预设算法为所述遗传算法;
所述将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像,包括:
将所述待处理二维码图像输入至预设的遗传算法中迭代指定次数,得到修复后的二维码图像。
6.一种二维码的修复装置,其特征在于,所述装置包括:
二维码定位模块,用于响应于用户发送的二维码修复指令,利用预设的二维码标准图像识别出与所述二维码修复指令相对应的目标图像中的二维码的位置;
裁剪模块,用于基于所述二维码的位置对所述目标图像进行裁剪,得到二维码图像;
灰度处理模块,用于对所述二维码图像进行灰度处理,得到待处理二维码图像;
二维码修复模块,用于将所述待处理二维码图像输入至预设算法中进行二维码修复,得到修复后的二维码图像。
7.根据权利要求6所述的装置,其特征在于,所述二维码定位模块,具体用于:
将所述目标图像与所述二维码标准图像进行模糊匹配,得到所述目标图像中二维码的位置。
8.根据权利要求6所述的装置,其特征在于,所述预设算法为遗传算法或机器学习模型。
9.根据权利要求8所述的装置,其特征在于,若所述预设算法为所述机器学习模型;
所述二维码修复模块,具体用于:
将所述待处理二维码图像输入至预先训练好的二维码修复机器学习模型中,得到所述修复后的二维码图像;
其中,通过以下方式得到所述预先训练好的二维码修复机器学习模型:
获取训练样本,其中,所述训练样本中包括二维码信息缺失图像集合和二维码标准图像;
将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合;
将所述修复后的二维码图像集合中的各二维码图像分别与所述二维码标准图像进行比对,得到损失值;
若所述损失值大于指定阈值,则对所述二维码修复机器学习模型的指定模型参数进行调整后,返回将所述训练样本输入至所述二维码修复机器学习模型中进行修复,得到修复后的二维码图像集合的步骤,直至所述损失值不大于所述指定阈值,则得到所述预先训练好的二维码修复机器学习模型。
10.根据权利要求8所述的装置,其特征在于,若所述预设算法为所述遗传算法;
所述二维码修复模块,具体用于:
将所述待处理二维码图像输入至预设的遗传算法中迭代指定次数,得到修复后的二维码图像。
11.一种电子设备,其特征在于,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执行根据权利要求1-5中任一项所述的方法。
12.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序用于执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,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1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063059.4A CN116167935A (zh) | 2023-01-17 | 2023-01-17 | 二维码的修复方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063059.4A CN116167935A (zh) | 2023-01-17 | 2023-01-17 | 二维码的修复方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116167935A true CN116167935A (zh) | 2023-05-26 |
Family
ID=86410723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310063059.4A Pending CN116167935A (zh) | 2023-01-17 | 2023-01-17 | 二维码的修复方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167935A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894792A (zh) * | 2023-09-08 | 2023-10-17 | 创新奇智(浙江)科技有限公司 | 一种二维码修复方法、装置、电子设备及存储介质 |
-
2023
- 2023-01-17 CN CN202310063059.4A patent/CN116167935A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894792A (zh) * | 2023-09-08 | 2023-10-17 | 创新奇智(浙江)科技有限公司 | 一种二维码修复方法、装置、电子设备及存储介质 |
CN116894792B (zh) * | 2023-09-08 | 2023-12-19 | 创新奇智(浙江)科技有限公司 | 一种二维码修复方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111160569A (zh) | 基于机器学习模型的应用开发方法、装置及电子设备 | |
EP3701403B1 (en) | Accelerated simulation setup process using prior knowledge extraction for problem matching | |
EP4134877A1 (en) | Training method and apparatus for fault recognition model, fault recognition method and apparatus, and electronic device | |
CN116167935A (zh) | 二维码的修复方法、装置、设备及介质 | |
CN110969261A (zh) | 基于加密算法的模型构建方法及相关设备 | |
CN112363465B (zh) | 一种专家规则集训练方法、训练器和工业设备预警系统 | |
CN115858049B (zh) | Rpa流程组件化编排方法、装置、设备和介质 | |
CN115984516B (zh) | 基于slam算法的增强现实方法及相关设备 | |
CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
US20210278960A1 (en) | Piping and instrumentation diagram extraction to human-machine interface displays | |
CN114818303A (zh) | 低碳园区的仿真规划方法、系统、电子设备及存储介质 | |
CN114819095A (zh) | 业务数据处理模型的生成方法、装置及电子设备 | |
CN111727108B (zh) | 用于控制机器人的方法、装置及系统以及存储介质 | |
CN113127058A (zh) | 数据标注方法、相关装置及计算机程序产品 | |
CN112685246B (zh) | 一种时序数据的处理方法及装置 | |
US20230290170A1 (en) | Systems and methods for providing extraction on industrial diagrams and graphics | |
CN116521199B (zh) | 一种部件升级方法、装置、设备及存储介质 | |
US20220126860A1 (en) | Method and apparatus for processing autonomous driving simulation data, and electronic device | |
CN117453536A (zh) | 系统异常分析方法、装置、计算机设备及存储介质 | |
CN114866549A (zh) | 数据获取方法及装置 | |
CN114355853A (zh) | 一种工控数据取证方法、装置、电子设备及存储介质 | |
CN114065244A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN116578880A (zh) | 设备故障识别模型的建立方法、系统、设备和介质 | |
Chandrasekeran | Digital Twins | |
CN117196528A (zh) | 基于数字孪生的数据处理方法 |
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 |