CN116385742B - 一种低质量条码图像信号提取方法和装置 - Google Patents

一种低质量条码图像信号提取方法和装置 Download PDF

Info

Publication number
CN116385742B
CN116385742B CN202310272469.XA CN202310272469A CN116385742B CN 116385742 B CN116385742 B CN 116385742B CN 202310272469 A CN202310272469 A CN 202310272469A CN 116385742 B CN116385742 B CN 116385742B
Authority
CN
China
Prior art keywords
line segment
sampling
bar code
similarity
segments
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
Application number
CN202310272469.XA
Other languages
English (en)
Other versions
CN116385742A (zh
Inventor
刘孟晨
李立
杨磊
刘占利
汪标
翟飞
陈春艳
吕明明
崔栗峰
王若冰
于飞洋
范振伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhaoxun Hengda Technology Co ltd
Original Assignee
Beijing Zhaoxun Hengda Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zhaoxun Hengda Technology Co ltd filed Critical Beijing Zhaoxun Hengda Technology Co ltd
Priority to CN202310272469.XA priority Critical patent/CN116385742B/zh
Publication of CN116385742A publication Critical patent/CN116385742A/zh
Application granted granted Critical
Publication of CN116385742B publication Critical patent/CN116385742B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Abstract

本发明公开了一种低质量条码图像信号提取方法和装置。该方法包括如下步骤：S1：在条码图像的预设高度处进行采样，得到贯穿条码图像的中心线段；S2：在中心线段的两侧对条码图像进行采样，得到N条采样线段；S3：对每条采样线段截取多条第一小线段，计算每条采样线段对应的每条第一小线段与中心线段的相似度，筛选得到相似度最大的第二小线段，循环执行本步骤得到N条第二小线段；S4：将N条第二小线段以及中心线段，分别根据阈值进行均匀切分处理；S5：计算每个线段组中的N条第二小线段的片段与中心线段的片段的相似度，得到N个相似度结果；S6：根据N个权重因子和N个相似度结果得到最终采样信号。

Description

一种低质量条码图像信号提取方法和装置
技术领域
本发明涉及一种低质量条码图像信号提取方法，同时也涉及相应的低质量条码图像信号提取装置，属于条码检测技术领域。
背景技术
当前，物流行业的发展十分迅速，条码检测技术作为现代物流仓储中物品管理的关键技术手段发挥着重要作用。随着条码检测领域技术的不断革新，条码检测也从传统人工扫码的方式逐步过渡到采用机器视觉的方式实现。这些技术改进大大提高了物流行业的自动化水平，并能有效节约物流管理的成本。
但是，物流行业的工作环境复杂多样，条码印刷质量也不够稳定，在很多场合仍然存在大量的低质量条码图像。此类低质量条码图像在信号提取过程中普遍存在信噪比低和/或特征信息模糊等问题，严重影响条码检测的工作效率。
发明内容
本发明所要解决的首要技术问题在于提供一种低质量条码图像信号提取方法，以解决当前的低质量条码图像在信号提取过程中存在信噪比低和/或特征信息模糊的问题。
本发明所要解决的另一技术问题在于提供一种低质量条码图像信号提取装置。
为了实现上述目的，本发明采用以下的技术方案：
根据本发明实施例的第一方面，提供一种低质量条码图像信号提取方法，具体包括如下步骤：
S1：获取条码图像的高度，在所述条码图像的预设高度处进行采样，得到贯穿所述条码图像的中心线段；
S2：在所述中心线段的两侧对所述条码图像进行N次采样，得到N条采样线段，每条采样线段的采样长度W大于所述中心线段的长度L；
S3：以所述中心线段作为标准参考，对每条采样线段多次截取与所述中心线段的长度L相等的多条第一小线段，计算每条采样线段对应的每条第一小线段与所述中心线段的相似度，筛选得到本条采样线段对应的相似度最大的第二小线段，循环执行本步骤得到N条采样线段对应的N条第二小线段；
S4：将所述N条第二小线段以及所述中心线段，分别根据阈值σ进行均匀切分处理，得到个线段组和/>个中心线段组，每个线段组的序号为i；每个线段组中包括N条第二小线段的片段，每个中心线段组中包括一个中心线段的片段；
S5：针对每个线段组，依次计算每个线段组中的N条第二小线段的片段与相应的中心线段的片段的相似度，得到N个相似度结果；
S6：设置N个权重因子，根据N个权重因子和N个相似度结果，获得序号为i的线段组对应的子采样信号；遍历多个个线段组得到最终采样信号。
其中较优地，步骤S1中获取条码图像的高度，具体包括：
根据所述条码图像对应的图像预处理信息，得到所述条码图像的高度。
其中较优地，步骤S2具体包括：
在所述中心线段的两侧对所述条码图像进行N次均匀采样或者随机采样，得到N条采样线段。
其中较优地，步骤S3和步骤S5中的相似度包括：余弦相似度、巴氏距离比较相似度、直方图相似度或者卡方比较相似度。
根据本发明实施例的第二方面，提供一种低质量条码图像信号提取装置，具体包括：
中心线段获得模块，用于获取条码图像的高度，在所述条码图像的预设高度处进行采样，得到贯穿所述条码图像的中心线段；
采样线段获得模块，用于在所述中心线段的两侧对所述条码图像进行N次采样，得到N条采样线段，每条采样线段的采样长度W大于所述中心线段的长度L；
小线段筛选模块，用于以所述中心线段作为标准参考，对每条采样线段多次截取与所述中心线段的长度L相等的多条第一小线段，计算每条采样线段对应的每条第一小线段与所述中心线段的相似度，筛选得到本条采样线段对应的相似度最大的第二小线段，循环执行本步骤得到N条采样线段对应的N条第二小线段；
线段组切分处理模块，用于将所述N条第二小线段以及所述中心线段，分别根据阈值进行均匀切分处理，得到个线段组和/>个中心线段组，每个线段组的序号为i；每个线段组中包括N条第二小线段的片段，每个中心线段组中包括一个中心线段的片段；
线段组相似度计算模块，用于针对每个线段组，依次计算每个线段组中的N条第二小线段的片段与相应的中心线段的片段的相似度，得到N个相似度结果；
最终采样信号获得模块，用于设置N个权重因子，根据N个权重因子和N个相似度结果，获得序号为i的线段组对应的子采样信号；遍历个线段组得到最终采样信号。
其中较优地，所述中心线段获得模块，具体用于根据所述条码图像对应的图像预处理信息，得到所述条码图像的高度。
其中较优地，所述采样线段获得模块，具体用于在所述中心线段的两侧对所述条码图像进行N次均匀采样或者随机采样，得到N条采样线段。
其中较优地，所述相似度包括：余弦相似度、巴氏距离比较相似度、直方图相似度或者卡方比较相似度。
与现有技术相比较，本发明具有以下的技术效果：通过对条码图像进行划区域分析，针对图像各个部分的包含信息丰富程度对图像进行多次信息采样，并且结合图像空间位置信息根据多种相似度算法逐一调整采样信息的位置，最后将得到的图像信息进行融合，可以有效解决当前的低质量条码图像在信号提取过程中存在信噪比低和/或特征信息模糊的问题。
附图说明
图1是本发明实施例提供的一种低质量条码图像信号提取方法的流程图；
图2为本发明实施例中，中心线L的示意图；
图3为本发明实施例中，中心线两侧分别划线采样的示意图；
图4为本发明实施例中，线段截取的示意图；
图5为本发明实施例中，采样数据分成线段组的示意图；
图6是本发明实施例提供的一种低质量条码图像信号提取装置的功能框图；
图7是本发明实施例提供的一种计算机设备的功能框图。
具体实施方式
下面结合附图和具体实施例对本发明的技术内容进行详细具体的说明。
对于条码而言，沿着条码方向划线能够提取到相同的信号，但是当条码出现欠采样或噪声影响时会出现采样信号信息丢失，因此本发明实施例的技术方案聚焦于如何在条码区域中提取完整的图像信号，以解决当前的低质量条码图像在信号提取过程中存在信噪比低和/或特征信息模糊的问题。
本发明实施例针对低质量条码图像在信号提取过程中信噪比低、特征信息模糊等问题，提供了一种低质量条码图像信号提取方法。该方法首先对条码图像进行划区域分析，针对图像各个部分的包含信息丰富程度对图像进行多次信息采样，并且结合图像空间位置信息根据多种相似度算法(包括但不限于信号余弦相似度算法，以及其他相似度算法，例如：巴氏距离比较，直方图相似度，卡方比较)逐一调整采样信息的位置，最后将得到的图像信息进行融合，从而充分运用条码图像的相同相位下不同位置的信息，对采集到的图像信息进行融合处理，便于对低质量条码图像的信息获取。
<第一实施例>
如图1所示，本发明的第一实施例公开了一种低质量条码图像信号提取方法，具体包括如下步骤：
S1：获取条码图像的高度H，在条码图像的预设高度(例如H/2)处进行采样，得到贯穿条码图像的中心线段；
具体地，本步骤根据图像预处理信息得到条码的高度H，在条码的H/2处进行采样，得到贯穿条码的中心线段，其长度为L，如图2所示。本步骤在在H/2处进行采样，得到长度为L的灰度值信息。图中的中心线段只是示意，实际的二维码中可以没有这条线段，由采用本发明的实施例的软件中生成的线段。
需要说明的是，在本实施例中在H/2处进行采样，但是也可以预设为在H/3处或3/4处进行采样。因为理论上，条形码的整个H高度内均可采样。
S2：在中心线段的两侧对条码图像进行N次采样，得到N条采样线段，每条采样线段的采样长度W大于中心线段的长度L；
具体地，对条码信息进行采样，以W为采样长度(预设值)且为正整数，在条码高度H范围内在中心线段两侧对条码图像进行均匀采样或随机采样，要求采样长度W大于中心线段的长度L，采样个数记为N，得到N条采样线段，采样过程如图3所示。此处，无论均匀采样或随机采样，需要避免采样N次，都在中心线段这条直线上(各采样线段在左右方向有偏移，垂直方向上与中心线段重叠)。
该技术方案的优点在于均匀采样或随机采样N次就能得到N条线，有利于充分捕捉到条码图像中的信号，其中N为不小于3的正整数。本实施例要求采样信号长度W大于中心线段长度L是为了满足在W中能够截取W－L个局部灰度值信息，来进行步骤S3中的相似性计算。本领域技术人员可以理解，采样信号长度W的长度可以在每次采样时不同，即采样N次得到长度分别为W1，W2......WN(W1，W2......WN各不相同)的N条线。在此，只是为了描述的简化，令W1＝W2＝W3......＝WN，但这并不构成对本发明的限制。
需要说明的是，由于W和L均为正整数，并且W>L，所以两者差值W－L为正整数。
S3：以中心线段作为标准参考，对每条采样线段多次截取与中心线段的长度L相等的多条第一小线段l1，l2，l3…lW-L，计算每条采样线段对应的每条第一小线段与中心线段的相似度，从中筛选得到本条采样线段对应的相似度最大的第一小线段作为第二小线段，循环执行本步骤得到N条采样线段对应的N条第二小线段p1，p2，p3…pN；
具体地，本步骤以中心线段作为标准参考，对每条采样线段j(j∈[1∈L])依次截取与中心线段长度相等的第一小线段(在图中简写为“小线段”)，如图4所示，每条第一小线段分别记为l1，l2，l3...lW-L。计算每条第一小线段与中心线段的余弦相似度，筛选得到相似度最大的第一小线段作为第二小线段pj，然后针对N条采样线段重复上述操作，得到结果为p1，p2，p3...pN，共计N个。本实施例在一条长度为W的采样线段上进行多次截取，可以截取W－L次。由于要保证信号的相位对齐以及计算得到最佳的相似度，因此需要进行遍历；也就是在长度为W的信号中截取长度为L的信号，可以截取W－L次。W－L次是最多的采样信号，因为在长度为W的信号上截取长度为L的信号，一共能截取W－L次。
在长度为W的采样线段上进行截取的操作是：以中心线段的水平方向的起点为初始值T0，增加或减小变值T1，计算得到差值(T0－T1)；然后，对采样线段在水平方向上以(T0－T1)为起点，以(T0－T1+L)为终点，截取出长度L的第一小线段j。T1取值范围为(1，2....W－L)，这样可以得到W－L个结果。
计算采样线段的相似度可以采用多种方法，例如余弦相似度、巴氏距离比较相似度、直方图相似度或者卡方比较相似度。对于两列信号Pi与Pj，计算余弦相似度(result)的公式如下：
result＝(Pi*Pj)/(||Pi||*||Pj||)。
其中，Pi与Pi指的是任意两列长度相等的一维的信号。
S4：将N条第二小线段p1，p2，p3…pN以及中心线段，分别根据阈值σ进行均匀切分处理，得到个线段组和/>个中心线段组，每个线段组的序号为i，/>每个线段组中包括N条第二小线段的片段，每个中心线段组中包括一个中心线段的片段；
具体地，本步骤针对得到的N条长度与中心线段相等的小线段p1，p2，p3…pN，选取阈值σ∈[1，L]，将第二小线段p1，p2，p3…pN以及中心线段，均匀切分成个线段组，使得每个第二小线段均得到序号分别为/>的线段组，如图5所示。
阈值是实际情况进行选取，例如可以将长度为L的采样信号按照50个像素进行分割，阈值即为：L/50。阈值的选取可以是变阈值截取信号，固定长度截取信号，固定个数截取信号等等方式。
S5：针对每个线段组，依次计算每个线段组中的N条第二小线段的片段与相应的中心线段的片段的相似度，得到N个相似度结果m1，m2，m3...mN；
具体地，本步骤根据步骤S4得到的个线段组按照序号进行分析。针对序号为的线段组，依次计算每个第二小线段的第i个线段组与中心线段的线段组的余弦相似度(即对于N条等长线段依次计算余弦相似度)，得到N个相似度结果，根据该相似度结果对上述多个线段组进行排序，得到相似度结果为m1，m2，m3…mN。举例而言，在图5中从上向下，依次计算第1个第二小线段(对应第1个第一小线段)的第2个线段组与中心线段的第2个线段组的余弦相似度m1；计算第2个第二小线段(对应第2个第一小线段)的第2个线段组与中心线段的第2个线段组的余弦相似度m2......计算第N个第二小线段(对应第N个第一小线段)的第2个线段组与中心线段的第2个线段组的余弦相似度mN。
上述排序处理目的是为了采集到完整的图像信号。排序选择出相似度最高(越高)的结果与中心线段越相似，但是这里对排序结果分配不同的权重组合出最后的结果是为了避免中心线存在误差带来的影响。
S6：设置N个权重因子ω1，ω2，ω3…ωN，ω1+ω2+ω3+…+ωN＝1；
根据序号为i的线段组得到子采样信号为：
δi＝ω1*m1+ω2*m2+ω3*m3+…+ωN*mN；
遍历个线段组最终得到的采样信号line为：/>其中，i为线段组的序号，取值范围为/>权重分配方法可以包括：高斯权重系数、等权重分配、仅选取相似度高的线段等。根据高斯权重系数可以把相似度较高的信号赋予更大的权重；等权重分配是指N条采样信号叠加计算均值；仅选取相似度高的线段等是指相信相似度最高的信号。
在本发明实施例中，针对低质量条码图像在信号提取过程中信噪比低、特征信息模糊等问题，提供了一种低质量条码图像信号提取方法。该方法首先对条码图像进行划区域分析，针对图像各个部分的包含信息丰富程度对图像进行多次信息采样，并且结合图像空间位置信息根据多种相似度算法逐一调整采样信息的位置，最后将得到的图像信息进行融合，便于对低质量条码图像的信息获取。
<第二实施例>
如图6所示，本发明提供一种低质量条码图像信号提取装置200，具体包括：
中心线段获得模块210，用于获取条码图像的高度H，在所述条码图像的预设高度例如一半高度H处进行采样，得到贯穿所述条码图像的中心线段；
采样线段获得模块220，用于在所述中心线段的两侧对所述条码图像进行N次采样，得到N条采样线段，每条采样线段的采样长度W大于所述中心线段的长度L；在本发明的一个实施例中，N为不小于3的正整数。
小线段筛选模块230，用于以所述中心线段作为标准参考，对每条采样线段多次截取与所述中心线段的长度L相等的多条第一小线段l1，l2，l3...lW-L，计算每条采样线段对应的每条第一小线段与所述中心线段的相似度，筛选得到本条采样线段对应的相似度最大的第二小线段，循环执行本步骤得到N条采样线段对应的N条第二小线段p1，p2，p3...pN；
线段组切分处理模块240，用于将所述N条第二小线段p1，p2，p3...pN以及所述中心线段，分别根据阈值σ进行均匀切分处理，得到个线段组和/>个中心线段组，每个线段组的序号为i，/>每个线段组中包括N条第二小线段的片段，每个中心线段组中包括一个中心线段的片段；
线段组相似度计算模块250，用于针对每个线段组，依次计算每个线段组中的N条第二小线段的片段与相应的中心线段的片段的相似度，得到N个相似度结果m1，m2，m3…mN；
最终采样信号获得模260块，用于设置多个权重因子ω1，ω2，ω3…ωN，ω1+ω2+ω3+…+ωN＝1；序号为i的线段组得到子采样信号为：δi＝ω1+m1+ω2*m2+…+ωN*mN；遍历个线段组最终得到的采样信号line为：/>
其中，所述中心线段获得模块具体用于根据所述条码图像对应的图像预处理信息，得到所述条码图像的高度H。所述采样线段获得模块具体用于在所述中心线段的两侧对所述条码图像进行N次均匀采样或者随机采样，得到N条采样线段。
所述相似度包括：余弦相似度、巴氏距离比较相似度、直方图相似度或者卡方比较相似度。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
<第三实施例>
本发明实施例还提供了一种计算机设备，如图7所示，包括一个或多个处理器301、通信接口302、存储器303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互之间的通信。
存储器303，用于存放计算机程序；
处理器301，用于执行存储器303上所存放的程序时，实现上述XX方法的各步骤，例如，处理器301执行存储器303上所存放的程序时实现上述的低质量条码图像信号提取方法。
处理器301可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，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。
存储器303可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器303可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器303可包括可移除或不可移除(或固定)的介质。在特定实施例中，存储器303是非易失性固态存储器。在特定实施例中，存储器303包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
通信总线304包括硬件、软件或两者，用于将上述部件彼此耦接在一起。举例来说，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
上面对本说明书的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本发明是参照根据本发明实施例的方法、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可以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存储介质中，使得存储在该计算机可读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，以实现上述的低质量条码图像信号提取方法。
上面对本发明所提供的低质量条码图像信号提取方法和装置进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质内容的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。

Claims (10)

1.一种低质量条码图像信号提取方法，其特征在于包括如下步骤：
S1：获取条码图像的高度，在所述条码图像的预设高度处进行采样，得到贯穿所述条码图像的中心线段；
S2：在所述中心线段的两侧对所述条码图像进行N次采样，得到N条采样线段，每条采样线段的采样长度W大于所述中心线段的长度L；其中，N为不小于3的正整数；
S3：以所述中心线段作为标准参考，对每条采样线段多次截取与所述中心线段的长度L相等的多条第一小线段，计算每条采样线段对应的每条第一小线段与所述中心线段的相似度，筛选得到本条采样线段对应的相似度最大的第二小线段，循环执行本步骤得到N条采样线段对应的N条第二小线段；
S4：将所述N条第二小线段以及所述中心线段，分别根据阈值σ进行均匀切分处理，得到个线段组和/>个中心线段组，每个线段组的序号为i，/>每个线段组中包括N条第二小线段的片段，每个中心线段组中包括一个中心线段的片段；
S5：针对每个线段组，依次计算每个线段组中的N条第二小线段的片段与相应的中心线段的片段的相似度，得到N个相似度结果(m1，m2，m3…mN)；
S6：设置N个权重因子(ω1，ω2，ω3…ωN)，ω1+ω2+ω3+…+ωN＝1；
序号为i的线段组得到子采样信号为：δi＝ω1*m1+ω2*m2+…+ωN*mN；遍历个线段组最终得到的采样信号为：/>
2.如权利要求1所述的低质量条码图像信号提取方法，其特征在于步骤S1中获取条码图像的高度，具体包括：
根据所述条码图像对应的图像预处理信息，得到所述条码图像的高度。
3.如权利要求1所述的低质量条码图像信号提取方法，其特征在于步骤S2具体包括：
在所述中心线段的两侧对所述条码图像进行N次均匀采样或者随机采样，得到N条采样线段。
4.如权利要求1所述的低质量条码图像信号提取方法，其特征在于步骤S3和步骤S5中的相似度包括：余弦相似度、巴氏距离比较相似度、直方图相似度或者卡方比较相似度。
5.一种低质量条码图像信号提取装置，其特征在于包括：
中心线段获得模块，用于获取条码图像的高度，在所述条码图像的预设高度处进行采样，得到贯穿所述条码图像的中心线段；
采样线段获得模块，用于在所述中心线段的两侧对所述条码图像进行N次采样，得到N条采样线段，每条采样线段的采样长度W大于所述中心线段的长度L；其中，N为不小于3的正整数；
小线段筛选模块，用于以所述中心线段作为标准参考，对每条采样线段多次截取与所述中心线段的长度L相等的多条第一小线段，计算每条采样线段对应的每条第一小线段与所述中心线段的相似度，筛选得到本条采样线段对应的相似度最大的第二小线段，循环执行本步骤得到N条采样线段对应的N条第二小线段；
线段组切分处理模块，用于将所述N条第二小线段以及所述中心线段，分别根据阈值σ进行均匀切分处理，得到个线段组和/>个中心线段组，每个线段组的序号为i，/>每个线段组中包括N条第二小线段的片段，每个中心线段组中包括一个中心线段的片段；
线段组相似度计算模块，用于针对每个线段组，依次计算每个线段组中的N条第二小线段的片段与相应的中心线段的片段的相似度，得到N个相似度结果(m1，m2，m3…mN)；
最终采样信号获得模块，用于设置N个权重因子(ω1，ω2，ω3…ωN)，ω1+ω2+ω3+…+ωN＝1；序号为i的线段组得到子采样信号为：δi＝ω1*m1+ω2*m2+…+ωN*mN；遍历个线段组最终得到的采样信号line为：/>
6.如权利要求5所述的低质量条码图像信号提取装置，其特征在于：所述中心线段获得模块，具体用于根据所述条码图像对应的图像预处理信息，得到所述条码图像的高度。
7.如权利要求5所述的低质量条码图像信号提取装置，其特征在于：所述采样线段获得模块，具体用于在所述中心线段的两侧对所述条码图像进行N次均匀采样或者随机采样，得到N条采样线段。
8.如权利要求5所述的低质量条码图像信号提取装置，其特征在于所述相似度包括：余弦相似度、巴氏距离比较相似度、直方图相似度或者卡方比较相似度。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于该程序被处理器执行时，实现如权利要求1～4中任意一项所述的低质量条码图像信号提取方法。
10.一种计算机设备，其特征在于包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1～4中任意一项所述的低质量条码图像信号提取方法。
CN202310272469.XA 2023-03-20 2023-03-20 一种低质量条码图像信号提取方法和装置 Active CN116385742B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310272469.XA CN116385742B (zh) 2023-03-20 2023-03-20 一种低质量条码图像信号提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310272469.XA CN116385742B (zh) 2023-03-20 2023-03-20 一种低质量条码图像信号提取方法和装置

Publications (2)

Publication Number Publication Date
CN116385742A CN116385742A (zh) 2023-07-04
CN116385742B true CN116385742B (zh) 2024-04-12

Family

ID=86979848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310272469.XA Active CN116385742B (zh) 2023-03-20 2023-03-20 一种低质量条码图像信号提取方法和装置

Country Status (1)

Country Link
CN (1) CN116385742B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998016896A1 (en) * 1996-10-16 1998-04-23 Omniplanar, Inc. Hand-held bar code reader with laser scanning and 2d image capture
CN1963838A (zh) * 2006-11-07 2007-05-16 中国物品编码中心 二维条码图形畸变校正的方法
WO2013044875A1 (zh) * 2011-09-30 2013-04-04 Chen Ling 线性条码识别方法和系统
CN104732183A (zh) * 2015-03-20 2015-06-24 杭州晟元芯片技术有限公司 一种基于图像采样线灰度信息分析的一维条码识别方法
CN108009455A (zh) * 2017-11-07 2018-05-08 深圳市华汉伟业科技有限公司 一种条形码的扫描信号的解码方法及装置
CN108021837A (zh) * 2016-11-04 2018-05-11 株式会社理光 一种条形码检测方法、条形码检测装置及电子设备
CN108073848A (zh) * 2016-11-07 2018-05-25 阿里巴巴集团控股有限公司 一种条码识别方法、设备和装置
US10198648B1 (en) * 2015-04-10 2019-02-05 Digimarc Corporation Decoding 1D-barcodes in digital capture systems
WO2019080818A1 (zh) * 2017-10-23 2019-05-02 广东数相智能科技有限公司 一种基于条码识别的图书定位方法、电子设备及存储介质
CN109948393A (zh) * 2019-03-22 2019-06-28 凌云光技术集团有限责任公司 一种一维条码的定位方法及装置
CN110309687A (zh) * 2019-07-05 2019-10-08 华中科技大学 一种二维码图像的校正方法及校正装置
WO2021021923A1 (en) * 2019-07-30 2021-02-04 Temptime Corporation A two dimensional barcode provided with surrounding dynamic environmental indicator and color calibration reference
CN114580457A (zh) * 2022-05-09 2022-06-03 深圳市华汉伟业科技有限公司 一种低分辨率条件下的条形码解码方法、存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1182604A1 (en) * 2000-08-22 2002-02-27 Setrix AG Method and apparatus for reading a bar code
JP6555866B2 (ja) * 2014-09-22 2019-08-07 カシオ計算機株式会社 商品登録装置及びプログラム

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998016896A1 (en) * 1996-10-16 1998-04-23 Omniplanar, Inc. Hand-held bar code reader with laser scanning and 2d image capture
CN1963838A (zh) * 2006-11-07 2007-05-16 中国物品编码中心 二维条码图形畸变校正的方法
WO2013044875A1 (zh) * 2011-09-30 2013-04-04 Chen Ling 线性条码识别方法和系统
CN104732183A (zh) * 2015-03-20 2015-06-24 杭州晟元芯片技术有限公司 一种基于图像采样线灰度信息分析的一维条码识别方法
US10198648B1 (en) * 2015-04-10 2019-02-05 Digimarc Corporation Decoding 1D-barcodes in digital capture systems
CN108021837A (zh) * 2016-11-04 2018-05-11 株式会社理光 一种条形码检测方法、条形码检测装置及电子设备
CN108073848A (zh) * 2016-11-07 2018-05-25 阿里巴巴集团控股有限公司 一种条码识别方法、设备和装置
WO2019080818A1 (zh) * 2017-10-23 2019-05-02 广东数相智能科技有限公司 一种基于条码识别的图书定位方法、电子设备及存储介质
CN108009455A (zh) * 2017-11-07 2018-05-08 深圳市华汉伟业科技有限公司 一种条形码的扫描信号的解码方法及装置
CN109948393A (zh) * 2019-03-22 2019-06-28 凌云光技术集团有限责任公司 一种一维条码的定位方法及装置
CN110309687A (zh) * 2019-07-05 2019-10-08 华中科技大学 一种二维码图像的校正方法及校正装置
WO2021021923A1 (en) * 2019-07-30 2021-02-04 Temptime Corporation A two dimensional barcode provided with surrounding dynamic environmental indicator and color calibration reference
CN114580457A (zh) * 2022-05-09 2022-06-03 深圳市华汉伟业科技有限公司 一种低分辨率条件下的条形码解码方法、存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A simple and efficient approach to barcode localization;A. Kutiyanawala 等;2009 7th International Conference on Information, Communications and Signal Processing (ICICS);20100122;1-5 *
Hui Jing 等.Bar-Code Recognition Based on Machine Vision.Computer Science and Digital Economics IV.2023,3-13. *
Universal Barcode Detector via Semantic Segmentation;Zharkov, 等;arXiv:1906.06281 [cs.CV];20190604;1-7 *
复杂背景下二维码实时识别技术的研究与开发;徐义钊;中国优秀硕士学位论文全文数据库 (信息科技辑);20140215(第（2014）02期);I138-642 *
多条形码的图像定位技术研究与应用;刘希;中国优秀硕士学位论文全文数据库 (信息科技辑);20200115(第（2020）01期);I138-1652 *

Also Published As

Publication number Publication date
CN116385742A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
US11443437B2 (en) Vibe-based three-dimensional sonar point cloud image segmentation method
CN111080660B (zh) 一种图像分割方法、装置、终端设备及存储介质
CN110334760B (zh) 一种基于resUnet的光学元器件损伤检测方法及系统
CN116664559A (zh) 基于机器视觉的内存条损伤快速检测方法
CN105279506A (zh) 满文单词中轴线的定位方法
CN112101351B (zh) 一种基于投影的文本行旋转校正方法及装置
CN116740072B (zh) 基于机器视觉的道路表面缺陷检测方法及系统
CN110751619A (zh) 一种绝缘子缺陷检测方法
CN105139391A (zh) 一种雾霾天气交通图像边缘检测方法
CN106845458A (zh) 一种基于核超限学习机的快速交通标识检测方法
CN113052162B (zh) 一种文本识别方法、装置、可读存储介质及计算设备
CN116385742B (zh) 一种低质量条码图像信号提取方法和装置
CN117291913B (zh) 一种水工混凝土结构表观裂缝测量方法
Jetley et al. Two-stage hybrid binarization around fringe map based text line segmentation for document images
Gui et al. A fast caption detection method for low quality video images
CN115761613B (zh) 一种基于卷积网络的隧道裂缝自动检测方法
US10115195B2 (en) Method and apparatus for processing block to be processed of urine sediment image
Han et al. Accurate and robust vanishing point detection method in unstructured road scenes
CN115619813A (zh) Sem图像前景提取方法、装置、计算机设备及存储介质
CN111709951B (zh) 目标检测网络训练方法及系统及网络及装置及介质
CN106845489B (zh) 基于改进Krawtchouk矩的SAR图像目标特征提取方法
CN110427982B (zh) 一种基于图像处理的自动布线机路线校正方法及系统
CN116745642A (zh) 一种探地雷达图像双曲波提取方法及系统
Qu et al. An integration convolutional neural network for nuclei instance segmentation
CN116416251B (zh) 基于图像处理的整芯阻燃输送带质量检测方法及相关装置

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