CN116882430A - 基于特征提取的qr码图像识别方法、电子设备及系统 - Google Patents
基于特征提取的qr码图像识别方法、电子设备及系统 Download PDFInfo
- Publication number
- CN116882430A CN116882430A CN202310797593.8A CN202310797593A CN116882430A CN 116882430 A CN116882430 A CN 116882430A CN 202310797593 A CN202310797593 A CN 202310797593A CN 116882430 A CN116882430 A CN 116882430A
- Authority
- CN
- China
- Prior art keywords
- damaged
- code image
- image
- code
- edge
- 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 77
- 238000000605 extraction Methods 0.000 title claims abstract description 26
- 238000012216 screening Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 15
- 238000011049 filling Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 14
- 238000005260 corrosion Methods 0.000 claims description 13
- 230000007797 corrosion Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001010 compromised effect Effects 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06K7/1473—Methods for optical code recognition the method including quality enhancement steps error correction
-
- 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
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- 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
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
-
- 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
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1456—Methods for optical code recognition including a method step for retrieval of the optical code determining the orientation of the optical code with respect to the reader and correcting therefore
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种基于特征提取的QR码图像识别方法、电子设备及系统,涉及QR码图像定位识别的技术领域,该方法首先对受损QR码图像进行必要的图像预处理,其目的是为了避免图像采集过程中的干扰因素对图像定位识别过程产生不利影响,然后对预处理后的受损QR码图像进行旋转矫正,为图像定位识别过程的特征提取提供便利,最后利用等距线段周长比筛选机制,识别筛选出受损QR码图像中所有符合受损寻像图像特征的线段组,从而检测到受损QR码图像的寻像图像位置,最终利用寻像图像的位置标注受损QR码图像的整体位置。本发明能够在受损QR码图像上取得拥有更好的受损QR码图像识别率。
Description
技术领域
本发明涉及QR码图像识别的技术领域,更具体地,涉及一种基于特征提取的QR码图像识别方法、电子设备及系统。
背景技术
QR码图像(Quick Response Code)是二维条码的一种,是一种成本低廉、可在有限的空间存储大量信息、安全性强的电子标签技术,其比普通条码能储存更多资料,亦无需像普通条码般在扫描时需直线对准扫描器,已被广泛应用在物联网场景中。
当前,由于QR码采集方法的不同,经常会出现QR码图像受到污染的情况,造成QR图像定位功能出现问题。而且,也正是因为QR码图像的实际应用场景多种多样,QR码图像在使用的过程中容易出现被异物遮挡、污渍侵蚀以及人为破环等情况,这些情况会导致QR码图像难以进行定位。基于传统方式已经无法对当前复杂多变的干扰型污损QR码图像进行定位功能修复处理,将其修复至可识别状态。因此,QR码图像定位技术应运而生。该技术可以帮助识别算法快速、准确地定位QR码的位置,尤其是在QR码图像有损坏或变形的情况下,更能够发挥其独特优势。
现有技术中公开了一种基于OpenCV的缺失定位框二维码识别方法,这种基于OpenCV的QR码图像修复方法,是一种针对QR码图像中常见定位框破损的有效解决方案。该方法能够处理QR码图像中的定位框破损问题,并将其替换为可定位状态,从而提高了QR码图像的定位率和准确度。此外,该方法还具有很好的适应性和可扩展性,能够处理复杂的QR码图像情况,并能够在图像质量较差的情况下进行QR码图像修复,具有广泛的应用前景。然而,该方法的修复能力仍然存在一定的局限性。例如,在QR码图像出现污损、遮挡等特殊情况下,该方法的修复效果可能会受到影响,导致定位率降低。现有技术还公开了一种二维码扫描方法、装置、终端设备及存储介质,与传统的QR码图像定位方法相比,该方法可以解决现有二维码定位点和校准点的寻像算法简单,当二维码图像模糊或污损,使得定位点和校准点变得不清晰时,寻找定位点和校准点失败,从而导致二维码解析失败等问题。但是该方法仅能对定位点模糊图像进行定位。当QR码图像中出现其他区域的污损时,该方法无法定位这些区域,从而可能会对QR码图像的识别率造成一定的影响。
发明内容
为解决因QR码图像受到污损而导致QR码图像的具体位置及解码方向无法获取的问题,本发明提出一种基于特征提取的QR码图像识别方法、电子设备及系统,准确有效地定位出受损QR码图像中的受损寻像图像,提高了受损QR码图像的识别率。
为了达到上述技术效果,本发明的技术方案如下:
一种基于特征提取的QR码图像识别方法,包括以下步骤:
S1.采集受损QR码图像数据集,所述受损QR码图像数据集中的受损QR码图像为纸质污损QR码图像;
S2.对受损QR码图像数据集中的受损QR码图像进行预处理;
S3.对预处理后的受损QR码图像进行旋转矫正,获取受损QR码图像的边缘图像;
S4.利用等距线段周长比筛选机制,在受损QR码图像的边缘图像中,筛选出符合受损寻像特征的边缘线段组,从而通过检测到的受损寻像图像的位置,定位受损QR码图像的整体位置。
优选地,步骤S2所述的预处理包括:采用双线性插值法对受损QR码图像数据集中的受损QR码图像进行尺寸统一处理以及基于均值滤波器对受损QR码图像进行去噪处理。
通过上述技术手段,采用双线性插值法解决图像尺寸不一致的问题,然后基于滤波的方式进行图像去噪,避免干扰,且突出受损QR码图像的重要解码特征。
优选地,在步骤S3中,基于最小外接矩形的自适应受损QR码图像旋转法对预处理后的受损QR码图像进行旋转矫正。
优选地,步骤S3的过程为:
S31.将受损QR码图像转化为受损QR码图像填充图,通过形态学腐蚀操作实现,过程满足表达式:
其中,B对受损QR码图像A的腐蚀是一个用z平移的B包含在受损QR码图像A中的所有的点z的集合;
S32.以受损QR码图像的寻像图像尺寸做为受损QR码图像自适应腐蚀化的核尺寸;
S33.采用改进Sobel算子的Scharr模板,对受损QR码图像进行卷积操作得到边缘图像,并通过Otsu法对边缘图像进行二值化操作,获取受损QR码图像的边缘图像;
S34.通过筛选同一行或同一列中的相邻6个边缘图像像素点的间距比,获得受损QR码图像的寻像图像尺寸;
S35.利用受损QR码图像的寻像图像尺寸对受损QR码图像进行腐蚀操作,得到受损QR码图像填充图,对其进行最小外接矩形法操作,获得图像旋转角度;
S36.对受损QR码图像进行仿射变换,实现受损QR码图像的旋转矫正。
根据上述技术手段,采用旋转矫正的方式,为后续定位识别提供受损QR码图像的数值边缘特征和水平边缘特征基础,并利用二值化操作,突出边缘图像的特征,更好地提取受损寻像图像的特征。
优选地,步骤S32所述核尺寸的获取过程为:
取直线水平或竖直穿过受损QR码图像中心,依次经过长度长为1:1:3:1:1的黑白交替模块组,通过在受损QR码图像中搜索该黑白交替模块组,得到受损QR码图像的尺寸,得到受损QR码图像自适应腐蚀化的核尺寸。
根据上述技术手段,基于QR码图像编码方式,通过在受损QR码图像中搜索该黑白交替模块组得到寻像图像的尺寸,从而得到受损QR码图像自适应腐蚀化的核尺寸,为受损QR码图像自适应腐蚀化选择合适的核尺寸。
优选地,步骤S35的过程具体为:
S351.计算受损QR码图像填充图的外接矩形并记录其外接矩形长度、宽度和面积,获取最小外接矩形RectMin,并得到其面积值赋给变量AreaMin,设置旋转角度α=0;
S352.受损QR码图像填充图旋转一个角度θ,按照步骤S351,求取旋转后的最小外接矩形RectImp,获得其面积值赋给变量AreaTmp;
S353.令旋转角α=α+θ,比较AeaTmp和AreaMin的大小,将AeaTmp和AreaMin中较小的面积值重新赋给变量AreaMin,并将此时的旋转角赋值:β=α,形信息赋值给最小外接矩形RectMin,满足:RectMin=Rect-Tmp;
S354.循环执行S352~S353,直至获取一个最小的外接矩形RectMin以及与之相对应的旋转角度α;
S355.将计算出的矩形RectMin反旋转一个β角度,获得最小外接矩形。
优选地,步骤S4的具体过程为:
S41.将受损QR码图像的边缘图像拆分为竖直边缘图像和水平边缘图像;
S42.进行周长计算,筛选出竖直边缘图与水平边缘图中,等距线段长度比为3:5:7的边缘线段组Xl、Yl、Zl,计算Xl与Yl之间的距离H、计算Xl中最高点XTop与Yl中最高点YTop的距离I、Zl与Yl之间的距离K、Zl中最高点ZTop与Y中最高点YTop之间的距离J;
S43.将H与I的比值与的差值小于标准阈值,以及将K与J的比值与/>的差值小于标准阈值作为筛选条件,筛选出边缘线段组Xl、Yl、Zl对应的受损QR码图像的整体位置。
根据上述技术手段,解决无法通过十字交叉的一对1:1:3:1:1线段确定寻像图像的位置,且对于QR码图像而言,一组三个寻像图像缺一不可,仅有两个寻像图像可被识别无法为QR码图像定位提供有用的信息的问题,筛选出受损寻像图像中特定的线段组,从而检测到受损寻像图像的整体位置,基于等距线段周长比筛选机制的受损寻像图像查找方式,能够容忍寻像图像存在更多的污损,只要受损寻像图像保留有完整的四分之一结构就能够将其检测出,大大提高了寻像图像检测的容错率。
一种电子设备,包括存储器、处理器及存储在存储器上、并在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时,实现所述的基于特征提取的QR码图像识别方法的步骤。
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,所述计算机程序被处理器执行,实现所述的基于特征提取的QR码图像识别方法的步骤。
一种纸质污损QR码图像定位识别系统,所述系统用于实现所述的基于特征提取的QR码图像识别方法,包括:
数据集采集模块,用于采集受损QR码图像数据集,所述受损QR码图像数据集中的受损QR码图像为纸质污损QR码图像;
预处理模块,用于对受损QR码图像数据集中的受损QR码图像进行预处理;
旋转矫正模块,用于对预处理后的受损QR码图像进行旋转矫正,获取受损QR码图像的边缘图像;
定位识别模块,利用等距线段周长比筛选机制,识别筛选出受损QR码图像数据集中所有受损QR码图像的线段组,检测到受损QR码图像的整体位置,实现定位。
与现有技术相比,本发明技术方案的有益效果是:
本发明提出一种基于特征提取的QR码图像识别方法、电子设备及系统,首先对受损QR码图像进行预处理,以避免后续对定位识别产生的干扰,然后对预处理后的受损QR码图像进行旋转矫正,为定位识别提供受损QR码图像的丰富的边缘图像信息,最后利用等距线段周长比筛选机制,识别筛选出受损QR码图像数据集中所有受损QR码图像的线段组,检测到受损QR码图像的整体位置。本发明能够在携带污损的QR码图像上拥有更好的受损QR码图像的识别率。
附图说明
图1表示本发明实施例中提出的基于特征提取的QR码图像识别方法的流程示意图;
图2表示本发明实施例中提出的受损QR码图像数据集中部分纸质污损QR码图像的示意图;
图3表示本发明实施例中提出的等距线段长度比为3:5:7的边缘线段示意图;
图4表示本发明实施例中提出的电子设备的示意图;
图5表示本发明实施例中提出的纸质污损QR码图像定位识别系统的示意图;
图6表示本发明实施例中提出的待识别的部分受损QR码图像的示意图;
图7表示利用本申请提出的基于特征提取的QR码图像识别方法对图6所示待识别的受损QR码图像的识别效果图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好地说明本实施例,附图某些部位会有省略、放大或缩小,并不代表实际尺寸;
对于本领域技术人员来说,附图中某些公知内容说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
附图中描述位置关系的仅用于示例性说明,不能理解为对本专利的限制;
实施例1
本实施例提出了一种基于特征提取的QR码图像识别方法,参见图1所示的流程图,具体包括以下步骤:
S1.采集受损QR码图像数据集,所述受损QR码图像数据集中的受损QR码图像为纸质污损QR码图像;图2为本实施例中提出的受损QR码图像数据集中部分纸质污损QR码图像的示意图,这种纸质受损的QR码图像区别于电子篡改的受损QR码图像,是在显示上存在污损。
S2.对受损QR码图像数据集中的受损QR码图像进行预处理;
在本实施例中,预处理包括:采用双线性插值法对受损QR码图像数据集中的受损QR码图像进行尺寸统一处理以及基于均值滤波器对受损QR码图像进行去噪处理,即首先采用双线性插值法解决图像尺寸不一致的问题,然后基于滤波的方式进行图像去噪,避免干扰,突出了受损QR码图像的重要解码特征。
双线性插值法的核心思想是插值函数在两个不同变量的方向上分别进行一次线性插值,公式如下所示:
其,f(x,y)Q11=(x1 y1)、Q21=(x2,y1)、Q22=(x2,y2)和Q12=(x1,y2)为已知点,而后本实施例选用基于滤波的方法中的均值滤波器进行去噪。
在图像统一处理以及去噪的过程完成之后,受损QR码图像的定位识别基于其竖直边缘特征和水平边缘特征实现,因此还要考虑受损QR码图像的旋转问题,执行步骤S3:
S3.对预处理后的受损QR码图像进行旋转矫正,获取受损QR码图像的边缘图像;在步骤S3中,基于最小外接矩形的自适应受损QR码图像旋转法对预处理后的受损QR码图像进行旋转矫正,具体过程为:
S31.将受损QR码图像转化为受损QR码图像填充图,通过形态学腐蚀操作实现,过程满足表达式:
其中,B对受损QR码图像A的腐蚀是一个用z平移的B包含在受损QR码图像A中的所有的点z的集合;
S32.以受损QR码图像的寻像图像尺寸做为受损QR码图像自适应腐蚀化的核尺寸;
核尺寸的获取过程为:
取直线水平或竖直穿过受损QR码图像中心,依次经过长度长为1:1:3:1:1的黑白交替模块组,通过在受损QR码图像中搜索该黑白交替模块组,得到受损QR码图像的尺寸,得到受损QR码图像自适应腐蚀化的核尺寸。
基于QR码图像编码方式,通过在受损QR码图像中搜索该黑白交替模块组得到寻像图像的尺寸,从而得到受损QR码图像自适应腐蚀化的核尺寸,为受损QR码图像自适应腐蚀化选择合适的核尺寸。
S33.采用改进Sobel算子的Scharr模板,对受损QR码图像进行卷积操作得到边缘图像,并通过Otsu法对边缘图像进行二值化操作,获取受损QR码图像的边缘图像;
S34.通过筛选同一行或同一列中的相邻6个边缘图像像素点的间距比,获得受损QR码图像的寻像图像尺寸;
S35.利用受损QR码图像的寻像图像尺寸对受损QR码图像进行腐蚀操作,得到受损QR码图像填充图,对其进行最小外接矩形法操作,获得图像旋转角度;
步骤S35的过程具体为:
S351.计算受损QR码图像填充图的外接矩形并记录其外接矩形长度、宽度和面积,获取最小外接矩形RectMin,并得到其面积值赋给变量AreaMin,设置旋转角度α=0;
S352.受损QR码图像填充图旋转一个角度θ,按照步骤S351,求取旋转后的最小外接矩形RectImp,获得其面积值赋给变量AreaTmp;
S353.令旋转角α=α+θ,比较AeaTmp和AreaMin的大小,将AeaTmp和AreaMin中较小的面积值重新赋给变量AreaMin,并将此时的旋转角赋值:β=α,形信息赋值给最小外接矩形RectMin,满足:RectMin=Rect-Tmp;
S354.循环执行S352~S353,直至获取一个最小的外接矩形RectMin以及与之相对应的旋转角度α;
S355.将计算出的矩形RectMin反旋转一个β角度,获得最小外接矩形。
S36.对受损QR码图像进行仿射变换,实现受损QR码图像的旋转矫正。
本实施例采用以上旋转矫正的方式,为后续定位识别提供受损QR码图像的数值边缘特征和水平边缘特征基础,并利用二值化操作,突出边缘图像的特征,最终提供丰富的边缘信息。
在获取QR码图像的边缘图像之后,需要从QR码图像丰富的边缘信息中找出受损寻像图像的边缘特征信息,经典寻像图像查找方式无法解决无法通过十字交叉的一对1:1:3:1:1线段确定寻像图像的位置,且对于QR码图像而言,一组三个寻像图像缺一不可,仅有两个寻像图像可被识别无法为QR码图像定位提供有用的信息的问题,本实施例筛选出符合受损寻像特征的边缘线段组,从而检测到受损寻像图像的整体位置,基于等距线段周长比筛选机制的受损寻像图像查找方式,能够容忍寻像图像存在更多的污损,只要受损寻像图像保留有完整的四分之一结构就能够将其检测出,大大提高了寻像图像检测的容错率。具体的实施过程为:
S4.利用等距线段周长比筛选机制,在受损QR码图像的边缘图像中,筛选出符合受损寻像特征的边缘线段组,从而通过检测到的受损寻像图像的位置,定位受损QR码图像的整体位置。
步骤S4的具体过程为:
S41.将受损QR码图像的边缘图像拆分为竖直边缘图像和水平边缘图像;
S42.进行周长计算,筛选出竖直边缘图与水平边缘图中,等距线段长度比为3:5:7的边缘线段组Xl、Yl、Zl,示意图如图3所示,计算Xl与Yl之间的距离H、计算Xl中最高点XTop与Yl中最高点YTop的距离I、Zl与Yl之间的距离K、Zl中最高点ZTop与Y中最高点YTop之间的距离J;
S43.将H与I的比值与的差值小于标准阈值,以及将K与J的比值与/>的差值小于标准阈值作为筛选条件,筛选出边缘线段组Xl、Yl、Zl对应的受损QR码图像的整体位置。
在本实施例中,标准阈值去0.1。
实施例2
本实施例提出一种电子设备,参见图4,包括存储器101、处理器102及存储在存储器101上、并在处理器102上运行的计算机程序,其中,所述处理器102执行所述计算机程序时,实现所述的基于特征提取的QR码图像识别方法的步骤。
在本实施例中,处理器102可以包括CPU或特定集成电路,或者配置成实施本实施例的一个或多个集成电路,存储器101可以包括用于数据或指令的大容量存储器。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101可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器101可在综合网关容灾设备的内部或外部。在特定实施例中,存储器101是非易失性固态存储器。
存储器101可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行实现本发明提出的基于特征提取的QR码图像识别方法的步骤。
实施例3
本实施例提出一种纸质污损QR码图像定位识别系统,参见图5,该系统用于实现所述的基于特征提取的QR码图像识别方法,包括:
数据集采集模块,用于采集受损QR码图像数据集,所述受损QR码图像数据集中的受损QR码图像为纸质污损QR码图像;
预处理模块,用于对受损QR码图像数据集中的受损QR码图像进行预处理;
旋转矫正模块,用于对预处理后的受损QR码图像进行旋转矫正,获取受损QR码图像的边缘图像;
定位识别模块,利用等距线段周长比筛选机制,识别筛选出受损QR码图像数据集中所有受损QR码图像的线段组,检测到受损QR码图像的整体位置,实现定位。
实施例4
本实施例使用携带纸质污损的纸质QR码图像数据集来验证本发明所提方法的有效性,在具体实施时,数据集中的受损QR码图像的末尾带有30标记的,说明该数据集为在整体数据集中抽取受损区域小于等于百分之三十的若干数据组成。为了表述方便,接下来数据集的名称都使用英文表示,其中,test30为图像受损区域小于图像整体百分之三十的的部分数据集集。本实施例使用4.6.0.66版本的OpenCV中的内置微信扫一扫、0.1.8版本的pyzbar和0.14版本的zxing作为对比QR码图像定位器。
表1为受损QR码图像数据集在4.6.0.66版本的OpenCV中的内置微信扫一扫、0.1.8版本的pyzbar和0.14版本的zxing以及本申请提出的系统上的识别率对比,其中,表1中的DFI表示本申请提出的污损QR码定位识别方法。
表2表示受损QR码图像数据集在4.6.0.66版本的OpenCV中的内置微信扫一扫、0.1.8版本的pyzbar和0.14版本的zxing以及本申请提出的系统上的定位速度对比,其中,表2中的DFI表示本申请提出的污损QR码图像识别方法。
表1
表2
由表1和表2可知,与主流QR码图像识别器Pyzbar、Zxing和Wechat相比,本发明所提出的方法能够在携带纸质污损的纸质QR码图像上取得拥有更好的受损QR码图像识别率,其中,受损QR码图像识别率的标准是成功识别出受损QR码图像中的受损寻像图像。
本发明针对经典寻像图像查找方式无法解决受损寻像图像查找需求的问题,通过对寻像图像特征的重新思考,提出了一种基于等距线段周长比筛选机制的受损QR码图像检测算法,并通过设计使用一种基于最小外接矩形的自适应受损QR码图像旋转预处理方法加强其实用性,与现有QR码图像检测器相比,本发明污损QR码图像检测算法在纸质受损QR码图像上的平均图像处理速度为0.056409s,但识别率高达74.28%,远高于Wechat的44.52%、Zxing的22.62%和Pyzbar的35.71%,这表示本申请提出的污损QR码图像识别方法能够通过提高污损QR码图像的检测率,达到提高QR码图像识别率的效果。
图6表示本实施例中提出的部分待识别的受损QR码图像中的两个受损QR码图像,在图6中,受损QR码图像有不同区域的污损情况,图7表示利用本申请提出的污损QR码图像识别方法对图6的受损QR码图像进行识别的识别效果图,在图7中,对应的图像中的蓝色、绿色及红色线表示利用本申请所提的方法进行识别的标注形式,通过图7中的标注可以看出,利用本申请能准确识别出出受损QR码图像的整体位置以及成功识别出受损QR码图像中的受损寻像图像。
显然,本发明的上述实施例仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于特征提取的QR码图像识别方法,其特征在于,包括以下步骤:
S1.采集受损QR码图像数据集,所述受损QR码图像数据集中的受损QR码图像为纸质污损QR码图像;
S2.对受损QR码图像数据集中的受损QR码图像进行预处理;
S3.对预处理后的受损QR码图像进行旋转矫正,获取受损QR码图像的边缘图像;
S4.利用等距线段周长比筛选机制,在受损QR码图像的边缘图像中,筛选出符合受损寻像特征的边缘线段组,从而通过检测到的受损寻像图像的位置,定位受损QR码图像的整体位置。
2.根据权利要求1所述的基于特征提取的QR码图像识别方法,其特征在于,步骤S2所述的预处理包括:采用双线性插值法对受损QR码图像数据集中的受损QR码图像进行尺寸统一处理以及基于均值滤波器对受损QR码图像进行去噪处理。
3.根据权利1所述的基于特征提取的QR码图像识别方法,其特征在于,在步骤S3中,基于最小外接矩形的自适应受损QR码图像旋转法对预处理后的受损QR码图像进行旋转矫正。
4.根据权利要求3所述的基于特征提取的QR码图像识别方法,其特征在于,步骤S3的过程为:
S31.将受损QR码图像转化为受损QR码图像填充图,通过形态学腐蚀操作实现,过程满足表达式:
其中,B对受损QR码图像A的腐蚀是一个用z平移的B包含在受损QR码图像A中的所有的点z的集合;
S32.以受损QR码图像的寻像图像尺寸做为受损QR码图像自适应腐蚀化的核尺寸;
S33.采用改进Sobel算子的Scharr模板,对受损QR码图像进行卷积操作得到边缘图像,并通过Otsu法对边缘图像进行二值化操作,获取受损QR码图像的边缘图像;
S34.通过筛选同一行或同一列中的相邻6个边缘图像像素点的间距比,获得受损QR码图像的寻像图像尺寸;
S35.利用受损QR码图像的寻像图像尺寸对受损QR码图像进行腐蚀操作,得到受损QR码图像填充图,对其进行最小外接矩形法操作,获得图像旋转角度;
S36.对受损QR码图像进行仿射变换,实现受损QR码图像的旋转矫正。
5.根据权利要求4所述的基于特征提取的QR码图像识别方法,其特征在于,步骤S32所述核尺寸的获取过程为:
取直线水平或竖直穿过受损QR码图像中心,依次经过长度长为1:1:3:1:1的黑白交替模块组,通过在受损QR码图像中搜索该黑白交替模块组,得到受损QR码图像的尺寸,得到受损QR码图像自适应腐蚀化的核尺寸。
6.根据权利要求4所述的基于特征提取的QR码图像识别方法,其特征在于,步骤S35的过程具体为:
S351.计算受损QR码图像填充图的外接矩形并记录其外接矩形长度、宽度和面积,获取最小外接矩形RectMin,并得到其面积值赋给变量AreaMin,设置旋转角度α=0;
S352.受损QR码图像填充图旋转一个角度θ,按照步骤S351,求取旋转后的最小外接矩形RectImp,获得其面积值赋给变量AreaTmp;
S353.令旋转角α=α+θ,比较AeaTmp和AreaMin的大小,将AeaTmp和AreaMin中较小的面积值重新赋给变量AreaMin,并将此时的旋转角赋值:β=α,形信息赋值给最小外接矩形RectMin,满足:RectMin=Rect-Tmp;
S354.循环执行S352~S353,直至获取一个最小的外接矩形RectMin以及与之相对应的旋转角度α;
S355.将计算出的矩形RectMin反旋转一个β角度,获得最小外接矩形。
7.根据权利要求4所述的基于特征提取的QR码图像识别方法,其特征在于,步骤S4的具体过程为:
S41.将受损QR码图像的边缘图像拆分为竖直边缘图像和水平边缘图像;
S42.进行周长计算,筛选出竖直边缘图与水平边缘图中,等距线段长度比为3:5:7的边缘线段组Xl、Yl、Zl,计算Xl与Yl之间的距离H、计算Xl中最高点XTop与Yl中最高点YTop的距离I、Zl与Yl之间的距离K、Zl中最高点ZTop与Y中最高点YTop之间的距离J;
S43.将H与I的比值与的差值小于标准阈值,以及将K与J的比值与/>的差值小于标准阈值作为筛选条件,筛选出边缘线段组Xl、Yl、Zl对应的受损QR码图像的整体位置。
8.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上、并在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时,实现权利要求1至7任一项所述的基于特征提取的QR码图像识别方法的步骤。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行,实现权利要求1至7任一项所述基于特征提取的QR码图像识别方法的步骤。
10.一种纸质污损QR码图像定位识别系统,其特征在于,所述系统用于实现权利要求1~7任意一项所述的基于特征提取的QR码图像识别方法,包括:
数据集采集模块,用于采集受损QR码图像数据集,所述受损QR码图像数据集中的受损QR码图像为纸质污损QR码图像;
预处理模块,用于对受损QR码图像数据集中的受损QR码图像进行预处理;
旋转矫正模块,用于对预处理后的受损QR码图像进行旋转矫正,获取受损QR码图像的边缘图像;
定位识别模块,利用等距线段周长比筛选机制,识别筛选出受损QR码图像数据集中所有受损QR码图像的线段组,检测到受损QR码图像的整体位置,实现定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310797593.8A CN116882430A (zh) | 2023-06-30 | 2023-06-30 | 基于特征提取的qr码图像识别方法、电子设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310797593.8A CN116882430A (zh) | 2023-06-30 | 2023-06-30 | 基于特征提取的qr码图像识别方法、电子设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116882430A true CN116882430A (zh) | 2023-10-13 |
Family
ID=88261426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310797593.8A Pending CN116882430A (zh) | 2023-06-30 | 2023-06-30 | 基于特征提取的qr码图像识别方法、电子设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116882430A (zh) |
-
2023
- 2023-06-30 CN CN202310797593.8A patent/CN116882430A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
CN110210409B (zh) | 表格单据中表格框线检测方法及系统 | |
Farooq et al. | Pre-processing methods for handwritten Arabic documents | |
CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
CN110032998B (zh) | 自然场景图片的文字检测方法、系统、装置和存储介质 | |
CN111931538A (zh) | 一种Micro QR二维码的定位方法 | |
CN109948393B (zh) | 一种一维条码的定位方法及装置 | |
CN110647882A (zh) | 图像校正方法、装置、设备及存储介质 | |
CN113177959B (zh) | 一种快速运动过程中qr码实时提取方法 | |
CN109190742B (zh) | 一种基于灰度特征的编码特征点的解码方法 | |
CN111222507A (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
CN109508571B (zh) | 一种条空定位方法、装置、电子设备及存储介质 | |
CN111563505A (zh) | 一种基于像素分割合并的文字检测方法及装置 | |
CN110110697B (zh) | 基于方向矫正的多指纹分割提取方法、系统、设备及介质 | |
CN109977910B (zh) | 基于彩色线段的票据快速定位方法及其系统 | |
CN112733855B (zh) | 表格结构化方法、表格恢复设备及具有存储功能的装置 | |
CN114121179A (zh) | 化学结构式的提取方法及提取装置 | |
Yang et al. | Automatic single page-based algorithms for medieval manuscript analysis | |
WO2019019681A1 (zh) | 身份证图像的倾斜值获取方法及装置、终端、存储介质 | |
JP3936436B2 (ja) | 表認識方法 | |
CN115410191B (zh) | 文本图像识别方法、装置、设备和存储介质 | |
CN116882430A (zh) | 基于特征提取的qr码图像识别方法、电子设备及系统 | |
CN108021839B (zh) | 一种qr码的纠错读取方法及系统 | |
CN112800824B (zh) | 扫描文件的处理方法、装置、设备及存储介质 | |
CN113378847B (zh) | 字符分割方法、系统、计算机设备和存储介质 |
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 |