CN117057377A - 码的识别匹配方法 - Google Patents
码的识别匹配方法 Download PDFInfo
- Publication number
- CN117057377A CN117057377A CN202311311985.5A CN202311311985A CN117057377A CN 117057377 A CN117057377 A CN 117057377A CN 202311311985 A CN202311311985 A CN 202311311985A CN 117057377 A CN117057377 A CN 117057377A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- code
- gray
- point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 58
- 238000012512 characterization method Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 3
- 230000000903 blocking effect Effects 0.000 abstract description 2
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 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
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
-
- 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
- G06K7/1413—1D 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
- G06K7/1408—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
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
Abstract
本发明公开了一种码的识别匹配方法，属于图像处理技术领域，通过采集码图像，并滤波、剥离背景、位置矫正和灰度处理，得到灰度码图，提取灰度码图上的图像特征，本发明在提取图像特征时，将灰度码图进行了分块，在每个图像块中分别提取两种特征：像素点灰度值分布特征和像素点梯度特征，通过这种分块处理，并在每个块上提取特征的方式，精确捕捉每个图像块上的特征，从而使得在后面进行特征匹配时，进一步的提高识别匹配的精度。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种码的识别匹配方法。
背景技术
现有码包括两种：条形码和二维码，码上的各种图案为码的标识符，通过扫描码上的图案从而调取与之匹配的信息，达到识别条形码或二维码的目的。
现有对于码的识别，均采用图像识别算法，通过拍摄码的图像数据，提取码的特征，进行特征匹配，实现对码的识别。现有采用神经网络算法来提取码的特征和进行特征匹配，但神经网络计算量大，占用内存空间大，并不普遍适用于大多数设备。
发明内容
针对现有技术中的上述不足，本发明提供的一种码的识别匹配方法解决了现有码的识别匹配方法存在计算量大的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种码的识别匹配方法，包括以下步骤：
S1、采集码图像，得到原始码图像；
S2、对原始码图像进行滤波处理，得到滤波码图像；
S3、剥离滤波码图像的背景图像，得到标准码图像；
S4、对标准码图像进行位置矫正，得到矫正码图像；
S5、对矫正码图像进行灰度处理，得到灰度码图；
S6、提取灰度码图上的图像特征；
S7、采用图像特征与存储码进行匹配，得到识别信息。
进一步地，所述S2包括以下分步骤：
S21、构建一个滤波块，滤波块的大小为，其中，/>为滤波块的长度，表明其能填充的像素值数量；
S22、从原始码图像的边缘开始，将原始码图像中同一区域范围的像素点的像素值填充至滤波块；
S23、根据滤波块中像素值，计算滤波值；
S24、标记原始码图像中最近被填充过的像素点为滤波点，其他历史滤波像素点所在区域为滤波区域，剩余区域为未滤波区域；
S25、取原始码图像中滤波点的邻域范围内的任一未滤波像素点的像素值填充至滤波块，并跳转至步骤S23中，直到无未滤波区域，得到滤波码图像。
进一步地，所述S23中计算滤波值的公式为：
，，/>，
其中，为第/>次滤波后的像素值，/>为滤波因子，/>为滤波块中最新输入的像素值，/>为双曲正切函数，/>为第/>次滤波后的像素值，/>为固定常数，为滤波块的长度，/>为滤波块中除像素值/>外的第/>个像素值。
进一步地，所述S3包括以下分步骤：
S31、取滤波码图像中多个边缘的像素点，作为表征点；
S32、计算每个表征点的邻域范围内其他像素点与对应表征点的距离；
S33、找到距离超过距离阈值的像素点，标记为码像素点；
S34、根据码像素点的分布，对滤波码图像进行切割，分离背景像素点，得到标准码图像。
进一步地，在S32中计算每个表征点的邻域范围内其他像素点与对应表征点的距离的公式为：
，/>，/>，，其中，/>为一个表征点的邻域范围内一个像素点与对应表征点的距离，/>为一个表征点的邻域范围内像素点的/>通道值，/>为一个表征点的邻域范围内像素点的/>通道值，/>为一个表征点的邻域范围内像素点的/>通道值，/>为表征点的/>通道值，/>为表征点的/>通道值，/>为表征点的/>通道值，/>为/>通道权重，/>为/>通道权重，/>为/>通道权重。
进一步地，所述S6包括以下分步骤：
S61、将灰度码图进行分块，得到图像块；
S62、在每个图像块上提取图像特征。
进一步地，在S62中每个图像块上提取图像特征包括：像素点灰度值分布特征和像素点梯度特征；
像素点灰度值分布特征的公式为：，其中，/>为像素点灰度值分布特征，/>为图像块中第/>个像素点的灰度值，/>为图像块中像素点的数量；像素点梯度特征的公式为：/>，其中，/>为像素点梯度特征，/>为图像块上像素点的横坐标，/>为图像块上像素点的纵坐标，/>为常数，/>为分辨率因子。
进一步地，所述S7包括以下分步骤：
S71、将多个图像块的像素点灰度值分布特征和像素点梯度特征分别构建为灰度值分布特征序列和梯度特征序列；
灰度值分布特征序列为：，其中，/>为第1个图像块的像素点灰度值分布特征，/>为第/>个图像块的像素点灰度值分布特征，/>为第/>个图像块的像素点灰度值分布特征，/>为图像块的数量；
梯度特征序列为：，其中，/>为第1个图像块的像素点梯度特征，/>为第/>个图像块的像素点梯度特征，/>为第/>个图像块的像素点梯度特征；
S72、计算灰度码图的灰度值分布特征序列与存储码的灰度值分布特征序列的匹配度，得到第一匹配度；
S73、计算灰度码图的梯度特征序列与存储码的梯度特征序列的匹配度，得到第二匹配度；
S74、在第一匹配度大于第一匹配度阈值时，且第二匹配度大于第二匹配度阈值时，图像特征与存储码匹配成功；
S75、根据匹配成功的存储码，获取对应的识别信息，完成码的识别匹配。
进一步地，在S72中第一匹配度的计算公式为：，/>，其中，/>为第一匹配度，/>为灰度码图的灰度值分布特征序列中第/>个像素点灰度值分布特征，/>为存储码的灰度值分布特征序列中第/>个像素点灰度值分布特征，/>为灰度码图的灰度值分布特征序列中像素点灰度值分布特征的均值，/>为存储码的灰度值分布特征序列中像素点灰度值分布特征的均值，/>为第一比例系数，/>为图像块的数量。
进一步地，在S73中计算第二匹配度的公式为：，，其中，/>为第二匹配度，/>为灰度码图的梯度特征序列中第个像素点梯度特征，/>为存储码的梯度特征序列中第/>个像素点梯度特征，/>为灰度码图的梯度特征序列中像素点梯度特征的均值，/>为存储码的梯度特征序列中第/>个像素点梯度特征的均值，/>为第二比例系数，/>为图像块的数量。
综上，本发明的有益效果为：
1、本发明在采集码图像后先进行滤波处理，提高剥离背景图像精度，避免一些噪声点影响剥离精度。
2、本发明在不采用神经网络的情况下，通过剥离背景和矫正图像等处理手段提高了识别精度，且解决了采用神经网络进行码的识别匹配存在计算量大的问题。
3、本发明在提取图像特征时，将灰度码图进行了分块，在每个图像块中分别提取两种特征：像素点灰度值分布特征和像素点梯度特征，通过这种分块处理，并在每个块上提取特征的方式，精确捕捉每个图像块上的特征，从而使得在后面进行特征匹配时，进一步的提高识别匹配的精度。
附图说明
图1为一种码的识别匹配方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，一种码的识别匹配方法，包括以下步骤：
S1、采集码图像，得到原始码图像；
在步骤S1中，采集码图像为各种摄像设备。
S2、对原始码图像进行滤波处理，得到滤波码图像；
在步骤S2中，滤波方法可采用中值滤波、均值滤波或者递推平均滤波法等，在本发明中，给出一种具体的改进后的滤波方法：
所述S2包括以下分步骤：S21、构建一个滤波块，滤波块的大小为，其中，/>为滤波块的长度，表明其能填充的像素值数量；
S22、从原始码图像的边缘开始，将原始码图像中同一区域范围的像素点的像素值填充至滤波块；
S23、根据滤波块中像素值，计算滤波值；
所述S23中计算滤波值的公式为：，，/>，其中，/>为第/>次滤波后的像素值，/>为滤波因子，/>为滤波块中最新输入的像素值，/>为双曲正切函数，/>为第/>次滤波后的像素值，/>为固定常数，/>为滤波块的长度，为滤波块中除像素值/>外的第/>个像素值。
本发明中滤波因子的大小表征像素值与滤波块中其他像素值的差距，滤波因子越大，像素值/>异常程度越高，像素值/>对像素值/>滤波效果越强。
S24、标记原始码图像中最近被填充过的像素点为滤波点，其他历史滤波像素点所在区域为滤波区域，剩余区域为未滤波区域；
S25、取原始码图像中滤波点的邻域范围内的任一未滤波像素点的像素值填充至滤波块，并跳转至步骤S23中，直到无未滤波区域，得到滤波码图像。
在步骤S25中，“在滤波点的邻域范围内的任一像素点”为未滤波区域中的一点像素点，由于本发明将原始码图像分为两部分：滤波区域、未滤波区域和一个点：滤波点（刚计算滤波值对应的像素点为滤波点），因此，滤波点的邻域范围中的未滤波像素点，则为未滤波区域中像素点。
在步骤S25中，在填充一个未滤波像素点的像素值至滤波块时，则滤波块会排除一个存在时间最久的像素值，保持N个像素值是最新填充的，在每填充一个未滤波的像素值后，会计算得到一个滤波值，该滤波值为该最新填充的像素值的滤波值。
本发明的步骤S23和步骤S25为循环过程，每次都取滤波点的邻域范围内的任一未滤波像素点，举例具体说明：在步骤S25中取滤波点的邻域范围内的任一未滤波像素点的像素值填充至滤波块后，滤波块会排除存在时间最久的像素值，回到步骤S23中，根据当前的滤波块中像素值，计算滤波值，继而步骤S24又把原始码图像中刚被填充过的像素点标记为滤波点，其他的为未滤波区域或滤波区域，便于步骤S25中便于寻找下一个待滤波的像素点的像素值，使得滤波块中的数据始终属于原始码图像的同一区域范围，保障滤波的精度，步骤S25中又取新的一个未滤波的像素点的像素值，重复执行步骤S23~步骤S25，直到无未滤波的像素点的像素值，即无未滤波区域。
在本实施例中，所有邻近范围均指离目标像素点最近的像素点，通常，一个像素点的邻近范围内存在8个像素点。
S3、剥离滤波码图像的背景图像，得到标准码图像；
所述S3包括以下分步骤：
S31、取滤波码图像中多个边缘的像素点，作为表征点；
S32、计算每个表征点的邻域范围内其他像素点与对应表征点的距离；
在本实施例中，对步骤S32举例说明：A表征点的邻域范围内其他像素点与A表征点的距离，即“对应表征点”与“表征点的邻域范围”中表征点为同一对象。
在S32中计算每个表征点的邻域范围内其他像素点与对应表征点的距离的公式为：，/>，
，/>，其中，/>为一个表征点的邻域范围内一个像素点与对应表征点的距离，/>为一个表征点的邻域范围内像素点的/>通道值，/>为一个表征点的邻域范围内像素点的/>通道值，/>为一个表征点的邻域范围内像素点的/>通道值，/>为表征点的/>通道值，/>为表征点的/>通道值，/>为表征点的/>通道值，/>为通道权重，/>为/>通道权重，/>为/>通道权重。
S33、找到距离超过距离阈值的像素点，标记为码像素点；
S34、根据码像素点的分布，对滤波码图像进行切割，分离背景像素点，得到标准码图像。
在上面步骤S3中，将滤波码图像中的背景图像剥离掉后，得到仅有码所在区域的图像数据。
S4、对标准码图像进行位置矫正，得到矫正码图像；
在步骤S4中，由于拍摄码图像时，拍摄设备的角度不同，造成原始码图像呈现各种角度，这时，可以根据标准码图像中像素点的位置，对标准码图像进行矫正，矫正拍摄角度。举例说明：在拍摄时，拍摄设备斜着拍摄，因此，得到原始码图像也是斜着的，通过矫正使其摆正。
S5、对矫正码图像进行灰度处理，得到灰度码图；
S6、提取灰度码图上的图像特征；
所述S6包括以下分步骤：
S61、将灰度码图进行分块，得到图像块；
S62、在每个图像块上提取图像特征。
在S62中每个图像块上提取图像特征包括：像素点灰度值分布特征和像素点梯度特征；
像素点灰度值分布特征的公式为：，其中，/>为像素点灰度值分布特征，/>为图像块中第/>个像素点的灰度值，/>为图像块中像素点的数量；像素点梯度特征的公式为：/>，
其中，为像素点梯度特征，/>为图像块上像素点的横坐标，/>为图像块上像素点的纵坐标，/>为常数，/>为分辨率因子。
S7、采用图像特征与存储码进行匹配，得到识别信息。
所述S7包括以下分步骤：
S71、将多个图像块的像素点灰度值分布特征和像素点梯度特征分别构建为灰度值分布特征序列和梯度特征序列；
灰度值分布特征序列为：，其中，/>为第1个图像块的像素点灰度值分布特征，/>为第/>个图像块的像素点灰度值分布特征，/>为第/>个图像块的像素点灰度值分布特征，/>为图像块的数量；
梯度特征序列为：，其中，/>为第1个图像块的像素点梯度特征，/>为第/>个图像块的像素点梯度特征，/>为第/>个图像块的像素点梯度特征；
S72、计算灰度码图的灰度值分布特征序列与存储码的灰度值分布特征序列的匹配度，得到第一匹配度；
S73、计算灰度码图的梯度特征序列与存储码的梯度特征序列的匹配度，得到第二匹配度；
S74、在第一匹配度大于第一匹配度阈值时，且第二匹配度大于第二匹配度阈值时，图像特征与存储码匹配成功；
S75、根据匹配成功的存储码，获取对应的识别信息，完成码的识别匹配。
在S72中第一匹配度的计算公式为：，，其中，/>为第一匹配度，/>为灰度码图的灰度值分布特征序列中第/>个像素点灰度值分布特征，/>为存储码的灰度值分布特征序列中第/>个像素点灰度值分布特征，/>为灰度码图的灰度值分布特征序列中像素点灰度值分布特征的均值，/>为存储码的灰度值分布特征序列中像素点灰度值分布特征的均值，/>为第一比例系数，/>为图像块的数量。
在S73中计算第二匹配度的公式为：，，其中，/>为第二匹配度，/>为灰度码图的梯度特征序列中第个像素点梯度特征，/>为存储码的梯度特征序列中第/>个像素点梯度特征，/>为灰度码图的梯度特征序列中像素点梯度特征的均值，/>为存储码的梯度特征序列中第/>个像素点梯度特征的均值，/>为第二比例系数，/>为图像块的数量。
在本发明中，存储码的灰度值分布特征序列与本发明中灰度码图的灰度值分布特征序列获取过程相同，存储码的梯度特征序列与本发明中灰度码图的梯度特征序列获取过程相同。
本发明中通过灰度值分布特征序列中像素点灰度值分布特征体现灰度值的分布情况，通过梯度特征序列中像素点梯度特征体现像素点坐标分布情况，通过灰度值和坐标的分布情况分别计算匹配度，本发明中在计算匹配度时设置了比例系数，根据灰度码图与存储码的相似情况，增强灰度码图与存储码的差距，从而提高匹配的精度。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种码的识别匹配方法，其特征在于，包括以下步骤：
S1、采集码图像，得到原始码图像；
S2、对原始码图像进行滤波处理，得到滤波码图像；
S3、剥离滤波码图像的背景图像，得到标准码图像；
S4、对标准码图像进行位置矫正，得到矫正码图像；
S5、对矫正码图像进行灰度处理，得到灰度码图；
S6、提取灰度码图上的图像特征；
S7、采用图像特征与存储码进行匹配，得到识别信息。
2.根据权利要求1所述的码的识别匹配方法，其特征在于，所述S2包括以下分步骤：
S21、构建一个滤波块，滤波块的大小为，其中，/>为滤波块的长度，表明其能填充的像素值数量；
S22、从原始码图像的边缘开始，将原始码图像中同一区域范围的像素点的像素值填充至滤波块；
S23、根据滤波块中像素值，计算滤波值；
S24、标记原始码图像中最近被填充过的像素点为滤波点，其他历史滤波像素点所在区域为滤波区域，剩余区域为未滤波区域；
S25、取原始码图像中滤波点的邻域范围内的任一未滤波像素点的像素值填充至滤波块，并跳转至步骤S23中，直到无未滤波区域，得到滤波码图像。
3.根据权利要求2所述的码的识别匹配方法，其特征在于，所述S23中计算滤波值的公式为：
，/>，，
其中，为第/>次滤波后的像素值，/>为滤波因子，/>为滤波块中最新输入的像素值，/>为双曲正切函数，/>为第/>次滤波后的像素值，/>为固定常数，/>为滤波块的长度，/>为滤波块中除像素值/>外的第/>个像素值。
4.根据权利要求1所述的码的识别匹配方法，其特征在于，所述S3包括以下分步骤：
S31、取滤波码图像中多个边缘的像素点，作为表征点；
S32、计算每个表征点的邻域范围内其他像素点与对应表征点的距离；
S33、找到距离超过距离阈值的像素点，标记为码像素点；
S34、根据码像素点的分布，对滤波码图像进行切割，分离背景像素点，得到标准码图像。
5.根据权利要求4所述的码的识别匹配方法，其特征在于，在S32中计算每个表征点的邻域范围内其他像素点与对应表征点的距离的公式为：
，/>，，/>，其中，/>为一个表征点的邻域范围内一个像素点与对应表征点的距离，/>为一个表征点的邻域范围内像素点的/>通道值，/>为一个表征点的邻域范围内像素点的/>通道值，/>为一个表征点的邻域范围内像素点的/>通道值，为表征点的/>通道值，/>为表征点的/>通道值，/>为表征点的/>通道值，/>为/>通道权重，/>为/>通道权重，/>为/>通道权重。
6.根据权利要求1所述的码的识别匹配方法，其特征在于，所述S6包括以下分步骤：
S61、将灰度码图进行分块，得到图像块；
S62、在每个图像块上提取图像特征。
7.根据权利要求6所述的码的识别匹配方法，其特征在于，在S62中每个图像块上提取图像特征包括：像素点灰度值分布特征和像素点梯度特征；
像素点灰度值分布特征的公式为：
，其中，/>为像素点灰度值分布特征，/>为图像块中第/>个像素点的灰度值，/>为图像块中像素点的数量；
像素点梯度特征的公式为：
，其中，/>为像素点梯度特征，/>为图像块上像素点的横坐标，/>为图像块上像素点的纵坐标，/>为常数，/>为分辨率因子。
8.根据权利要求7所述的码的识别匹配方法，其特征在于，所述S7包括以下分步骤：
S71、将多个图像块的像素点灰度值分布特征和像素点梯度特征分别构建为灰度值分布特征序列和梯度特征序列；
灰度值分布特征序列为：，其中，/>为第1个图像块的像素点灰度值分布特征，/>为第/>个图像块的像素点灰度值分布特征，/>为第/>个图像块的像素点灰度值分布特征，/>为图像块的数量；
梯度特征序列为：，其中，/>为第1个图像块的像素点梯度特征，为第/>个图像块的像素点梯度特征，/>为第/>个图像块的像素点梯度特征；
S72、计算灰度码图的灰度值分布特征序列与存储码的灰度值分布特征序列的匹配度，得到第一匹配度；
S73、计算灰度码图的梯度特征序列与存储码的梯度特征序列的匹配度，得到第二匹配度；
S74、在第一匹配度大于第一匹配度阈值时，且第二匹配度大于第二匹配度阈值时，图像特征与存储码匹配成功；
S75、根据匹配成功的存储码，获取对应的识别信息，完成码的识别匹配。
9.根据权利要求8所述的码的识别匹配方法，其特征在于，在S72中第一匹配度的计算公式为：
，/>，其中，/>为第一匹配度，/>为灰度码图的灰度值分布特征序列中第/>个像素点灰度值分布特征，/>为存储码的灰度值分布特征序列中第/>个像素点灰度值分布特征，/>为灰度码图的灰度值分布特征序列中像素点灰度值分布特征的均值，/>为存储码的灰度值分布特征序列中像素点灰度值分布特征的均值，/>为第一比例系数，/>为图像块的数量。
10.根据权利要求8所述的码的识别匹配方法，其特征在于，在S73中计算第二匹配度的公式为：
，/>，其中，/>为第二匹配度，/>为灰度码图的梯度特征序列中第/>个像素点梯度特征，/>为存储码的梯度特征序列中第/>个像素点梯度特征，/>为灰度码图的梯度特征序列中像素点梯度特征的均值，为存储码的梯度特征序列中第/>个像素点梯度特征的均值，/>为第二比例系数，/>为图像块的数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311311985.5A CN117057377B (zh) | 2023-10-11 | 2023-10-11 | 码的识别匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311311985.5A CN117057377B (zh) | 2023-10-11 | 2023-10-11 | 码的识别匹配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117057377A true CN117057377A (zh) | 2023-11-14 |
| CN117057377B CN117057377B (zh) | 2024-01-12 |
Family
ID=88653904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311311985.5A Active CN117057377B (zh) | 2023-10-11 | 2023-10-11 | 码的识别匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117057377B (zh) |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009038876A1 (en) * | 2007-09-20 | 2009-03-26 | Microsoft Corporation | Techniques for decoding images of barcodes |
| WO2014019293A1 (zh) * | 2012-08-02 | 2014-02-06 | Wang Jiancheng | 基于智能手机的二维码标签防伪识别系统及方法 |
| US20150269404A1 (en) * | 2012-12-12 | 2015-09-24 | Tencent Technology (Shenzhen) Company Limited | Method for Performing Optimization Process on Two-dimension Code Picture and Mobile Terminal |
| WO2017016445A1 (zh) * | 2015-07-27 | 2017-02-02 | 福建联迪商用设备有限公司 | 二维码分块解码方法及系统 |
| CN107292212A (zh) * | 2017-04-26 | 2017-10-24 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种低信噪比环境下的二维码定位方法 |
| CN107609451A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人（深圳）有限公司 | 一种基于二维码的高精度视觉定位方法及系统 |
| CN108345816A (zh) * | 2018-01-29 | 2018-07-31 | 广州中大微电子有限公司 | 一种在光照不均匀下的二维码提取方法及系统 |
| CN109961475A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 图像方向识别方法、装置、终端设备及可读存储介质 |
| CN110348264A (zh) * | 2019-07-04 | 2019-10-18 | 北京电子工程总体研究所 | 一种qr二维码图像校正方法及系统 |
| CN110378376A (zh) * | 2019-06-12 | 2019-10-25 | 西安交通大学 | 一种基于机器视觉的加油口目标识别定位方法 |
| US20190377918A1 (en) * | 2018-06-06 | 2019-12-12 | Weltrend Semiconductor Inc. | Barcode Detection Method and Barcode Detection System for Increasing Detection Efficiency by Using Gray Level Flip Counts |
| CN111241862A (zh) * | 2020-01-21 | 2020-06-05 | 西安邮电大学 | 基于边缘特性的条形码定位方法 |
| US20200410312A1 (en) * | 2018-02-08 | 2020-12-31 | Digimarc Corporation | Methods and arrangements for localizing machine-readable indicia |
| CN112560538A (zh) * | 2021-02-26 | 2021-03-26 | 江苏东大集成电路系统工程技术有限公司 | 一种根据图像冗余信息快速定位受损qr码的方法 |
| CN114529490A (zh) * | 2022-04-24 | 2022-05-24 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
| CN114757219A (zh) * | 2022-04-28 | 2022-07-15 | 苏州骐骥焊接材料有限公司 | 一种基于字符二维码图像的自动识别标签内容的方法 |
| CN115239595A (zh) * | 2022-08-09 | 2022-10-25 | 东北大学秦皇岛分校 | 一种包装印刷品二维码合格性检测方法 |
| CN115601406A (zh) * | 2022-10-09 | 2023-01-13 | 天津大学（Cn） | 基于融合代价计算和加权引导滤波的局部立体匹配方法 |
| CN115797300A (zh) * | 2022-12-06 | 2023-03-14 | 珠海市睿晶聚源科技有限公司 | 一种基于自适应梯度阈值canny算子的边缘检测方法及其装置 |
| CN116403094A (zh) * | 2023-06-08 | 2023-07-07 | 成都菁蓉联创科技有限公司 | 一种嵌入式图像识别方法及系统 |
| CN116721099A (zh) * | 2023-08-09 | 2023-09-08 | 山东奥洛瑞医疗科技有限公司 | 一种基于聚类的肝脏ct影像的图像分割方法 |
-
2023
- 2023-10-11 CN CN202311311985.5A patent/CN117057377B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009038876A1 (en) * | 2007-09-20 | 2009-03-26 | Microsoft Corporation | Techniques for decoding images of barcodes |
| WO2014019293A1 (zh) * | 2012-08-02 | 2014-02-06 | Wang Jiancheng | 基于智能手机的二维码标签防伪识别系统及方法 |
| US20150269404A1 (en) * | 2012-12-12 | 2015-09-24 | Tencent Technology (Shenzhen) Company Limited | Method for Performing Optimization Process on Two-dimension Code Picture and Mobile Terminal |
| WO2017016445A1 (zh) * | 2015-07-27 | 2017-02-02 | 福建联迪商用设备有限公司 | 二维码分块解码方法及系统 |
| CN107292212A (zh) * | 2017-04-26 | 2017-10-24 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种低信噪比环境下的二维码定位方法 |
| CN107609451A (zh) * | 2017-09-14 | 2018-01-19 | 斯坦德机器人（深圳）有限公司 | 一种基于二维码的高精度视觉定位方法及系统 |
| CN109961475A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 图像方向识别方法、装置、终端设备及可读存储介质 |
| CN108345816A (zh) * | 2018-01-29 | 2018-07-31 | 广州中大微电子有限公司 | 一种在光照不均匀下的二维码提取方法及系统 |
| US20200410312A1 (en) * | 2018-02-08 | 2020-12-31 | Digimarc Corporation | Methods and arrangements for localizing machine-readable indicia |
| US20190377918A1 (en) * | 2018-06-06 | 2019-12-12 | Weltrend Semiconductor Inc. | Barcode Detection Method and Barcode Detection System for Increasing Detection Efficiency by Using Gray Level Flip Counts |
| CN110378376A (zh) * | 2019-06-12 | 2019-10-25 | 西安交通大学 | 一种基于机器视觉的加油口目标识别定位方法 |
| CN110348264A (zh) * | 2019-07-04 | 2019-10-18 | 北京电子工程总体研究所 | 一种qr二维码图像校正方法及系统 |
| CN111241862A (zh) * | 2020-01-21 | 2020-06-05 | 西安邮电大学 | 基于边缘特性的条形码定位方法 |
| CN112560538A (zh) * | 2021-02-26 | 2021-03-26 | 江苏东大集成电路系统工程技术有限公司 | 一种根据图像冗余信息快速定位受损qr码的方法 |
| CN114529490A (zh) * | 2022-04-24 | 2022-05-24 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
| CN114757219A (zh) * | 2022-04-28 | 2022-07-15 | 苏州骐骥焊接材料有限公司 | 一种基于字符二维码图像的自动识别标签内容的方法 |
| CN115239595A (zh) * | 2022-08-09 | 2022-10-25 | 东北大学秦皇岛分校 | 一种包装印刷品二维码合格性检测方法 |
| CN115601406A (zh) * | 2022-10-09 | 2023-01-13 | 天津大学（Cn） | 基于融合代价计算和加权引导滤波的局部立体匹配方法 |
| CN115797300A (zh) * | 2022-12-06 | 2023-03-14 | 珠海市睿晶聚源科技有限公司 | 一种基于自适应梯度阈值canny算子的边缘检测方法及其装置 |
| CN116403094A (zh) * | 2023-06-08 | 2023-07-07 | 成都菁蓉联创科技有限公司 | 一种嵌入式图像识别方法及系统 |
| CN116721099A (zh) * | 2023-08-09 | 2023-09-08 | 山东奥洛瑞医疗科技有限公司 | 一种基于聚类的肝脏ct影像的图像分割方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张宁: "基于摄像方式的二维条码识别算法的研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 2013 * |
| 陈超;杨柳;: "基于数字图像处理的条形码识别预处理算法研究", 河南工程学院学报(自然科学版), no. 03 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117057377B (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109446942B (zh) | 目标跟踪方法、装置和系统 | |
| CN109145803B (zh) | 手势识别方法及装置、电子设备、计算机可读存储介质 | |
| CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
| CN108280386B (zh) | 监控场景检测方法及装置 | |
| CN107909544B (zh) | 一种图像校正方法及系统 | |
| CN107742307A (zh) | 基于改进帧差法的输电线路舞动特征提取及参数分析方法 | |
| CN111968185B (zh) | 标定板、基于编码定义的九点标定物体抓取方法及系统 | |
| CN111160107B (zh) | 一种基于特征匹配的动态区域检测方法 | |
| CN116824516A (zh) | 一种涉路施工安全监测及管理系统 | |
| CN114998445A (zh) | 一种图像稀疏点立体匹配方法 | |
| CN117057377B (zh) | 码的识别匹配方法 | |
| CN111627059B (zh) | 一种棉花叶片中心点位置定位方法 | |
| CN109255797B (zh) | 图像处理装置及方法、电子设备 | |
| CN111046831B (zh) | 家禽识别方法、装置及服务器 | |
| CN109544614B (zh) | 一种基于图像低频信息相似度的匹配图像对识别的方法 | |
| CN112836726A (zh) | 一种基于视频信息的指针类仪表示数读取方法及装置 | |
| CN112614109A (zh) | 图像质量评估方法、装置以及计算机可读存储介质 | |
| CN107481255B (zh) | 一种人员数量的确定方法及装置 | |
| CN110874814B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
| CN112241737B (zh) | 文字图像校正方法和装置 | |
| CN115578594A (zh) | 基于计算机视觉的边缘定位方法、装置及相关设备 | |
| JP2004280713A (ja) | 車番認識装置 | |
| CN114359332A (zh) | 基于深度图像的目标跟踪方法、装置、设备和介质 | |
| CN114757846A (zh) | 图像矫正方法及装置、存储介质、电子装置 | |
| CN109766889B (zh) | 基于曲线拟合的轨道图像识别后处理方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |