CN117131895B - 批量生成统一视觉ai二维码的方法及计算机可读存储介质 - Google Patents

批量生成统一视觉ai二维码的方法及计算机可读存储介质 Download PDF

Info

Publication number
CN117131895B
CN117131895B CN202311092019.9A CN202311092019A CN117131895B CN 117131895 B CN117131895 B CN 117131895B CN 202311092019 A CN202311092019 A CN 202311092019A CN 117131895 B CN117131895 B CN 117131895B
Authority
CN
China
Prior art keywords
dimensional code
code
dimension
batch
codes
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
CN202311092019.9A
Other languages
English (en)
Other versions
CN117131895A (zh
Inventor
汤婧怡
蒋云晖
刘于标
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.)
Ningbo Next Door Network Technology Co ltd
Original Assignee
Ningbo Next Door Network 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 Ningbo Next Door Network Technology Co ltd filed Critical Ningbo Next Door Network Technology Co ltd
Priority to CN202311092019.9A priority Critical patent/CN117131895B/zh
Publication of CN117131895A publication Critical patent/CN117131895A/zh
Application granted granted Critical
Publication of CN117131895B publication Critical patent/CN117131895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06K19/06046—Constructional details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • 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
    • G06T7/13—Edge detection
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

一种批量生成统一视觉AI二维码的方法，该方法通过输入需要AI美化的二维码内容或图片，生成初始黑白二维码，然后用户调整图像处理模型，生成用户需求的AI二维码样式模板，进行保存，之后用户选择AI二维码样式模板，输入需要批量生成的待生码内容，将待生码内容按照相同的生成规则生成批量黑白二维码，对批量黑白二维码和AI二维码样式模板进行分块，然后替换AI二维码样式模板中的编码分块，对替换的编码分块进行蒙版操作，并且对生成的所有二维码进行机器解码检查，确保所有二维码均可被正确识别后，输出批量生成的具有统一视觉的AI二维码。本发明的优点在于：能够批量生成统一视觉的AI二维码，提升图像与二维码设计的融合度，提升了设计的效率。

Description

批量生成统一视觉AI二维码的方法及计算机可读存储介质
技术领域
本发明涉及二维码生成技术领域，尤其涉及一种批量生成统一视觉AI二维码的方法及计算机可读存储介质。
背景技术
随着互联网技术领域的飞速发展，二维码已经成为商业和社交交流的重要工具，传统的二维码由单调的黑白编码模块组成，缺乏视觉美感，无法与二维码表示的信息或代表的品牌建立直观的联系。因此，为了美化二维码的视觉效果，将二维码与背景图像融合，生成带有背景图像的二维码。
经检索，目前与图像融合的艺术化二维码生成方法如专利号为CN201611062539.5(授权公告号为CN106778995B)的中国发明所示，该方法是通过结合图像视觉显著性与高斯约旦消元法，调整二维码码字，生成二维码与图像结合的二值艺术化二维码；建立二维码模块的扫描误差模型，设置预期的二维码模块扫描误差约束，局部调整二维码模块的灰度值，与输入图像的灰度化结果融合，生成灰度艺术化二维码；建立图像亮度调整方案，调整彩色原图的像素值，使其转化为灰度图后结果与灰度艺术化二维码一致，生成彩色艺术化二维码。现有技术中的二维码美化方法普遍采用调整二维码的前景或背景图，在商业应用中，该方法生成的二维码与整个宣传风格的融合度较低。
目前，AI(Artificial Intelligence，中文人工智能，简称AI)绘图在图像处理领域被广泛应用，如广告设计、产品设计和游戏设计等领域，AI绘图的原理是基于大量数据和深度学习算法，模拟人类绘图的过程，得到对应的图像结果，并且机器通过学习算法，使计算机生成具有多样性和创新性的图形元素，从而提高创作效率。因此，AI绘图的兴起给二维码的样式提供了更多的可能性，现有的基于AI绘图的AI二维码应用中，用户可以选择图像处理模型，再输入关键词或上传图片，生成风格类似的二维码图片。这种利用AI绘图能力生成的AI二维码的AI二维码应用，能够在传统二维码美化的基础上提升设计的融合度，从而生成与企业品牌或产品风格一致的AI二维码。但是现有的AI二维码应用仍然存在一些问题：
(1)生成的AI二维码的不可识别率高，由于AI二维码具有随机性和创新性，会导致生成的二维码图片无法识别，并且在利用AI绘图能力重绘二维码的过程中会使用一些锐化和平滑化处理方式来改善图片质量，导致生成的AI二维码的边缘模糊，码点与背景的对比度小，从而导致生成的AI二维码无法被准确识别。
(2)生成的AI二维码具有不可控性，AI二维码应用在生成AI二维码过程中具有一定的随机性，因此，就算是图像处理模型和关键词完全一致，AI二维码应用也无法多次生成元素、样式完全一致的AI二维码。
(3)AI二维码的生成效率低，目前，AI二维码应用生成的AI二维码大多是一张一张生成的，生产效率低，并且应用场景较为有限。
因此，在商业应用中，企业如果生成一个合适的AI二维码后，无法批量生成风格样式一致的AI二维码，将会影响商业活动的应用，从而会舍弃该AI二维码，影响用户的使用体验感，为此需要进一步的改进。
发明内容
本发明所要解决的技术问题是针对上述现有技术现状而提供一种批量生成统一视觉AI二维码的方法。
本发明解决上述技术问题所采用的技术方案为：该批量生成统一视觉AI二维码的方法，其特征在于包括如下步骤：
步骤一、用户输入需要AI美化的二维码内容或二维码图片，通过二维码生码技术或二维码解码及转码技术，将需要AI美化的二维码内容或二维码图片生成初始黑白二维码；
步骤二、用户在预设的图像处理模型中选择一个美化风格，输入关键词或上传预设图像，调整预设的图像处理模型的干预参数，将步骤一中的初始黑白二维码生成符合用户需求的AI美化后的二维码图像；
步骤三、将步骤二中生成的AI美化后的二维码图像进行机器解码识别，如果能够被解码识别，则输出解码识别通过后的AI美化后的二维码图像；如果不能被解码识别，重复步骤二，直至机器解码识别通过后，输出解码识别通过后的AI美化后的二维码图像；
步骤四、将步骤三输出的AI美化后的二维码图像保存为AI二维码样式模板；
步骤五、提取步骤四中保存的AI二维码样式模板中的码点颜色，提取AI二维码样式模板的大小及形状以及背景样式；
步骤六、用户选择步骤四中保存的AI二维码样式模板，输入需要批量生成AI二维码的待生码内容；
步骤七、将需要批量生成AI二维码的待生码内容按照与步骤一中相同的二维码生成规则生成批量黑白二维码；
步骤八、对AI二维码样式模板及批量黑白二维码的编码区进行相同格式的分块，然后将批量黑白二维码中的全部编码分块分别依次替换到AI二维码样式模板中对应位置的编码分块中，得到批量中间二维码；或者将AI二维码样式模板所有编码分块的编码内容分别与批量黑白二维码相应位置编码分块的编码内容一一对比，如果批量黑白二维码中的某一编码分块的编码内容与AI二维码样式模板中对应编码分块的编码内容不同，则分别将批量黑白二维码中编码内容不同的编码分块替换到AI二维码样式模板中对应位置的编码分块中，得到批量中间二维码；
步骤九、分别依次将批量中间二维码中所有被替换的编码分块进行蒙版操作，再然后根据步骤五提取的AI二维码样式模板中的码点颜色、AI二维码样式模板的大小及形状以及背景样式，对已经进行过蒙版操作的新的编码分块的码点颜色和进行过蒙版操作的批量中间二维码的大小及形状以及背景样式进行更新，分别得到应用AI二维码样式模板生成的美化后的批量AI二维码；
步骤十、统一对步骤九中应用AI二维码样式模板生成的美化后的批量AI二维码进行机器解码检查，确保所有批量AI二维码均可被正确识别后，输出能够被识别通过的美化后的批量AI二维码，这些能够被识别通过的美化后的批量AI二维码即为批量生成的具有统一视觉的AI二维码。
作为改进，所述步骤一中的解码及转码技术具体包括如下步骤：
步骤1、输入用户输入的二维码图片；
步骤2、对用户输入的二维码图片进行预处理；
步骤3、识别用户输入的二维码图片中的定位模块和校准模块，判断该二维码图片中是否有定位模块和校准模块，如果没有定位模块和校准模块，则提示用户，用户输入的二维码图片无二维码图案；如果有定位模块和校准模块，则确定该二维码图片中二维码的位置和方向；
步骤4、根据二维码编码规则，提取该二维码图片中的数据码字和校验码字；
步骤5、根据二维码的纠错区域，对数据码字进行纠错操作，还原出原始数据；
步骤6、将原始数据按照对应的生码规则生成初始黑白二维码；
步骤7、输出初始黑白二维码。
进一步的改进，所述步骤二中的干预参数包括如下参数之一或任意组合：扩散系数、迭代次数、初始条件、相关性和噪声强度。
进一步的改进，所述步骤五中提取码点颜色具体包括如下步骤：
步骤A、先将AI二维码样式模板的颜色转为RGB颜色矩阵，然后在RGB颜色矩阵中随机选取k个聚类质心点，将k个聚类质心点标记为m1，m2，…，mk，k为正整数，同时建立k个类，将k个类分别记为j1，j2，…，jk，类jk表示为聚类质心mk所属的类；
步骤B、遍历AI二维码样式模板中每一个像素点X，AI二维码样式模板中所有的像素点标记为X1，X2，…，Xn，先计算每个像素点Xi与每个聚类质心mj的距离dis(Xi,mj)，其中：Xi为第i个像素点，1≤i≤n，mj为第j个聚类质心，1≤j≤k，Xit为第i个像素点的颜色属性，mjt为第j个聚类质心的颜色属性，依次比较每个像素点Xi与每个聚类质心mj的距离，将每个像素点Xi分配到与其距离最近的聚类质心mj所属的类jk中；
步骤C、对类jk中的质心点进行纠错，计算公式为其中mj为纠错后的类jk的质心，1≤j≤k，|jk|为类jk中包含的像素点的个数，Yi表示类jk第i个对象，1≤i≤|jk|，最后得到k个类的质心点的RGB颜色值，该颜色值即为类jk的RGB颜色值，在步骤九中，替换编码分块后的码点颜色会根据AI二维码样式模板中提取的当前码点所在类jk的RGB颜色值进行颜色值调整。
再改进，所述步骤五中提取AI二维码样式模板的大小及形状具体包括如下步骤：
S1、首先将AI二维码样式模板转为灰度图像，然后对灰度图像进行高斯滤波处理；
S2、利用最大类间差法计算阈值t，阈值t为灰度图像中前景的灰度值和背景的灰度值差距的大小，计算公式为t＝Max[w0(t)*(u0(t)-u)2+w1(t)*(u1(t)-u)2]，其中w0为背景比例，u0为背景灰度值的均值，w1为前景比例，u1为前景灰度值的均值，u为整幅图像灰度值的均值；
S3、基于计算出的阈值t，将经过高斯滤波处理后的灰度图像进行二值分割，从而得到二值化图像；
S4、基于S3中得到二值化图像，使用边缘检测算法确定二值化图像的轮廓；
S5、使用连通组件标记算法提取二值化图像的轮廓，然后计算所有封闭轮廓所包围的面积，所有封闭轮廓中所包围面积最接近的3个封闭轮廓即为AI二维码样式模板中的定位框，提取三个定位框的中心点，计算三个定位框中心点围成的三角形，三角形中角度最大的角所在位置就是AI二维码样式模板中右上角的点，另外两个角点即为AI二维码样式模板中右下定位点和左上定位点的位置。
进一步的改进，所述步骤六中输入需要批量生成AI二维码的待生码内容的方法包括上传表格文件或使用在线表格组件批量输入生码内容。
一种计算机可读存储介质，所述计算机可读存储介质中存储有批量生成统一视觉AI二维码的计算机程序，所述批量生成统一视觉AI二维码的计算机程序能被处理器执行时实现上述任一方法。
与现有技术相比，本发明的优点在于：将AI绘图与二维码生成技术结合，美化了二维码的视觉效果，提升了图像与二维码的设计融合度，并且能够保存符合用户需求的AI二维码样式模板，根据该AI二维码样式模板批量生成具有统一视觉的AI二维码，这种方法能够帮助企业在做品牌宣传等传播场景下，使消费者迅速识别二维码的风格，与品牌进行关联，提升设计的效率，提高用户的使用体验感。
附图说明
图1为本发明实施例1中的批量生成统一视觉AI二维码的方法的流程图；
图2为本发明实施例2中的批量生成统一视觉AI二维码的方法的流程图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
实施例1
如图1所示，本发明提供的批量生成统一视觉AI二维码的方法，其包括如下步骤：
步骤一、用户输入需要AI美化的二维码内容或二维码图片，通过二维码生码技术或二维码解码及转码技术，将需要AI美化的二维码内容或二维码图片生成初始黑白二维码，其中解码及转码技术具体包括如下步骤：
步骤1、输入用户输入的二维码图片；
步骤2、对用户输入的二维码图片进行预处理；
步骤3、识别用户输入的二维码图片中的定位模块和校准模块，判断该二维码图片中是否有定位模块和校准模块，如果没有定位模块和校准模块，则提示用户，用户输入的二维码图片无二维码图案；如果有定位模块和校准模块，则确定该二维码图片中二维码的位置和方向；
步骤4、根据二维码编码规则，提取该二维码图片中的数据码字和校验码字；
步骤5、根据二维码的纠错区域，对数据码字进行纠错操作，还原出原始数据；
步骤6、将原始数据按照对应的生码规则生成初始黑白二维码；
步骤7、输出初始黑白二维码；
步骤二、用户在预设的图像处理模型中选择一个美化风格，输入关键词或上传预设图像，调整预设的图像处理模型的干预参数，将步骤一中的初始黑白二维码生成符合用户需求的AI美化后的二维码图像，其中，干预参数包括扩散系数、迭代次数、初始条件、相关性和噪声强度；
步骤三、将步骤二中生成的AI美化后的二维码图像进行机器解码识别，如果能够被解码识别，则输出解码识别通过后的AI美化后的二维码图像；如果不能被解码识别，重复步骤二，直至机器解码识别通过后，输出解码识别通过后的AI美化后的二维码图像；
步骤四、将步骤三输出的AI美化后的二维码图像保存为AI二维码样式模板；
步骤五、提取步骤四中保存的AI二维码样式模板中的码点颜色，提取AI二维码样式模板的大小及形状以及背景样式；
在提取码点颜色时，具体包括如下步骤：
步骤A、先将AI二维码样式模板的颜色转为RGB颜色矩阵，然后在RGB颜色矩阵中随机选取k个聚类质心点，将k个聚类质心点标记为m1，m2，...，mk，k为正整数，同时建立k个类，将k个类分别记为j1，j2，...，jk，类jk表示为聚类质心mk所属的类；
步骤B、遍历AI二维码样式模板中每一个像素点X，AI二维码样式模板中所有的像素点标记为X1，X2，...，Xn，先计算每个像素点Xi与每个聚类质心mj的距离dis(Xi，mj)，其中：Xi为第i个像素点，1≤i≤n，mj为第j个聚类质心，1≤j≤k，Xit为第i个像素点的颜色属性，mjt为第j个聚类质心的颜色属性，依次比较每个像素点Xi与每个聚类质心m，的距离，将每个像素点Xi分配到与其距离最近的聚类质心mj所属的类jk中；
步骤C、对类jk中的质心点进行纠错，计算公式为其中mj为纠错后的类jk的质心，1≤j≤k，|jk|为类jk中包含的像素点的个数，Yi表示类jk第i个对象，1≤i≤|jk|，最后得到k个类的质心点的RGB颜色值，该颜色值即为类jk的RGB颜色值，在步骤九中，替换编码分块后的码点颜色会根据AI二维码样式模板中提取的当前码点所在类jk的RGB颜色值进行颜色值调整。
在提取AI二维码样式模板的大小及形状具体包括如下步骤：
S1、首先将AI二维码样式模板转为灰度图像，然后对灰度图像进行高斯滤波处理；
S2、利用最大类间差法计算阈值t，阈值t为灰度图像中前景的灰度值和背景的灰度值差距的大小，计算公式为t＝Max[w0(t)*(u0(t)-u)2+w1(t)*(u1(t)-u)2]，其中w0为背景比例，u0为背景灰度值的均值，w1为前景比例，u1为前景灰度值的均值，u为整幅图像灰度值的均值；
S3、基于计算出的阈值t，将经过高斯滤波处理后的灰度图像进行二值分割，从而得到二值化图像；
S4、基于S3中得到二值化图像，使用边缘检测算法确定二值化图像的轮廓；
S5、使用连通组件标记算法提取二值化图像的轮廓，然后计算所有封闭轮廓所包围的面积，所有封闭轮廓中所包围面积最接近的3个封闭轮廓即为AI二维码样式模板中的定位框，提取三个定位框的中心点，计算三个定位框中心点围成的三角形，三角形中角度最大的角所在位置就是AI二维码样式模板中右上角的点，另外两个角点即为AI二维码样式模板中右下定位点和左上定位点的位置。
步骤六、用户选择步骤四中保存的AI二维码样式模板，输入需要批量生成AI二维码的待生码内容；
步骤七、将需要批量生成AI二维码的待生码内容按照与步骤一中相同的二维码生成规则生成批量黑白二维码；
步骤八、对AI二维码样式模板及批量黑白二维码的编码区进行相同格式的分块，然后将批量黑白二维码中的全部编码分块分别依次替换到AI二维码样式模板中对应位置的编码分块中，得到批量中间二维码；
步骤九、分别依次将批量中间二维码中所有被替换的编码分块进行蒙版操作，再然后根据步骤五提取的AI二维码样式模板中的码点颜色、AI二维码样式模板的大小及形状以及背景样式，对已经进行过蒙版操作的新的编码分块的码点颜色和进行过蒙版操作的批量中间二维码的大小及形状以及背景样式进行更新，分别得到应用AI二维码样式模板生成的美化后的批量AI二维码；
步骤十、统一对步骤九中应用AI二维码样式模板生成的美化后的批量AI二维码进行机器解码检查，确保所有批量AI二维码均可被正确识别后，输出能够被识别通过的美化后的批量AI二维码，这些能够被识别通过的美化后的批量AI二维码即为批量生成的具有统一视觉的AI二维码。
本发明中提及的批量AI二维码生成技术尤其适合美术馆、博物馆等艺术领域的门票以及展品标签等场景，例如展馆门票的劵号不一致，因此二维码的编码内容不一致，但需保持门票的风格样式一致，因此可以利用本申请中提供的批量生成统一视觉AI二维码的方法，分别覆盖到相同门票风格图片中用来放置二维码图像的位置。
实施例2
如图2所示，本实施例与实施例1基本相同，区别仅在于步骤八，本实施例的步骤八为对AI二维码样式模板及批量黑白二维码的编码区进行相同格式的分块，然后将AI二维码样式模板所有编码分块的编码内容分别与批量黑白二维码相应位置编码分块的编码内容一一对比，如果批量黑白二维码中的某一编码分块的编码内容与AI二维码样式模板中对应编码分块的编码内容不同，则分别将批量黑白二维码中编码内容不同的编码分块替换到AI二维码样式模板中对应位置的编码分块中，得到批量中间二维码。
实施例3
本实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有批量生成统一视觉AI二维码的计算机程序，批量生成统一视觉AI二维码的计算机程序能被处理器执行时实现实施例1和实施例2任一方法。

Claims (7)

1.一种批量生成统一视觉AI二维码的方法，其特征在于包括如下步骤：
步骤一、用户输入需要AI美化的二维码内容或二维码图片，通过二维码生码技术或二维码解码及转码技术，将需要AI美化的二维码内容或二维码图片生成初始黑白二维码；
步骤二、用户在预设的图像处理模型中选择一个美化风格，输入关键词或上传预设图像，调整预设的图像处理模型的干预参数，将步骤一中的初始黑白二维码生成符合用户需求的AI美化后的二维码图像；
步骤三、将步骤二中生成的AI美化后的二维码图像进行机器解码识别，如果能够被解码识别，则输出解码识别通过后的AI美化后的二维码图像；如果不能被解码识别，重复步骤二，直至机器解码识别通过后，输出解码识别通过后的AI美化后的二维码图像；
步骤四、将步骤三输出的AI美化后的二维码图像保存为AI二维码样式模板；
步骤五、提取步骤四中保存的AI二维码样式模板中的码点颜色，提取AI二维码样式模板的大小及形状以及背景样式；
步骤六、用户选择步骤四中保存的AI二维码样式模板，输入需要批量生成AI二维码的待生码内容；
步骤七、将需要批量生成AI二维码的待生码内容按照与步骤一中相同的二维码生成规则生成批量黑白二维码；
步骤八、对AI二维码样式模板及批量黑白二维码的编码区进行相同格式的分块，然后将批量黑白二维码中的全部编码分块分别依次替换到AI二维码样式模板中对应位置的编码分块中，得到批量中间二维码；或者将AI二维码样式模板所有编码分块的编码内容分别与批量黑白二维码相应位置编码分块的编码内容一一对比，如果批量黑白二维码中的某一编码分块的编码内容与AI二维码样式模板中对应编码分块的编码内容不同，则分别将批量黑白二维码中编码内容不同的编码分块替换到AI二维码样式模板中对应位置的编码分块中，得到批量中间二维码；
步骤九、分别依次将批量中间二维码中所有被替换的编码分块进行蒙版操作，再然后根据步骤五提取的AI二维码样式模板中的码点颜色、AI二维码样式模板的大小及形状以及背景样式，对已经进行过蒙版操作的新的编码分块的码点颜色和进行过蒙版操作的批量中间二维码的大小及形状以及背景样式进行更新，分别得到应用AI二维码样式模板生成的美化后的批量AI二维码；
步骤十、统一对步骤九中应用AI二维码样式模板生成的美化后的批量AI二维码进行机器解码检查，确保所有批量AI二维码均可被正确识别后，输出能够被识别通过的美化后的批量AI二维码，这些能够被识别通过的美化后的批量AI二维码即为批量生成的具有统一视觉的AI二维码。
2.根据权利要求1所述的批量生成统一视觉AI二维码的方法，其特征在于：所述步骤一中的解码及转码技术具体包括如下步骤：
步骤1、输入用户输入的二维码图片；
步骤2、对用户输入的二维码图片进行预处理；
步骤3、识别用户输入的二维码图片中的定位模块和校准模块，判断该二维码图片中是否有定位模块和校准模块，如果没有定位模块和校准模块，则提示用户，用户输入的二维码图片无二维码图案；如果有定位模块和校准模块，则确定该二维码图片中二维码的位置和方向；
步骤4、根据二维码编码规则，提取该二维码图片中的数据码字和校验码字；
步骤5、根据二维码的纠错区域，对数据码字进行纠错操作，还原出原始数据；
步骤6、将原始数据按照对应的生码规则生成初始黑白二维码；
步骤7、输出初始黑白二维码。
3.根据权利要求1所述的批量生成统一视觉AI二维码的方法，其特征在于：所述步骤二中的干预参数包括如下参数之一或任意组合：扩散系数、迭代次数、初始条件、相关性和噪声强度。
4.根据权利要求1所述的批量生成统一视觉AI二维码的方法，其特征在于：所述步骤五中提取码点颜色具体包括如下步骤：
步骤A、先将AI二维码样式模板的颜色转为RGB颜色矩阵，然后在RGB颜色矩阵中随机选取k个聚类质心点，将k个聚类质心点标记为m1，m2，…，mk，k为正整数，同时建立k个类，将k个类分别记为j1，j2，…，jk，类jk表示为聚类质心mk所属的类；
步骤B、遍历AI二维码样式模板中每一个像素点X，AI二维码样式模板中所有的像素点标记为X1，X2，…，Xn，先计算每个像素点Xi与每个聚类质心mj的距离dis(Xi,mj)，其中：Xi为第i个像素点，1≤i≤n，mj为第j个聚类质心，1≤j≤k，Xit为第i个像素点的颜色属性，mjt为第j个聚类质心的颜色属性，依次比较每个像素点Xi与每个聚类质心mj的距离，将每个像素点Xi分配到与其距离最近的聚类质心mj所属的类jk中；
步骤C、对类jk中的质心点进行纠错，计算公式为其中mj为纠错后的类jk的质心，1≤j≤k，|jk|为类jk中包含的像素点的个数，Yi表示类jk第i个对象，1≤i≤|jk|，最后得到k个类的质心点的RGB颜色值，该颜色值即为类jk的RGB颜色值，在步骤九中，替换编码分块后的码点颜色会根据AI二维码样式模板中提取的当前码点所在类jk的RGB颜色值进行颜色值调整。
5.根据权利要求1所述的批量生成统一视觉AI二维码的方法，其特征在于：所述步骤五中提取AI二维码样式模板的大小及形状具体包括如下步骤：
S1、首先将AI二维码样式模板转为灰度图像，然后对灰度图像进行高斯滤波处理；
S2、利用最大类间差法计算阈值t，阈值t为灰度图像中前景的灰度值和背景的灰度值差距的大小，计算公式为t＝Max[w0(t)*(u0(t)-u)2+w1(t)*(u1(t)-u)2]，其中w0为背景比例，u0为背景灰度值的均值，w1为前景比例，u1为前景灰度值的均值，u为整幅图像灰度值的均值；
S3、基于计算出的阈值t，将经过高斯滤波处理后的灰度图像进行二值分割，从而得到二值化图像；
S4、基于S3中得到二值化图像，使用边缘检测算法确定二值化图像的轮廓；
S5、使用连通组件标记算法提取二值化图像的轮廓，然后计算所有封闭轮廓所包围的面积，所有封闭轮廓中所包围面积最接近的3个封闭轮廓即为AI二维码样式模板中的定位框，提取三个定位框的中心点，计算三个定位框中心点围成的三角形，三角形中角度最大的角所在位置就是AI二维码样式模板中右上角的点，另外两个角点即为AI二维码样式模板中右下定位点和左上定位点的位置。
6.根据权利要求1所述的批量生成统一视觉AI二维码的方法，其特征在于：所述步骤六中输入需要批量生成AI二维码的待生码内容的方法包括上传表格文件或使用在线表格组件批量输入生码内容。
7.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有批量生成统一视觉AI二维码的计算机程序，所述批量生成统一视觉AI二维码的计算机程序能被处理器执行时实现如权利要求1至6中任一项权利要求所述方法。
CN202311092019.9A 2023-08-29 2023-08-29 批量生成统一视觉ai二维码的方法及计算机可读存储介质 Active CN117131895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311092019.9A CN117131895B (zh) 2023-08-29 2023-08-29 批量生成统一视觉ai二维码的方法及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311092019.9A CN117131895B (zh) 2023-08-29 2023-08-29 批量生成统一视觉ai二维码的方法及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN117131895A CN117131895A (zh) 2023-11-28
CN117131895B true CN117131895B (zh) 2024-03-08

Family

ID=88859457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311092019.9A Active CN117131895B (zh) 2023-08-29 2023-08-29 批量生成统一视觉ai二维码的方法及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN117131895B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062781A (zh) * 2018-01-31 2018-05-22 深圳市裕同包装科技股份有限公司 一种视觉码批量生成的系统及其方法
CN109324607A (zh) * 2018-08-13 2019-02-12 济南大学 二维码识别方法及基于其的机器人视觉导航自定位方法
CN111476524A (zh) * 2020-04-09 2020-07-31 广州创显科教股份有限公司 一种基于人工智能的成品出库用货品拣货方法、系统、装置及可读存储介质
CN113191469A (zh) * 2021-04-30 2021-07-30 南方科技大学 基于二维码的物流管理方法、系统、服务器和存储介质
CN115860023A (zh) * 2022-11-21 2023-03-28 江西中烟工业有限责任公司 基于二维码的卷烟设备管理方法、装置、电子设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991462B (zh) * 2017-03-13 2018-04-17 三维码（厦门）网络科技有限公司 三维码生成方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062781A (zh) * 2018-01-31 2018-05-22 深圳市裕同包装科技股份有限公司 一种视觉码批量生成的系统及其方法
CN109324607A (zh) * 2018-08-13 2019-02-12 济南大学 二维码识别方法及基于其的机器人视觉导航自定位方法
CN111476524A (zh) * 2020-04-09 2020-07-31 广州创显科教股份有限公司 一种基于人工智能的成品出库用货品拣货方法、系统、装置及可读存储介质
CN113191469A (zh) * 2021-04-30 2021-07-30 南方科技大学 基于二维码的物流管理方法、系统、服务器和存储介质
CN115860023A (zh) * 2022-11-21 2023-03-28 江西中烟工业有限责任公司 基于二维码的卷烟设备管理方法、装置、电子设备及介质

Also Published As

Publication number Publication date
CN117131895A (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Xu et al. Stylized aesthetic QR code
CN109919830B (zh) 一种基于美学评价的带参考人眼图像修复方法
CN106991462B (zh) 三维码生成方法
CN108229234B (zh) 一种融合数字编码的可扫描图像生成方法
Li et al. An aesthetic QR code solution based on error correction mechanism
US9449253B2 (en) Learning painting styles for painterly rendering
Xu et al. ART-UP: A novel method for generating scanning-robust aesthetic QR codes
CN106599965A (zh) 一种将图像卡通化并与二维码融合的方法与装置
Hung et al. Micrography QR codes
CN111429416B (zh) 一种人脸色素斑识别方法、装置及电子设备
CN104794693B (zh) 一种人脸关键区域自动检测蒙版的人像优化方法
CN116822548B (zh) 生成高识别率ai二维码的方法及计算机可读存储介质
CN111046763A (zh) 一种人像卡通化的方法和装置
CN109003287A (zh) 基于改进遗传算法的图像分割方法
Rathi et al. Aesthetic QR: Approaches for Beautified, Fast Decoding, and Secured QR Codes.
CN109492735B (zh) 二维码生成方法及计算机可读存储介质
CN111274863A (zh) 一种基于文本山峰概率密度的文本预测方法
CN117131895B (zh) 批量生成统一视觉ai二维码的方法及计算机可读存储介质
Wu et al. Color transfer with salient features mapping via attention maps between images
Aizawa et al. Do you like sclera? Sclera-region detection and colorization for anime character line drawings
CN114782600B (zh) 一种基于辅助网格的视频特定区域渲染系统及渲染方法
CN117131896B (zh) 一种ai二维码生成方法及计算机可读存储介质
Oshiba et al. Face image generation of anime characters using an advanced first order motion model with facial landmarks
Su et al. Q-art code: Generating scanning-robust art-style QR codes by deformable convolution
Hai-Sheng et al. Style transfer for QR code

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