CN1438603A - 基于通用办公设备的二维条码自动识读方法 - Google Patents

Abstract

本发明公开了一种基于通用办公设备的二维条码自动识读方法，对于目前的通用图像摄入设备所读取的二维条码，可以自动识别。本发明不局限于专用二维条码识读设备，也可对输入条码的限制条件放宽，提出了针对散焦模糊图像的最佳模糊参数的估计方法，应用维纳滤波实现了对它的清晰化。对存在畸变的条码图像，进行分块校正。针对自然光照的条码图像，设计了自适应阈值分割算法进行条码图像的阈值分割。在进行条码自动识读时，使用了投影法实现码字的分割，使用了条空序列比进行条码的精确定位和码字识读。同时还提供了按照国标进行二维条码的制作，对于生成二维条码，可以对照片等大信息量数据压缩在二维条码中，并可通过数字签名进行防伪和加密。

Description

基于通用办公设备的二维条码自动识读方法

一、所属技术领域

本发明属计算机自动识别领域，涉及到图像识别技术，图像压缩技术，图像编码技术，纠错编码技术，及防伪保密技术，特别涉及一种基于通用办公设备的二维条码自动识读方法。

二、背景技术

近期的同类发明，即二维条码的自动识别技术是基于专用识别设备来完成的。专用设备主要分为两类，一类是激光识别器，一类是图像识别器，对于第二类专用设备，使用专用的辅助光源以采集到光照均匀的条码图像。使用自动调焦装置，使得采集到的图像清晰，不存在散焦模糊才能进行正确识读。只能识别平面上的条码图像，如贴在证卡上的条码图像，通过扫描仪录入的条码图像。对自然弯曲的条码无法正确识读。现有条码识读器的参数见附表1。

附表1：DENSO QS20HI，QS20H-HD手持二维条码扫描器

型号			QS20HI	QS20H-HD
					读取特性	可读条码	二维码	QR Code、Micro QR、DataMatrix(ECC200)、PDF417Maxi Code
一维码	UPC-A/E、EAN-13/8、CODE39、NW-7、ITF、CODE128
			分辨率	二维码			0.25mm	0.167mm
一维码	0.15mm	0.125mm
				识读参考位置		75mm	50mm
PCS值	≥0.45

	倾斜角度	360°
			仰角·倾角	±35°
	通讯接口	PC接口			RS-232C
传输速度			115.2Kbps Max.
		界面连接器		D-sub9型(凹式)
电源			电源供给		专用交流电源适配器
	缆线长度	2m
			环境条件	使用温度	0～40℃
使用湿度	10～85％RH(非凝结)
		使用亮度		20～10,000lux(日光、白光)
重量	135g

三、发明内容

本发明的目的在于，提供一种基于通用办公设备的二维条码自动识读方法，该方法可以利用身边所具有的非常方便使用的通用办公设备，甚至是日常生活中所具有的数码图像拍摄设备，完成对条码的识读。

实现上述发明目的的技术方案是：基于通用办公设备的二维条码自动识读方法，包括现有识读器的识读方法，其特点是，至少还包括以下步骤：

1)阈值处理

对于数码相机或数码摄像头采集到的条码图像，由于没有辅助光源，光照不均的现象经常存在，这时采用单一阈值无法进行正确分割。对光照不均的图像画面进行高斯平滑，将平滑后的结果作为提取条码的自适应阈值，并进行阈值分割，可对具有光照不均的图像画面进行自动补偿，消除光照不均对条码识读的影响。具体处理方法如下：第一步：用Gauss函数对原图像进行平滑处理。

设原图像为f(x，y)，平滑处理后的图像为f_s(x，y)，则

f_s(x，y)＝g(x，y)*f(x，y)           (1)其中： $g(x,y)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{x^2+y^2}{{\mathrm{\σ}}^2}}---\left(2\right)$

参数σ称为平滑参数(取值：5～10)，用来确定平滑的强度。

第二步：图像f(x，y)的自适应阈值选择为A·f(x，y)，A为阈值调整系数，取值为0.8~1.6。

2)畸变条码图像的校正

根据条码的结构，按照分块校正方法进行正确校正，对校正后的条码图像则可按照无畸变的条码识别方法进行识读。畸变校正的具体算法如下：

第一步：根据层叠式PDF417二维条码的每列码字起始于黑条，终止于白条的特点，用垂直方向的锐化算子，对条码进行每列码字的列边界进行提取，锐化算子结构为： $S=\left[\begin{array}{cc}1& -1\\ 1& -1\\ 1& -1\\ 1& -1\\ 1& -1\end{array}\right]$

第二步：对得到的锐化条码图像，以阈值＝128进行二值化处理。

第三步：因为在进行上面两步操作时，码字内部的某些部分也被提取出来，所以需要对这部分误提取信息进行处理。对得到的所有连通域计算其长度，将长度小于0.8*平均长度的连通域全部消除，则可以得到列之间边界。

第四步：在每个列边界上等间隔地取出六个点，称这些点为控制点。这样，每相邻两条边界上的相邻两对控制点就构成了一个四边形。对每个四边形按照其校正目标为矩形用双线性插值法进行校正。

3)散焦模糊的恢复

散焦模糊采用如下方法：

采用维纳滤波器对原图进行滤波处理，采用Wiener滤波器的形式为： $F(u,v)=\frac{H^{*}(u,v)G(u,v)}{{\left|H(u,v)\right|}^2+S_{\mathrm{nn}}(u,v)/S_{\mathrm{ff}}(u,v)}---\left(1\right)$

此处F(u，v)，G(u，v)，H(u，v)分别是原清晰图像f(x，y)，退化图像g(x，y)，降晰函数h(x，y)的二维Fourier变换，H*(u，v)为降晰函数H(u，v)的复数共轭；S_nn(u，v)和S_ff(u，v)分别是噪声和未失真图像的功率谱；

第一步：计算退化图像g(x，y)的频谱G(u，v)，以及退化系统的降晰函数h(x，y)的频谱H(u，v)；

第二步：计算噪声和原图像的功率谱S_nn(u，v)和S_ff(u，v)；

直接从退化图像上计算每个像素的局部方差，选取局部方差中的最大值作为图像的方差，同时可以在图像上找一块平坦区域，用其局部方差作为噪声方差；

利用式(2)计算图像的局部方差，图像边界方差不考虑在内；用局部方差的最大值和最小值的比值作为图像信噪比的估计； ${{\mathrm{\σ}}^2}_{\mathrm{gL}}(i,j)=\frac{1}{(2P+1)(2Q+1)}\underset{k=-P}{\overset{P}{\mathrm{\Σ}}}\underset{l=-Q}{\overset{Q}{\mathrm{\Σ}}}[g(i+k,j+l)-{\mathrm{\μ}}_g(i,j){]}^2---\left(2\right)$ 式中μ_g是局部均值，按下式计算 $\frac{1}{(2P+1)(2Q+1)}\underset{k=-P}{\overset{P}{\mathrm{\Σ}}}\underset{l=-Q}{\overset{Q}{\mathrm{\Σ}}}g(i+k,j+l)---\left(3\right)$ 式中：P，Q为窗的尺寸，此处P＝Q＝2(即5×5的操作窗)。

第三步：由第二步估计出原图像和噪声功率谱后，便可根据Wiener滤波公式(1)求出原图像的频谱F(u，v)；

第四步：对F(u，v)进行二维离散Fourier反变换，即可恢复出原清晰图像f(x，y)；

4)图像压缩

根据需要承载图像的大小，以及目标条码的大小，采用混合压缩编码技术实现对图像的压缩。

5)二维条码的编码、解码

按国标所规定的条码编码、解码进行。

6)纠错编码

按国标所规定的条码纠错编码进行。

7)防伪保密技术

提供数字签名功能，以供二维条码制作方实现条码的防伪和保密。

本发明的其他所述畸变校正方法如下：

a)边界强调与提取

首先用垂直方向的微分锐化算法对列分割边界进行强调，之后对边界强调后的条码图像用其128作为阈值将其二值化；

b)图像分块与校正控制点的选取

对二值化后图像中每一个连通域进行贴标签，删除垂直长度短的噪声，得到列与列间的边界；

相邻两个列边界间即为一列码字所占有的区域，在每条边界线上选取七个点作为图像校正的控制点，两条相邻边界上的七对控制点，每两对控制点构成一个四边形，通过对这列上的六个四边形分别校正为标准矩形；

c)畸变的校正

校正处理选用了控制栅格插值的方法，将上面得到的控制点形成一个栅格，即待校正的四边形，此栅格映射为输出图像中连通的、水平放置的矩形栅格，即目标矩形，输入控制点被映射为相应的矩形顶点；依据双线性变换的性质，待校正图像内的每个点映射到目标矩形内的点的坐标，根据它在待校正图像中的相对位置来对应的计算出来；

对应目标矩形中的每个像素点的坐标，找到它在源图像中四边形的对应点的坐标，通过在原图像的重采样，确定目标像素点的灰度值，完成校正处理。

所述混合编码技术包括：无损压缩和有损压缩中的Huffman编码，REL编码，预测编码，算术编码、DCT编码，小波变换编码。

四、附图说明

图1是本发明的系统的结构示意图；

图2是无辅助光源的阈值分割效果图；其中图(a)原图像，图(b)是自适应阈值后的效果图；

图3是条码畸变的校正示例图，其中(a)为原图，(b)为校正后的条码。

图4是实拍的散焦条码图像的恢复效果图，其中图(a)为原图，图(b)为恢复后的图像。

本发明与现有的条码识读技术相比，除具有现有识读器的全部功能外，还具有以下特性：

1)不需要辅助光源，对自然光照下的条码可自动识读。

2)对畸变条码图像的自动识读。对曲面上的或自然弯曲、扭曲条码图像可正确识读。

3)不需要额外的自动对焦装置，可对散焦模糊图像进行正确识读。所以该项技术可无须依赖于专用的识读设备，不再需要额外的辅助光源、自动对焦装置，无需限定条码必须处在平面上。这样，除可利用通用设备之外，对于现有的专用设备来说，因为可大大降低条码输入的条件限制，所以可大大提高目前的专用条码识读器的性价比。

五、具体实施方式

以下结合附图和发明人给出的实施例，对本发明作进一步的详细说明。

依本发明的技术方案，基于通用办公设备的二维条码识读方法，包括现有识读器的识读方法，至少还包括以下步骤：

1)对光照不均的图像画面进行自动补偿

本发明不需要辅助光源。加辅助光源的主要目的是，改善图像的光照条件，尽量保证画面的光照均衡。本发明为了去掉这个限制，则需要对存在画面光照不均的情况进行自动的补偿。我们所采用的方法是，用对图像进行高斯平滑，将平滑后的结果作为提取条码的自适应阈值，可得到满意的阈值分割效果，消除了光照不均对条码识读的影响。

2)畸变条码图像的校正

对非平面上印制的二维条码图像也可正确识读。具体方法是根据条码的结构，按照下面给出的分块校正方法进行正确校正，对校正后的条码图像则可按照无畸变的条码识别方法进行识读。

畸变校正方法如下：

a)边界强调与提取

因为每个部位所发生的畸变可能不相同，所以首先必须进行分块处理。以PDF417条码为例，其每个码字的结构具有以黑色的条起始，以白色的空结束的规律，所以在条码图像中可以看到，列与列之间存在一个由白到黑的垂直方向的细长边界。首先用垂直方向的微分锐化算法对列分割边界进行强调，之后对边界强调后的条码图像用其128作为阈值将其二值化。

b)图像分块与校正控制点的选取

对二值化后图像中每一个连通域进行贴标签，删除垂直长度短的噪声，即可得到列与列间的边界。相邻两个列边界间即为一列码字所占有的区域。在每条边界线上选取七个点作为图像校正的控制点，两条相邻边界上的七对控制点，每两对控制点构成一个四边形。这样，就将一个码字区域分成了六个四边形，通过对这列上的六个四边形分别校正为标准矩形，可实现整个条码区域的校正。

c)畸变的校正

校正处理选用了控制栅格插值的方法来实现。上面得到的控制点形成一个栅格，即待校正的四边形，此栅格映射为输出图像中连通的、水平放置的矩形栅格，即目标矩形，输入控制点被映射为相应的矩形顶点。依据双线性变换的性质，待校正图像内的每个点映射到目标矩形内的点的坐标，可根据它在待校正图像中的相对位置来对应的计算出来。

对应目标矩形中的每个像素点的坐标，可以找到它在源图像中四边形的对应点的坐标。这时可以通过在原图像的重采样，确定目标像素点的灰度值，完成校正处理。

3)散焦模糊的恢复

散焦模糊方法如下：

用维纳滤波器对原图进行滤波处理。采用Wiener滤波器的形式为： $F(u,v)=\frac{H^{*}(u,v)G(u,v)}{{\left|H(u,v)\right|}^2+S_{\mathrm{nn}}(u,v)/S_{\mathrm{ff}}(u,v)}---\left(1\right)$

此处F(u，v)，G(u，v)，H(u，v)分别是原清晰图像f(x，y)，退化图像g(x，y)，降晰函数h(x，y)的二维Fourier变换。

H*(u，v)为降晰函数H(u，v)的复数共轭；S_nn(u，v)和S_ff(u，v)分别是噪声和未失真图像的功率谱。与简单的逆滤波估计F(u，v)＝G(u，v)H^-1(u，v)相比，比值S_nn(u，v)/S_ff(u，v)起到了归整化的作用。

第1步：计算退化图像g(x，y)的频谱G(u，v)，以及退化系统的降晰函数h(x，y)的频谱H(u，v)。

第2步：计算噪声和原图像的功率谱S_nn(u，v)和S_ff(u，v)。我们采用了一种简单有效的方法。即直接从退化图像上计算每个像素的局部方差，选取局部方差中的最大值作为图像的方差，同时可以在图像上找一块平坦区域，用其局部方差作为噪声方差。但往往人工不容易找到平坦区域，所以我们利用式(2)计算图像的局部方差，图像边界方差不考虑在内。用局部方差的最大值和最小值的比值作为图像信噪比的估计。 ${{\mathrm{\σ}}^2}_{\mathrm{yL}}(i,j)=\frac{1}{(2P+1)(2Q+1)}\underset{k=-P}{\overset{P}{\mathrm{\Σ}}}\underset{l=-Q}{\overset{Q}{\mathrm{\Σ}}}[g(i+k,j+l)-{\mathrm{\μ}}_g(i,j){]}^2---\left(2\right)$ 式中μ_y是局部均值，按下式计算 $\frac{1}{(2P+1)(2Q+1)}\underset{k=-P}{\overset{P}{\mathrm{\Σ}}}\underset{l=-Q}{\overset{Q}{\mathrm{\Σ}}}y(i+k,j+l)---\left(3\right)$ 典型的计算部方差使用的窗的尺寸是P＝Q＝2(即5×5的操作窗)。

第3步：由第二步估计出原图像和噪声功率谱后，便可根据Wiener滤波公式(1)求出原图像的频谱F(u，v)。

第4步：对F(u，v)进行二维离散Fourier反变换，即可恢复出原清晰图像f(x，y)。

对实际拍摄的散焦模糊条码图像进行了恢复，如下图所示，可以获得较好的效果。

4)图像压缩技术

根据需要承载图像的大小，以及目标条码的大小，用混合压缩编码技术实现对图像的压缩。混合编码技术包括：无损压缩技术中的Huffman编码，REL编码，预测编码，算术编码等，有损压缩技术则包含DCT编码，小波变换编码等。

5)二维条码的编码、解码技术

实现国标所规定的条码编码，解码功能。

6)纠错编码技术

实现国标所规定的条码纠错编码功能。

7)防伪保密技术

提供数字签名功能，以供二维条码制作方实现条码的防伪和保密。

以下是发明人所完成的实施例：

按照本发明的基于通用办公设备的二维条码识读方法，可以设计一个条码识别与制作系统，全部的操作可以在通用办公设备上完成。系统的结构如图1所示。

图中的如扫描仪、手机、照相机等通用图像摄入设备所读取的二维条码输入本发明的二维条码识读方法条码自动识别系统。对于由扫描仪输入的条码图像无须进行光照不均的补偿阈值处理和图像畸变的校正处理，可经过单一的阈值为128对图像进行阈值处理之后，直接进入解码部分。而对于如手机，照相机，摄像头等设备输入的条码图像，因为无需辅助光源，所以需要首先用前面所述的高斯平滑自适应阈值对图像进行阈值处理，并且对具有畸变的条码图像按照前述的分块校正方法进行校正处理，对于判别为有散焦模糊的图像，按照前述的方法进行清晰化恢复处理。图2给出了无辅助光源的阈值分割效果图；其中图(a)原图像，图(b)是自适应阈值后的效果图。图3是条码畸变的校正示例图，其中(a)为原图，(b)为校正后的条码。图4是实拍的散焦条码图像的恢复效果图，其中图(a)为原图，图(b)为恢复后的图像。

本发明可利用各类满足分辨率要求的通用图像设备在无辅助光的条件下，对存在一定的畸变以及散焦模糊的二维进行正确识读。同时，具有满足国标的二维条码的编码，解码，纠错编码等功能，供用户生成和制作所需承载信息的条码。同时设计了数字签名功能，保证对实现条码的防伪和保密。

Claims (3)

1.一种基于通用办公设备的二维条码识读方法，包括现有识读器的识读方法，其特征在于，至少还包括以下步骤：

1)对光照不均的图像画面进行高斯平滑，将平滑后的结果作为提取条码的自适应阈值，并进行阈值分割，可对具有光照不均的图像画面进行自动补偿，消除光照不均对条码识读的影响；

第一步：用Gauss函数对原图像进行平滑处理

设原图像为f(x，y)，平滑处理后的图像为fs(x，y)，则

f_s(x，y)＝g(x，y)*f(x，y)            (1)其中： $g(x,y)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{x^2+y^2}{{\mathrm{\σ}}^2}}---\left(2\right)$

参数σ称为平滑参数，取值：5～10，用来确定平滑的强度；

第二步：图像f(x，y)的自适应阈值选择为A·fs(x，y)，A为阈值调整系数，取值为0.8～1.6；

2)畸变条码图像的校正

根据条码的结构，按照分块校正方法进行正确校正，对校正后的条码图像则可按照无畸变的条码识别方法进行识读；

畸变校正的具体算法如下：

第一步：根据层叠式PDF417二维条码的每列码字起始于黑条，终止于白条的特点，用垂直方向的锐化算子，对条码进行每列码字的列边界进行提取，锐化算子结构为： $S=\left[\begin{array}{cc}1& -1\\ 1& -1\\ 1& -1\\ 1& -1\\ 1& -1\end{array}\right]$

第二步：对得到的锐化条码图像，以阈值＝128进行二值化处理；

第三步：因为在进行上面两步操作时，码字内部的某些部分也被提取出来，所以需要对这部分误提取信息进行处理。对得到的所有连通域计算其长度，将长度小于0.8*平均长度的连通域全部消除，则可以得到列之间边界；

第四步：在每个列边界上等间隔地取出六个点，称这些点为控制点。这样，每相邻两条边界上的相邻两对控制点就构成了一个四边形。对每个四边形按照其校正目标为矩形用双线性插值法进行校正；

3)散焦模糊的恢复

散焦模糊采用如下方法：

采用维纳滤波器对原图进行滤波处理，采用Wiener滤波器的形式为： $F(u,v)=\frac{H^{*}(u,v)G(u,v)}{{\left|H(u,v)\right|}^2+S_{\mathrm{nn}}(u,v)/S_{\mathrm{ff}}(u,v)}---\left(1\right)$

此处F(u，v)，G(u，v)，H(u，v)分别是原清晰图像f(x，y)，退化图像g(x，y)，降晰函数h(x，y)的二维Fourier变换，H*(u，v)为降晰函数H(u，v)的复数共轭；S_nn(u，v)和S_ff(u，v)分别是噪声和未失真图像的功率谱；

第一步：计算退化图像g(x，y)的频谱G(u，v)，以及退化系统的降晰函数h(x，y)的频谱H(u，v)；

第二步：计算噪声和原图像的功率谱S_nn(u，v)和S_ff(u，v)；

直接从退化图像上计算每个像素的局部方差，选取局部方差中的最大值作为图像的方差，同时可以在图像上找一块平坦区域，用其局部方差作为噪声方差；

利用式(2)计算图像的局部方差，图像边界方差不考虑在内；用局部方差的最大值和最小值的比值作为图像信噪比的估计； ${{\mathrm{\σ}}^2}_{\mathrm{gL}}(i,j)=\frac{1}{(2P+1)(2Q+1)}\underset{k=-P}{\overset{P}{\mathrm{\Σ}}}\underset{l=-Q}{\overset{Q}{\mathrm{\Σ}}}[g(i+k,j+l)-{\mathrm{\μ}}_g(i,j){]}^2---\left(2\right)$ 式中μ_g是局部均值，按下式计算 $\frac{1}{(2P+1)(2Q+1)}\underset{k=-P}{\overset{P}{\mathrm{\Σ}}}\underset{l=-Q}{\overset{Q}{\mathrm{\Σ}}}g(i+k,j+l)---\left(3\right)$ 式中：P，Q为窗的尺寸，此处P＝Q＝2(即5×5的操作窗)；

第三步：由第二步估计出原图像和噪声功率谱后，便可根据Wiener滤波公式(1)求出原图像的频谱F(u，v)；

第四步：对F(u，v)进行二维离散Fourier反变换，即可恢复出原清晰图像f(x，y)；

4)图像压缩

根据需要承载图像的大小，以及目标条码的大小，采用混合压缩编码技术实现对图像的压缩；

5)二维条码的编码、解码

按国标所规定的条码编码、解码进行；

6)纠错编码

按国标所规定的条码纠错编码进行；

7)防伪保密技术

提供数字签名功能，以供二维条码制作方实现条码的防伪和保密。

2.如权利要求1所述的基于通用办公设备的二维条码识读方法，其特征在于，所述畸变校正方法如下：

a)边界强调与提取

首先用垂直方向的微分锐化算法对列分割边界进行强调，之后对边界强调后的条码图像用其128作为阈值将其二值化；

b)图像分块与校正控制点的选取

对二值化后图像中每一个连通域进行贴标签，删除垂直长度短的噪声，得到列与列间的边界；

相邻两个列边界间即为一列码字所占有的区域，在每条边界线上选取七个点作为图像校正的控制点，两条相邻边界上的七对控制点，每两对控制点构成一个四边形，通过对这列上的六个四边形分别校正为标准矩形；

c)畸变的校正

校正处理选用了控制栅格插值的方法，将上面得到的控制点形成一个栅格，即待校正的四边形，此栅格映射为输出图像中连通的、水平放置的矩形栅格，即目标矩形，输入控制点被映射为相应的矩形顶点；依据双线性变换的性质，待校正图像内的每个点映射到目标矩形内的点的坐标，根据它在待校正图像中的相对位置来对应的计算出来；

对应目标矩形中的每个像素点的坐标，找到它在源图像中四边形的对应点的坐标，通过在原图像的重采样，确定目标像素点的灰度值，完成校正处理。

3.如权利要求1所述的基于通用办公设备的二维条码识读方法，其特征在于，所述混合编码技术包括：无损压缩和有损压缩中的Huffman编码，REL编码，预测编码，算术编码、DCT编码，小波变换编码。

Images