CN1882026A - 信息埋入网屏编码的生成方法 - Google Patents

Abstract

本发明提供一种信息埋入网屏编码的生成方法，可将图像、文字、记号、背景中的至少有一种印刷在媒体上，通过印刷或打印保存大量计算机数据信息，并且能简单可靠地读取和识别其信息，特别是在印刷图像中埋入信息后，图像的质量不会降低的信息埋入网屏编码的构成方法。其印刷在媒体上的内容是由包括几何学在内的物理学的形态及一定的排列规则而形成的网屏网点所组成的，以构成对印刷内容进行信息埋入的计算机编码。本发明的效果是采用这样的网屏编码生成方法，可将代码间的最大类似度降至阈值以下，可提高网屏编码的识别精度，即使纸上受到比较大的污染，破损等攻击时仍可具有很大的鲁棒性。另外，图像中埋入信息后其图像质量不会降低，可保持图像固有的自然形态。

Description

信息埋入网屏编码的生成方法

技术领域

本发明涉及一种可在印刷媒体上通过印刷埋入大量计算机信息的信息埋入网屏编码，特别是一种信息埋入网屏编码的生成方法。

背景技术

近年，针对在纸上印刷上图像或针对图像的背景埋入计算机信息的数字水印理论的研究非常盛行。作为日本代表性的成果，“利用数字水印实现印刷文件的篡改识别技术”被发表在[特许公开2003-209676]，这个方案是以不同的倾斜角度的信息模组来表示信息代码“1”或“0”，通过经典的傅立叶变换的计算，识别信息模组的传播方向的信息埋入方法。其问题点是信息记述的效率非常低，特别是埋入的信息同印刷的内容混在一起时，不特定的印刷内容也被一同进行傅立叶变换计算，其结果产生了大量的随机噪声，影响了识别精度。另外，在中国也有类似数字水印技术的论文被发表[华东交通大学学报Vol.21，No.1，Feb.，2004]。采用数字水印技术对所述的图像进行信息埋入的结果，使原图像的质量被降低这一问题已成为公知的事实。

识别文档资料是否被篡改的另外技术，在日本也被发表在[特开2004-007442号公报]上。这个方案是在文档资料的背景中，将署名信息或文档内容排列成一个个小的阵列，将做成的每个小的阵列称为数字水印图像。将各个数字水印图像同信息埋入对象的图像进行叠加就可达到信息埋入的目的。另外，针对埋入了信息的图像，进行集成图像的分割，再将集成图像同抽出图形进行相关函数的近似计算，从而识别出被埋入的信息。这里，由于埋入对象的图像的灰度特性没有被考虑，因此，数字水印图像同信息埋入对象的图像进行叠加的结果原图像的画质不可避免地被破坏了。再有，为提高抗攻击的鲁棒性，同样的信息反复的埋在各个基本阵列中，其结果造成信息埋入的效率非常低。而且，虽然在信息识别时导入了相关系数的方法，但是并没有考虑代码间的最大类似度最小化的这一重要概念。

在纸上存储计算机信息作为最初在日本的提案有“代码印刷装置及其相适应的代码印刷媒体”[特开平8-208196号公报]。这里发表的主要的内容是将所定义的点代码印刷在纸上，希望把声音等多媒体数据记录在纸上。这同普通的二维条码是非常类似的，即有点的地方为信息“1”，没点的地方为信息“0”。在高密度的点阵情况下，点的位置错位，图像变形，印刷上的噪音，纸的局部污染等的原因，造成实际上识别起来非常困难。另外，此手法没有考虑网屏的特性。因此，对于以背景的形式与印刷内容混在一起，或在所述的图像中埋入大量信息这样的目的是不同的。

能够在纸上印刷的图像中埋入信息的题名“图像形成装置”日本专利(特开平09-172537号公报)，同专利也在美国发表(U.S.Patent 6,069,636)的提案已是公知的技术。该提案针对所述的图像，或是背景图像进行信息埋入时，采用不同几何学的形状的像素点，即像素点的形状、方向、大小的不同来表示信息代码“1”或“0”。另外，可针对图像中不同的灰度用不同的大小的像素点进行替换，因此，可对不同的图像灰度进行信息埋入。然而，作为信息记录的像素点，只能是“1”或者是“0”，在普通的二进制计算中存在着代码间的最大类似度太大的问题。另外，该方法仅仅利用像素点的非常微妙的几何学的差异进行信息埋入，在对被埋入的信息进行识别上有很大的难度。再有，在识别用微小的位置错位进行信息记录的像素点时，在像素点的两端还要设立参照像素点，这使得信息记录容量只能在三分之一以下。

作为对印刷的图像进行信息埋入的另一方案，在日本还有“图形处理装置，图像处理方法及该图像处理方法在实行时所用的程序”的专利报道(特开2002-234640号公报)。在这一方案中，为了在所对应的图像中埋入用二进制“1”或“0”的序列所表示的管理信息(印刷者，复制许可/不许可等)，将所对应的图像的全体分割成若干个矩形，在每一个矩形中排列上8*8个称为点的图形，每一个点的图形又由10*10个像素所组成。根据两种不同的点的图形来定义信息代码是“1”，还是“0”。相同的信息被反复地生成在各个矩形中，因此各个矩形的信息是一样的。然后，再将含有点的图形的各个矩形同原图像重叠，以达到信息埋入的目的。这里应指出，如果所对应的原图像的灰度值比点的图形的灰度值大的情况下，埋入的信息有可能被丢失。另外，如果，所对应的原图像的灰度值比点的图形的灰度值小的情况下，埋入信息后原图像的画质有可能被降低。更显而易见的是，这种相同信息的反复埋入的结果使埋入的信息量非常小。

上述所有的代码是建立在传统二进制代码的基础上的，这里，需要指出传统二进制代码间的最大类似度的问题。

公式3表示一个传统二进制代码的例子，(a)为代码生成的方法，(b)为标注上表示代码的行列关系的数码符号。

考虑到能够抵抗来自于纸的污染等的攻击，如公式3(a)那样，传统上可将一个4位的十六进制代码重复四次埋入构成16位的十六进制代码。由(b)所示，这一传统代码的码值由k表示，k旁边的数字表示位数。

【公式3】

公式4是公式3所示的方法生成的代码例。

【公式4】

D₀：0  0  0  0         D₈：0  0  0  1

     0  0  0  0               0  0  0  1

     0  0  0  0               0  0  0  1

     0  0  0  0               0  0  0  1

D₁：1  0  0  0         D₉：1  0  0  1

     1  0  0  0               1  0  0  1

     1  0  0  0               1  0  0  1

     1  0  0  0               1  0  0  1

D₂：0  1  0  0         D_A：0  1  0  1

     0  1  0  0               0  1  0  1

     0  1  0  0               0  1  0  1

     0  1  0  0               0  1  0  1

D₃：1  1  0  0         D_B：1  1  0  1

     1  1  0  0               1  1  0  1

     1  1  0  0               1  1  0  1

     1  1  0  0               1  1  0  1

D₄：0  0  1  0         D_C：0  0  1  1

     0  0  1  0               0  0  1  1

     0  0  1  0               0  0  1  1

     0  0  1  0               0  0  1  1

D₅：1  0  1  0         D_D：1  0  1  1

     1  0  1  0               1  0  1  1

     1  0  1  0               1  0  1  1

     1  0  1  0               1  0  1  1

D₆：0  1  1  0         D_E：0  1  1  1

     0  1  1  0               0  1  1  1

     0  1  1  0               0  1  1  1

     0  1  1  0               0  1  1  1

D₇：1  1  1  0         D_F：1  1  1  1

     1  1  1  0               1  1  1  1

     1  1  1  0               1  1  1  1

     1  1  1  0               1  1  1  1

这里，设D_k为一代码，将构成这一代码的各个要素成为代码的各个位(Bit)。另外，将位数的总和称为代码的长度。

该代码可由0到9，A到F共16种形式组成。例如，代码0(D₀)的所有位均为0。代码1(D₁)的B_1，0，B_1，4、B_1，8，B_1，12位为“1”，其它位为0。代码2(D₂)的B_2，1，B_2，5，B_2，9，B_2，13位为“1”，其它位为0。以下从代码3(D₃)到代码F(D_F)均按公式4所示构成。

这里特别指出，代码0(D₀)同代码F(D_F)，代码1(D₁)同代码E(D_E)，代码2(D₂)同代码D(D_D)，代码3(D₃)同代码C(D_C)，代码4(D₄)同代码B(D_B)，代码5(D₅)同代码A(D_A)，代码6(D₆)同代码9(D₉)，代码7(D₇)同代码8(D₈)所对应的“0”与“1”各位相互反转。

这里导入类似度的概念。设具有n位的代码S_k＝(B_k，0，B_k，1，...、B_k，n-1)，式1所示代码间对应各位B_k，i的逻辑异或结果的和。K为代码值，n为符号长，m为代码数。

【公式5】

$B_{k,i}\⊕B_{1,j}=\left[\begin{array}{cc}0& (B_{k,i}=B_{1,j})\\ 1& (B_{k,i}\≠B_{1,j})\end{array}\right.$

上式i，j＝0，1，2，...，n-1，

    k，l＝0，1，2，...，m-1。

【公式6】

$d(S_k,S_l)=\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}(B_{k.i}\⊕B_{1.i})$

公式6是将公式5的结果各位所得到的值进行累加，就可得出代码S_k与S_l间的距离。

【公式7】

            d_min＝mind(S_k，S_l)

公式7将S_k与S_l间的所有距离求出后，取S_k与S_l之间的最小的距离。

【公式8】

$A_{\max }=\frac{n-d_{\min }}{n}$

公式7的结果求出后代入公式8就可得到S_k与S_l之间的最大的类似度。

代码间最大类似度越大，分辨能力就越小，识别就越困难。反之，代码间最大类似度越小，分辨能力就越高，识别就越容易。

下面如公式9所示，针对传统例题给出代码间距离的计算方法。

【公式9】

                                D₂：0  1  0  0

                                     0  1  0  0

                                     0  1  0  0

                                     0  1  0  0

                                D₃：1  1  0  0

                                     1  1  0  0

                                     1  1  0  0

                                     1  1  0  0

(1)B_2.1B_3.1                       1  0  0  0

                                     1  0  0  0

                                     1  0  0  0

                                     1  0  0  0

$\left(2\right)---d(D_2,D_3)=\underset{l=0}{\overset{15}{\mathrm{\Σ}}}(B_{2.1}\⊕B_{3.1})=4$

例如，代码2(D₂)与代码3(D₃)的距离的计算方法如下。

(1)按照公式5算出代码2(D₂)与代码3(D₃)所对应的各位逻辑异或解。

(2)其次，将公式5算出的各位结果进行累加，即可得到代码2(D₂)与代码3(D₃)之间的距离。其计算结果代码2(D₂)与代码3(D₃)之间的距离为4。

公式10是将公式4所示的所有代码间的距离用行列式的方式表示出。再按照公式8即可算出传统的例题的最大类似度为3/4。

【公式10】

         D₀ D₁ D₂ D₃ D₄ D₅ D₆ D₇ D₈ D₉ D_A D_B D_x D_D D_E D_F

    D₀      4   4    8   4   8    8   12  4    8   8   12   8   12  12   16

    D₁  4       8    4   8   4    12  8   8    4   12  8    12  8   16   12

    D₂  4   8        4   8   12   4   8   8    12  4   8    12  16  8    12

    D₃  8   4   4        12  8    8   4   12   8   8   4    16  12  12   8

    D₄  4   8   8    12      4    4   8   8    12  12  15   4   8   8    12

    D₅  8   4   12   8   4        8   4   12   8   16  12   8   4   12   8

    D₆  8   12  4    8   4   8        4   12   16  8   12   8   12  4    8

    D₇  12  8   8    4   8   4    4       16   12  12  8    12  8   8    4

    D₈  4   8   8    12  8   12   12  16       4   4   8    4   8   8    12

    D₉  8   4   12   8   12  8    16  12  4        8   4    8   4   12   8

    D_A  8   12  4    8   12  16   8   12  4    8       4    8   12  4    8

    D_B  12  8   8    4   16  12   12  8   8    4   4        12  8   8    4

    D_C  8   12  12   16  4   8    8   12  4    8   8   12       4   4    8

    D_D  12  8   16   12  8   4    12  8   8    4   12  8    4       8    4

    D_E  12  16  8    12  8   12   4   8   8    12  4   8    4   8        4

    D_F  16  12  12   8   12  8    8   4   12   8   8   4    8   4   4

传统的代码没有考虑代码间最大类似度的最小化问题，在印刷媒体遭到污染，破损等的强烈攻击的情况下容易造成误识别的问题。

另外，传统数字水印的方法，在图像中埋入信息后，存在图像质量降低的问题。

再有，由于传统信息埋入方法埋入信息的效率低，因此存在埋入信息量少的问题。

发明内容

为解决上述传统信息埋入方法所存在的问题，本发明的第一目的是针对传统的代码存在代码间的识别度低的问题，提出一个高抗噪声，高抗攻击的信息埋入专用代码的生成方法。本发明的第二目的是提出一个在图像中埋入信息后，图像的质量不被损失的信息埋入专用代码的形式。本发明的第三目的是提出一个可在印刷媒体上大量进行信息埋入的新型代码。

为实现上述目的，本发明的技术解决方案是提供一种信息埋入网屏编码的生成方法，该方法是针对图像、文字、记号、背景形式中的至少有一种形式被印刷在记录媒体上，其印刷在媒体上的内容中至少有一个以上的像素，按所述的信息埋入方法被不同的所述形态并按其一定的排列规则形成的网屏网点所替换，该方法构成了对印刷内容进行信息埋入的网屏编码，该信息埋入的网屏编码按一定的排列规则算出代码间的最大类似度为1/2以下。

还提供一种信息埋入网屏编码的生成方法，该方法是针对图像、文字、记号、背景形式中的至少有一种形式被印刷在记录媒体上，其印刷在媒体上的内容中至少有一个以上的像素，按所述的信息埋入方法被不同的所述形态并按其一定的排列规则形成的网屏网点所替换，该方法构成了对印刷内容进行信息埋入的网屏编码，该信息埋入的网屏编码按一定的排列规则算出代码间的最大类似度为1/4以下。

上述二生成方法中所述最大类似度均由以下公式算出：

在网屏编码中设S_k为信息代码、n为代码长，m为代码数量时，所述网屏编码间最大类似度A_max是由下式表示：

【公式1】

              d_min＝min d(S_k，S_l)

【公式2】

$A_{\max }=\frac{n-d_{\min }}{n}$

式中：d(S_k，S_l)为代码S_k与S_l之间的距离，k，l＝0，1，2，....m-1。

所述网屏编码是由至少一个以上不同的以几何学的特性所构成的网点形态，并按一定的排列规则构成的。

所述网点形态包括不同的网点形状。

所述网点形态包括不同的网点大小。

所述网点形态包括不同的网点位置。

所述网点形态包括不同的网点方向。

所述网点形态包括至少有一种网点是在表示该网点状态的标志位网点附近的。所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，并按一定的排列规则构成的。

所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括至少有两种以上不同的调制方式的网点，即至少有一种网点为AM调幅网屏网点，亦称集中网点，以及至少有另一种网点为FM调频网屏网点，亦称分散网点；所述AM调幅网屏网点是指构成网点的所有点相互集中在一起的，所述FM调频网屏网点是指在网点中至少有一个构成网点的点是分离着的。

所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括不同的颜色，红外线及紫外线在内的具有不同波长及不同光谱特性的网点。

所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括不同灰度在内的不同频率特性的网点。

所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括不同的光学偏振方向及不同的光学反射特性在内的具有不同光学特性的网点。

所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括不同的磁场强度及不同的磁场方向在内的具有不同的磁性特性的网点。

所述网屏编码的网点形态在两个时，构成网屏编码至少有一种情况是在一个网屏编码中，两种网点的个数相等。

在一个网屏编码中，其中至少有一种网点的数量是奇数个否则为偶数个。

所述网屏编码的网点形态在两个时，构成网屏编码至少有一种情况是在一个网屏编码中，两种网点的排列是左右对称的。

所述网屏编码的网点形态在两个时，构成网屏编码至少有一种情况是在一个网屏编码中，包括集中网点在内的一种网点的数量大于包括分散网点在内的另一种网点的数量。

所述的信息埋入中至少有一种方式，至少有一个像素的至少包括灰度值在内的不同像素形态，被与该像素形态一致的网屏编码的网点所替换。

所述网屏编码按水平方式排列或垂直方式排列。

所述网屏编码按等个数分割，并按二维排列在一起构成二维网屏编码。

同时还提供一种信息埋入网屏编码的生成方法，该方法是针对图像、文字、记号、背景形式中的至少有一种形式被印刷在记录媒体上，其印刷在媒体上的内容中至少有一个以上的像素，按相同像素形态可以置换的信息埋入方法被不同的具有包括几何学及物理学的特性在内的不同网点形态，按其给定的排列规则形成的网屏网点所替换，该方法构成了对印刷内容进行信息埋入的网屏编码，该方法包括以下步骤：

实行代码间的类似度的计算步骤；

其类似度是否在所定阀值以下的判断步骤；

针对类似度在所定阀值以下的代码，将各个网点的点阵排列对应于给定的任意的包括几何学的、物理学的在内的可记录信息的各种形态，从而构成信息埋入代码的生成步骤；

针对读取到的图像数据的各个像素的包括灰度值在内的像素形态进行分析的像素分析步骤；

把所要埋入信息的图像的包括灰度值在内的不同形态的各个像素，按同形态相对应的原则，对应上述生成后的网屏编码的各个网点，即将网屏编码替换相对应的图像的各个像素的信息埋入步骤。

本发明的效果是采用这样的网屏编码生成方法，寻找出的网屏编码，其代码间的最大类似度可在阀值以下。可在无需奇偶校验位的情况下实行校验及纠错，从而可提高识别精度，提高信息记录的密度。特别是针对纸的污染，破损等的强烈攻击的情况下，有高鲁棒性的明显效果。而且，针对图像进行信息埋入时，采用相同像素形态相互置换的信息埋入方式，具有图像的质量不会降低的效果。再有，网屏编码是由极其小的网点构成的，对埋入后的图像还具有肉眼不易识别，图像自然的特点。本发明提出了新的一种可将代码间的最大类似度降至阀值以下的网屏编码，可提高网屏代码的识别精度。即使纸上受到比较大的污染，破损等攻击时仍可具有很大的鲁棒性。另外，图像中埋入信息后图像的质量不会降低，可保持图像固有的自然形态。

附图说明

图1是AM网屏与FM网屏的实施例，(a)表示AM网屏的例子，(b)表示FM网屏的例子；

图2是本实施方式使用的网点的实施例，(a)表示集合网屏的例子，(b)表示分散网屏的例子；

图3是集合网点与分散网点的组合构成了16进制的条形网屏编码；

图4在本实施方式中给出的条形网屏编码最大类似度的算出方法；

图5是网点的灰度值与网点的分布状态的关系的示意图；

图6是将图3所示的网屏编码中的代码5(C₅)以不同的灰度值的网点形式进行替换的示意图；

图7表示由各种几何学的不同的一对网点的示意图；

图8是各种几何学的不同的一对网点的组合构成的网屏编码的示意图；

图9是由各种物理学的不同的一对网点的示意图；

图10(a)-(e)是由各种物理学的不同的一对网点形式构成的网屏编码的示意图；

图11是代码长为15的条形网屏编码的例子；

图12是代码长为8的条形网屏编码的例子之一；

图13是代码长为8的条形网屏编码的例子之二；

图14是代码长为16的对称形式的条形网屏编码的例子；

图15是在本实施方式中提出的网屏编码生成步骤的流程图；

图16是可组成二维网屏编码的条形网屏编码；

图17是二维网屏编码的例子；

图18是本实施方式中图像的背景中埋入了网屏编码的一个成品单。

图中：

101、点即印刷机的最小印刷单位

102、画素

301、表示FM调频网屏的分散网点

302、表示AM调幅网屏的集中网点

401、包括颜色在内的第一种光谱特性

402、包括颜色在内的第二种光谱特性

501、包括灰度值在内的第一种分布频率特性

502、包括灰度值在内的第二种分布频率特性

601、包括反射角、偏振角在内的第一种光学特性

602、包括反射角、偏振角在内的第二种光学特性

701、包括磁性方向、磁性强度在内的第一种磁性特性

702、包括磁性方向、磁性强度在内的第二种磁性特性

具体实施方式

以下，参照附图详细介绍本发明的具体实施方式。另外，在本实施方式中把除二维网屏编码外的信息埋入代码记载为条形网屏编码。

首先，对在本实施方式中所使用到的各种术语进行定义。

在图1中给出了AM网屏及FM网屏的例子。(a)为AM网屏的图例，(b)FM网屏的图例。

点101是在画素102中印上了某种颜色，是印刷上的最小单位。所谓网点是构成图像的最小单位。在图1(a)中给出的AM网屏是按网点的大小表示图像的浓淡度的。在图1(b)中给出的FM网屏是按点阵密度的大小表示图像的浓淡度的。另外，将灰度值表示图像浓度的大小。在本实施方式中，还将AM网屏及FM网屏定义为按不同调制方式所实现的网点生成方法。

网屏编码的定义：针对图像、文字、记号、背景形式中的至少有一种形式被印刷在记录媒体上，其印刷在媒体上的内容中至少有一个以上的像素，按相同像素形态可以置换的信息埋入方式被不同的具有包括几何学在内的物理学的特性在内的不同网点形态，按其给定的排列规则形成的网屏网点所替换，该方法构成了对印刷内容进行信息埋入的网屏编码，这种信息埋入的网屏编码的特点是可按所述的方法算出代码间的最大类似度在阀值以下。

图2是本实施方式中所使用的网点例子。(a)为集合网点的图例(b)分散网点的图例。

如图2(a)所示，所谓集合网点是指每一个网点中的所有点阵是集合在一起的。图2(b)中，分散网点是指每一个网点中的点阵至少有一个点是分离的。

另外，可视同集合网点是AM网屏的一种类型，分散网点是FM网屏的一种类型。还可认为集合网点是由AM网屏生成的，分散网点是由FM网屏生成的。本实施方式定义为集合网点是由AM网屏生成的，分散网点是由FM网屏生成的。

如图3所示，由集合网点与分散网点的排列组合，可构成16进制的条形网屏编码。

在图3中，301表示分散网点，302表示集合网。另外，C_n表示代码序号既代码值。像这样将分散网点同集合网点组合在一起，可获得均一的灰度值，又能表达代码的数值。

这里，定义代码的码值C_k，C₀到C_m-l(m为代码的数量。这里设定为16)为按所定规则排列组合成的网屏编码的集合。网屏编码的集合的特点是可在描述图像灰度的同时，保证代码间的最大类似度在阀值以下。

在本实施方式中，B_i，k可表示为代码i的第k位的状况。

如图3所示，代码0(C₀)的所有网点均由分散网点构成的。代码1(C₁)的B_1，0，B_1，1，B_1，2，B_1，3，B_1，4，B_1，5，B_1，6，B_1，7は是由集合网点，B_1，8、B_1，9，B_1，10，B_1，11，B_1，12，B_1，13，B_{1，1 4}，B_1，15是由分散网点构成的。另外，代码2(C₂)的B_2，0，B_2，1，B_2，2，B_2，3，B_2，12，B_2.13，B_2，14，B_2，15是集合网点，B_2，4，B_{2， 5}，B_2，6，B_2，7，B_2，8，B_2，9，B_2，10，B_2，11则是由分散网点构成的。以下从代码3(C₃)到代码F(C_F)如图3所示的均由集合网点与分散网点的排列组合而构成。另外，代码0(C₀)与代码F(C_F)，代码(C₁)与代码E(C_E)，代码2(C₂)与代码D(C_D)，代码3(C₃)与代码C(C_C)，代码4(C₄)与代码B(C_B)，代码5(C₅)与代码A(C_A)，代码6(C₆)与代码9(C₉)，代码7(C₇)与代码8(C₈)中的集合网点与分散网点呈现相互反转的关系。

另外，如图3所示，由于在各代码中集合网点，分散网点的个数完全相同，因此，在不要奇偶校验位的情况下仍可实现奇偶效验。达到高效率地信息记录的效果。

下面，使用上述的代码间最大类似度的计算公式，针对图3所示的网屏编码一例进行代码间的最大类似度的计算。首先，设条形网屏编码的代码值为C_k，然后再设构成代码C_k的各个要素为代码的位。这里，代码的位是由集合网点及分散网点组成的。接着，再设代码总的位数为代码的长度。图3所示的代码的例子的代码长度为16。

图4表示出在本实施方式中条形网屏编码代码间最大类似度的计算方法。并且，在图4中还给出计算网屏编码代码间距离的例子，即列举了代码4(C₄)与代码5(C₅)之间的距离的例子。

(1)首先，按照【公式5】计算出代码间的各个代码位之间的异或逻辑和(排他逻辑和)。

(2)然后，按照【公式6】的计算方法，将各个代码位之间的异或逻辑和进行累加即可得到本权利请求中的代码间的距离。

其结果是上述给出的例题代码4(C₄)与代码5(C₅)之间的距离为3。

如公式11所示，用上述公式可计算出图3中的所有代码间的距离。从这些反映距离的数据中找出最小的距离值，用【公式6】就可计算出最大类似度。图3所示的条形网屏编码代码间最大类似度为1/2。

【公式11】

   C₀ C₁ C₂ C₃ C₄ C₅ C₆ C₇ C₈ C₉ C_A C_B C_C C_D C_E C_F

C₀    8   8    8   8   8    8   8   8    8   8   8    8   8   8    16

C₁8       8    8   8   8    8   8   8    8   8   8    8   8   16   8

C₂8   8        8   8   8    8   8   8    8   8   8    8   16  8    8

C₃8   8   8        8   8    8   8   8    8   8   8    16  8   8    8

C₄8   8   8    8       8    8   8   8    8   8   16   8   8   8    8

C₅8   8   8    8   8        8   8   8    8   16  8    8   8   8    8

C₆8   8   8    8   8   8        8   8    16  8   8    8   8   8    8

C₇8   8   8    8   8   8    8       16   8   8   8    8   8   8    8

C₈8   8   8    8   8   8    8   16       8   8   8    8   8   8    8

C₉8   8   8    8   8   8    16  8   8        8   8    8   8   8    8

C_A8   8   8    8   8   16   8   8   8    8       8    8   8   8    8

C_B8   8   8    8   16  8    8   8   8    8   8        8   8   8    8

C_C8   8   8    16  8   8    8   8   8    8   8   8        8   8    8

C_D8   8   16   8   8   8    8   8   8    8   8   8    8       8    8

C_E8   16  8    8   8   8    8   8   8    8   8   8    8   8        8

C_F16  8   8    8   8   8    8   8   8    8   8   8    8   8   8

这里，引用图5介绍一下灰度值与网点中点的数量的关系。

图5中的(a)是灰度值为3时集合网点的例；(b)是灰度值为3时分散网点的例；(c)是灰度值为4时集合网点的例；(d)是灰度值为4时分散网点的例；(e)是灰度值为5时集合网点的例；(f)是灰度值为5时分散网点的例；(g)是灰度值为6时集合网点的例；(h)是灰度值为6时分散网点的例。

如图5所示，灰度值为3时，网点中点的数量为3。灰度值为4时，网点中点的数量为4。灰度值为5时，网点中点的数量为5。灰度值为6时，网点中点的数量为6。

本实施方式采用了按点数量的变化来改变灰度值的AM网屏及FM网屏。因此，只要设定网点的点数量，就可实现图像中各种灰度值的表现。

如图6所示，可将图3中的条形网屏编码中的代码5(C₅)可表现成各种不同的灰度值的条形网屏编码。

图6中(a)是灰度值为3时的条形网屏编码的例；(b)是灰度值为4时的条形网屏编码的例；(c)是灰度值为5时的条形网屏编码的例；(d)是灰度值为6时的条形网屏编码的例。图6如同图5一样，灰度值为3时网点中点的数量为3，灰度值为4时网点中点的数量为4，灰度值为5时网点中点的数量为5，灰度值为6时网点中点的数量为6。

本实施方式采用了图2所示的网点点阵分布方式构成了条形网屏编码，但是，不仅仅只限于这一种，可以按上述规则，只要是具有两种以上的不同形式的网点都可实现条形网屏编码。例如，具有两种以上的几何学的不同形状的网点可实现条形网屏编码，具有两种以上的物理学的不同形态的网点也可实现条形网屏编码。另外，不仅点状网屏具有上述性质，包括万线网屏在内的所有网屏都可构成网屏编码。

图7显示了可构成条形网屏编码的具有几何学的各种点的分布方式的网点的例子。(a)、(b)是利用同一图形的不同方向的点阵构成的网点。(c)、(d)是由不同形状的点阵构成的网点。(e)、(f)是由大小不同形状的点阵构成的网点。在这种情况下，各个网点的灰度值是由相临的两个不同网点的平均值算出的。(g)、(h)是利用相同形状的点阵但位置不同构成的网点。

另外，图7所给出的例子，除(e)之外其灰度值全为4。实际上不仅限于这一种，各种各样的灰度值都可作出。

如图7中(a)、(b)所示，利用同一图形的不同方向的点的分布构成的网点可组成条形网屏编码。再如图7中的(c)、(d)所示，由不同形状的点阵构成的网点也可组成条形网屏编码。再如图7中的(e)、(f)由大小不同形状的点阵构成的网点同样可组成条形网屏编码。再如图7中的(g)、(h)由相同形状的点阵的相互位置的不同构成的网点仍可组成条形网屏编码。

图8是采用图7中的给出的不同点阵分布的网点例子构成的条形网屏编码的实例。图8中(a)是由图7的(a)和(b)的网点组成的条形网屏编码，图8中(b)是由图7的(c)和(d)的网点组成的条形网屏编码，图8中(c)是由图7的(e)和(f)的网点组成的条形网屏编码，图8中(d)是由图7的(g)和(h)的网点组成的条形网屏编码。

另外，这里所列举的条形网屏编码的代码值均为5(C₅)。

图8(a)是利用同一图形的不同方向的点阵分布构成的网点组成的条形网屏编码。图8(b)是由不同形状的点阵构成的网点组成的条形网屏编码。图8(c)是由大小不同形状的点阵构成的网点组成的条形网屏编码。图8(d)是由相同形状的点阵的位置不同构成的网点组成的条形网屏编码。

图9表示了可构成条形网屏编码的具有物理学的各种网点形态的例子。(a)、(b)是利用AM调幅网屏与FM调频网屏的不同调制方式构成的网点。(c)、(d)是由具有不同的光谱特性的既不同颜色构成的网点。(e)、(f)是由频率特性的不同，即不同的灰度值的点阵构成的网点。(g)、(h)是利用光学的不同偏振角或不同的反射角构成的网点。(i)、(j)是利用磁性特性的不同，例如磁场方向的不同构成的网点。

另外，图9所给出的例子是具有物理学的各种网点形态的例子，实际上不仅限于所列出的这些种类，也包括类似的各种各样的形态。

图10是采用图9中的给出了利用不同物理形态形成的网点构成的条形网屏编码的实例。图10(a)是由图9的(a)和(b)的网点组成的条形网屏编码，图10(b)是由图9的(c)和(d)的网点组成的条形网屏编码，图10(c)是由图9的(e)和(f)的网点组成的条形网屏编码，图10(d)是由图9的(g)和(h)的网点组成的条形网屏编码，图10(e)是由图9的(i)和(j)的网点组成的条形网屏编码。

另外，这里所列举的条形网屏编码的代码值也为5(C₅)。

图10中的(a)是利用了AM调幅网屏与FM调频网屏在调制方式上的不同构成了条形网屏编码。这样构成的特点是即使各个网点的排列不同，但灰度值不发生变化，整个代码不受影响。在对图像进行信息埋入时，可根据图像的各个像素的灰度值不同，选择不同灰度值的网点进行置换，以保证信息埋入后图像的质量不会降低。

图10中的(b)是利用了包括不同的颜色，红外线及紫外线在内的具有不同波长及不同光谱特性的网点的排列组合构成的条形网屏编码。例如图9中的(c)401为浅蓝色，按照网屏编码的排列组合，在(d)402的位置上涂上绿色的小网点。依照图10中的(b)的排列组合，可实现信息埋入的效果，同时肉眼不易发觉。这是对彩色图像进行信息埋入的方法之一。

图10中的(c)是利用了包括不同灰度值在内的不同频率特性的网点的排列组合构成的条形网屏编码。例如图9中的(e)501为二值图像的文字的一部分，按照网屏编码的排列组合，在(f)502的位置上的一定小的区域中设置小于501的灰度值的网点。依照图10中的(c)的排列组合，可实现信息埋入的效果，同时肉眼不易发觉。这是对二值图像例如文字图像进行信息埋入的方法之一。

图10中的(d)是利用了包括不同的光学偏振方向及不同的光学反射特性在内的具有不同光学特性的网点的排列组合构成的条形网屏编码。例如图9中的(g)601为向左反射或偏振的网点，(h)602为向右反射或偏振的网点。依照图10中的(d)的排列组合，可实现信息埋入的效果。这里，主要用于在激光防伪标签上进行信息埋入的应用。

图10中的(e)是利用了包括不同的磁场强度及不同的磁场方向在内的具有不同的磁性特性的网点的排列组合构成的条形网屏编码。例图9中的(i)701和(j)702为不同方向的磁性网点。依照图10中的(e)的排列组合，可实现信息埋入的效果。这里，主要用于对磁性油墨印刷出的图像进行信息埋入的应用。

图11是代码长为15的条形网屏编码的例子。

如图11所示，代码0(F₀)的所有网点均为分散网点。代码1(F₁)中B_1，0，B_1，1，B_1，2，B_1，3，B_1，4，B_1，5，B_1，6，B_1，7是由集中网点构成的，B_1，8、B_1，9，B_1，10，B_1,11，B_1，12，B_1，13，B_1，14是由分散网点构成的。另外，代码2(F₂)中，B_2,0，B_2,1，B_2，2，B_2，3，B_2，12，B_2，13，B_2，14是由分散网点构成的，B_2，4，B_2，5，B_2，6，B_{2， 7}，B_2，8，B_2，9，B_2，10，B_2，11是由集中网点构成的。以下，从代码3(F₃)到代码F(F_F)如图11所示构成的。该条形网屏编码的最大类似度为7/15(＜1/2)。

图12是代码长度为8的条形网屏代码的例子。

在图12显示的条形网屏编码中，代码0(G₀)的所有网点均为分散网点构成的。代码1(G₁)是由是由集中网点B_1，0，B_1，1，B_1，2，B_{1， 3}及分散网点B_1，4、B_1，5，B_1，6，B_1，7构成的，代码2是由集中网点B_{2， 0}，B_2，1，B_2，4，B_2，5及分散网点B_2，2，B_2，3，B_2，6，B_2，7构成的，以下代码3(G₃)到代码F(G_F)如图12那样构成的。该条形网屏编码的最大类似度为1/2。

图13也是代码长度为8的条形网屏代码的例子。

图13不同于图12的条形网屏代码，其特点是每一个代码中集中网点的数量全是奇数个。

如图13中所示的条形网屏编码，代码0(H₀)中只有B_0，0是集中网点，其它网点全是分散网点。代码1(H₁)中B_1，0，B_1，2，B_1，3，B_1，4，B_1,5是由集中网点构成的，B_1，1、B_1，6，B_1，7是由分散网点构成的。代码2(H₂)中B_2，0，B_2，4，B_2，5，B_2，6，B_2，7是由集中网点构成的，B_2，1，B_2，2，B_2，3是由分散网点构成的。以下代码3(H₃)到代码F(H_F)如图13所示构成的。该条形网屏编码的最大类似度为1/2。

图14是代码长为16的条形网屏编码。

图14同图3所示的条形网屏编码不同之处是各个代码中的集中网点与分散网点为左右对称的分布。

如图14所示的条形网屏编码，代码0(L₀)的所有网点均为分散网点构成的。代码1(L₁)中，B_1，1，B_1，3，B_1，5，B_1，7，B_1，8，B_1，10，B_1，12，B_1，14是由集中网点构成的，B_1，0、B_1，2，B_1，4，B_1，6，B_1，9，B_1.11，B_1，13，B_1，15是由分散网点构成的。代码2(L₂)中B_2，0，B_2，2，B_2，4，B_2，6，B_2，9，B_2，11，B_2，13，B_2，15是由集中网点构成的，B_2，1，B_2，3，B_2，5，B_2，7，B_2，8，B_2，10，B_2，12，B_2，14是由分散网点构成的。以下代码3(L₃)到代码F(L_F)如图14所示构成的。该条形网屏编码埋在纸上即使旋转了180°也可直接识别，无需进行图像的旋转。该条形网屏编码的最大类似度也为1/2。

这里，埋在纸上的信息将受到两种噪声的干扰，第一种噪声是指：由于纸上的污染，或是纸张的破损等的原因，造成了在较大面积上的集中性的大量网点的错误，该现象可称为突发性错误。第二种噪声是指：由于打印机鼓上的墨粉的污染，纸张加热后的微小变形，或是扫描仪的光量子效应等的原因，在读取每一个网点信息时，发生了具有独立的随机性的错误，该现象称为随机性错误。

实际在纸上，很容易发生较大面积的污染。因此，第一种噪声，即突发性错误所发生的概率要远远大于第二种噪声即随机性错误所发生的概率。并且，在白纸上被污染的网点多数是作为集中网点来处理的。因此，在突发性的错误发生时，由集中网点变为分离网点的概率要远远的小于由分离网点变为集中网点的概率。根据这样的现象，对于网屏编码中的各个代码来说，集中网点的数量越多越好。

图15是依照本实施方式生成的网屏编码步骤的流程图。

首先，输入阀值(S1)及代码长度值(S2)。

接下来，对所输入的代码长度的值，把等于该长度值的所有可能的代码(即第一代码群)生成出(S3)。也可说，按照(S2)的步骤，依照输入的代码长度值生成相同代码长度的所有可能的代码。

往下，在第一代码群间相互组合，计算出各个代码间的类似度值(S4)。这里所谈到的类似度值即设距离为d，代码长度为n时，类似度可表示为(n-d)/n。

再往下，基于(S1)的步骤输入的阀值，判断代码间的类似度是否在阀值以下(S5)。这里给定的阀值一般是1/2，或更小1/4。算出的代码间的类似度如大于阀值时(S5→否)，转入(S7)的处理步骤。小于阀值时(S5→是)，转入(S6)的处理步骤。

在(S6)的处理步骤中，将通过(S2)的步骤算出代码间的类似度在阀值以下的代码保存起来。

再往下，依照(S3)的步骤生成的所有代码，所算出的类似度是否全部进行完了的判断(S7)。所有代码间的组合其类似度没全部计算完时(S7→否)，返回(S4)的处理步骤。全部计算完成时(S7→是)，把存储的所有类似度小于阀值的代码(即第二代码群)送往网点置换步骤(S8)。直到目前所生成的代码的各个位还是属于“0”或“1”的二值代码。

下面，把这些网点按照不同的形态对应上述属于“0”或“1”的二值代码进行网点的置换处理(S8)，依照这样的过程生成了网屏编码。

在本实施方式中，上述图2所示属于物理学的形态的集合网点既AM调幅网点与分散网点既FM调频网点，是网点的主要形式之一，但并不只这一种网点形式，上述图7中的(a)到(h)所示的几何学的网点形式也可作为网点生成网屏编码。上述图9中的(c)到(j)所示的物理学的网点形式都可生成网屏编码。

接着，将准备进行网屏编码信息埋入的印刷图像通过诸如扫描仪等图像读取装置输入到图像数据获得步骤(S9)，并将该图像数据送到像素分析(S10)。

在像素分析(S10)中，对图像的各像素包括灰度值在内的各种形式进行分析，并将图像的各个像素的包括灰度值在内的各种形态的分析结果送到埋入信息的代码化(S11)中。在本实施方式中，所述图像灰度的分析就是将图像的各像素的浓淡信息用具体灰度值来表示，但不仅限于对像素的灰度值的分析，还可扩展到对颜色，偏振角，磁性特性等形态的分析。

接着，输入所要埋入的信息，并按照网屏编码的规则，进行埋入信息的代码化处理(S11)。再有，把像素分析(S10)获得的各个像素点的像素特性数据，同步骤(S11)网屏编码的代码化结果进行同像素特性的置换处理(S12)。最后，将上述结果替换图像数据中的各个像素点就可达到信息埋入的目的(S13)。信息埋入后的图像可进行印刷(S14)。

本发明的网点形态中的物理学的网点形态以不同的颜色既不同的光谱或不同的灰度既不同的频率为例所组成的网屏编码的一种普遍的应用如下；

设n种颜色c₁，c₂，…，c_n是在给定图像中相邻像素的一组颜色分布，而o₁，o₂，…，o_m是同c₁，c₂，…，c_n相对应的另一组颜色，如果已知o₁，o₂，…，o_m埋在c₁，c₂，…，c_n的附近普通的肉眼不易察觉，那么c₁，c₂，…，c_n作为“1”网点形式，o₁，o₂，…，o_m作为“2”网点形式所构成的网屏编码可用于对彩色图像的信息埋入。

同理，设复数种灰度值h₁，h₂，…，h_n是在给定图像中相邻像素的一组灰度值的分布，而k₁，k₂，…，k_m是同h₁，h₂，…，h_n相对应的另一组灰度值，那么h₁，h₂，…，h_n作为“1”网点形式，k₁，k₂，…，k_m作为“2”网点形式也可构成的网屏编码。作为一种特例，令h₁，h₂，…，h_n全为最浓的灰度，而k₁，k₂，…，k_m是给定的小于最浓的灰度的至少一种以上的灰度值，那么构成的网屏编码可用于对二值图像进行信息埋入。

本发明的条形网屏编码还可按一定规则组成可在一个网点中表示一个以上的代码的二维的网屏编码。例如图16所示，一个代码长为16的条形网屏编码每4位做一分割，可组成一个图17所示的4*4点阵的二维网屏编码，组成新的二维网屏编码后，其代码间最大类似度的值同原条形网屏编码相同。

下面介绍证明本发明的效果的实施例。

给出了一个可在图像的背景上埋入载有大量信息的条形网屏编码的实施例，如图18所示。

该例子是成品单，如图所示成品内容，数量，单价及总价都用*号表示。真实数据埋在单据的背景中，可防止因单据丢失而失密。同时，还有直接从单据上读取数据进入计算机的用途。虽然在图像的背景中埋入了大量网屏编码，由于网点非常小，几乎肉眼辨别不出来。

实施例及比较例是按以下的条件进行的。

设施实例及比较例所使用的代码长为16。实验对象的网点数量为1600个，这些网点是以条形网屏编码的形式埋在纸上。试验的次数分别为5回。每回都将针对以上网点按给定的随机值进行噪声干扰。当某个网点遭到干扰时，原来表示为1的网点，因在纸上被污染时仍然表示为1，所以原值不变。可是原来表示为0的网点，因在纸上被污染时将被表示为1，所以原值被改变了。因此，在以下的实施例子中，集合网点遭到干扰时仍为集合网点，分散网点遭到干扰时将反转为集合网点。另外，作为试验结果给出的错误率值是指埋在纸上的网屏编码采用上述的识别装置进行识别的情况下，识别装置出现错误识别结果的比率。

比较例

表1是作为被比较的例子，代码间的类似度为3/4既1100110011001100与0011110011001100时重复埋入，并同时分别对160个(10％)，320(20％)，640(40％)网点进行随机的干扰所得到的错误率。这里错误率的单位为百分率％。

干扰比例	第1回	第2回	第3回	第4回	第5回	第6回
							10	1.6	1.8	1.6	1.5	1.7	1.64
20	5.0	4.6	5.0	4.7	4.8	4.82
							40	12	13	13	13	13	12.8

实施例1

表2是类似度为1/2，既1100110011001100与0011001111001100代码时重复埋入，并同时分别对160个(10％)，320个(20％)，640(40％)网点进行随机的干扰所得到的错误率。

干扰比例	第1回	第2回	第3回	第4回	第5回	第6回
							10	0.1	0.0	0.1	0.1	0.0	0.06
20	1.3	1.1	1.1	0.9	1.1	1.10
							40	5.1	4.8	5.1	4.6	4.6	4.84

实施例2

表3是类似度为1/4，既1100110011001100与0011001100111100代码时重复埋入，并同时分别对160个(10％)，320个(20％)，640(40％)网点进行随机的干扰所得到的错误率。

干扰比例	第1回	第2回	第3回	第4回	第5回	第6回
							10	0.0	0.0	0.0	0.0	0.0	0.0
20	0.1	0.1	0.1	0.1	0.1	0.10
							40	2.7	2.6	2.6	3.0	2.8	2.74

实施例3

表4是类似度为0，既1100110011001100与0011001100110011代码时重复埋入，并同时分别对160个(10％)，320个(20％)，640(40％)网点进行随机的干扰所得到的错误率。

干扰比例	第1回	第2回	第3回	第4回	第5回	第6回
							10	0.0	0.0	0.0	0.0	0.0	0.0
20	0.0	0.1	0.1	0.0	0.1	0.06
							40	1.9	1.9	1.6	2.0	1.6	1.80

从上述实施例可以看出，当网点遭到干扰时，代码间的类似度越小，出现的错误率越小，反之代码间的类似度越大，出现的错误率越高。特别是可以清楚的看到，当网点间的类似度在1/2以下时，出现的错误率非常小。

Claims (22)

1、一种信息埋入网屏编码的生成方法，该方法是针对图像、文字、记号、背景形式中的至少有一种形式被印刷在记录媒体上，其印刷在媒体上的内容中至少有一个以上的像素，按该方法被不同形态的并按其一定的排列规则形成的网屏网点所替换，该方法构成了对印刷内容进行信息埋入的网屏编码，该信息埋入的网屏编码按一定的排列规则算出代码间的最大类似度为1/2以下；这里，所述最大类似度由以下公式算出：

在网屏编码中设S_k为信息代码、n为代码长，m为代码数量时，所述网屏编码间最大类似度A_max是由下式表示：

【公式1】

             d_min＝min d(S_k，S_l)

【公式2】

$A_{\max }=\frac{n-d_{\min }}{n}$

式中：d(S_k，S_l)为代码S_k与S_l之间的距离，k，l＝0，1，2，...m-1。

2、一种信息埋入网屏编码的生成方法，该方法是针对图像、文字、记号、背景形式中的至少有一种形式被印刷在记录媒体上，其印刷在媒体上的内容中至少有一个以上的像素，按该方法被不同形态的并按其一定的排列规则形成的网屏网点所替换，该方法构成了对印刷内容进行信息埋入的网屏编码，该信息埋入的网屏编码按一定的排列规则算出代码间的最大类似度为1/4以下；这里，所述最大类似度由以下公式算出：

在网屏编码中设S_k为信息代码、n为代码长，m为代码数量时，所述网屏编码间最大类似度A_max是由下式表示：

【公式1】

            d_min＝min d(S_k，S_l)

【公式2】

$A_{\max }=\frac{n-d_{\min }}{n}$

式中：d(S_k，S_l)为代码S_k与S_l之间的距离，k，l＝0，1，2，....m-1。

3、根据权利要求1、2所述的网屏编码生成方法，其特征是：所述网屏编码是由至少一个以上不同的以几何学的特性所构成的网点形态，并按一定的排列规则构成的。

4、根据权利要求3所述的网屏编码生成方法，其特征是：所述网点形态包括不同的网点形状。

5、根据权利要求3所述的网屏编码生成方法，其特征是：所述网点形态包括不同的网点大小。

6、根据权利要求3所述的网屏编码生成方法，其特征是：所述网点形态包括不同的网点位置。

7、根据权利要求3所述的网屏编码生成方法，其特征是：所述网点形态包括不同的网点方向。

8、根据权利要求3所述的网屏编码生成方法，其特征是：所述网点形态包括至少有一种网点是在表示该网点状态的标志位网点附近的。

9、根据权利要求1、2所述的网屏编码生成方法，其特征是：所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，并按一定的排列规则构成的。

10、根据权利要求9所述的网屏编码生成方法，其特征是：所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括至少有两种以上不同的调制方式的网点，即至少有一种网点为AM调幅网屏网点，亦称集中网点，以及至少有另一种网点为FM调频网屏网点，亦称分散网点；所述AM调幅网屏网点是指构成网点的所有点相互集中在一起的，所述FM调频网屏网点是指在网点中至少有一个构成网点的点是分离着的。

11、根据权利要求9所述的网屏编码生成方法，其特征是：所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括不同的颜色，红外线及紫外线在内的具有不同波长及不同光谱特性的网点。

12、根据权利要求9所述的网屏编码生成方法，其特征是：所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括不同灰度在内的不同频率特性的网点。

13、根据权利要求9所述的网屏编码生成方法，其特征是：所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括不同的光学偏振方向及不同的光学反射特性在内的具有不同光学特性的网点。

14、根据权利要求9所述的网屏编码生成方法，其特征是：所述网屏编码是由至少一个以上不同的以物理学的特性所构成的网点形态，其网点形态包括不同的磁场强度及不同的磁场方向在内的具有不同的磁性特性的网点。

15、根据权利要求1、2所述的网屏编码生成方法，其特征是：所述网屏编码的网点形态在两个时，构成网屏编码至少有一种情况是在一个网屏编码中，两种网点的个数相等。

16、根据权利要求1、2所述的网屏编码生成方法，其特征是：在一个网屏编码中，其中至少有一种网点的数量是奇数否则为偶数个。

17、根据权利要求1、2所述的网屏编码生成方法，其特征是：所述网屏编码的网点形态在两个时，构成网屏编码至少有一种情况是在一个网屏编码中，两种网点的排列是左右对称的。

18、根据权利要求1、2所述的网屏编码生成方法，其特征是：所述网屏编码的网点形态在两个时，构成网屏编码至少有一种情况是在一个网屏编码中，包括集中网点在内的一种网点的数量大于包括分散网点在内的另一种网点的数量。

19、根据权利要求1、2所述的网屏编码生成方法，其特征是：所述的信息埋入中至少有一种方式，至少有一个像素的至少包括灰度值在内的不同像素形态，被与该像素形态一致的网屏编码的网点所替换。

20、根据权利要求1、2所述的网屏编码生成方法，其特征是：所述网屏编码按水平方式排列或垂直方式排列。

21、根据权利要求1、2所述的网屏编码生成方法，其特征是：所述网屏编码按等个数分割，并按二维排列在一起构成二维网屏编码。

22、一种信息埋入网屏编码的生成方法，该方法是针对图像、文字、记号、背景形式中的至少有一种形式被印刷在记录媒体上，其印刷在媒体上的内容中至少有一个以上的像素，按相同像素形态可以置换的信息埋入方法被不同的具有包括几何学及物理学的特性在内的不同网点形态，按其给定的排列规则形成的网屏网点所替换，该方法构成了对印刷内容进行信息埋入的网屏编码，该方法包括以下步骤：

实行代码间的类似度的计算步骤；

其类似度是否在所定阀值以下的判断步骤；

针对类似度在所定阀值以下的代码，将各个网点的点阵排列对应于给定的任意的包括几何学的、物理学的在内的可记录信息的各种形态，从而构成信息埋入代码的生成步骤；

针对读取到的图像数据的各个像素的包括灰度值在内的像素形态进行分析的像素分析步骤；

把所要埋入信息的图像的包括灰度值在内的不同形态的各个像素，按同形态相对应的原则，对应上述生成后的网屏编码的各个网点，即将网屏编码替换相对应的图像的各个像素的信息埋入步骤。

Images