KR20220160313A - 데이터 매트릭스 인식 방법 및 장치 - Google Patents

Abstract

본 발명은 데이터 매트릭스 인식 방법 및 장치를 개시한다. 본 발명에 따르면, 프로세서 및 상기 프로세서에 연결되는 메모리를 포함하되, 상기 메모리는, (a) 크라이오 박스에 수납된 복수의 컬럼에 대응되는 복수의 데이터 매트릭스를 촬영한 RGB 이미지에 제1 이진화 임계치를 적용하여 이진화 이미지를 생성하고, (b) 상기 이진화 이미지에 포함된 점집합을 추출하고, (c) 추출된 점집합에서 인접점 및 오목면 제거를 통해 상기 데이터 매트릭스의 형상에 상응하는 제1 형상 집합을 추출하고, (d) 추출된 제1 형상 집합에 대해 미리 설정된 규칙을 적용하여 하나 이상의 데이터 매트릭스를 추정하고, (e) 상기 추정된 하나 이상의 데이터 매트릭스를 디코딩하고, (f) 상기 RGB 이미지에 상기 제1 이진화 임계치보다 순차적으로 큰 값을 갖는 이진화 임계치를 적용하여 이진화 이미지를 생성하여 상기 (b) 내지 (e) 단계를 반복 수행하도록, 상기 프로세서에 의해 실행되는 프로그램 명령어들을 저장하는 데이터 매트릭스 인식 장치가 제공된다.

Description

데이터 매트릭스 인식 방법 및 장치{Method and apparatus for detecting data matrix}

본 발명은 데이터 매트릭스 인식 방법 및 장치에 관한 것으로서, 보다 상세하게는 복수의 시료에 관한 정보를 한번에 획득할 수 있는 방법 및 장치에 관한 것이다.

일반적으로 미생물, 항체 및 바이오 합성물질과 같은 시료는 길게 형성된 컬럼에 보관되고, 복수의 컬럼이 복수의 그리드 형태의 수납홀을 갖는 크라이오 박스(cryo box)에 수납되어 보관된다.

과거에 시료를 확인하기 위해서는 컬럼을 개봉하고 시료 분석을 수행해야 하나, 최근에는 개별 컬럼 덮개에 시료 식별을 위한 데이터 매트릭스(2차원 코드)를 부착하고 있다.

그러나 종래에는 개별 컬럼을 크라이오 박스에서 꺼내어 데이터 매트릭스를 개별적으로 인식해야 하기 때문에 번거로운 문제점이 있었다.

한편, 데이터 매트릭스를 이용하여 특정 공간에 보관된 복수의 객체를 인식하는 방식이 제안되기도 하였으나, 좌표를 기준으로 하기 때문에 이를 작은 사이즈의 시료 보관을 위한 크라이오 박스에 적용하는데 한계가 있다.

대한민국공개특허 KR 10-1713134

상기한 종래기술의 문제점을 해결하기 위해, 본 발명은 크라이오 박스에 보관된 복수의 시료를 한번에 식별할 수 있는 데이터 매트릭스 인식 방법 및 장치를 제안하고자 한다.

상기한 바와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예에 따르면, 데이터 매트릭스 인식 장치로서, 프로세서; 및 상기 프로세서에 연결되는 메모리를 포함하되, 상기 메모리는, (a) 크라이오 박스에 수납된 복수의 컬럼에 대응되는 복수의 데이터 매트릭스를 촬영한 RGB 이미지에 제1 이진화 임계치를 적용하여 이진화 이미지를 생성하고, (b) 상기 이진화 이미지에 포함된 점집합을 추출하고, (c) 추출된 점집합에서 인접점 및 오목면 제거를 통해 상기 데이터 매트릭스의 형상에 상응하는 제1 형상 집합을 추출하고, (d) 추출된 제1 형상 집합에 대해 미리 설정된 규칙을 적용하여 하나 이상의 데이터 매트릭스를 추정하고, (e) 상기 추정된 하나 이상의 데이터 매트릭스를 디코딩하고, (f) 상기 RGB 이미지에 상기 제1 이진화 임계치보다 순차적으로 큰 값을 갖는 이진화 임계치를 적용하여 이진화 이미지를 생성하여 상기 (b) 내지 (e) 단계를 반복 수행하도록, 상기 프로세서에 의해 실행되는 프로그램 명령어들을 저장하는 데이터 매트릭스 인식 장치가 제공된다.

상기 프로그램 명령어들은, 상기 이진화 이미지를 생성하기에 앞서, 상기 RGB 이미지를 미리 설정된 작은 사이즈로 리사이징하고, 상기 리사이징된 RGB 이미지에 대해 픽셀간 가우시안 블러를 수행하여 픽셀간 색차 평활화를 수행할 수 있다.

상기 프로그램 명령어들은, 상기 리사이징된 RGB 이미지의 면적을 소정값을 나누어 상기 하나 이상의 데이터 매트릭스를 추정하기 위한 최소 영역 및 최대 영역을 설정하고, 상기 추출된 제1 형상 집합에 대해 상기 최소 영역, 최대 영역 및 미리 설정된 가로/세로 비율을 적용하여 하나 이상의 데이터 매트릭스를 추정할 수 있다.

상기 프로그램 명령어들은, 상기 이진화 이미지를 생성하기 위한 이진화 임계치를 55 내지 155 범위에서 5 단위씩 순차적으로 변경할 수 있다.

상기 프로그램 명령어들은, 상기 제1 이진화 임계치에서 디코딩된 데이터 매스릭스에 해당하는 형상 좌표를 미리 저장하여 상기 다음 이진화 임계치에서 상기 미리 저장된 형상 좌표에 대해서는 데이터 매트릭스의 추정을 수행하지 않을 수 있다.

본 발명의 다른 측면에 따르면, 프로세서 및 메모리를 포함하는 장치에서 데이터 매트릭스 인식을 수행하는 방법으로서, (a) 크라이오 박스에 수납된 복수의 컬럼에 대응되는 복수의 데이터 매트릭스를 촬영한 RGB 이미지에 제1 이진화 임계치를 적용하여 이진화 이미지를 생성하는 단계; (b) 상기 이진화 이미지에 포함된 점집합을 추출하는 단계; (c) 추출된 점집합에서 인접점 및 오목면 제거를 통해 상기 데이터 매트릭스의 형상에 상응하는 제1 형상 집합을 추출하는 단계; (d) 추출된 제1 형상 집합에 대해 미리 설정된 규칙을 적용하여 하나 이상의 데이터 매트릭스를 추정하는 단계; (e) 상기 추정된 하나 이상의 데이터 매트릭스를 디코딩하는 단계; 및 (f) 상기 RGB 이미지에 상기 제1 이진화 임계치보다 순차적으로 큰 값을 갖는 이진화 임계치를 적용하여 이진화 이미지를 생성하여 상기 (b) 내지 (e) 단계를 반복 수행하는 단계를 포함하는 데이터 매트릭스 인식 방법이 제공된다.

본 발명의 또 다른 측면에 따르면, 상기한 방법을 수행하는 컴퓨터 판독 가능한 프로그램이 제공된다.

본 발명에 따르면, RGB 이미지 리사이징, 가우시안 블러 처리, 순차적 이진화를 통해 크라이오 박스에 포함되는 복수의 데이터 매트릭스를 빠르고 정확하게 인식할 수 있는 장점이 있다.

도 1은 본 발명의 일 실시예에 따른 데이터 매트릭스 인식 장치의 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 데이터 매트릭스 인식 과정을 나타낸 순서도이다.
도 3은 본 실시예에 다른 크라이오 박스에 수납되며 복수의 컬럼에 부착된 데이터 매트릭스를 포함하는 RGB 이미지를 나타난 도면이다.
도 4는 본 실시예에 따른 가우시안 블러를 통해 픽셀간 색차를 평활화한 결과를 나타낸 도면이다.
도 5는 55에서 155까지 5 단위로 임계치를 순차적으로 변경하여 얻어진 이진화 이미지를 나타낸 것이다.
도 6은 본 실시예에 따른 디코딩된 데이터 매트릭스의 제거 과정을 나타낸 도면이다.
도 7은 본 실시예에 따른 RGB 이미지에서 데이터 매트릭스를 추정하는 과정을 순차적으로 나타낸 것이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.

그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

본 발명은 복수의 컬럼에 부착된 데이터 매트릭스를 정확하고 빠르게 인식할 수 있는 방법 및 장치에 관한 것이다.

크라이오 박스에 복수의 컬럼이 수납되는 경우, 컬럼의 기울어짐, 조도, 그라이언트 등의 영향으로 각 카트리지에 부착된 데이터 매트릭스를 한번에 인식하는 것이 용이하지 않다.

이를 위해, 본 발명은 크라이오 박스를 촬영한 이미지에 대해 이진화 임계치를 순차적으로 변화시켜 이진화 이미지를 생성하고, 각 임계치에서 생성된 이진화 이미지에 대해 데이터 매트릭스에 대응되는 형상을 추출하고, 추출된 형상에 대한 디코딩을 수행한다.

도 1은 본 발명의 일 실시예에 따른 데이터 매트릭스 인식 장치의 구성을 도시한 도면이다.

도 1을 참조하면, 본 실시예에 따른 데이터 매트릭스 인식 장치는 프로세서(100) 및 메모리(102)를 포함할 수 있다.

여기서, 프로세서(100)는 컴퓨터 프로그램을 실행할 수 있는 CPU(central processing unit)나 그밖에 가상 머신 등을 포함할 수 있다.

메모리(102)는 고정식 하드 드라이브나 착탈식 저장 장치와 같은 불휘발성 저장 장치를 포함할 수 있다. 착탈식 저장 장치는 컴팩트 플래시 유닛, USB 메모리 스틱 등을 포함할 수 있다. 메모리(102)는 각종 랜덤 액세스 메모리와 같은 휘발성 메모리도 포함할 수 있다.

이와 같은 메모리(102)에는 프로세서(100)에 의해 실행 가능한 프로그램 명령어들이 저장된다.

본 실시예에 따른 프로그램 명령어들은, (a) 크라이오 박스에 수납된 복수의 컬럼에 대응되는 복수의 데이터 매트릭스를 촬영한 RGB 이미지에 제1 이진화 임계치를 적용하여 이진화 이미지를 생성하고, (b) 상기 이진화 이미지에 포함된 점집합을 추출하고, (c) 추출된 점집합에서 인접점 및 오목면 제거를 통해 상기 데이터 매트릭스의 형상에 상응하는 제1 형상 집합을 추출하고, (d) 추출된 제1 형상 집합에 대해 미리 설정된 규칙을 적용하여 하나 이상의 데이터 매트릭스를 추정하고, (e) 상기 추정된 하나 이상의 데이터 매트릭스를 디코딩하고, (f) 상기 RGB 이미지에 상기 제1 이진화 임계치보다 순차적으로 큰 값을 갖는 이진화 임계치를 적용하여 이진화 이미지를 생성하여 상기 (b) 내지 (e) 단계를 반복 수행한다.

이하에서는 도면을 참조하여 본 실시예에 따른 데이터 매트릭스 인식 과정을 상세하게 설명한다.

도 2는 본 발명의 일 실시예에 따른 데이터 매트릭스 인식 과정을 나타낸 순서도이다.

본 실시예에 따른 장치는 크라이오 박스를 상부 방향에서 촬영한 이미지를 로드한다(단계 200).

단계 200에서의 이미지는 도 3과 같이 크라이오 박스에 수납되며 복수의 컬럼에 부착된 데이터 매트릭스를 포함하는 RGB 이미지이다.

데이터 매트릭스 인식 속도의 향상을 위해 로드된 RGB 이미지를 리사이징한다(단계 202).

예를 들어, RGB 이미지가 4320×5760 사이즈인 경우, 단계 202는 가로를 1000으로 고정하고, 세로를 같은 비율로 조정하여 1000×1333으로 리사이징할 수 있다.

본 발명의 바람직한 일 실시예에 따르면, 리사이징된 RGB 이미지에 대해 픽셀간 가우시안 블러(Gaussian Blur) 처리가 수행될 수 있다.

비교적 밝은 환경(높은 조도 환경)에서 촬영한 RGB 이미지에서는 데이터 매트릭스 색상의 픽셀간 차이가 커져 인식에 방해가 되는 경우가 발생할 수 있다.

도 4에 도시된 바와 같이, 실제로 동일한 색상이 RGB 이미지 상에서 서로 다른 색차를 가지는 것을 고려하여 본 실시예에 따른 장치는 가우시안 블러를 통해 픽셀간 색차를 평활화할 수 있으며, 이를 통해 이미지 품질에는 영향을 주지 않으면서 데이터 매트릭스의 인식률을 한층 높이게 된다.

리사이징된 RGB 이미지에 제1 이진화 임계값을 적용하여 이진화 이미지를 생성한다(단계 204).

여기서, 제1 이진화 임계값은 리사이징된 RGB 이미지의 각 픽셀을 0 또는 1로 변환하기 위한 값으로서, R, G 및 B에 대해 동일하게 적용될 수 있으나, 반드시 이에 한정되는 것은 아니다.

본 실시예에 따른 장치는 이진화를 위한 임계치를 순차적으로 변경하여 복수의 데이터 매트릭스 중 적어도 일부를 디코딩한다. 바람직하게, 본 실시예에 따른 이진화 임계치는 하한값에서부터 상한값까지 소정 단위로 순차적으로 변경될 수 있다.

바람직하게, 하한값은 55, 상한값은 155로 설정될 수 있고, 이진화 임계치는 5 단위로 순차적으로 높아질 수 있다.

여기서, 상한값을 155로 설정하는 것은 데이터 매트릭스가 RGB(155,155,155)~RGB(255,255,255) 내에 있으면 그 차이를 인식할 수 없어 이진화가 어렵기 때문이다.

이처럼 이진화를 위한 임계치를 순차적으로 변경하는 것은 임계치에 따라 특정 영역의 데이터 매트릭스가 인식되지 않는 경우가 발생할 수 있기 때문이다.

도 5는 55에서 155까지 5 단위로 임계치를 순차적으로 변경하여 얻어진 이진화 이미지를 나타낸 것이다.

도 5를 참조하면, 임계치가 순차적으로 높아지면서 인식되는 데이터 매트릭스가 달라지며, 예를 들어, 낮은 임계치에서는 도 3의 비교적 명도가 낮은 크라이오 박스 아래에 위치한 데이터 매트릭스가 인식되다가 임계치가 높아질수록 도 3에서 비교적 명도가 높은 크라이오 박스 위에 위치한 데이터 매트릭스가 인식될 수 있다.

이러한 점을 고려하여, 본 실시예에 따른 장치는 낮은 임계치에서부터 데이터 매트릭스 인식 및 디코딩 과정을 수행하고, 다음 임계치를 적용하는 경우 이전에 디코딩된 데이터 매트릭스를 제외하고 새롭게 추정된 데이터 매트릭스에 대해서만 디코딩을 수행하게 된다.

다시 도 2를 참조하면, 제1 이진화 임계치를 적용하여 얻어진 이진화 이미지에서 데이터 매트릭스의 형상에 상응하는 형상 집합을 추출한다(단계 206).

단계 206은 컨투어링을 통해 점집합을 추출하고, approxPolyDP를 통해 인접점을 제거하고, convexHull을 통해 오목면을 제거(오목윤곽 평활화)하여 데이터 매트릭스의 형상에 상응되는 형상 집합을 추출하는 과정을 포함한다.

도 3에 도시된 바와 같이, 데이터 매트릭스는 사각형일 수 있으며, 단계 206는 소정 이진화 임계치를 적용하여 얻은 이진화 이미지에서 사각근사를 통해 사각형 집합을 탐색하는 과정으로 정의될 수 있다.

단계 206에서 데이터 매트릭스에 대응되는 형상이 탐색된 이후, 본 실시예에 따른 장치는 미리 설정된 규칙을 이용하여 데이터 매트릭스를 추정하고(단계 208), 추정된 데이터 매트릭스를 디코딩한다(단계 210).

데이터 매트릭스가 사각형인 경우, 단계 206은 이진화 이미지에 인식된 모든 사각형 집합을 탐색하는 과정이며, 단계 208은 탐색된 사각형 집합에서 실제 데이터 매트릭스를 추정하는 과정이다.

본 실시예에 따르면, 데이터 매트릭스 추정을 위한 최소 영역(minArea) 및 최대 영역(maxArea)의 크기 및 가로/세로 비율이 미리 설정될 수 있다.

최소 영역 및 최대 영역은 통상적인 데이터 매트릭스의 크기를 고려하여 단계 202에서 리사이징된 RGB 이미지의 크기를 소정값으로 나눈 값으로 설정될 수 있다.

리사이징된 RGB 이미지의 크기가 A인 경우, 최소 영역은 A/B, 최대 영역은 A/C로 설정될 수 있다.

여기서, B=5, C=2000일 수 있고, 상기한 예에서, 리사이징된 RGB 이미지가 1000×1333인 경우, 최소 영역은 666, 최대 영역은 266,000일 수 있다.

그리고, 가로/세로 비율은 1.3으로 설정될 수 있다.

본 실시예에 따른 장치는 단계 206에서 추출된 사각형 중 미리 설정된 최소 영역 및 최대 영역에 속하며, 미리 설정된 가로/세로 비율을 갖는 사각형을 추정하여 데이터 매트릭스를 추정한다.

추정된 데이터 매트릭스에 대한 디코딩이 완료된 이후, 데이터 매트릭스 인식 장치는 단계 204로 복귀하여 다음 임계치를 적용하여 RGB 이미지를 이진화하고, 단계 206 내지 단계 210을 반복 수행한다.

이때, 이전 과정에서 디코딩된 데이터 매트릭스에 대한 추정 및 디코딩 과정은 생략되어 연산 속도를 높일 수 있다.

보다 상세하게, 본 실시예에 따른 데이터 매트릭스 인식 장치는 제1 이진화 임계치에서 디코딩된 데이터 매스릭스에 해당하는 사각형 영역(형상 좌표)을 미리 저장하여 도 6에 도시된 바와 같이, 다음 이진화 임계치에서 미리 저장된 사각형 영역(디코딩 완료된 데이터 매트릭스)에 대해서는 중복 인식이 되지 않도록 한다.

이때, 디코딩 완료된 데이터 매트릭스의 형상 좌표는 마진(예를 들어, 사각형 영역의 10% 확장된 영역)을 포함하는 좌표일 수 있다.

도 7은 본 실시예에 따른 RGB 이미지에서 데이터 매트릭스를 추정하는 과정을 순차적으로 나타낸 것으로서, RGB 이미지 리사이징, 각 이진화 이미지에서 점집합 추출, 인접점 및 오목면 제거, 데이터 매트릭스에 상응하는 형상 집합 추출 및 minArea/maxArea를 통한 데이터 매트릭스 추정을 통해 한번에 데이터 매트릭스를 인식할 수 있다.

상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대한 통상의 지식을 가지는 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.

Claims (7)

1. 데이터 매트릭스 인식 장치로서,
   프로세서; 및
   상기 프로세서에 연결되는 메모리를 포함하되,
   상기 메모리는,
   (a) 크라이오 박스에 수납된 복수의 컬럼에 대응되는 복수의 데이터 매트릭스를 촬영한 RGB 이미지에 제1 이진화 임계치를 적용하여 이진화 이미지를 생성하고,
   (b) 상기 이진화 이미지에 포함된 점집합을 추출하고,
   (c) 추출된 점집합에서 인접점 및 오목면 제거를 통해 상기 데이터 매트릭스의 형상에 상응하는 제1 형상 집합을 추출하고,
   (d) 추출된 제1 형상 집합에 대해 미리 설정된 규칙을 적용하여 하나 이상의 데이터 매트릭스를 추정하고,
   (e) 상기 추정된 하나 이상의 데이터 매트릭스를 디코딩하고,
   (f) 상기 RGB 이미지에 상기 제1 이진화 임계치보다 순차적으로 큰 값을 갖는 이진화 임계치를 적용하여 이진화 이미지를 생성하여 상기 (b) 내지 (e) 단계를 반복 수행하도록,
   상기 프로세서에 의해 실행되는 프로그램 명령어들을 저장하는 데이터 매트릭스 인식 장치.
2. 제1항에 있어서,
   상기 프로그램 명령어들은,
   상기 이진화 이미지를 생성하기에 앞서, 상기 RGB 이미지를 미리 설정된 작은 사이즈로 리사이징하고,
   상기 리사이징된 RGB 이미지에 대해 픽셀간 가우시안 블러를 수행하여 픽셀간 색차 평활화를 수행하는 데이터 매트릭스 인식 장치.
3. 제2항에 있어서,
   상기 프로그램 명령어들은,
   상기 리사이징된 RGB 이미지의 면적을 소정값을 나누어 상기 하나 이상의 데이터 매트릭스를 추정하기 위한 최소 영역 및 최대 영역을 설정하고,
   상기 추출된 제1 형상 집합에 대해 상기 최소 영역, 최대 영역 및 미리 설정된 가로/세로 비율을 적용하여 하나 이상의 데이터 매트릭스를 추정하는 데이터 매트릭스 인식 장치.
4. 제1항에 있어서,
   상기 프로그램 명령어들은,
   상기 이진화 이미지를 생성하기 위한 이진화 임계치를 55 내지 155 범위에서 5 단위씩 순차적으로 변경하는 데이터 매트릭스 인식 장치.
5. 제1항에 있어서,
   상기 프로그램 명령어들은,
   상기 제1 이진화 임계치에서 디코딩된 데이터 매스릭스에 해당하는 형상 좌표를 미리 저장하여 상기 다음 이진화 임계치에서 상기 미리 저장된 형상 좌표에 대해서는 데이터 매트릭스의 추정을 수행하지 않는 데이터 매트릭스 인식 장치.
6. 프로세서 및 메모리를 포함하는 장치에서 데이터 매트릭스 인식을 수행하는 방법으로서,
   (a) 크라이오 박스에 수납된 복수의 컬럼에 대응되는 복수의 데이터 매트릭스를 촬영한 RGB 이미지에 제1 이진화 임계치를 적용하여 이진화 이미지를 생성하는 단계;
   (b) 상기 이진화 이미지에 포함된 점집합을 추출하는 단계;
   (c) 추출된 점집합에서 인접점 및 오목면 제거를 통해 상기 데이터 매트릭스의 형상에 상응하는 제1 형상 집합을 추출하는 단계;
   (d) 추출된 제1 형상 집합에 대해 미리 설정된 규칙을 적용하여 하나 이상의 데이터 매트릭스를 추정하는 단계;
   (e) 상기 추정된 하나 이상의 데이터 매트릭스를 디코딩하는 단계; 및
   (f) 상기 RGB 이미지에 상기 제1 이진화 임계치보다 순차적으로 큰 값을 갖는 이진화 임계치를 적용하여 이진화 이미지를 생성하여 상기 (b) 내지 (e) 단계를 반복 수행하는 단계를 포함하는 데이터 매트릭스 인식 방법.
7. 제6항에 따른 방법을 수행하는 컴퓨터 판독 가능한 프로그램.
   
   

Images