高速智能相機一維條碼的自適應(yīng)快速定位

宋昀岑 ， 趙 津 ，2， 陳 偉 ，2， 葉玉堂

（1.電子科技大學 現(xiàn)代光電測控及儀器實驗室（摩米實驗室），四川 成都 610054；2.成都術(shù)有科技有限公司 四川 成都 610054）

隨著現(xiàn)代科技的高速發(fā)展，一些高新工業(yè)生產(chǎn)領(lǐng)域因為讀取效率較慢、讀取區(qū)域小、人力消耗大等問題，無法采用激光條碼掃描儀，必須采用基于圖像的高速智能相機條碼解讀方案。而該方案的關(guān)鍵就是如何解決快速和全方位定位的問題。

高速智能相機作為一種功能強大性價比高的新興視覺設(shè)備，在高新工業(yè)生產(chǎn)中應(yīng)用范圍日益廣泛。高速智能相機內(nèi)置DSP（Digital Signal Processer）完成數(shù)據(jù)處理操作，其靈巧的體積更便于安裝和與其他設(shè)備結(jié)合工作，且硬件成本大幅降低。又因為條碼技術(shù)在工業(yè)生產(chǎn)線的廣泛應(yīng)用，高新生產(chǎn)領(lǐng)域?qū)Ω咚僦悄芟鄼C條碼解讀方案的需求日益強烈。然而，實際應(yīng)用中條碼圖像往往和復(fù)雜背景結(jié)合一起，很多時候還會出現(xiàn)條碼傾斜、破損的情況，由此造成的條碼定位失敗不但影響智能相機條碼讀取效率，還會導致讀碼失敗給生產(chǎn)線造成不可預(yù)知的后果。 因此，需要提出一種能自適應(yīng)條碼定位，還能保證在智能相機能高效運轉(zhuǎn)的新方法。而所謂的“自適應(yīng)”即是能自動適應(yīng)復(fù)雜背景、傾角變化、條碼缺損測試條件的變化。

對于常見的在PC（personal computer）端完成的條碼定位算法，國內(nèi)外很多學者都從事過這方面的研究。Gallo O[1]提出基于條碼區(qū)域輪廓的定位算法，這類方法效率比較高但是無法應(yīng)對條碼缺損的情況；另外，很多文獻[2-7]提出了基于空域中條碼圖片的紋理分析，分別根據(jù)子區(qū)域的對比度、方向邊緣強度、線性尺度、梯度特征和角點特征等多種特征定位條碼區(qū)域，這類方法對圖片的適應(yīng)力較強，但在智能相機上不能實現(xiàn)數(shù)據(jù)的連續(xù)讀取，降低了圖片的讀取和處理效率，不適用于內(nèi)存和緩存容量都非常小的智能相機。

文中提出一種應(yīng)用于高速智能相機一維條碼的自適應(yīng)[8]快速定位算法。通過基于DSP的快速區(qū)域分析算法得到圖片中各個聯(lián)通區(qū)域及其區(qū)域特征，由條碼模塊篩選、排除復(fù)雜背景得到條碼的大致區(qū)域，最后進行條碼區(qū)域掃描定位，修補條碼破損區(qū)域找到精確的條碼區(qū)域邊界點。本文算法應(yīng)用于高速智能相機的一維條碼解讀模塊中，解決了復(fù)雜背景中傾斜條碼、破損條碼的快速定位問題。另外，算法中將基于DSP的快速區(qū)域分析算法應(yīng)用于高速智能相機，在國內(nèi)還未見報道。

1 條碼定位算法

1.1 基于DSP的快速區(qū)域分析算法

由于DSP本身效率限制，為壓縮處理時間，本文使用基于DSP的快速區(qū)域分析算法進行圖像聯(lián)通區(qū)域分析。

傳統(tǒng)處理方式要先將圖像轉(zhuǎn)為二值化圖像，游程算法通過判斷二值化圖像灰度值是否為零進行區(qū)域分析。本文算法，通過直接判斷圖像灰度值與已知二值化閾值的關(guān)系進行區(qū)域分析，省去一次對全圖的讀取，至少能節(jié)省30%的連通區(qū)域分析處理時間。另外，不同于其他的條碼定位算法，本文算法連續(xù)讀取圖像信息，為后續(xù)的優(yōu)化處理提供便利。

傳統(tǒng)游程算法處理結(jié)果是得到每個連通區(qū)域的點，對連通區(qū)域分析是通過對每個區(qū)域中的點進行統(tǒng)計計算處理，乘除運算以及浮點值運算多、運算量大。而DSP進行乘除運算和浮點值運算消耗時間較長，不適用上述方法。本文算法直接利用游程算法中的游程進行統(tǒng)計計算，而不用點的信息計算，從而免去許多不必要的步驟，利用公式減少乘除運算和浮點值運算，具體算法改進如下所述。

利用游程算法順序讀取全圖得到所有游程數(shù)量num；游程行號數(shù)組 r，r[i]（i=1，2…）即是第 i個游程的列號；游程起始列號數(shù)組 cs，cs[i]（i=1，2…）即是第 i個游程首行號；游程終止列號數(shù)組 ce，ce[i]（i=1，2…）即是第 i個游程尾行號；游程區(qū)域標記數(shù)組 l，l[i]（i=1，2…）即是第 i個游程所屬的聯(lián)通區(qū)域編號；假定目標游程為黑色，背景為白色，上述部分數(shù)據(jù)如圖1所示。由上述參數(shù)不用再次掃描整張圖片就可以得到后面算法需要的每個連通區(qū)域的形態(tài)學特征：面積、重心、長軸長、短軸長、長軸與圖像X軸的夾角。

圖1 游程及其數(shù)據(jù)表示Fig.1 Run-length code and its data representation

面積為聯(lián)通區(qū)域中點的個數(shù)，可以通過面積特征進行初步篩選，篩去大部分不相關(guān)區(qū)域，比如復(fù)雜背景中數(shù)量巨大的小噪點以及與條碼單元面積大小不一致的區(qū)域。重心是聯(lián)通區(qū)域中所有點的平均坐標位置，是后面計算的中間數(shù)據(jù)。面積和重心由公式（1）～（3）計算得到，其中 s[i]為第 i個連通區(qū)域的面積，gx[i]和gy[i]代表第i個連通區(qū)域的重心位置（i=1，2，3…）。

長軸長和短軸長是與聯(lián)通區(qū)域標準二階中心距相同的橢圓的長軸長和短軸長。對于聯(lián)通區(qū)域是否符合條碼單元的長條形即是以長短軸長度比例為判斷標準。計算公式如下，其中maxl[i]為第i個連通區(qū)域的長軸長，minl[i]代表第i個連通區(qū)域的短軸長（i=1、2、3…），xx[i]、xy[i]、yy[i]分別是 i點行號的平方、i點行號和列號的乘積、i點列號的平方，點由圖2所示流程圖和公式（4）～（6）得到：

圖2 數(shù)據(jù)計算流程圖Fig.2 Data and calculation flowchart

α為長軸與圖像X軸的夾角，即是長軸方向和圖片X軸的夾角，等同于條碼區(qū)域豎邊與圖像X軸的夾角，由公式（9）得到。一維條碼的單元是平行整齊排列，故可以根據(jù)夾角對初步篩選的聯(lián)通區(qū)域進行分組為下一步定位做準備。

1.2 條碼模塊篩選

為排除圖像中的復(fù)雜背景區(qū)域，減少DSP處理信息量，我們對得到的連通區(qū)域進行篩選。由于一維條碼區(qū)域形態(tài)學特征明顯，是由數(shù)十條黑色長條矩形組成，且矩形的長度相等、長邊相互平行。文中為區(qū)域長寬比（長軸長和短軸長的比例）、區(qū)域面積 2個特征值引入 3 個閾值 Tr、Tmins、Tmaxs， 閾值的大小決定于一維條碼類型、圖像分辨率等因素。如果某個聯(lián)通區(qū)域Ai是條碼的一個單元，那么這區(qū)域的長軸短軸長度、面積應(yīng)滿足條件：

經(jīng)過上述篩選，可以得到符合條碼單元形態(tài)特征的聯(lián)通區(qū)域

。

然后，將其按照長軸與圖像X軸的夾角α[i]分組，即α相同的分為一組，找出其中連通區(qū)域最多的組，作為條碼元素的聯(lián)通區(qū)域組，排除復(fù)雜背景區(qū)域得到條碼大致區(qū)域以進行下一步精確定位操作。

1.3 條碼區(qū)域掃描定位

一維條碼是由一組規(guī)則排列的條、空單元及其對應(yīng)字符組成，用以表示一定的信息。相對背景區(qū)域，條碼區(qū)域具有明顯的形態(tài)學特征，由長度相同的細長條、空單元相間整齊排列，在左右邊緣都有一個靜區(qū)，即規(guī)定寬度的空白區(qū)域。

根據(jù)以上特點，從條碼單元組中選出長軸長最大的單元，認為是最完整的條碼單元；選出最小的單元短軸長，假設(shè)為一個模塊的寬度。然后進行掃描定位，具體算法如下所述。

1）在最長單元的長軸方向以重心為中心均勻取n（本文中n為5）個掃描點。其中第一點和最后一點是該單元長軸方向上的兩端點。

2）從每個掃描點出發(fā)向垂直于單元長軸的左右兩個方向進行掃描，如圖3白色箭頭所示。

掃描遇到閾值分割處的點記錄下來為A，該閾值分割點是條碼的條、空單元邊緣點。在遇到下一個閾值分割點B時，判斷AB距離，若是大于最小寬度的N倍，便停止繼續(xù)掃描并將A記錄下來為邊界點之一；若是小于最小寬度的N倍，將B點記做A點，繼續(xù)掃描，直到找到滿足條件的邊界點。如果到達圖像邊界還沒找到滿足條件的點，將掃描方向上的圖像邊界點上一個閾值分割點記錄為條碼邊界點。其中N的大小是表征條碼靜區(qū)與條碼最小單元寬度的比值，取決于條碼的類型。

3）在找到兩個方向共10個掃描邊界點以后，利用投影法分別求出兩個方向的最遠點，記為條碼區(qū)域左右兩邊的邊界點；取最長條碼模塊長軸兩端的點，記為條碼區(qū)域上下兩邊的邊界點。

圖3 掃描方向示意圖Fig.3 diagram of scanning direction

4）根據(jù)4個邊界點以及條碼模塊與X軸的夾角，可得到條碼區(qū)域4條邊界線，分別求交點即可得到條碼區(qū)域定位點。

2 結(jié)果與分析

2.1 不同圖片的定位效果

本文選取了100幅具有各種復(fù)雜背景、條碼破損情況的一維條碼圖像進行測試，DSP處理平臺為ADIBF 537嵌入式平臺，圖像分辨率從512×512到1 024×786不等，均能正確檢測出條碼的位置，沒有出現(xiàn)漏檢和誤檢的現(xiàn)象。

圖4為其中一幅條碼區(qū)域破損圖像的定位過程與結(jié)果。 原圖為交叉 25碼，分辨率為 1024×786，取 Tr為 6，N為6，Tmins為 50，Tmaxs為 300。 （a）為原始灰度圖；（b）中灰色標記區(qū)域為篩選得到的條碼單元（聯(lián)通區(qū)域）；（c）中位于中間的黑色點為最長單元上的5個掃描點，邊界上的黑色點即是掃描得到的十個邊界點；（d）中4個黑點為經(jīng)過篩選后得到的條碼區(qū)域4條邊上的最優(yōu)邊界點；（e）為條碼區(qū)域最終定位結(jié)果圖。

圖4 缺陷條碼定位Fig.4 Localization of defective barcode

圖5為其中一幅復(fù)雜背景下的條碼圖像定位結(jié)果。原圖中除了傾斜條碼，還有表格和大量文字。由圖5（b）黑色線條框出的定位結(jié)果可以看出，本文算法可以很好的定位出復(fù)雜背景下的條碼區(qū)域。

圖5 復(fù)雜背景下條碼定位Fig.5 Barcode localization in complex background

2.2 不同圖片的處理速度

文中對于不同分辨率的3幅圖像分別采用傳統(tǒng)游程法和改進游程法進行定位處理所需時間進行了對比，其對比結(jié)果如表1所示，改進游程法相對于傳統(tǒng)游程法的處理速度上提高了61%～68%不等。

文中對于3種分辨率的多幅圖像采用基于DSP的改進游程法完成條碼定位，對每種分辨率的多幅圖像定位時間取平均值如表2所示，對于80萬像素的圖片，可以達到平均66.79ms/幅的處理速度。目前還沒有DSP平臺上的一維條碼定位算法處理速度高于本文處理速度的報道。

表1 傳統(tǒng)游程區(qū)域分析法與基于DSP的快速區(qū)域分析算法處理時間對比Tab.1 Comparison of execution time between traditional runlength code region analysism ethod and DSP-based quick region analysism ethod

表2 基于DSP的改進游程法的條碼定位處理時間Tab.2 Execution time of DSP-based imp roved run-length codem ethod

3 結(jié) 論

文中根據(jù)DSP運算的特點，利用一維條碼的形態(tài)學特征，提出一種基于DSP的快速區(qū)域分析算法，能夠快速而有效定位出復(fù)雜背景中傾斜和殘缺的條碼區(qū)域。有別于傳統(tǒng)算法，本文算法全過程不使用二值化圖像，減少至少一次DSP對全圖的計算與存儲，唯一一次DSP進行的全圖操作為順序讀取，有利于DSP后期優(yōu)化處理，大大提升了處理速度。在對大量圖片進行測試的結(jié)果表明，該方法可以全部正確地提取出復(fù)雜背景和傾斜、缺損情況下的條碼區(qū)域，對于80萬像素的圖片可以達到平均66ms/幅的處理速度。康耐視公司產(chǎn)品對于48萬像素的圖片在同等情況下的處理速度最快為45ms/幅。該方法對于工業(yè)生產(chǎn)線上在線嵌入式平臺條碼檢測具有廣泛的實際應(yīng)用價值。

[1]GALLO O，MANDUCHI R.Reading 1d barcodes with mobile phones using deformable templates [J].Pattern Analysis and Machine Intelligence， IEEE Transactions on，2011， 33（9）:1834-1843.

[2]WU Xinsheng， QIAO Lianzhi， DENG Jun.A New Method for Bar Code Localization and Recognition[C]//Image and Signal Processing， 2009. CISP'09. 2nd International Congress on.IEEE，2009:1-6.

[3]劉寧鐘.復(fù)雜背景中條碼檢測定位技術(shù)的研究[J].南京航空航天大學學報，2005， 37（1）:65-69.LIU Ning-zhong.Detection and localization of bar code in complicated background[J].Journal of Nanjing University of Aeronautics&Astronautics，2005，37（1）:65-69.

[4]GALLO O，MANDUCHI R.Reading challenging barcodes with cameras[C]//Applications of Computer Vision （WACV），2009Workshop on.IEEE，2009:1-6.

[5] Chen Yang， Yang Zhaoxuan， Bai Zhuofu， et al.Simultaneous real-time segmentation of diversified barcode symbols in complex background[C]//Intelligent Networks and Intelligent Systems，2008.ICINIS'08.First International Conference on.IEEE，2008:527-530.

[6]KUTIYANAWALA A，QIXiaojun，Tian Jiandong.A simple and efficient approach to barcode localization [C]//Information， Communications and Signal Processing， 2009.ICICS 2009.7th International Conference on.IEEE，2009:1-5.

[7]WACHENFELD S， TERLUNEN S， JIANG Xiaoyi.Robust 1-D barcode recognition on camera phones and mobile product information display[M].Mobile Multimedia Processing.Springer Berlin Heidelberg，2010:53-69.

[8]趙志偉，陳學有，潘瓊.采用特征值法和Prony法相結(jié)合的PSS自適應(yīng)控制[J].陜西電力，2012（6）：49-52，62.ZHAO Zhi-wei，CHEN Xue-you，PANQiong.Adaptive control of PSS based on eigen value analysis and prony analysis[J].Shaanxi Electric Power，2012（6）：49-52，62.