基于復(fù)雜背景的二維條碼提取技術(shù)

陳文藝, 陳蓓敏

(1西安郵電大學(xué) 物聯(lián)網(wǎng)與兩化融合研究院, 陜西 西安 710061; 2 西安郵電大學(xué) 通信與信息工程學(xué)院, 陜西 西安 710121)

基于復(fù)雜背景的二維條碼提取技術(shù)

陳文藝1, 陳蓓敏2

(1西安郵電大學(xué) 物聯(lián)網(wǎng)與兩化融合研究院, 陜西 西安 710061; 2 西安郵電大學(xué) 通信與信息工程學(xué)院, 陜西 西安 710121)

為了從含有大量物體的復(fù)雜背景圖像中提取出二維條碼，給出一種基于圖像連通區(qū)域特征、角點(diǎn)特征和邊緣特征的提取方法，即將灰度圖像二值化后進(jìn)行形態(tài)學(xué)處理，排除復(fù)雜背景中大量無(wú)關(guān)因素，對(duì)篩選出的子區(qū)域進(jìn)行角點(diǎn)檢測(cè)準(zhǔn)確定位出二維條碼的位置。通過(guò)采集大量不同光照、不同物體為背景的圖像對(duì)新方法進(jìn)行檢測(cè)，提取結(jié)果均獲成功。

二維條碼；同態(tài)濾波；連通區(qū)域；角點(diǎn)檢測(cè)

隨著社會(huì)信息化發(fā)展，條碼技術(shù)得到廣泛應(yīng)用。二維條碼因具備高密度、高譯碼準(zhǔn)確度、高保密性以及高容錯(cuò)度等優(yōu)點(diǎn)，而被廣泛應(yīng)用于商業(yè)、軍事、運(yùn)輸和管理等方面[1]，因此，對(duì)二維條碼的識(shí)別技術(shù)顯得尤為重要。二維條碼分為堆疊式二維條碼和矩陣式二維條碼，其中較為廣泛應(yīng)用的有PDF417、數(shù)據(jù)矩陣(Data Matrix, DM)碼和QR碼等[2]。其中，DM碼具有較強(qiáng)的抗污能力和抗畸變能力，糾錯(cuò)能力很強(qiáng)，而且DM碼的面積更加靈活，最小面積只有10 inch×10 inch，更適合在工業(yè)領(lǐng)域用來(lái)識(shí)別工業(yè)零部件。

目前的識(shí)別技術(shù)大多靠人工檢測(cè)二維條碼的位置，通過(guò)相關(guān)譯碼軟件進(jìn)行二維條碼的解碼,因此在一些自動(dòng)化要求較高的環(huán)境中往往會(huì)面臨許多困難，因此，如何通過(guò)數(shù)字圖像處理的方法準(zhǔn)確的從含有大量物體的復(fù)雜背景中自動(dòng)提取出二維條碼成為了研究熱點(diǎn)。文[3]提出了一種基于子區(qū)域的梯度特征和角點(diǎn)特征的提取方法，但如果圖像中存在方格狀物體時(shí)采用此方法就很難區(qū)分。文[4]的算法涉及子區(qū)域的對(duì)比度、方向邊緣強(qiáng)度、線性尺度等特征，雖能自動(dòng)定位出復(fù)雜背景中的條碼區(qū)域，但是該算法難以區(qū)分和條碼類(lèi)似的紋理,如文字等[3]?；谛螒B(tài)學(xué)處理的提取方法[5]只能準(zhǔn)確提取出近距離的二維條碼，且在二維條碼面積較小時(shí)就無(wú)法準(zhǔn)確提取。

本文擬針對(duì)復(fù)雜背景下DM碼的提取要求，吸取現(xiàn)有技術(shù)的優(yōu)點(diǎn)，同時(shí)改進(jìn)其缺點(diǎn)，根據(jù)二維條碼本身的連通區(qū)域特征和角點(diǎn)特征，提出一種能準(zhǔn)確提取出DM碼的技術(shù)方法，并通過(guò)實(shí)驗(yàn)加以檢測(cè)。

1 提取技術(shù)原理

提取技術(shù)原理如圖1所示。先將獲取的原始圖像進(jìn)行預(yù)處理，去除圖像模糊和光照不均等干擾因素。然后根據(jù)連通區(qū)域特征提取出可能含有DM碼的區(qū)域，利用角點(diǎn)特征確定DM碼的大致位置，最后通過(guò)邊緣特征來(lái)提取出DM碼。

圖1 提取技術(shù)原理

1.1 預(yù)處理

對(duì)圖像進(jìn)行預(yù)處理，是為了解決由于外界條件造成的圖像模糊和光照不均等問(wèn)題，以便對(duì)圖像有效信息的提取。預(yù)處理算法中先將原始圖像經(jīng)過(guò)灰度處理，得到對(duì)應(yīng)的灰度圖像后，通過(guò)同態(tài)濾波消除圖像光照不均的問(wèn)題,之后選取適當(dāng)?shù)拈撝?，?duì)圖像進(jìn)行二值化處理。

1.1.1 同態(tài)濾波

對(duì)于圖像光照不均的現(xiàn)象，可有4種增強(qiáng)方法[6]，經(jīng)過(guò)對(duì)比，在此采用同態(tài)濾波處理方法。

在照度-反射模型中，一幅圖像f(x,y)可以表示為其照射分量和反射分量的乘積，即

f(x,y)=i(x,y)r(x,y),

其中照射分量i(x,y)反映了背景中的不均勻光照，屬于變化緩慢的低頻分量；反射分量r(x,y)則反映了圖像中的細(xì)節(jié)部分，屬于高頻分量。同態(tài)濾波的原理就是衰減低頻(照射)分量，而增強(qiáng)高頻(反射)分量。同態(tài)濾波的流程如圖2所示。

圖2 同態(tài)濾波流程

1.1.2 二值化

對(duì)圖像進(jìn)行二值化時(shí)，閾值的選取十分重要。經(jīng)過(guò)對(duì)基于最大類(lèi)間方差的全局閾值法和Niblack局部閾值法、Bernsen局部閾值法[7]、全局均值和局部方差的方法[8]和局部均值和局部方差的方法進(jìn)行比較，其中局部均值和局部方差的方法雖然能準(zhǔn)確的對(duì)圖像進(jìn)行二值化，但會(huì)出現(xiàn)邊界效應(yīng)。為了消除這種邊界效應(yīng)，可在局部均值和局部方差方法的基礎(chǔ)上，逐點(diǎn)計(jì)算閾值并對(duì)圖像進(jìn)行二值化處理。

如圖3所示，先將圖像分為不重疊的r×r個(gè)子區(qū)域，再將每個(gè)子區(qū)域分成四個(gè)不重疊的小塊。其中C表示角塊，B表示邊塊，I表示中間塊。

圖3 圖像分塊

先計(jì)算每個(gè)區(qū)域的均值和方差，得到每個(gè)子區(qū)域單獨(dú)的閾值T(i,j),即

T(i,j)=w1m(i,j)+w2s(i,j)，

其中w1和w2為修正系數(shù)，一般取值范圍為0～1，這里由多次試驗(yàn)比較得

w1=0.65,w2=0.55,

而m(i,j)和s(i,j)分別為此區(qū)域的均值和方差，即

其中f(x,y)為原圖像灰度值，p和q分別為每個(gè)子區(qū)域的開(kāi)始行坐標(biāo)和列坐標(biāo)。

然后根據(jù)每個(gè)點(diǎn)的位置判斷該點(diǎn)的閾值T(x,y)。如果該點(diǎn)位于子區(qū)域的中心或者處于角塊，則該點(diǎn)閾值為該子區(qū)域的閾值；如果處于邊塊，則該點(diǎn)的閾值為該子區(qū)域和相鄰子區(qū)域閾值的線性差分的結(jié)果值；如果處于中間塊，則對(duì)該點(diǎn)所在的子區(qū)域和相鄰的其他四個(gè)子區(qū)域的閾值做線性差分，所得結(jié)果為該點(diǎn)的閾值。

隨后再通過(guò)閾值對(duì)圖像逐點(diǎn)進(jìn)行二值化處理，即

其中B(x,y)為二值化圖像，f(x,y)為原圖像灰度值，T(x,y)為該點(diǎn)閾值。

1.2 連通區(qū)域特征

將二值化后的圖像先通過(guò)開(kāi)操作斷開(kāi)較窄的狹頸并消除細(xì)的突出物，之后再通過(guò)閉操作彌合較窄的間斷和細(xì)長(zhǎng)的溝壑，以此形成大量連通區(qū)域，再進(jìn)行基于8連通的連通區(qū)域提取。根據(jù)DM條碼在原始圖像中所占的面積比和自身的長(zhǎng)寬比對(duì)連通區(qū)域的面積進(jìn)行限制，篩選出可能含有DM條碼的區(qū)域。

根據(jù)DM碼靜區(qū)的寬度，開(kāi)操作中的結(jié)構(gòu)元素參數(shù)取為2，閉操作中的結(jié)構(gòu)元素參數(shù)取為6，以使圖像中有關(guān)聯(lián)的物體形成連通區(qū)域，同時(shí)避免DM碼與背景圖像連通。

1.3 角點(diǎn)特征

由于DM條碼本身具有豐富的角點(diǎn)信息，故可據(jù)此特征確定DM碼所在的大致區(qū)域。采用Harris角點(diǎn)檢測(cè)方法進(jìn)行角點(diǎn)提取檢測(cè)。

Harris角點(diǎn)檢測(cè)算法是一種基于信號(hào)的點(diǎn)特征提取算子，若某個(gè)像素點(diǎn)向任何方向發(fā)生很小偏移時(shí)灰度都有很大變化，則認(rèn)為此像素點(diǎn)為角點(diǎn)[9]。

定義局部灰度變化量為

(1)

其中I(x,y)表示灰度值，Ix和Iy分別表示了x方向和y方向的一階灰度梯度。另外，為了加強(qiáng)抗噪能力，Harris算子選用了高斯窗口對(duì)圖像進(jìn)行降噪，即

將式(1)寫(xiě)成矩陣形式，即

Ex,y=[x,y]M[x,y]T。

其中

C=IxIy?w。

于是Harris角點(diǎn)即可定義為

R=det(M)-ktr2(M)

(2)

的局部區(qū)域最大值，其中k為經(jīng)驗(yàn)值，Harris建議取為0.04。det(M)表示矩陣M的行列式值，即

det(M)=AB-C2,

tr(M) 表示矩陣M的跡，即

tr(M)=A+B,

因此式(2)也可寫(xiě)為

R=AB-C2-k(A+B)2。

計(jì)算出上式的局部極限值，對(duì)應(yīng)的像素點(diǎn)即為角點(diǎn)。

1.4 邊緣特征

實(shí)際采集提取出的DM條碼通常都是存在傾斜角度的，必須采取必要的方法來(lái)糾正。

二維條碼一般都包含有自己獨(dú)特的定位符號(hào)，DM條碼的定位符號(hào)即為其特有的“L”邊。通過(guò)Canny邊緣檢測(cè)器和改善邊緣連續(xù)的方法[10]對(duì)提取出含有DM條碼的大致位置進(jìn)行邊緣檢測(cè)，通過(guò)Hough變換提取出其中最長(zhǎng)的兩條邊緣線即為其“L”邊。然后通過(guò)坐標(biāo)旋轉(zhuǎn)公式將DM條碼旋轉(zhuǎn)到正確位置，即

其中x1和y1為旋轉(zhuǎn)后的像素坐標(biāo)，x和y為旋轉(zhuǎn)前的像素坐標(biāo)，α為檢測(cè)出的“L”邊的傾斜角度。

2 實(shí)驗(yàn)結(jié)果

在強(qiáng)光，弱光等光照不均的情況下，通過(guò)480×640可調(diào)距攝像頭獲取大量圖像，獲取的圖像背景包含有機(jī)箱、文字、物體、圖案等復(fù)雜物體，并在Matlab 7.12平臺(tái)上編程實(shí)現(xiàn)提取算法，驗(yàn)證提取結(jié)果。實(shí)驗(yàn)所用圖像100幅，除去2幅由于嚴(yán)重畸變無(wú)法提取外，從其余圖像中皆能準(zhǔn)確提取出DM條碼。

以下面3幅提取結(jié)果圖為例。圖4(a)是將DM碼嵌入到機(jī)箱背部獲取的圖像，當(dāng)中含有大量干擾因素，比如電線、機(jī)箱本身的散熱孔，這些干擾因素都會(huì)對(duì)后期的角點(diǎn)檢測(cè)部分造成干擾，最終提取結(jié)果如圖4(c)所示。第2幅和第3幅圖像背景分別由大量文字(圖5)和戶(hù)外圖像(圖6)組成，提出結(jié)果也十分成功。

圖4 機(jī)箱背景

圖5 文字背景

圖6 戶(hù)外背景

3 結(jié) 語(yǔ)

從復(fù)雜背景中提取出二維條碼的研究在現(xiàn)實(shí)生活中具有重要的實(shí)用價(jià)值。所提算法通過(guò)對(duì)子區(qū)域進(jìn)行篩選，最終提取出二維條碼，受外界干擾小，穩(wěn)定性強(qiáng)。加之對(duì)同態(tài)濾波以及基于局部均值和局部方差而改進(jìn)的二值化算法，很好解決了由于光照不均對(duì)圖像產(chǎn)生的影響，對(duì)硬件要求也不高。實(shí)驗(yàn)表明，除簡(jiǎn)單物體、文字外，在其他更為復(fù)雜的背景下，所提算法也可以實(shí)現(xiàn)二維條碼提取。在接下來(lái)的工作中將繼續(xù)對(duì)本算法進(jìn)行改善，增強(qiáng)穩(wěn)定性及實(shí)時(shí)性。

[1] 徐杰民,肖云.二維條碼技術(shù)現(xiàn)狀及發(fā)展前景[J].計(jì)算機(jī)與現(xiàn)代化, 2004(12):141.

[2] 鄒沿新.DataMatrix二維條形碼圖像預(yù)處理及識(shí)別技術(shù)研究[D].長(zhǎng)沙：湖南大學(xué),2009:4-7.

[3] 王霞玲,呂岳,文穎.復(fù)雜背景和非均勻光照環(huán)境下的條碼自動(dòng)定位和識(shí)別[J].智能系統(tǒng)學(xué)報(bào),2010,5(1)：36-37.

[4] 劉寧鐘.復(fù)雜背景中條碼檢測(cè)定位技術(shù)的研究[J]. 南京航空航天大學(xué)學(xué)報(bào),2005,37(1):66-68.

[5] 李雅靜. Data Matrix二維條碼圖像識(shí)別的算法研究與實(shí)現(xiàn)[D].北京：北京交通大學(xué),2009:40-42.

[6] 梁琳,何衛(wèi)平,雷蕾,等.光照不均圖像增強(qiáng)方法綜述[J].計(jì)算機(jī)應(yīng)用研究,2010,27(5):1626-1627.

[7] Trier B D, Jain A K. Goal-Directed Evaluation of Binarization Methods[J]. IEEE Transactions on Patternern Analysis and Machine Intellegence, 1995,17(12):1991-1201.

[8] 龍鈞宇,金連文.一種基于全局均值和局部方差的圖像二值化方法[J].計(jì)算機(jī)工程,2004,30(2):70-72.

[9] 趙萬(wàn)金,龔聲蓉,劉純平,等.一種自適應(yīng)的Harris角點(diǎn)檢測(cè)算法[J].計(jì)算機(jī)工程,2008,34(10):212-217.

[10] 王蒙,呂建平.基于邊緣檢測(cè)和自動(dòng)種子區(qū)域生長(zhǎng)的圖像分割算法[J].西安郵電學(xué)院學(xué)報(bào),2011,16(6):17-18.

[責(zé)任編輯:王輝]

Extraction technology of 2-D barcode under complicated background

CHEN Wenyi1, CHEN Beimin2

(1. Institute of IOT & IT-based Industrialization, Xi’an University of Posts and Telecommunications, Xi’an 710121, China;2. School of Communication and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

To extract 2-D barcode from an image with complex scenes of many objects, an extraction technology based on the image features of connected region, corner and edge is proposed. It morphologically processes the gray-scale image after binarization, eliminates a large number of unrelated factors in complex scenes, and localizes 2-D barcode by checking corner detection of the selected sub-regions. Experiments on detecting many collected images under non-uniform illumination with different objects show that this technology can extract 2-D barcode from complex scenes accurately.

2-D barcode, homomorphic filter, connected region, corner detection

2013-11-14

陳文藝(1964-)，男，博士，教授，從事數(shù)字圖像處理及傳輸研究。E-mail: chenwy@xupt.edu.cn 陳蓓敏(1988-)，女，碩士研究生，研究方向?yàn)閿?shù)字圖像處理。E-mail: bm_chen@163.com

10.13682/j.issn.2095-6533.2014.02.008

TP391.41

A

2095-6533(2014)01-0048-04