基于掃描槍的字符二維條碼識(shí)讀算法研究

，， ，，

(1.浙江工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，浙江 杭州 310023；2.杭州網(wǎng)新聞中心，浙江 杭州 310041)

目前，傳統(tǒng)的圖像二維條碼(如DM碼、QR碼等)由于其信息量大、可靠性高、成本低廉、準(zhǔn)確度高、容錯(cuò)能力強(qiáng)等眾多優(yōu)點(diǎn)已經(jīng)被廣泛的應(yīng)用于各種領(lǐng)域[1].隨著二維條碼在手機(jī)上的廣泛應(yīng)用，字符二維條碼營運(yùn)而生.字符二維條碼不同于傳統(tǒng)圖像二維條碼，條碼信息是以字符信息組成條碼矩陣，這種以文本方式構(gòu)建的二維條碼可以極大地降低通信成本，方便手機(jī)終端的信息發(fā)送和接收，是移動(dòng)增值業(yè)務(wù)中的一個(gè)重要部分.

傳統(tǒng)的掃描槍并不支持字符二維條碼的識(shí)別，因此針對Honeywell掃描槍設(shè)計(jì)、開發(fā)針對掃描槍的字符二維條碼識(shí)別算法.采用掃描槍進(jìn)行字符二維條碼拍攝時(shí)，往往會(huì)存在光照不均或者光線不佳的情況；同時(shí)，由于掃描槍自帶的內(nèi)存空間有限，運(yùn)行速度較慢，都使得一些傳統(tǒng)的圖像分割算法、識(shí)別算法無法直接應(yīng)用于掃描槍.因而，筆者主要研究來自掃描槍的字符二維條碼圖像分割方法、字符二維條碼定位方法以及字符分割和識(shí)別算法，提出了采用全局閾值化與局部閾值化相結(jié)合的方法進(jìn)行閾值化處理，并采用形態(tài)學(xué)方法對二值化后的圖像去噪，接著提出了一種改進(jìn)的圓檢測技術(shù)，以十字法為基礎(chǔ)，通過形狀角和圓形度值檢測，找出定位符，擬合出字符區(qū)域；再采用投影方法進(jìn)行字符分割，提出了基于特征融合的識(shí)別方法實(shí)現(xiàn)字符識(shí)別.

1 字符二維條碼圖像分割

由于掃描槍獲得的字符二維條碼圖像是灰度圖(圖1)，可直接通過對圖像的分割獲取字符二維條碼.考慮到掃描槍有限的內(nèi)存容量和運(yùn)算速度，采用閾值化和去噪兩個(gè)過程提取字符二維條碼圖像.在現(xiàn)有的閥值化方法中主要有兩類，即全局閾值化方法與局部閾值化方法.其中，在全局閾值分割算法中有一維OTSU算法、Kittler算法和最大熵法等，基于二維灰度直方圖的有二維OTSU算法等.局部閾值化方法則是將圖像按照一定的規(guī)則分割成多個(gè)區(qū)域，然后對每個(gè)區(qū)域采用特定的方法選取合適的閾值T進(jìn)行分割.經(jīng)典的局部閾值分割方法有：Bersen算法和Wellner算法.

圖1 字符二維條碼

但總體來講，全局閥值化方法運(yùn)算開銷大，尤其當(dāng)光照不均導(dǎo)致，存在對臨界像素分割的模糊性，會(huì)導(dǎo)致在后期的特征提取中存在一定誤差，影響識(shí)別率.因此提出一種基于全局閾值與局部閾值相結(jié)合的閾值化方法，考慮到掃描槍內(nèi)存和運(yùn)行速度的限制，筆者采用基于一維OTSU算法作為全局閾值，局部采用Bradley[2]算法進(jìn)行閾值化，具體算法過程為

1) 遍歷分割出來的字符圖像f(x,y)，通過一維OTSU算法取閾值T1.

2) 將明顯大于T1的值設(shè)置為白色，明顯小于T1的設(shè)置為黑色，而在T1臨近領(lǐng)域內(nèi)的值采用Bradley算法進(jìn)行局部閾值化，根據(jù)實(shí)驗(yàn)數(shù)據(jù)，設(shè)置閾值取值范圍為[0.8T1,1.2T1]效果比較好.

3) 對于局部區(qū)域，采用Bradley算法來獲取閾值,記w為Bradley算法的處理寬度，字符條碼圖像中w取為3，其閾值計(jì)算式為

(1)

4) 通過閾值分割后，灰度圖像二值化的圖像為g(x,y)，則全局分割結(jié)果為

(2)

5) 局部分割結(jié)果為

(3)

針對幾種局部與整體相結(jié)合的閾值化分割算法在PC端做了相應(yīng)測試，將筆者算法與文獻(xiàn)[3]和文獻(xiàn)[4]進(jìn)行比較，如表1所示，文獻(xiàn)中的算法效果不夠理想，條碼區(qū)域中還混有噪聲，文獻(xiàn)[4]效果清晰，但是引入了許多噪聲，筆者算法既能分割條碼區(qū)域，又能避免噪聲的產(chǎn)生.

一般來講，二值化后的圖像會(huì)產(chǎn)生一些椒鹽噪聲，為了提高字符分割的準(zhǔn)確率，需對圖像進(jìn)行去噪.常用的圖像去噪算法有均值濾波、中值濾波等，這些算法對于不同類型的噪聲有一定的去噪效果，但是會(huì)引起圖像在細(xì)節(jié)上的一些損失，導(dǎo)致去噪后的圖像并不能達(dá)到人們預(yù)期的效果.采用數(shù)學(xué)形態(tài)學(xué)方法的開運(yùn)算方法[5].開運(yùn)算數(shù)學(xué)形式可表示為

X°B=(XΘB)⊕B

(4)

該運(yùn)算是一個(gè)先腐蝕后膨脹的過程，即X被結(jié)構(gòu)元素B作開運(yùn)算的結(jié)果.其作用主要是消除圖像中一些孤立的小物體、在纖細(xì)點(diǎn)處分離物體及平滑較大物體的邊界，同時(shí)并不明顯改變其位置和面積.

閉運(yùn)算數(shù)學(xué)形式可表示為

X·B=(X⊕B)ΘB

(5)

閉運(yùn)算與開運(yùn)算相反，是一個(gè)先膨脹后腐蝕的過程，即X被結(jié)構(gòu)元素B作閉合運(yùn)算的結(jié)果.作用主要用來填平物體內(nèi)細(xì)小空洞、連接鄰近物體及平滑物體邊界，同時(shí)并不明顯改變其位置和面積.

通過開運(yùn)算、閉運(yùn)算來對實(shí)現(xiàn)二值化圖像去噪.

表1 幾種全局與局部閾值結(jié)合算法比較

2 字符二維條碼定位

目前，常用的條碼定位方法(圖2)主要有針對QR碼的回形標(biāo)記、DM碼的L型標(biāo)記等方法，文獻(xiàn)[6-7]所提出的字符二維條碼的定位符是三角形標(biāo)記，但是由于回形標(biāo)記、L型標(biāo)記和三角形標(biāo)記定位前期需要找出所有連通區(qū)域，然后根據(jù)回形標(biāo)記或L型標(biāo)的特征進(jìn)行篩選出定位符，而掃描槍內(nèi)存有限，無法存放過多連通區(qū)域，因此字符二維條碼采用實(shí)心圓作為定位符，需針對圓的幾何特征進(jìn)行定位.針對圓形自動(dòng)檢測技術(shù)主要有基于傳統(tǒng)的Hough變換及相應(yīng)的改進(jìn)算法[8]、幾何參數(shù)法.近年來，Chen等[9]提出一種新的隨機(jī)圓檢測算法，該方法對理想圖像效果比較好，而對于復(fù)雜的圖像，就難以獲得好的效果.

圖2 不同條碼定位符

2.1 圓檢測技術(shù)

由于提出的字符二維條碼是以三個(gè)實(shí)心圓為定位符，所以，如何定位這些實(shí)心圓就成為本算法的一個(gè)重要研究內(nèi)容.根據(jù)圓的幾何特性，比較常用的方法有形狀角、圓形度值等.形狀角Dα的定義為

(6)

圓形度值計(jì)算式為

(7)

式中S和L分別為圓的面積和周長，理論上，一個(gè)標(biāo)準(zhǔn)的圓對應(yīng)的圓形度值為1.根據(jù)這個(gè)定義，所有多邊形的圓形度值范圍在[0,1]之間，當(dāng)圖形越接近圓形時(shí)，其圓形度值才能越接近1，因此圓形度值的大小能反映出被檢測圖形的圓形程度.這個(gè)方法具有算法復(fù)雜度低、計(jì)算速度快和占用內(nèi)存小等優(yōu)點(diǎn)，正滿足掃描槍對于內(nèi)存和時(shí)間的限制，同時(shí)該方法具有很強(qiáng)的魯棒性.

2.2 基于形狀角與圓形度值的定位技術(shù)

首先采用十字法獲取圓心，十字法的原理是圓心到邊緣距離相等，因此如果一個(gè)點(diǎn)到上下左右邊緣距離相等或者四個(gè)距離之差在某個(gè)閾值ω中，這里ω取5，就把該點(diǎn)劃分為圓心.然后通過這個(gè)圓心點(diǎn)，獲取一個(gè)連通區(qū)域.由于掃描槍獲得的條碼圖像可能因圖像傾斜導(dǎo)致字符及圓形定位法形變，即圓形定位符會(huì)呈現(xiàn)橢圓形.一般來講，若這種形變不太大，仍可認(rèn)定為圓形定位符.通過實(shí)驗(yàn)驗(yàn)證，若橢圓形的高寬比設(shè)在[0.8,1.2]范圍內(nèi)，能夠取得比較好的效果.其表達(dá)式為

H(Ri)∶W(Ri)<=1.2&&H(Ri)∶W(Ri)>=0.8

(8)

式中H(Ri)和W(Ri)分別為連通域的高度和寬度，Ri為第i個(gè)連通區(qū)域.

在這些定位方法的基礎(chǔ)上，字符二維條碼的整個(gè)定位過程如下：

1) 先進(jìn)行幾何特征篩選，過濾一些明顯不規(guī)則的背景連通區(qū)域.

2) 對篩選出的連通域進(jìn)行邊緣檢測，計(jì)算連通域質(zhì)心，計(jì)算形狀角Dα，理想的圓Dα為0，因此對于Dα≤ε的圖性可判斷為圓，這里取ε=π/6.

3) 通過反腐蝕運(yùn)算計(jì)算連通域周長Li和統(tǒng)計(jì)連通域像素點(diǎn)的個(gè)數(shù)獲取面積Si，根據(jù)這兩個(gè)值可得到每個(gè)連通域的圓形度值Ti，即

(9)

如果最終獲得的連通區(qū)域大于三個(gè)，則對這些候選連通域的圓形度值進(jìn)行排序，因?yàn)樵谒蟹忾]圖形中，圓的圓形度值是最大的，因而，找出排在前面的三個(gè)最大圓形度，即對應(yīng)著三個(gè)定位符.

4) 定位出實(shí)心圓后，需找出三個(gè)實(shí)心圓相應(yīng)的圓心.計(jì)算出圓心，就可以根據(jù)圓心坐標(biāo)和圓的半徑來確定字符條碼區(qū)域的坐標(biāo)范圍.這里的圓心坐標(biāo)計(jì)算式為

(10)

(11)

(12)

式中：(xi,yi)為圓心坐標(biāo)；ri為第i(i=0，1，2)個(gè)圓的半徑；Ai為第i個(gè)實(shí)心圓的面積；Ri為第i個(gè)實(shí)心圓連通域.

5) 由于字符二維條碼形狀是對稱矩形結(jié)構(gòu)，在已知條碼區(qū)域的三個(gè)頂點(diǎn)坐標(biāo)情況下，根據(jù)幾何對稱原理可確定第四個(gè)頂點(diǎn)D1的坐標(biāo)，計(jì)算式如為

xD1=xA1-xB1+xC1

(13)

yD1=yA1-yB1+yC1

(14)

最后根據(jù)四邊形A1B1C1D1和圓半徑ri最終得出條碼區(qū)域ABCD，如圖3所示.圖4給出了字符二維條碼的定位過程.

圖3 字符二維條碼的定位區(qū)域

若字符二維條碼圖像存在傾斜問題，還需對圖像進(jìn)行校正，校正過程如圖5所示.

圖4 字符二維條碼的定位過程

圖5 字符二維條碼圖像校正

3 字符分割與識(shí)別

3.1 字符分割

字符分割技術(shù)就是將單個(gè)字符從圖像中分割出來.主要的字符分割技術(shù)有投影法和模板匹配法.文獻(xiàn)[10]使用了一種模板匹配與垂直、水平投影法結(jié)合的算法對船名標(biāo)志牌上的各字符進(jìn)行分割，該方法可以對噪聲較多的圖像做出精確的分割，但是模板匹配算法邏輯設(shè)計(jì)復(fù)雜、循環(huán)迭代次數(shù)過多從而導(dǎo)致計(jì)算速度慢.這里，字符分割主要采用了簡單常用的投影法.投影法是對字符圖像進(jìn)行逐行掃描，統(tǒng)計(jì)像素點(diǎn)的投影，即像素點(diǎn)在列上的個(gè)數(shù)，根據(jù)投影圖像中出現(xiàn)的波峰和波谷，字符為波峰，字符間隙為波谷，找到這些波谷就找到了分割點(diǎn).該算法簡單易行，但對字符圖像要求比較高，對于一些定位不夠精確或者傾向校正不好圖像，將難以進(jìn)行分割.由于條碼字符均為全角，行列等寬且對齊的，因此采用投影法進(jìn)行粗分割，然后再統(tǒng)計(jì)像素點(diǎn)的位置進(jìn)行細(xì)分割，具體算法如下：

1) 遍歷分割出的條碼圖像，統(tǒng)計(jì)在垂直方式像素點(diǎn)個(gè)數(shù)，獲取字符圖像垂直投影值.

2) 然后設(shè)置一個(gè)平衡窗口w，對投影圖像進(jìn)行均值平滑.

3) 對平滑后的投影圖像找出波峰和波谷，并根據(jù)波谷劃出垂直分割線.

4) 對字符圖像進(jìn)行水平投影.

5) 設(shè)置一個(gè)平衡窗口h，對投影圖像進(jìn)行均值平滑.

6) 對平滑后的投影圖像找出波峰和波谷，并根據(jù)波谷劃出水平分割線.

7) 根據(jù)垂直和水平分割線，將字符劃分為N塊，對每塊進(jìn)行處理，統(tǒng)計(jì)每塊中的字符像素點(diǎn)位置.

依據(jù)上述的字符分割算法可以得到圖6的分割結(jié)果.

圖6 字符分割圖

3.2 字符特征提取

對分割后的字符進(jìn)行歸一化處理后，即可進(jìn)行字符特征提取.筆者選取了字符的三種特征：1) 網(wǎng)格特征：字符的網(wǎng)格特征依據(jù)指定的維度4×6將每個(gè)字符區(qū)域分成24個(gè)子區(qū)域，每個(gè)子區(qū)域大小為5×5(寬度和高度都為5個(gè)像素)，統(tǒng)計(jì)每個(gè)子區(qū)域中黑像素點(diǎn)個(gè)數(shù)作為特征.2) 穿透特征：穿透特征是在字符圖像中統(tǒng)計(jì)行和列中黑白像素變化次數(shù).3) 內(nèi)部距離特征：內(nèi)部距離特征是在字符圖像中統(tǒng)計(jì)行和列中內(nèi)部的像素距離，即逐行(列)掃描字符區(qū)域，從左至右(從上至下)從遇到第一個(gè)由黑變白的像素點(diǎn)開始統(tǒng)計(jì)，直到遇到第一個(gè)由白變黑的像素為止，作為當(dāng)前行(列)的內(nèi)部像素距離，如圖7所示.

圖7 內(nèi)部距離特征

將上述這三種結(jié)構(gòu)特征方法融合作為字符的特征.其中，網(wǎng)格特征維數(shù)為24，穿越特征的維數(shù)為50，字符內(nèi)部距離特征維數(shù)為50，融合后的總維數(shù)為124.建立了字符特征后，可以采用多種方式進(jìn)行字符識(shí)別.常用的方法有模板匹配法、人工神經(jīng)網(wǎng)絡(luò)法、AdaBoost法及支持向量機(jī)(SVM)法.其中人工神經(jīng)網(wǎng)絡(luò)法其學(xué)習(xí)能力好、自適應(yīng)性強(qiáng)與容錯(cuò)性高，但是需要通過經(jīng)驗(yàn)和反復(fù)的實(shí)驗(yàn)來確定，訓(xùn)練花費(fèi)時(shí)間長；AdaBoost法適應(yīng)性較弱，容易發(fā)生退化現(xiàn)象，訓(xùn)練所需的時(shí)間也較長；SVM法訓(xùn)練后生成的模板過大，掃描槍內(nèi)存無法加載運(yùn)行.因此采用更為靈活的基于模板匹配方法進(jìn)行識(shí)別[11].即事先建立相應(yīng)的26個(gè)字母的模版庫，通過字符特征進(jìn)行匹配，實(shí)現(xiàn)字符識(shí)別.例如：在圖8中，通過分割處理、歸一化后獲得的四個(gè)字符，表2是該四個(gè)字符的三個(gè)特征值.

圖8 歸一化后的字符

表2 字符特征值

表2所示的數(shù)值表示該字符在各個(gè)維度上的特征值，將每個(gè)維度上特征值與模板庫中每個(gè)模板對應(yīng)的維度上特征值進(jìn)行差平方運(yùn)算，計(jì)算得到值作為兩者之間距離，如將圖8中各個(gè)字符的特征值分別與模板庫中字符特征值進(jìn)行差平方計(jì)算，其中，圖8中所示字符與模板庫“P”的距離分別為231，252，1 681，1 786，與模板庫中“F”的距離分別為1 705，1 811，138，179.由于距離值越小，則字符與模板越相似，可以看出圖8(a,b)與“P”最相似，圖8(c,d)與“F”最相似.對300幅字符二維條碼圖像在計(jì)算機(jī)上進(jìn)行識(shí)別，并與采用SVM識(shí)別方法進(jìn)行比較，筆者的識(shí)別率能達(dá)到98%以上，如表3所示.

表3 實(shí)驗(yàn)結(jié)果對比

筆者的方法在識(shí)別率上雖然比SVM方法略差，但是識(shí)別速度上明顯優(yōu)于SVM的方法.由于利用SVM識(shí)別方法，在訓(xùn)練后會(huì)產(chǎn)生龐大的模板庫，無法運(yùn)行在掃描槍中.因而，筆者采用了基于特征融合的模板匹配識(shí)別方法.該方法由于充分利用了字符的形態(tài)特點(diǎn)和排列規(guī)律，具有較好的抗干擾能力.

4 結(jié) 論

首先分析了字符二維條碼的結(jié)構(gòu)特征，研究了基于圓定位符的字符二維條碼定位算法，通過形狀角和圓形度值算法來實(shí)現(xiàn)字符二維條碼定位符的定位，進(jìn)而實(shí)現(xiàn)整個(gè)條碼區(qū)域的定位.然后通過基于投影法的字符分割技術(shù)，通過二次平滑后進(jìn)行粗分割，再用像素統(tǒng)計(jì)方法進(jìn)行細(xì)分割，以此實(shí)現(xiàn)字符分割.通過基于特征融合的模板匹配方法，實(shí)現(xiàn)條碼字符的識(shí)別.該方法不僅速度快，實(shí)時(shí)性好，而且得到的分割效果也令人滿意.

參考文獻(xiàn)：

[1] 吳佳鵬.二維條碼識(shí)讀技術(shù)及其應(yīng)用研究[D].天津：天津大學(xué),2010.

[2] BRADLEY D, ROTH G. Adaptive thresholding using the integral image[J]. Journal of Graphics Tools,2007,12(2):13-21.

[3] 楊朔，尚振宏.一種新的二維條碼圖像二值化算法[J].昆明理工大學(xué)學(xué)報(bào)：理工版,2008,3(1):43-51.

[4] 何振芬.字符二維條碼識(shí)別技術(shù)研究[D].杭州：浙江工業(yè)大學(xué),2012.

[5] 謝俊喜.基于數(shù)學(xué)形態(tài)學(xué)的二維條碼識(shí)別[J].計(jì)算機(jī)工程與技術(shù),2009,38(2):35-39.

[6] 徐彩虹,劉志,馮曉斐.一種字符二維碼的設(shè)計(jì)與實(shí)現(xiàn)[J].浙江工業(yè)大學(xué)學(xué)報(bào),2012,40(5):518-523.

[7] 劉志,姜帆,馮曉斐.字符二維條碼編碼方法研究[J].浙江工業(yè)大學(xué)學(xué)報(bào),2013,41(4):444-451.

[8] 秦開懷,王海穎,鄭輯濤.一種基于Hough變換的圓和矩形的快速檢測方法[J].中國圖象圖形學(xué)報(bào),2010,15(1):109-115.

[9] CHEN Hai-feng， LEI Hua， KONG Yan-bo， et al. An improved randomized algorithm for detecting ellipses based on least square approach[J]. Journal of Zhejiang University：Engineering Science，2008,42(8):1360-1364.

[10] 古輝,王益義.一種基于模板匹配的船銘牌字符分割方法[J].浙江工業(yè)大學(xué)學(xué)報(bào),2010,38(1):33-40.

[11] 陳瑋,曹志廣,李劍平.改進(jìn)的模板匹配方法在車牌識(shí)別中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì),2013,34(5):1808-1811.