一種針對彩色二維碼圖像的二值化方法

【摘要】二維碼圖像數(shù)據(jù)碼細小瑣碎，難以與背景區(qū)分開。提出一種針對彩色二維碼圖像的二值化方法，它以迭代法求取自適應(yīng)性閾值為基礎(chǔ)，將它與背景減法相結(jié)合，對減法結(jié)果進行分區(qū)處理。實驗結(jié)果表明，本方法能得到較好的二值化結(jié)果，對二維碼圖像的提取具有良好的適應(yīng)性。

【關(guān)鍵詞】彩色二維碼；圖像二值化；背景減法；形態(tài)學(xué)開運算

1、引言

對常用的圖像二值化方法比如Niblack法、Otus法（最大類間差法）、Bernsen法等進行總結(jié)。用上述二值化對日常生活的彩色二維碼進行圖像處理，發(fā)現(xiàn)不足并提出一種以迭代法為基礎(chǔ)的圖像二值化的新方法流程，用來處理與二維碼圖像相似的細小前景與復(fù)雜背景的圖像二值化分離。結(jié)果表明，常見的二值化方法不適用于彩色二維碼的二值化處理，不利于從數(shù)據(jù)碼中準(zhǔn)確提取前景信息點，本文基于MATLAB軟件仿真，以本文提到的算法流程對彩色二維碼圖像進行二值化，經(jīng)實驗結(jié)果證明該方法有效可行。

2、二值化方法

到目前為止，學(xué)者們提出的二值化方法有100多種，主要分為兩個類型：局部閾值法和全局閾值法。其中Niblack法，最大類間差法，Bernsen法，迭代法等是算法中較為經(jīng)典的算法，本文首先對這些算法進行大概的總結(jié)，分析其優(yōu)點和不足，然后再根據(jù)這些經(jīng)典算法進行擴展得出本文處理二維碼圖像的算法。

2.1Niblack法

Niblack屬于局部閥值算法，局部閥值法對于識別干擾比較嚴(yán)重，品質(zhì)較差的圖像具有較好的效果。m為以該像素點為中心的區(qū)域的平均灰度值，v是該區(qū)域的標(biāo)準(zhǔn)差，k是一個修正系數(shù)（通常取-0.1）。閾值的計算公式是：

此方法能夠很好應(yīng)對圖像光照不均的現(xiàn)象，但容易出現(xiàn)尾影，產(chǎn)生大量的噪聲。

2.2Bernsen法

Bernsen算法是一種典型的局部閥值算法。在灰度圖像中以像素點（i，j）為中心窗口，計算圖像各個像素點（i，j）的閾值T（i，j）。

2.3 Otus法（最大類間差法）

全局閥值方法操作容易，原理簡單，但是在圖像呈現(xiàn)光照不均、背景復(fù)雜、較多噪聲干擾時，表現(xiàn)出的效果差。最經(jīng)典方法就是最大類間差法（Otsu法）。Otsu法確定最佳閾值的準(zhǔn)則是將圖像通過閾值分為兩組，一組對應(yīng)目標(biāo)前景，一組對應(yīng)背景，使閾值分割后各個像素類的類內(nèi)方差最小，類別之間的差別最大。設(shè)T為選取的閥值，如果目標(biāo)點的灰度值小于閥值則歸為背景，大于該閥值則為前景。w0為在此閾值T下前景點數(shù)比例，u0為前景平均灰度；w1為背景點數(shù)比例，u1為背景平均灰度。式中u滿足：

當(dāng)方差g最大時，可以認(rèn)為此時前景和背景差異最大，此時閾值T為最理想閾值。

2.4迭代法

迭代法是另一種全局閥值算法。該方法初始選取一個估計閾值T和參數(shù)△T，參數(shù)△T用于控制迭代次數(shù)。具體步驟如下：（1）用閾值T分割圖像，產(chǎn)生兩組像素G1和G2，前者由所有灰度值大于T的像素組成，后者由所有灰度值小于等于T的像素組成。（2）然后分別計算G1、G2區(qū)域內(nèi)的平均灰度值m1和m2。（3）根據(jù)m1和m2計算出新的閾值（4）重復(fù)步驟（1）～（3），直到在連續(xù)重復(fù)中， 的差異比預(yù)先設(shè)定的參數(shù)△T小為止。

3、本文方法

所采用的步驟如下：首先對圖像進行圖像形態(tài)學(xué)開運算，開運算分為兩步，先去圖像進行腐蝕后對圖像使用相同的機構(gòu)元素進行膨脹操作。開運算能夠去除孤立的小點、毛刺，消除小物體，平滑大物體的邊界。

數(shù)學(xué)表達式為：。

然后再用原圖像和得到的開運算圖像進行減法運算，得到減法運算結(jié)果。圖像的減法運算也稱為差分法，是一種常用于檢測圖像變化及物體運動的圖像處理方法，這種方法可以提供圖像間的差異信息，消除圖像背景，清除背景噪聲。

接著將減法結(jié)果進行分區(qū)處理，其目的是分別求出分割后的各個區(qū)域通過迭代法所最后確定的閾值，統(tǒng)計所有的區(qū)域閾值的大小。因為此時減法結(jié)果數(shù)據(jù)碼為深色，而背景為淺色，如何選取一個合適的閾值來區(qū)分?jǐn)?shù)據(jù)碼和背景是對圖像二值化的關(guān)鍵。對每個劃分的區(qū)域進行迭代法計算動選取的閾值T1、T2、T3…….最接近、最難以識別的區(qū)域，并且通過合適的閾值Tn將其有效的二值化，然后對整個使用Tn來進行全部圖像的二值化。

在分區(qū)圖像中，大于閾值T的像素二值化后顯示為白色，小于閾值則表現(xiàn)為黑色，區(qū)域中最難以區(qū)別、最接近的區(qū)域一定閾值Tn一定是{T1、T2、T3…….}中最小的閾值，故。

將減法運算結(jié)果分區(qū)域，本文將圖像分為4塊區(qū)域，選取4塊區(qū)域中最小的閾值Tn來進行后續(xù)二值化步驟。可以根據(jù)準(zhǔn)確度的需要或者圖像前景和背景的復(fù)雜程度來確定劃分區(qū)域的多少，如果圖像復(fù)雜，準(zhǔn)確度要求高，可在原圖像中分為9塊或16塊區(qū)域進行分別求取合適閾值再比較其大小。

接著分別求取四塊區(qū)域通過自動閾值法（迭代法）所得到的合適的閾值。四個區(qū)域分別是左上、右上、左下、右下，所對應(yīng)的閾為 T1、T2、T3、T4。其數(shù)值如圖所示，分別為T1=82.767，T2=102.02， T3=85.651，T4=106.3。不難從上述數(shù)據(jù)看出，T1在{T1、T2、T3…….}中為最小數(shù)值，故，這表示T1所對應(yīng)的左上的區(qū)域是本圖像中最難識別，前景和背景最相近最復(fù)雜的。選取作為全圖像的閾值能很好的進行二值化。

通過以為閾值進行二值化后產(chǎn)生的結(jié)果如圖5（a）所示，通過后續(xù)的邊緣提取和分割能過從中準(zhǔn)確提取二維碼數(shù)據(jù)碼范圍如圖5（b）所示，然后可以在對圖像進行中值濾波得到圖5（c），圖5（b）（c）均可以被二維碼識別軟件識別。本文只介紹對二維碼二值化的一種方法，對后續(xù)處理不做過多說明。

4、結(jié)語

通過上述方法可以得到良好的二值化效果，能夠在圖像中有效的去除噪聲，消除背景的影響得到清晰的二值化結(jié)果。相比傳統(tǒng)的Niblack法，Otus算法等方法，本文方法在處理彩色二維碼或者與彩色二維碼相類似的前景瑣碎，背景復(fù)雜的圖像時，通過首先對圖像進行開運算，對圖像先腐蝕再膨脹且做背景減法，使得背景模糊化，前景突出化，從而完成第一步圖像前景初次提取。然后再通過分區(qū)處理，在背景減法結(jié)果中找到合適的閾值對其進行二值化，使前景信息（二維碼數(shù)據(jù)碼）以較為清晰的形態(tài)展現(xiàn)出來。在經(jīng)過本文處理后還可以對圖像再進行后續(xù)的平滑去噪，銳度化等等，圖像經(jīng)過處理后還是有少許信息丟失的情況，因為二維碼自身有是糾錯功能，所以并不影響二維碼在軟件中的識別，但在今后不論是研究擴展還是應(yīng)用識別都需要有改進之處。

參考文獻

[1]鄒雄，劉國棟，曾文平.QR碼圖像預(yù)處理中的濾波研究[J].應(yīng)用光學(xué)（Journal Of Applied called）， 2010， 31（3）：413-417.

作者簡介

靳佳澍（1991-），男，河南開封人，碩士研究生，研究方向為控制工程。