基于OpenCV的多重干擾點(diǎn)二維碼圖像檢測(cè)研究

范澤華 陳茂林

摘 要：在快捷支付的生活中，手機(jī)掃描二維碼圖像時(shí)會(huì)因囊括其他非用戶鎖定的二維碼而導(dǎo)致識(shí)別失敗，用戶需要重新掃描二維碼才能解決該問題，降低了二維碼使用的便捷率。本文提出了一種改進(jìn)的輪廓定位檢測(cè)方法，先將圖像進(jìn)行降噪處理和圖像增強(qiáng)處理，然后再獲取關(guān)鍵探測(cè)圖形的位置，最后通過旋轉(zhuǎn)與ROI區(qū)域選定生成標(biāo)準(zhǔn)二維碼圖像。實(shí)驗(yàn)結(jié)果表明，本方法可提高二維碼圖像的檢測(cè)率。

關(guān)鍵詞：二維碼；圖像預(yù)處理；位置探測(cè)圖形；輪廓定位檢測(cè)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2018）22-0021-02

Research on Image Detection of QR Code with Multiple Interference

Points Based on OpenCV Library

FAN Zehua CHEN Maolin

（Chongqing Jiaotong University，Chongqing 400074）

Abstract： In the life of fast payment， mobile phone scanning two-dimensional code image will result in recognition failure because it contains other two-dimensional code locked by non-users. Users need to re-scan two-dimensional code to solve this problem and reduce the convenience of using two-dimensional code. In this paper， an improved contour location detection method was proposed. First， the image was denoised and enhanced， then the position of the key detection image was obtained. Finally， the standard two-dimensional code image was generated by rotation and ROI region selection. Experimental results showed that this method could improve the detection rate of two-dimensional code images.

Keywords： QR Code；image preprocessing；position detection graphics；contour location detection

二維碼是用某種特定的幾何圖形按一定規(guī)律在二維平面維度上采用黑白相間的圖形來記錄數(shù)據(jù)符號(hào)信息的，通過圖像輸入設(shè)備或光電掃描設(shè)備自動(dòng)識(shí)讀以實(shí)現(xiàn)信息自動(dòng)處理。在二維碼密集度較高的情況下，二維碼之間也會(huì)產(chǎn)生噪聲。目前使用的輪廓定位法會(huì)因?yàn)榉悄繕?biāo)二維碼的噪聲干擾導(dǎo)致檢測(cè)失敗，從而導(dǎo)致二維碼的應(yīng)用效率下降。本文從圖像預(yù)處理過程中的檢測(cè)階段入手，對(duì)輪廓定位法進(jìn)行改進(jìn)，從而提高圖像預(yù)處理的精準(zhǔn)度。

1 圖像預(yù)處理

根據(jù)二維碼的屬性，需要對(duì)其中的圖像進(jìn)行降噪處理和圖像增強(qiáng)處理。

1.1 灰度處理

對(duì)于彩色圖像，將圖像的RGB分量轉(zhuǎn)化成灰度（過濾彩色干擾），其轉(zhuǎn)化公式為：

[Gray=0.3×R+0.59×G+0.11×B] （1）

1.2 濾波處理

通過電子設(shè)備采集的圖像通常會(huì)受到電磁干擾，為了提高圖像識(shí)別的精度，需要對(duì)之前的灰度圖進(jìn)行去噪處理[1]。數(shù)學(xué)公式表示為：

[Yi=Medfi-v，…，fi-1，fi，fi+1，…，fi+v] （2）

其中，[i∈N]，[v=m-1/2]，[Yi]為序列[fi-v，…，fi-1，fi，fi+1，…，fi+v]的中值。

1.3 灰度圖像直方圖均衡化

考慮到光照問題，曝光過度或者曝光不足的圖像需要采用灰度圖像直方圖均衡化來增強(qiáng)圖像細(xì)節(jié)[2]。

灰度直方圖均衡化算法實(shí)現(xiàn)步驟如下。

①統(tǒng)計(jì)原始圖像各灰度級(jí)的像素?cái)?shù)目[ni]（[0≤i②圖像中灰度為[i]的像素出現(xiàn)的概率是：[px（i）=p（x=i）=ni/n]，其中[n]是當(dāng)前圖像中所有的像素?cái)?shù)，[px（i）]是像素值為[i]的圖像的直方圖，歸一化到[0，1]；

③px的累積分布函數(shù)，是圖像的累計(jì)歸一化直方圖：

[cdfxi=j=0ipx（j）] （3）

④直方圖均衡化計(jì)算公式，cdfmin為累積分布函數(shù)最小值，M和N分別代表圖像的長(zhǎng)寬像素個(gè)數(shù)，而L則是灰度級(jí)數(shù)（如圖像為8位深度，則灰度級(jí)別共有28=256個(gè)級(jí)數(shù)，這也是最常見的灰度級(jí)數(shù)），v為原始圖像中為v的像素值：

[hv=roundcdfv-cdfminM*N-cdfmin*L-1] （4）

1.4 二值化

根據(jù)二維碼的“0”“1”比特流的概念，這里需要對(duì)前面處理的圖像進(jìn)行二值化，進(jìn)一步將灰度圖像處理為非黑即白的黑白效果圖。

灰度圖像閾值處理公式為：

[fx，y=0 fx，y

2 位置探測(cè)圖形的重定位實(shí)現(xiàn)

2.1 位置探測(cè)圖形的提取

二維碼在區(qū)域上有嚴(yán)格的定義。其中，二維碼圖像有效區(qū)域中存在三個(gè)探測(cè)圖形。探測(cè)圖形中黑白相間圖形的寬度之比為1∶1∶3∶1∶1。經(jīng)過位置探測(cè)圖形提取處理后，生成僅僅只包含探測(cè)圖形的圖像。

2.2 關(guān)鍵位置探測(cè)圖形的重定位

確認(rèn)好位置探測(cè)圖形的坐標(biāo)信息后，求解坐標(biāo)之間的斜率。其中，左上角的探測(cè)圖形與其他兩個(gè)圖形的夾角等于90° ± δ 。

通過斜率與角度的公式轉(zhuǎn)換可推導(dǎo)出夾角模型：

[angle=arctanki×180π-arctankj×180π] （6）

當(dāng)且僅當(dāng)[angle=90°±δ]且探測(cè)圖形之間的歐式距離為最小的情況下，滿足關(guān)鍵位置探測(cè)圖形篩選條件[3]。

2.3 旋轉(zhuǎn)變換

在確認(rèn)好關(guān)鍵位置探測(cè)圖形后，需要對(duì)圖形進(jìn)行幾何變換，處理成標(biāo)準(zhǔn)的二維碼圖像。本文主要采用旋轉(zhuǎn)變化，圖像的旋轉(zhuǎn)變換通常是以輸入圖像的中心像素為原點(diǎn)，將圖像上的所有像素都按一個(gè)相同的角度進(jìn)行旋轉(zhuǎn)，但這里選定左下和右上的探測(cè)圖形的中點(diǎn)C作為旋轉(zhuǎn)中心。根據(jù)旋轉(zhuǎn)變換的矩陣公式與斜率角度轉(zhuǎn)換公式可以得到旋轉(zhuǎn)模型：

[xi，yi，1=xi，yi，1cosarctank0×180π sinarctank0×180π 0-sinarctank0×180π cosarctank0×180π 0 0 0 1]（7）

其中，[k0]為中點(diǎn)C與圖像左下對(duì)角點(diǎn)的斜率。

通過旋轉(zhuǎn)處理與ROI區(qū)域選定后，處理出最終的標(biāo)準(zhǔn)二維碼圖像（如圖2所示）。

3 結(jié)果分析

為了驗(yàn)證方法的可行性，采用手機(jī)采集二維碼圖像信息的方式進(jìn)行處理。為了達(dá)到實(shí)驗(yàn)?zāi)康?，從店鋪的微信支付寶云支付收款碼進(jìn)行采集，共選取200張作為測(cè)試圖像。其中，成功生成標(biāo)準(zhǔn)二維碼圖片的數(shù)量為187，檢測(cè)成功率為93.5%。從實(shí)驗(yàn)結(jié)果看，本文的檢測(cè)方法可行性較高。該方法降低了顧客使用手機(jī)掃描二維碼的時(shí)間，提高了二維碼的快捷效率。

4 結(jié)語

二維碼區(qū)域的確定存在一定的誤判性，本文通過對(duì)包含二維碼的圖像進(jìn)行減噪與增強(qiáng)圖像處理，從二維碼的屬性出發(fā)，提取關(guān)鍵位置探測(cè)圖像。由此，快速鎖定了用戶感興趣的區(qū)域，降低了用戶的操作時(shí)間。但本文存在一定的局限性，只能應(yīng)用于店鋪堆放的二維碼圖像和環(huán)境較好的情況，而對(duì)位置探測(cè)圖像數(shù)量較多的圖像需要進(jìn)一步研究。

參考文獻(xiàn)：

[1]歐福超.基于圖像處理的QR碼圖像預(yù)處理的研究[D].濟(jì)南：山東大學(xué)，2014.

[2]齊鳳山，蔣廷耀.基于Harris的二維碼圖像角點(diǎn)檢測(cè)方法改進(jìn)[J].軟件導(dǎo)刊，2016（5）：199-201.

[3]灰度圖像直方圖均衡化公式及實(shí)現(xiàn)[EB/OL].（2018-01-28）[2018-06-01].https：//blog.csdn.net/fengbingchun/article/details/79188021.