基于復雜背景的二維條碼提取技術

陳文藝, 陳蓓敏

(1西安郵電大學 物聯網與兩化融合研究院, 陜西 西安 710061; 2 西安郵電大學 通信與信息工程學院, 陜西 西安 710121)

基于復雜背景的二維條碼提取技術

陳文藝1, 陳蓓敏2

(1西安郵電大學 物聯網與兩化融合研究院, 陜西 西安 710061; 2 西安郵電大學 通信與信息工程學院, 陜西 西安 710121)

為了從含有大量物體的復雜背景圖像中提取出二維條碼，給出一種基于圖像連通區域特征、角點特征和邊緣特征的提取方法，即將灰度圖像二值化后進行形態學處理，排除復雜背景中大量無關因素，對篩選出的子區域進行角點檢測準確定位出二維條碼的位置。通過采集大量不同光照、不同物體為背景的圖像對新方法進行檢測，提取結果均獲成功。

二維條碼；同態濾波；連通區域；角點檢測

隨著社會信息化發展，條碼技術得到廣泛應用。二維條碼因具備高密度、高譯碼準確度、高保密性以及高容錯度等優點，而被廣泛應用于商業、軍事、運輸和管理等方面[1]，因此，對二維條碼的識別技術顯得尤為重要。二維條碼分為堆疊式二維條碼和矩陣式二維條碼，其中較為廣泛應用的有PDF417、數據矩陣(Data Matrix, DM)碼和QR碼等[2]。其中，DM碼具有較強的抗污能力和抗畸變能力，糾錯能力很強，而且DM碼的面積更加靈活，最小面積只有10 inch×10 inch，更適合在工業領域用來識別工業零部件。

目前的識別技術大多靠人工檢測二維條碼的位置，通過相關譯碼軟件進行二維條碼的解碼,因此在一些自動化要求較高的環境中往往會面臨許多困難，因此，如何通過數字圖像處理的方法準確的從含有大量物體的復雜背景中自動提取出二維條碼成為了研究熱點。文[3]提出了一種基于子區域的梯度特征和角點特征的提取方法，但如果圖像中存在方格狀物體時采用此方法就很難區分。文[4]的算法涉及子區域的對比度、方向邊緣強度、線性尺度等特征，雖能自動定位出復雜背景中的條碼區域，但是該算法難以區分和條碼類似的紋理,如文字等[3]。基于形態學處理的提取方法[5]只能準確提取出近距離的二維條碼，且在二維條碼面積較小時就無法準確提取。

本文擬針對復雜背景下DM碼的提取要求，吸取現有技術的優點，同時改進其缺點，根據二維條碼本身的連通區域特征和角點特征，提出一種能準確提取出DM碼的技術方法，并通過實驗加以檢測。

1 提取技術原理

提取技術原理如圖1所示。先將獲取的原始圖像進行預處理，去除圖像模糊和光照不均等干擾因素。然后根據連通區域特征提取出可能含有DM碼的區域，利用角點特征確定DM碼的大致位置，最后通過邊緣特征來提取出DM碼。

圖1 提取技術原理

1.1 預處理

對圖像進行預處理，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題，以便對圖像有效信息的提取。預處理算法中先將原始圖像經過灰度處理，得到對應的灰度圖像后，通過同態濾波消除圖像光照不均的問題,之后選取適當的閾值，對圖像進行二值化處理。

1.1.1 同態濾波

對于圖像光照不均的現象，可有4種增強方法[6]，經過對比，在此采用同態濾波處理方法。

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節部分，屬于高頻分量。同態濾波的原理就是衰減低頻(照射)分量，而增強高頻(反射)分量。同態濾波的流程如圖2所示。

圖2 同態濾波流程

1.1.2 二值化

對圖像進行二值化時，閾值的選取十分重要。經過對基于最大類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行比較，其中局部均值和局部方差的方法雖然能準確的對圖像進行二值化，但會出現邊界效應。為了消除這種邊界效應，可在局部均值和局部方差方法的基礎上，逐點計算閾值并對圖像進行二值化處理。

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

圖3 圖像分塊

先計算每個區域的均值和方差，得到每個子區域單獨的閾值T(i,j),即

T(i,j)=w1m(i,j)+w2s(i,j)，

其中w1和w2為修正系數，一般取值范圍為0～1，這里由多次試驗比較得

w1=0.65,w2=0.55,

而m(i,j)和s(i,j)分別為此區域的均值和方差，即

其中f(x,y)為原圖像灰度值，p和q分別為每個子區域的開始行坐標和列坐標。

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

隨后再通過閾值對圖像逐點進行二值化處理，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)為該點閾值。

1.2 連通區域特征

將二值化后的圖像先通過開操作斷開較窄的狹頸并消除細的突出物，之后再通過閉操作彌合較窄的間斷和細長的溝壑，以此形成大量連通區域，再進行基于8連通的連通區域提取。根據DM條碼在原始圖像中所占的面積比和自身的長寬比對連通區域的面積進行限制，篩選出可能含有DM條碼的區域。

根據DM碼靜區的寬度，開操作中的結構元素參數取為2，閉操作中的結構元素參數取為6，以使圖像中有關聯的物體形成連通區域，同時避免DM碼與背景圖像連通。

1.3 角點特征

由于DM條碼本身具有豐富的角點信息，故可據此特征確定DM碼所在的大致區域。采用Harris角點檢測方法進行角點提取檢測。

Harris角點檢測算法是一種基于信號的點特征提取算子，若某個像素點向任何方向發生很小偏移時灰度都有很大變化，則認為此像素點為角點[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，為了加強抗噪能力，Harris算子選用了高斯窗口對圖像進行降噪，即

將式(1)寫成矩陣形式，即

Ex,y=[x,y]M[x,y]T。

其中

C=IxIy?w。

于是Harris角點即可定義為

R=det(M)-ktr2(M)

(2)

的局部區域最大值，其中k為經驗值，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)也可寫為

R=AB-C2-k(A+B)2。

計算出上式的局部極限值，對應的像素點即為角點。

1.4 邊緣特征

實際采集提取出的DM條碼通常都是存在傾斜角度的，必須采取必要的方法來糾正。

二維條碼一般都包含有自己獨特的定位符號，DM條碼的定位符號即為其特有的“L”邊。通過Canny邊緣檢測器和改善邊緣連續的方法[10]對提取出含有DM條碼的大致位置進行邊緣檢測，通過Hough變換提取出其中最長的兩條邊緣線即為其“L”邊。然后通過坐標旋轉公式將DM條碼旋轉到正確位置，即

其中x1和y1為旋轉后的像素坐標，x和y為旋轉前的像素坐標，α為檢測出的“L”邊的傾斜角度。

2 實驗結果

在強光，弱光等光照不均的情況下，通過480×640可調距攝像頭獲取大量圖像，獲取的圖像背景包含有機箱、文字、物體、圖案等復雜物體，并在Matlab 7.12平臺上編程實現提取算法，驗證提取結果。實驗所用圖像100幅，除去2幅由于嚴重畸變無法提取外，從其余圖像中皆能準確提取出DM條碼。

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

圖4 機箱背景

圖5 文字背景

圖6 戶外背景

3 結 語

從復雜背景中提取出二維條碼的研究在現實生活中具有重要的實用價值。所提算法通過對子區域進行篩選，最終提取出二維條碼，受外界干擾小，穩定性強。加之對同態濾波以及基于局部均值和局部方差而改進的二值化算法，很好解決了由于光照不均對圖像產生的影響，對硬件要求也不高。實驗表明，除簡單物體、文字外，在其他更為復雜的背景下，所提算法也可以實現二維條碼提取。在接下來的工作中將繼續對本算法進行改善，增強穩定性及實時性。

[1] 徐杰民,肖云.二維條碼技術現狀及發展前景[J].計算機與現代化, 2004(12):141.

[2] 鄒沿新.DataMatrix二維條形碼圖像預處理及識別技術研究[D].長沙：湖南大學,2009:4-7.

[3] 王霞玲,呂岳,文穎.復雜背景和非均勻光照環境下的條碼自動定位和識別[J].智能系統學報,2010,5(1)：36-37.

[4] 劉寧鐘.復雜背景中條碼檢測定位技術的研究[J]. 南京航空航天大學學報,2005,37(1):66-68.

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

[6] 梁琳,何衛平,雷蕾,等.光照不均圖像增強方法綜述[J].計算機應用研究,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].計算機工程,2004,30(2):70-72.

[9] 趙萬金,龔聲蓉,劉純平,等.一種自適應的Harris角點檢測算法[J].計算機工程,2008,34(10):212-217.

[10] 王蒙,呂建平.基于邊緣檢測和自動種子區域生長的圖像分割算法[J].西安郵電學院學報,2011,16(6):17-18.

[責任編輯: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，研究方向為數字圖像處理。E-mail: bm_chen@163.com

10.13682/j.issn.2095-6533.2014.02.008

TP391.41

A

2095-6533(2014)01-0048-04