基于圖像的一維條形碼可識別性研究

張琪建，李為民

ZHANG Qi-jian，LI Wei-min

(河北工業大學 機械工程學院，天津 300130)

0 引言

20世紀50年代條形碼誕生，并利用光的反射讀取商品條形碼信息。經過60年的發展，條形碼技術已應用于生產、生活的各個方面。從日常生活中的顯示商品基本信息、并用于交易結算，到工業生產中的質檢系統、養殖業中針對單體的定量養殖技術，物流業中的倉儲管理與貨物分揀等等。條形碼技術給生產、生活帶來極大便利的同時，也將工作者從繁雜的分類工作中解脫出來。

現行主流的條形碼識別技術，從原理上來說是根據檢測條形碼條和空反射的發光二極管所發光線的強弱信號，放大后根據這個信號的強弱組合序列進行解碼。以條碼掃描槍為例，條碼掃描槍識讀條形碼時要求掃描槍平行于條形碼，并與條形碼有一定距離限制，并且遇到部分污損條碼時，大多無法準確識讀。即使現在流行的條碼掃描平臺，掃描條碼時雖沒有平行于掃描器要求，但也有掃描距離的限制。雖可滿足一般要求，但在工業自動化領域，其掃描范圍相對較小，掃描速度相對較慢，不易于滿足當今工業自動化高速度高、可靠度的要求。例如在物流分揀領域-自動分揀機上，商品按箱分揀，商品條碼張貼于商品上表面的任意位置，商品箱體有大有小，分揀機運轉速度快。這就需要基于圖像的條形碼識別。

基于圖像的條形碼識別屬于機器視覺中模式識別的一部分，國外最早于20世紀50年代開始研究二維圖像的統計模式識別。模式識別發展至今在一維條形碼識別方面可對普通一維條碼、環形條碼、部分破損條碼及同一圖像上的多個條形碼不論方向位置同時進行識別。現今主要用在智能終端、物流分揀和快遞領域。近年來Ramtin Shams and Parastoo Sadeghi[6]提出在高度扭曲與低像素分辨率情況下識別條形碼算法使一維條形碼識別技術逐步完善。本文沒有在識別算法上改進，主要從工程應用入手，利用單因素實驗的方法以Code128為例，實驗出實際應用中，圖像采集相關器械的參數設置對含有條形碼圖像可識別性的影響，為條形碼圖像采集工程應用中，實現最佳的參數設置提供參考數據。

1 項目要求及總體規劃

1.1 項目要求

采集長為380mm、寬為268mm圖紙的圖像，并識別其上任意位置粘貼的128碼。要求：

1）采集到的圖像清晰可讀。

2）識別圖像上的條形碼，條形碼位置在圖紙的四角區域均有可能出現。

3）采用圖像處理的方法，將條形碼區域涂抹，使其不能辨認。

4）將識別到的條形碼信息與對應的圖紙圖像名稱存入數據庫。

圖1 條形碼在圖紙中四種可能出現的位置

1.2 總體規劃

對影響圖像清晰度的兩個最重要的條件,像素值與光圈值進行規劃，商業相機其他的參數（ISO、快門速度等）對清晰度及條形碼識別影響較小，依據實際情況進行設置。

1）像素規劃：在圖像清晰、條形碼可準確識別的條件下，采用最小像素。像素值根據商業相機的常用值從1 790萬、800萬、450萬、250萬中選取。

2）光圈規劃：在保證圖像清晰，條形碼可識別的情況下，依據商用相機的快門速度，選取最合適的光圈值，以確保正常曝光使采集到的圖紙圖像的色彩不失真。

2 Code128的基本組成

Code128碼于1981年推出，是一種長度可變、連續型的字母數字條碼。在所有一維條碼碼制中是表示信息最多的碼制。

2.1 編碼特性

1）提供標準ASCII中0～127，128個字符的編碼使用，及其擴展ASCII 碼值為128～255的字符。

2）一個校驗字符，雙向可譯碼，條碼長度可調，包括開始位和結束位在內，不超過232個字符。

3）具有A、B、C三種不同的編碼類型,同一個128碼可由三種不同編碼規則互換，擴大字符選擇的范圍和縮短編碼的長度。

4）除終止符外，每個符號字符由六個單元組成共11個模塊，包括三個條和三個空，每個條或空的寬度不超過四個模塊，終止符包括四個條和三個空共13個模塊。

2.2 編碼范圍

1）A：標準數字和大寫字母，標點字符，控制符以及7個特殊字符；

2）B：標準數字和大寫字母，標點字符，小寫字母以及7個特殊字符；

3）C：[00]-[99]的數字對集合，100個以及3個特殊字符，表示偶數位長度的數字。

2.3 符號結構

1）左側空白區。

2）起始字符。

3）表示數據和特殊字符

4）符號校驗字符。

5）終止字符。

圖2 字符“M”的128條碼符號

2.4 符號字符結構

符號字符中條的模塊數之和是偶數，空的模塊數之和是奇數，該奇偶特性保證了字符的自校驗功能。圖3是起始字符“StartA”的128碼字符表示。

圖3 起始字符“StartA”的128碼字符表示

2.5 譯碼算法

基于圖像的一維條形碼譯碼算法多采用相似邊寬度測量法，通過對相鄰元素的相似邊之間的距離來判別字符的邏輯值，而不是由各元素寬度的實際測量值來判別，解決了不能正確譯碼問題。

圖4 相似邊寬度測量法

1）計算8個寬度值：b1、b2、b3、e1、e2、e3、e4和P。

2）將e1、e2、e3和e4轉換為一般尺寸值E1、E2、E3和E4，表示為模塊寬度的整數倍。計算方法如下：

若1.5P/11≤ei＜2.5P/11,則Ei=2；

若2.5P/11≤ei＜3.5P/11,則Ei=3；

若3.5P/11≤ei＜4.5P/11,則Ei=4；

若4.5P/11≤ei＜5.5P/11,則Ei=5；

若5.5P/11≤ei＜6.5P/11,則Ei=6；

若6.5P/11≤ei＜7.5P/11,則Ei=7；

否則，字符是錯誤的。

3）以4個值E1，E2，E3和E4為關鍵字在譯碼表中查找對應的字符。

4）運用該字符的自校驗值V即該字符定義的條的模塊數核對下式：

如果不成立則該字符是錯誤的。

3 像素參數對于Code128識別的影響

3.1 條碼與圖幅尺寸

課題中所用Code128條形碼尺寸長為23mm（不含左右空白區）、寬為8mm。所用圖幅尺寸長為380mm、寬為265mm。

所用條碼長度為25個條24個空，其中起始符與校驗符各占3個條、3個空，終止符占4個條、3個空，剩余15個條與15個空代表10位數字，數字采用字符集C編碼，共5個字符。

圖5 課題所用128碼

3.2 圖幅像素與條形碼像素

相機像素數為：N(單位為萬)

所拍攝圖像圖幅面積S1為：

128條形碼所占面積S1為：

條形碼識別必須留有左右空白區[國標]，故有效可供識別的Code128碼面積為：

圖像圖幅單位面積像素數n 為：

條形碼所占像素數m為：

但實際采集圖像時，相機有固定的長寬比，所以圖幅面積更大，條形碼所占面積比例更小。此時：

圖像圖幅面積S1'為:

圖幅單位面積像素數n'為：

條形碼所占像素數m'為：

此時，相機像素N、圖像圖幅單位面積像素數n'、條形碼所占像素數m'的關系如表1所示：

表1 N、m'、n'三者關系

表2 畫質與像素、存儲空間三者關系

3.3 實驗條件與結果

采用佳能EOS650D單反相機進行圖像采集，18-55mm套機鏡頭。焦距35mm，物距600mm，ISO感光度100，光圈f11，快門速度1/60（選擇依據為等價曝光原則），采用中央重點平均測光。條形碼貼在圖像四個邊角位置。閃光燈為永諾YN-560II 1/8+0.5功率，焦距35mm，位于圖像中心點下400mm，遠離400mm，與圖像成45度夾角。

采用單因素實驗法，只改變像素一個條件進行實驗。同一張圖像，每種像素情況下分高低畫質各采集12張圖片，共計84張。然后將采集到的圖像導入到用以halcon10.0中的一維條碼識別算子作為庫函數而開發的CSharp窗體應用程序中進行可識別性驗證。實驗結果如表3所示：

表3 像素值參數實驗結果

由表3可知，要想保證準確識別128條形碼，其條碼有效面積232mm2上至少分配1.69730224萬個像素點。

下面是不同像素128碼圖像對比

圖6 1790萬像素L畫質128碼圖

圖7 800萬像素L畫質128碼圖

圖8 450萬像素L畫質128碼圖

圖9 250萬像素128碼圖

4 光圈參數對于Code128識別的影響

4.1 光圈

光圈（Aperture），用來控制透過鏡頭進入機身內感光面的光量。是鏡頭的一個極其重要的指標參數，通常在鏡頭內。它的大小決定著通過鏡頭進入感光元件的光線的多少。表達光圈大小我們是用F值，其中，F=鏡頭的焦距/鏡頭的有效口徑的直徑。

實驗所用相機，佳能650D單反相機，采用EF-S 18-55mm 1:3.5-5.6 IS II套機鏡頭。其可調光圈范圍為F4.5、F5.0、F5.6、F6.3、F7.1、F8.0、F9.0、F10、F11、F13、F14、F16、F18、F20、F22、F25和F29。

4.2 光圈與景深

景深是在聚焦完成后，在焦點前后的范圍內都能形成清晰的像，這一前一后的距離范圍。

在鏡頭焦距與對焦距離確定后光圈的大小，直接影響景深的大小。

圖10 光圈與景深

其中彌散圓是物點成像時，由于像差，其成像光束不能會聚于一點，在像平面上形成一個擴散的圓形投影，稱為彌散圓。

如果彌散圓的直徑小于人眼的鑒別能力，在一定范圍內實際影像產生的模糊是不能辨認的，這個不能辨認的彌散圓就成為容許彌散圓。其直徑稱為容許彌散圓直徑。

4.3 景深的計算公式[3]

最小彌散圓直徑：

前景深：

后景深：

景深：

f '-鏡頭焦距，F- 光圈值，P-對焦距離

4.4 實驗條件與結果

采用佳能EOS650D單反相機進行圖像采集，18-55mm套機鏡頭。焦距35mm，物距600mm，ISO感光度100，1 790萬高等畫質，快門速度1/60，采用中央重點平均測光。條形碼貼在圖像四個邊角位置。閃光燈為永諾YN-560II 1/8+0.5功率，焦距35mm，位置圖幅中心點下400mm，遠離400mm，與圖像成45o夾角。

采用單因素實驗法，只改變光圈值一個條件進行實驗。同一張圖像，每種光圈值情況下采集3張圖片，共計24張。然后將采集到的圖像導入到用以halcon10.0中的一維條碼識別算子作為庫函數而開發的CSharp窗體應用程序中進行可識別性驗證。實驗結果如表4所示。

表4 光圈值參數實驗結果

由表4可知，要想實現128條碼的準確識別，其光圈值最小應設置在F9。此時：

彌散圓直徑：

前景深：

后景深：

景深：

由此說明采集圖像時，可以允許圖紙邊緣與中心點之間適度的不平整。

5 光圈與像素綜合參數對Code128識別的影響

5.1 光圈與像素實驗結果分析

像素實驗中只有f11的光圈值與不同像素值（1790、800、450、250）的組合。而光圈實驗中則只有1790像素值，與不同光圈值（f22、f16、f11、f10、f9、f8、f5.6、f4.5）之間的組合。對于f10、f9、f8、f5.6、f4.5分別與800萬像素、450萬像素、250萬像素，沒有涉及到。故設計以下雙因素實驗。

5.2 實驗條件與結果分析

采用佳能EOS650D單反相機進行圖像采集，18-55mm套機鏡頭。焦距35mm，物距600mm，ISO感光度100，快門速度1/60（選擇依據為等價曝光原則），采用中央重點平均測光。條形碼貼在圖像四個邊角位置。閃光燈為永諾YN-560II 1/8+0.5功率，焦距35mm，位于圖像中心點下400mm，遠離400mm，與圖像成45o夾角。

采用雙因素實驗法，改變像素與光圈兩個條件進行實驗。同一張圖像，每種像素情況下分高低畫質各采集3張圖片，共64張。然后將采集到的圖像導入到用以halcon10.0中的一維條碼識別算子作為庫函數而開發的CSharp窗體應用程序中進行可識別性驗證。實驗結果如表5所示：

表5 光圈與像素組合實驗結果

該結果說明了想要準確識別128條形碼，其最小光圈為F9，最低像素為128條碼有效面積232mm2上至少分配1.69730224萬個像素點。同時也驗證了像素與光圈單因素實驗的有效性。

6 結論

1)使用F9以上的光圈值，128條碼有效面積232mm2上分配1.69730224萬個及以上個像素點時，基于圖像的128條碼可以準確識別。

2)采用的同樣的方法，對圖像圖幅面積為243210mm2，條形碼面積為2080mm2的Code39進行識別，也得出相似的結論。即使用F9以上的光圈值，39條碼有效面積2080mm2上分配15.30858106萬個及以上個像素點時，基于圖像的39條碼可以準確識別。

3）對于128條碼，每萬個像素占136.68750004平方毫米。對于39條碼每萬個像素占135.87150839平方毫米。這點上結論是較為一致的。

4）采集圖像時，圖紙一定的翹曲可以接受。

5）采集大畫幅高分辨率圖像，做基于圖像的條形碼識別時，采用普通商業相機的成本及成像效果都優于工業相機，且具有可靠性。

[1]戰萌偉.128條碼的編碼分析和識別算法[J].計算機工程與科學,2002,24(1):74-80.

[2]彭曉輝.基于HALCON的IC卡噴碼符號識別技術研究與實現[D].廣州:廣東工業大學,2006.

[3]王之江.實用光學技術手冊 [M].北京:機械工業出版社,2007.

[4]中華人民共和國國家質量監督檢疫總局,中國國家標準化管理委員會.GB/T 18347-2001 128條碼[S].北京:中國標準出版社,2001.

[5]中華人民共和國國家質量監督檢疫總局,中國國家標準化管理委員會.GB/T 12908-1991 39條碼[S].北京:中國標準出版社,1991.

[6]SHAMS R,SADEGHI P.Bar code recognition in highly distorted and low resolution images[C]// Acoustics,Speech and Signal Processing,2007.ICASSP 2007.IEEE International Conference,2007,737-740.

[7]WANG Kongqiao,Zou Yanming,Wang Hao.Bar code reading from images captured by camera phones[C]//Mobile Technology,Applications and Systems,2005 2nd International Conference,2005,6 pp.-6.

[8]黃銀花,趙仕奇.128條碼自動識別和檢查方法[J].煤炭技術,2011,30(2):162-164.

[9]范永法,姚俊.有復雜背景的條碼圖像實時處理的研究[J].儀器儀表學報,2004,25(4):1042-1044.

[10]胡大輝.邊緣檢測算法在污損條碼識別中的應用研究[J].包裝工程,2013,34(3):104-108.

[11]JIN Haishui,LIU Junhua.An application study of ean.ucc bar code identification system in the quality of agricultural products traceability[C]// Mechanic Automation and Control Engineering(MACE),2001 Second International Conference,2011,4719-4723.

[12]LUO Huilan,LONG Yu,XIE Xiaobing,HUANG Jincheng[C].Image and Signal Processing(CISP),2011 4th International Congress,2011,936-939.