基于機器視覺的條碼定位識別算法研究

徐達圣 李桂熙 覃翔宇

摘 要：本文通過對條碼圖像進行預處理、邊緣檢測、閉運算實現條碼定位，同時提出一種新的條碼傾斜角度計算方法，以校正歪斜條碼，通過改進的自適應分段線性灰度變換方法、基于迭代閾值的二值化方法進行條碼圖像預處理，提高了解碼率。

關鍵詞：條形碼；圖像處理；解碼率

DOI：10.16640/j.cnki.37-1222/t.2019.09.135

0 引 言

基于圖像的條碼識別屬于模式識別的研究范疇，主要應用于智能終端、物體分類等領域，國內外學者已經取得諸多重要研究成果并進行了實際應用。但這些研究仍存在不足，對于對比度不高或者存在歪斜的條碼，識別率和準確度還待提高。

1 條碼識別

條碼識別經過條碼定位、條碼校正、預處理、條碼解碼四步完成。

1.1 條碼定位

條碼定位過程包括圖像灰度化、混合濾波器降噪、邊緣檢測、形態學閉運算。

1.1.1 混合濾波器降噪

采用幾何均值濾波器和中值均值濾器組成的混合濾波器[1]對圖像進行降噪，保持去噪能力的同時能保留更多圖像邊緣細節。

1.1.2 邊緣檢測

Roberts算子先計算像素梯度幅值，而后對其進行閾值處理[2]。如果大于設定閾值，該點判定為邊緣點，否則為非邊緣點，所有邊緣點構成圖像邊緣。

（1）

1.1.3 形態學閉運算

圖像處理中，常用集合描述圖像，被處理的圖像稱為目標圖像，結構元素是具有一定形狀的集合，尺寸小于目標圖像，通常將結構元素的原點選在其中心位置上。

目標圖像關于結構元素的閉運算，定義[3]為：

（2）

經過對邊緣檢測圖的形態學閉運算處理，得到多個連通域，篩選最大聯通域作為條碼區域，完成條碼定位，如圖1。

1.2 條碼校正

條碼校正包括傾斜角計算和旋轉映射。

1.2.1 傾斜角計算

本文基于條碼特性和形態學閉運算特征提出一種新的傾斜角計算方法。條碼具有水平間斷豎直連續的特性，而閉運算能保持原連續邊界。通過將最大聯通域圖像的邊緣檢測圖像與閉運算前的邊緣檢測圖像比對，重合點保留，其余舍棄，濾除散點得到條碼左右兩條短邊側線，利用短側線的斜率即可計算出條碼傾斜角度。

1.2.2 旋轉映射

旋轉映射需進行特定處理：利用取反圖像進行旋轉映射，再將所得圖像取反得校正圖像。所做處理避免了直接旋轉映射而產生的矩形四角填充問題。

1.3 預處理

圖像的預處理過程包括自適應灰度拉伸、基于迭代閾值的二值化。

1.3.1 自適應灰度拉伸

自適應灰度拉伸處理將10%最大灰度值中的最小值記為，將10%最小灰度值中的最大值記為，進而將圖像的灰度分為、、三個區間。而后，將處于灰度區間的像素灰度壓縮為0，將處于灰度區間的像素灰度壓縮為255，而對處于灰度區間的像素灰度做下述運算：

（3）

其中，、 分別為輸入、輸出圖像的灰度值，是圖像理論灰度最大值。

1.3.2 基于迭代閾值的二值化

閾值法二值化首先將圖像中最小、最大灰度值記為和 ，初始閾值為 ，為迭代次數。而后根據閾值將圖像中像素分為目標像素點和非目標像素點兩類，記目標像素及非目標像素點個數及其灰度平均值分別為、、 、。并利用、二者平均值求取新閾值。當或時，結束迭代，利用新閾值進行二值化處理，否則，重新劃分目標與非目標像素點，繼續迭代。

1.4 條碼解碼

Code128碼是最常用的一維條碼，由一系列條空相間組成，分為起始符、數據符、檢驗符、終止符和空白區。條碼解碼需解決兩個關鍵問題，一是消除不同圖像采集距離的影響，二是解決因條碼污損而無法解碼的難題。針對前者，由于同一條碼上條空寬度呈比例關系，利用該關系可確定條碼編碼序列，從而實現不同采集距離下的解碼。針對后一問題，可以通過在條碼解碼操作前確立一條垂直且覆蓋全部條、空的掃描線解決。

2 系統運行結果分析

本文測試環境為Matlab 2016a，測試圖像來源于muenster數據集，數量為300張。經測試：

由表可知，本文設計的條碼識別算法，識別成功率為93.6%。其對于條碼傾斜的情況，校正率亦能達86%以上，識別耗時平均為0.745s。

3 結語

本文提出了一種新的條碼定位與識別算法，有效提高了條碼定位識別率。系統實際運行表明，該算法具有效率高、可靠性強的優點。

參考文獻：

[1]宋人杰，劉超，王保軍.一種自適應的Canny邊緣檢測算法[J]. 南京郵電大學學報（自然科學版），2018，38（03）：72-76.

[2]賀桂嬌.幾種經典的圖像邊緣檢測算子分析比較[J].計算機光盤軟件與應用，2014（09）：182-183.

[3]閆海霞.基于數學形態學的圖像邊緣檢測和增強算法的研究[D]. 吉林大學，2009.

基金項目：吉林大學大學生創新創業訓練計劃基金資助項目（ 2018A2017）。