一種基于OpenCV的機器人二維碼識別方法

朱玥，郭依正，詹雪敏

（南京師范大學泰州學院，江蘇泰州，225300）

0 引言

隨著智能手機和通信網絡技術的發展，二維碼（二維條碼）識別技術已廣泛應用于電子商務、物流、餐飲、交通、信息安全等領域[1-3]。而機器人工程是現在產業發展的主流方向之一，機器人的應用領域也在逐步擴大。讓機器人具有視覺能力，快速準確的識別二維碼，也是諸多應用場景的需要。

QR（Quick Response Code，快速響應矩陣碼）二維碼具有存儲的信息量大、抗噪能力強、識別快、無需依附數據庫等優點，是市場的主流，應用最為廣泛。對QR碼的研究，目前主要集中在光照不均處理、噪聲的消除、斜視畸變校正等幾個方面[4]，比如對于二維碼去噪，高欣欣等人提出了一種迭代均值濾波算法[5]，比如對于二維碼畸變校正，歐福超等人提出結合透視變換和插值運算的校正算法[6]，在二維碼定位算法方面，劉宏偉等人提出了一種基于Hough變換和投影算法定位二維碼邊界[7]。QR碼包括功能圖像和編碼區兩部分，如圖1所示。因為二維碼已經應用的非常廣泛，如移動支付、身份校驗、數據下載、信息顯示、餐飲、物流等等，所以諸多軟硬件都集成了掃碼功能。本文以應用最廣泛的QR碼為例，闡述了一種機器人系統結構，及其基于此的二維碼的預處理、定位和識別過程，并且做了實驗驗證。

圖1 QR碼的結構

1 系統結構

如圖2所示，給出了一種典型的機器人系統結構。該結構分為四層，上層智能手機為操控端，通過藍牙、GPRS等連接樹莓派進而發出相關指令，樹莓派（Raspberry Pi）通過讀取攝像頭獲取外部圖像并識別，Arduino單片機為下位機，可以連接各類傳感器，典型的如溫濕度傳感器、火焰傳感器、紅外接收傳感器、紅外熱釋電運動傳感器等等，最底層為機器人的機械裝置。

圖2 機器人系統結構

要想在該系統結構上實現基于OpenCV (Open Source Computer Vision Library)的機器人二維碼識別，需要熟悉樹莓派、Python、OpenCV等。樹莓派是一款基于ARM的微型電腦主板，以SD卡為硬盤，支持安裝類Linux系統，體積小但功能齊全，可以完成一臺普通PC機能做的諸多事情，可謂是“麻雀雖小，五臟俱全”；Python是一種面向對象的解釋型程序設計語言，易學易用，既支持對數據進行分析，也可以分析智能硬件，是目前人工智能、機器視覺等領域的首選語言；OpenCV是一種跨平臺計算機視覺庫，對許多通用的圖像處理算法進行了封裝，OpenCV還提供了Java、Python、CUDA等的接口，讓圖像處理和圖像分析的使用變得更加方便。

2 二維碼預處理

二維碼預處理是二維碼定位與識別的基礎，其主要工作包括圖像類型的轉換、圖像邊緣檢測、數學形態學處理等。

（1）圖像類型轉換是將采集的彩色圖像轉換為灰度圖像，可以使用OpenCV中的cv2.cvtColor()函數實現。當攝像頭讀入圖像后，將讀取的幀轉為灰度圖。函數形式如下：

有兩個必選參數，src：原始圖像，code：顏色空間轉換方式。本示例中code取值為cv2.COLOR_BGR2GRAY。值得一提的是，在OpenCV中，彩色空間使用的BGR，即藍-綠-紅顏色空間。

（2）圖像邊緣檢測可以使用OpenCV自帶的cv2.Sobel()算子進行濾波。Sobel算子是常用的一種邊緣檢測算子，對邊緣方向信息的提供比較精確，但由于不是完全精確的邊緣定位，在對精度要求不是很高的情況下被經常采用。

Sobel算子是一個無方向的一階微分邊緣檢測算子，Sobel算子的表達式如下：

其中Dx、Dy分別表示水平方向算子和垂直方向算子。矩陣形式的模板表示如下：

在OpenCV中，Sobel算子的函數原型如下：

dst=cv2.Sobel(src,ddepth,dx,dy[,dst[,ksize[,scale[,d elta[,borderType]]]]])

其中前四個參數是必須的，其余的可選。src：原始圖像，ddepth：圖像像素深度，dx,dy：x和y方向上是否求導。

（3）數學形態學處理是對二值化后的圖像做開運算。二值化使用OpenCV中的cv2.threshold()函數實現，開運算主要作用是去毛刺、孤立點，同時基本保持原圖形狀信息不變，使用cv2.morphologyEx()函數實現。

在OpenCV中，cv2.threshold()的函數原型如下：

cv2.threshold(src,thresh,maxval,type[,dst])四個必選參數含義分別如下，src：原始圖像，thresh：分割閾值，maxval：大于閾值的點設置為maxval的值，type：算法類型。本示例中type取值為cv2.THRESH_BINARY。

開運算一種復合運算，它是對二值圖像先做腐蝕后做膨脹，公式表示如下所示，其中Θ代表腐蝕運算，⊕代表開運算，X為待處理的二值圖像，B為結構元素：

在OpenCV中，cv2.morphologyEx()的函數原型如下：

必選參數含義分別如下，src：原始圖像，op：運算類型，比如常見的開閉運算，op取值cv2.MORPH_OPEN時做的是開運算（先腐蝕后膨脹），op取值cv2. cv2.MORPH_CLOSE時做的是閉運算（先膨脹后腐蝕），kernel：結構元素。

3 二維碼定位與識別

現實中拍攝的二維碼圖像，或多或少的會包含一些背景信息。因此，在二維碼預處理后，需要進行邊界提取從而定位出二維碼，繼而提高識別精度和速度。邊界的提取使用OpenCV中的cv2.findContours()函數實現[8,9]，該函數可以對二值圖像進行輪廓檢索，然后返回檢測到的輪廓數。接著，計算邊界最小包圍正方形，就可以定位出二維碼區域。

在OpenCV中，cv2.findContours()的函數原型如下：

必選參數含義分別如下，src：原始圖像，mode：檢測邊緣的方式，method：輪廓的近似方法。本示例中mode取值cv2.RETR_EXTERNAL，method取值cv2.CHAIN_APPROX_SIMPLE。

最后一步是二維碼識別，二維碼識別需要使用zbar庫，需要在終端使用sudo命令安裝，在代碼實現上，只需要加載該庫，并使用zbar.ImageScanner()進行掃描即可。

4 實現效果

為了驗證方法的有效性，在仿人機器人上做了實驗。如圖3所示，為機器人實物，并給出了樹莓派和攝像頭的連接。如圖4所示，給出了二維碼定位結果示例，進而成功識別出二維碼信息為“你好”。實驗較好的驗證了本文所述的基于OpenCV的機器人二維碼識別方法的可行性和正確性。

圖3 機器人實物

圖4 二維碼定位示例

5 結束語

本文論述了一種基于OpenCV的機器人二維碼識別方法，在給出了系統結構的基礎上，詳述了二維碼預處理、二維碼定位與識別等各個步驟，其中二維碼預處理重點講述了圖像類型轉換、圖像邊緣檢測和灰度化后的二值圖像數學形態學處理，并做了仿真實驗。對于開發和設計需要二維碼識別功能的機器人提供了參考。