基于最小二乘法和竖直投影的二维条码识别.pdfVIP

基于最iJ、-_乘法和竖直投影的二维条码识别 胡薇常建平 南京航空航天大学信息科学与技术学院，南京210016 摘要提出了一种快速识别二维条码的方法。首先在周围有干扰的情况下提取条码区域并且算 出条码的倾斜角度，即等间隔抽取扫描行进行梯度化和目标行二值化，进一步搜索特征点并做分类 和筛选，然后用最小二乘法拟合边缘，获得目标区域的特征参数。实验结果表明，该算法明显提高 了条码的识别速度和识别率，实用性强。 关键词 条码识别 二维条码最小二乘法 竖直投影 1 引 言 和传统的一维条码相比，二维条码具有高密度、大容量等特点，所以可以用它表示数据文件(包括汉 字文件)、图片等。二维条码是各种证件及卡片(如：护照、签证、身份证、毕业证书、暂住证等)实现 存贮、携带并自动识读的最理想的方法“’“。 对于条码的识别，传统的方法是用Hough变换求出条码的倾斜角度”…，然后根据目标像素的坐标和 倾斜角度计算找到源像素，并复制它的灰度值到目标像素，然后用插值法”1进行修正。这种方法计算量 大、耗时长，笔者考虑了条码图形的特性，提出了～种新的方法，耗时仅为原来的1／2～1／3。 每一个字符由四个条和四个空构成(终止符除外)，自左向右从条开始，每个条或空包含1～6个模块。 在一个符号字符中，4个条和4个空的总模块数为17，故称为417。 2条码区域的提取 2．1等间隔梯度化和二值化 由于条码有一定的高度，所以我们可以用等间隔扫描来找到条码的边界。假设图像高度髓抽取间 隔为Ⅳ’抽取的行号为目，则抽取的第／／／行实际上是原图的第m^r行，总共只需处理[∥加行，这里[] 表示向下取整。 首先用Robert算子对扫描行进行梯度化，Robert算子由(1)式给出： (1) 行二值化。本文采用的是P参数法二值化，由实验确定P值的上限以后，统计抽取出的目标行的直方图 f(t)，满足(2)式的，就是所求门限： 255 ∑，(f)=p[H／N]W (2) ‘27 图1 目标行二值化效果图(放大剪切) 可见它是一种全局动态门限，其结果见图1。 由图i可看到，经过梯度化和二值化以后，在灰度值变化较大的地方(即边缘点)其值为255，其它地 方都为0，下面的边缘点提取就根据这个特点进行。 2．2边缘点提取和划分 这里所说的边缘点是指条码区域轮廓上的点。由上面的处理结果可见，条码区由密集的单元边界组 成，我们在这里定义两个门限：乔和7；。矗为条码区内黑色间隙的最大宽度， 矗的存在可以确定扫描的 当前点是否在～段灰度变化剧烈的区域内。五的大小由条码的轮廓尺寸决定，它存在的意义在于知道灰 度变化剧烈的区域是否足够大，可以滤掉小块图案和字符的边缘造成的干扰。我们的目的就是找到这样 一些自点的集合，这些集合中每两个相邻白点的距离(本文所指的距离都是以像素为单位)都小于^、 起点和终点之间的距离大于五，并且把起点和终点的坐标保存到数组里。 对于大部分图象，到这里已经得到了满意的结果，但一些图象可能会受到条码周围其它字符或图案的干 扰，存在一些伪边缘点，因此还要利用条码轮廓的矩形特点，即矩形周围的点应该是等差数列，提取边 缘点，将伪边缘点去掉。 如果条码是向左倾斜的，则起点包含条码的上边缘和左边缘，终点包含底边和右边缘；如果条码向 右倾斜，则起点包含左边缘和底边，终点包含上边缘和底边(见图2)。 由几何知识可以知道，不管条码朝那个方向倾斜，在±450C范围内，条码的上、下、左、右位置都 的边缘点分成上、下、左、右四组。其中规定的倾角的方向如图，顺时针为负，逆时针为正。 由于Y方向的间隔为常数，我们可以用二阶差分将起点和终点里的点划分为上、下、左、右四个边缘的 点。二阶差分谚2x： Z2工=t+l一2t+‘一l (3) 这里∥x的下标表示点序号，上标表示二阶差分。当i点与和它相领的两点在同～条