条形码识别讲述.pptx

基于数字图像处理的条形码识别;基于数字图像处理的EAN-13条形码识别算法 通过MATLAB实现。其中图像处理部分是条码识别重要的前期工作，利用MATLAB强大的图像处理功能实现图像的读入、仿真加噪声、滤波、二值化处理等工作，最终得到高质量的二值化图像。条码识别就是在二值图像的基础上实现，二值图像的质量直接关系到条码能否正确识读。; 前置码-----起始符外的唯一一个数字 不用条码符号表示的，功能是规定左侧6个数据的编码方式。 ;左侧6位数据的编码方式;右侧数据编码方式;校验码是右侧最后一位数据，由前十二位数据共同决定;起始符和终止符各由“黑白黑”三条单位条码模块构成。 中间分隔符由“白黑白黑白”五条单位条码模块组成。 而数据段12个参与编码的数字，各由7条单位条码模块组成。 因此整个条码区宽度总共由95条单位条码模块构成。 ; 由于所有编码方式的特殊规定，一个数据的7个单位模块的组合总可以分割为“条空条空”或“空条空条”四个部分，而且相邻数据和相邻的间隔符之间互不重合、串扰，这就为下面的译码方法提供了基础。 ;方案一：宽度测量和平均值法 从左到右，由起始符左侧到终止符右侧的像素宽度值即为总宽度值，除以95得到单位宽度条码的宽度平均值。 从左到右，按行横扫，记录下每次“条空”转变时的像素点位置，转变点互相相减，即得每个条空的宽度值。再除以上面的平均值，可得个条空所含的二进制译码位数。 按行取平均，降低误差几率，可得误差较小的编码序列。再通过与编码表一一对照，可得原始数据。 ;方案二:相似边距离的测量方法 网上的方法都推荐用第二种方案，但是编码比较复杂，没有看懂思路。 这种方法的设计思路是通过对符号中相邻元素的相似边之间距离的测量来判别字符的逻辑值，而不是由各元素宽度的实际测量值来判别。 前一种方案对条码图像的要求非常高，因为它们都是测量各元素符号的实际宽度，然后根据查表法得到所代表的码值。如果实际测量值与标准值存在一点偏差，就不能实现正确译码。而第三种方案正是有效的解决了这一问题，因此本文采用相似边距离测量的方法来实现译码功能。;虽然，第二种方案对图像的质量要求更低，译码精确度更低，但编程实现难度比较大一点，并没有看懂方法，所以，我们选择了实现难度更低的第一种方法。 但缺点是，第一种方法对条形码图片分辨率和质量的要求更高，结果也容易出现差错。;为了模拟可能的噪声干扰情况，所以采用以下的处理流程，以下四步也就是主要的数字图像处理的过程。