基于形态学和梯度特征的二维条码检测定位.docxVIP

基于形态学和梯度特征的二维条码检测定位 马鹏维1，韩存武2，马海燕1，吕文渊1 时间:2010年03月03日 字 体:? HYPERLINK javascript:setFont(16); 大? HYPERLINK javascript:setFont(14); 中? HYPERLINK javascript:setFont(12); 小 关键词: HYPERLINK /search/?q=%E4%BA%8C%E7%BB%B4%E6%9D%A1%E7%A0%81 \t _blank 二维条码 HYPERLINK /search/?q=kirsch%E7%AE%97%E5%AD%90 \t _blank kirsch算子 HYPERLINK /search/?q=%E5%BD%A2%E6%80%81%E5%AD%A6 \t _blank 形态学 摘? 要：?针对复杂背景下的二维条码定位问题，单一特征提取已很难满足其需要。为此提出一种将图像二值化，然后采用基于数学形态学和kirsch边缘检测的算法滤去图像背景，最后利用投影算法定位条码区域。实验结果表明，该方法简单、快速、准确，很好地满足了实际使用的需要。关键词：?二维条码；kirsch算子；形态学；投影 　　目前，条码技术在各个行业得到了广泛的应用。但是一维条码受到信息容量的限制，仅仅是对物品的标识，并且它的使用必须依赖数据库的存在。二维条形码是在水平和垂直方向的二维空间存储信息的条码，它不依赖于数据库，信息容量大、可靠性高，因此必将得到广泛的应用。二维条码的种类很多，有QR、PDF417和Maxi code等。　　二维条码作为一种应用广泛的自动识别技术，其核心是对条码进行快速、准确地定位。纹理是条码的一个显著特征，目前，主流的算法是基于纹理特征的梯度检测或频域分析[1]来定位二维条码。利用梯度特征进行条码检测与基于频域分析的算法相比较，具有实时性强的特点， 适用于大多数图像。　　条码本身纹理特征主要表现为黑白相间且边缘方向一致的矩形块。考虑各种可能出现的复杂背景情况，采用单一的梯度特征很难满足二维码精确定位的需要。本文提出了一种形态学和边缘梯度信息相结合的方法来提取二维码。该方法不同于大多数的条码定位方法，其对条码在图像中的位置以及图像背景的限制很少，而且综合特征定位要比单一特征定位更符合人的视觉要求，因而定位效果更好，应用范围更广。本文将以QR条码为例，进行条码区域的提取。1 二值形态学基本原理[2]　　二值形态学运算是数学形态学的基础，是一种针对图像集合的处理过程。其基本思想是：用具有一定形态的结构元素去度量和提取图像中的对应形状，以达到对图像分析和识别的目的。膨胀(Dilation)和腐蚀(Erosion)是2种最基本、最重要的变换，其他变换都由这2种变换的组合来定义。它们在二值图像和灰度图像中各有特点，还可以推导和组合成各种其他数学形态学算法。　　按定义，二值图像上目标边界点是指位于目标内部，且至少有1个邻点位于目标之外的像素。用B(x)代表结构元素，对工作空间A中的每1点x，腐蚀和膨胀的定义分别为： 　　 　　? 简单的腐蚀是一种消除边界点的过程，结果是使目标缩小、孔洞增大，因而可有效地消除孤立噪声点。膨胀是将与目标物体接触的所有背景点合并到物体中的过程，结果是使目标增大、孔洞缩小，可填补目标物体中的空洞，形成连通域。??? 　一般情况下，腐蚀与膨胀是不可恢复的运算， 但通过腐蚀与膨胀可以构成开运算和闭运算。开运算和闭运算的定义如下：　　? 　　先腐蚀后膨胀的过程称为开运算，它具有消除细小物体，并在纤细处分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程称为闭运算，它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。2 条码区域定位算法2.1 图像灰度化和对比度增强　　条形码本身是黑白条码，不需要颜色信息，而且灰度图像的处理速度快，占用空间少，因此首先将图像进行灰度转换。大部分采集二维码的摄像设备性能一般，图像的灰度可能会集中于某一小区间内，如图像过亮或过暗，所以需要根据直方图对图像灰度进行拉伸使之覆盖较大的区间，从而提高了图像的对比度尤其是二维码的黑白对比度，便于对图像二值分割。图1为所处理图像的灰度化。 2.2 基于阈值选取的图像分割　　在使用阈值法进行图像分割时，阈值的选取成为能否正确分割的关键，阈值过小容易造成过度分割，过大则不易滤除背景。本文将选用最大方差准则[3]确定最佳阈值，区域间的方差是差异的有效参数。分割后图像如图2所示。 2.3 二值形态学运算　　数学形态学是以结构元素为基础对图像进行分析的数学工具。对于结构元素，其中大尺度的结构元素去除噪声能力强，小尺度的结构元素能检测到好的