二维条形码QR Code 图像识别.docVIP

二维条形码QR Code 图像识别 　　摘 要：现代高新技术的发展，促进了条码识别技术的迅猛发展，一维条码受信息容量的限制，只能对物品进行标识，二维条码不仅具有一维条码的优点，还同时具有信息容量大、可靠性高、保密防伪怀强、易于制作、成本低等优点。本文介绍了QR Code二维条码技术，研究了图像预处理及相关的图像处理知识，包括图像灰度化、图像二值化、中值滤波和QR译码等方法在二维条码识别上的应用。实验表明，该识别算法能有效地去除背景和噪声的干扰，达到准确、快速识别的目的。 　　关键词：QR Code二维条码；图像处理；QR译码；识别 　　中图分类号：TP391.41 文献标识码：A 文章编号：1674-7712 （2014） 02-0000-02 　　随着3G网络的迅猛发展，甚至现在4G也开始在国内试点运行，手机已经成为人们即时获取信息的不可或缺的工具。相信在手机上安装条码识别系统将会是一种趋势，条码识别系统会让人们随时随地的了解商品信息、产家信息，还可以下载音乐、图文、视频以及手机阅读等等。相信条码识别系统能够给人们的日常生活带来极大的便利，具有非常广泛的应用前景。 　　条码分为一维条码（One Dimensional Barcode，1D）和二维码（Two-dimensional Code，2D）。人们在商品包装袋上看到的条码就是一维条码，但是受信息容量的限制，一维条码只能对物品进行标识，而不是对物品描述。人们迫切希望发明一种新的条码，它不仅要具有一维条码的优点，还同时要具有信息容量大、可靠性高、保密防伪怀强、易于制作、成本低等优点。在这种需求下，二维条码产生了。它的信息密度和容量都较一维条码要大，而且它不仅可以用数字、字母进行编码，还能对图片、汉字、声音、指纹等进行编码。现在二维条码已经应用于军事、公安等部门对各种证件的管理，邮局对政局包裹的管理，储存运输业对各类商品和货物的运输的管理等等，所以二维条码在未来具有着更广阔的应用前景。 　　一、QR 码图形结构 　　QR Code 符号由寻像图形（3个）、定位图形（2个）、格式信息（2个）、版本信息（2个）和若干个校正图形组成。图1为QR Code符号结构图。 　　图1 QR Code的符号结构图 　　二、QR 码的图像预处理 　　条码图像的预处理就是将图片进行灰度化、中值滤波、二值化等。图像预处理流程是通过反复实验测试得出的，具体流程如图2所示。 　　图2 图像预处理流程图 　　（一）图像的灰度化 　　因为灰度图像所含的信息量比RGB图像小很多，而且QR码都是由“0”和“1”组成，因此条码识别对彩色信息起不到识别的作用，所以我们在识别二维条码前对它进行灰度化处理[1][2]，这样可以降低我们在图像处理时候的计算量[3]。 　　设某像素的RGB的彩色各分量值为（R、G、B），其中0≤R≤255，0≤G≤255，0≤B≤255，则灰度值W为：W=0.30R+0.59G+0.11B 　　（二）中值滤波 　　二维条码图像一般都会含有噪声，我们这时要做的工作就是要从图像中提取出条码图像。通过反复实验测试比较，选择中值滤波的方法对QR码图像进行滤波来减少噪声，条码图像的一般都是正方形，所以这里采用3×3的矩形窗口对图像进行滤波，实验表明，这个窗口取得了较好的效果。 　　（三）图像二值化 　　本文采用的是最优阈值法对灰度图像进行二值化处理。图像包含目标灰度值和背景灰度值，s（z）表示目标单峰密度函数与表示背景单峰密度函数之和。 　　公式1为混有加性高斯噪声图像的混合概率密度： 　　s（z）=S1s1（z）+S2s2（z）= （1） 　　公式（1）中有5个未知的参数，分别为：背景区域灰度值先验概率S1，目标区域灰度值先验概率S2，S1+ S2=1；背景区域关于均值均方差 ，目标区域关于均值均方差 ；背景区域平均区域值 ，目标区域平均区域值 。T表示阈值。 　　可求出公式（4）误差最小的阈值，得到下式（5）： 　　将公式（1）代入，得到二次式（6）： 　　一般情况下，如果 = ，只能求出一个最优阈值（7）： 　　当S1=S2时，可以求出最优阈值： 　　公式（9）则可得出s（z）中的5个未知参数： 　　公式（2-9）中n为灰度级数，h（z）为函数，s（z）为混合概率密度函数。 　　经过最优阈值法后图像明显效果较好，如图4所示。 　　（三）图像定位 　　在条码识别过程中，由于摄像头是任意角度拍摄的，所以采集到的图像一般会发生偏转，这时需要将图像先进行旋转校正。图像的边缘存在于目标与背景的交界处，是一幅图像最基本的特征，并且是图像局部区域亮度变化最明显的部分[1]。边缘检测基本原理是利用求导算子增强图像边缘，然后通过响应的阈值判定并提取