CN103235948A - 一种二维条码的自适应阈值二值化方法 - Google Patents

一种二维条码的自适应阈值二值化方法 Download PDF

Info

Publication number
CN103235948A
CN103235948A CN2013101399955A CN201310139995A CN103235948A CN 103235948 A CN103235948 A CN 103235948A CN 2013101399955 A CN2013101399955 A CN 2013101399955A CN 201310139995 A CN201310139995 A CN 201310139995A CN 103235948 A CN103235948 A CN 103235948A
Authority
CN
China
Prior art keywords
zone
value
bar code
calculate
threshold
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013101399955A
Other languages
English (en)
Other versions
CN103235948B (zh
Inventor
谭洪舟
陈荣军
罗招华
朱雄泳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN201310139995.5A priority Critical patent/CN103235948B/zh
Publication of CN103235948A publication Critical patent/CN103235948A/zh
Application granted granted Critical
Publication of CN103235948B publication Critical patent/CN103235948B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于图像二值化处理方法，涉及一种二维条码的自适应阈值二值化方法，其包括以下步骤：1.1)将条码图像分成若干个大小相同的区域并计算每个区域的平均灰度值；1.2)计算每个区域的调和因子并利用每个区域的调和因子计算出相应的阈值；1.3)在每个区域中以对应的阈值将区域内的像素二值化。本发明既提高了局部阈值二值化算法的速度，又能动态的自适应的计算出每个区域的阈值，使得块效应消失，还能通过每个区域的调和因子，使得区域与区域之间的边界能够很好的融合，使伪边界很好的退化。

Description

一种二维条码的自适应阈值二值化方法
技术领域
本发明属于图像二值化处理方法，特别涉及一种二维条码的自适应阈值二值化方法。
背景技术
二维条码的二值化是二维码识别过程中一个非常重要的环节，二值化的结果直接影响到识别的结果。由于二维码的应用环境复杂多变，且从成像设备上获取的二维码图像质量不一，经常会遇到光照不均的情况。传统的二值化方法如大津法属于全局阈值的二值化方法。而使用单一的全局阈值虽然算法速度快，但对存在光照不均的图像进行二值化，效果一般都很不好。而用局部阈值的二值化方法如                                                
Figure 2013101399955100002DEST_PATH_IMAGE001
法来处理光照不均的图像时，效果要比全局阈值法好，但算法速度却相对较慢。
经对现有技术文献的检索发现，中国专利申请号201010609508.3，名称：基于小波和大津法的二维条码图像二值化方法。该技术首先利用小波分解得到物体表面的光照近似分布，再利用光照近似分布消除光照不均的影响，最后使用大津法进行二值化。针对全局阈值法速度快效果差，局部阈值法效果好速度慢的现状，该技术对二值化的效果与算法速度取了一个折中，即利用小波分解法提升了效果，利用大津法提升了算法速度。但最终的结果仍然差强人意，对一些光照不均较明显的图像,该技术并不能完全消除光照不均的影响,而且最终的算法速度仍然较慢。
发明内容
本发明所要解决的技术问题是，提供一种二维条码的自适应阈值二值化方法，本发明既提高了局部阈值二值化算法的速度，又能动态的自适应的计算出每个区域的阈值，使得块效应和伪边界消失。
为解决上述技术问题，本发明采用的技术方案是：一种二维条码的自适应阈值二值化方法，其包括以下步骤：
1.1) 将条码图像分成若干个大小相同的区域并计算每个区域的平均灰度值；
1.2) 计算每个区域的调和因子并利用每个区域的调和因子计算出相应的阈值；
1.3) 在每个区域中以对应的阈值将区域内的像素二值化。
所述步骤1.1)中将条码图像分成若干个大小相同的区域并计算每个区域的平均灰度值的步骤如下：
2.1)将条码图像分成个区域，且每个区域的大小为；
2.2)计算每个区域
Figure 917218DEST_PATH_IMAGE004
的平均灰度值
Figure 2013101399955100002DEST_PATH_IMAGE005
并储存，其中表示区域所在的位置，
Figure 803845DEST_PATH_IMAGE004
表示第
Figure 2013101399955100002DEST_PATH_IMAGE007
行，第
Figure 470450DEST_PATH_IMAGE008
列个区域，其中
Figure 2013101399955100002DEST_PATH_IMAGE009
,
Figure 752527DEST_PATH_IMAGE010
；
2.3)计算每个区域的最大灰度值
Figure 2013101399955100002DEST_PATH_IMAGE011
和最小灰度值
Figure 358826DEST_PATH_IMAGE012
并储存。
区域
Figure 333735DEST_PATH_IMAGE004
的平均灰度值的计算公式如下：
                                     (1)
当
Figure 2013101399955100002DEST_PATH_IMAGE015
且
Figure 573404DEST_PATH_IMAGE016
时，
Figure 2013101399955100002DEST_PATH_IMAGE017
的经验取值在
Figure 568298DEST_PATH_IMAGE018
之间，80为经验值，区域
Figure 651792DEST_PATH_IMAGE004
内全部都为条码图像；如果
Figure 558568DEST_PATH_IMAGE015
且
Figure 2013101399955100002DEST_PATH_IMAGE019
时，区域
Figure 680982DEST_PATH_IMAGE004
内全部都为背景图像；若判定
Figure 622394DEST_PATH_IMAGE004
内全为条码图像，就将
Figure 939105DEST_PATH_IMAGE004
内的平均灰度值
Figure 598757DEST_PATH_IMAGE005
设为0，最后二值化时将该区域内全部像素点的值设为0；若判定
Figure 291906DEST_PATH_IMAGE004
内为背景图像，就将
Figure 25507DEST_PATH_IMAGE004
内的平均灰度值
Figure 778700DEST_PATH_IMAGE005
设为0，最后二值化时将该区域内全部像素点的值设为255。
所述步骤1.2)中计算每个区域的调和因子并利用每个区域的调和因子计算出相应的阈值的步骤如下：
3.1)计算以第
Figure 895953DEST_PATH_IMAGE020
个区域为中心的9个区域的9个灰度平均值的平均值，其计算公式为：
                (2)
，其中
Figure 861635DEST_PATH_IMAGE022
为第
Figure 777639DEST_PATH_IMAGE020
个区域的周围8个区域中平均灰度值等于0的个数；
3.2)计算第
Figure 701733DEST_PATH_IMAGE020
个区域的调和因子，其计算公式为：
Figure 2013101399955100002DEST_PATH_IMAGE023
                                           (3)
3.3)计算第
Figure 742501DEST_PATH_IMAGE020
个区域的阈值，其计算公式为：
Figure 275988DEST_PATH_IMAGE024
                                     (4)
所述步骤3.3)中将存入大小为
Figure 515340DEST_PATH_IMAGE026
的矩阵当中，对特殊区域的阈值进行微调；微调方法为：逐行扫描存有阈值的矩阵中元素，假设当前点为
Figure 2013101399955100002DEST_PATH_IMAGE027
，其左边为
Figure 79176DEST_PATH_IMAGE028
，右边为；如果，
Figure 138892DEST_PATH_IMAGE028
和
Figure 763908DEST_PATH_IMAGE029
中只有一个等于0，那么
Figure 2013101399955100002DEST_PATH_IMAGE031
=两个不等于0的阈值的平均值-（这两个不为0的阈值之差的绝对值）÷4。将
Figure 764225DEST_PATH_IMAGE031
赋给那两个不为零的值。再逐列扫描存有阈值的矩阵中元素，再做以上操作，需要改变的只是
Figure 45165DEST_PATH_IMAGE028
在
Figure 953078DEST_PATH_IMAGE027
上面，
Figure 931136DEST_PATH_IMAGE029
在下面。
所述步骤1.3)中在每个区域中以对应的阈值将区域内的像素二值化的方法是：在第
Figure 198487DEST_PATH_IMAGE020
个区域中，遍历每个像素点，如果像素点的值大于
Figure 113353DEST_PATH_IMAGE032
，那就令该点的值为255；如果像素点的值小于
Figure 712962DEST_PATH_IMAGE032
，那就令该点的值为0。
本发明具有如下技术效果：
本发明首先将条码图像分成若干个大小相同的区域并计算每个区域的平均灰度值；然后计算每个区域的调和因子并利用每个区域的调和因子计算出相应的阈值；最后在每个区域中以对应的阈值将区域内的像素二值化。这一方法既提高了局部阈值二值化算法的速度，又能动态的自适应的计算出每个区域的阈值，使得块效应消失，还能通过每个区域的调和因子，使得区域与区域之间的边界能够很好的融合，使伪边界很好的退化。所以，本发明在算法速度和效果上取得了一个相对的平衡，已在二维条码识别***中取得了良好的应用效果。
附图说明
图1是本发明所述方法的***示意框图；
图2是本发明所要处理的原图；
图3是图2扩展后并划分好区域的图；
图4是本发明对图2的二值化处理结果；
图5是大津法处理结果与本发明处理结果的对比图；
图6是
Figure 320660DEST_PATH_IMAGE001
法处理结果与本发明处理结果的对比图。
具体实施方式
下面结合具体实施例对本发明作进一步的说明。
以图像大小，区域大小20×20为例，参照图1，二维条码的二值化步骤如下：
步骤一：输入二维条码灰度图像
Figure 107351DEST_PATH_IMAGE034
，如图2所示，将的数据存入中，用于二值化之前的阈值判断。
步骤二：将
Figure 763351DEST_PATH_IMAGE034
的边缘扩展20个像素，扩展方法为
Figure 302916DEST_PATH_IMAGE036
，
Figure 825165DEST_PATH_IMAGE034
大小变为680×520，将图像划分成如图3所示的34×26个区域。
步骤三：设置全1矩阵
Figure DEST_PATH_IMAGE037
，大小为480×640，用于最后一步的二值化；设置空矩阵
Figure 868207DEST_PATH_IMAGE038
，大小26×34，用于存储每个区域的灰度平均值；设置空矩阵
Figure 817708DEST_PATH_IMAGE017
，大小26×34，用于存储每个区域的最大最小灰度值之差。
步骤四：遍历每个区域，当遍历至第
Figure DEST_PATH_IMAGE039
个区域时，计算该区域的最大灰度值
Figure 811947DEST_PATH_IMAGE040
，最小灰度值，以及最大最小灰度之差
Figure 872307DEST_PATH_IMAGE042
；当遇到该区域不位于边界处，且
Figure DEST_PATH_IMAGE043
这种情况时，在
Figure 504276DEST_PATH_IMAGE037
中找到该区域对应的20×20个点，将这些点全部赋值为0，并且记该区域的灰度平均值为零。其他情况均按照公式(1)来计算区域的灰度平均值（这里
Figure 890258DEST_PATH_IMAGE044
取50），并存入
Figure DEST_PATH_IMAGE045
中，将
Figure 873258DEST_PATH_IMAGE046
存入
Figure DEST_PATH_IMAGE047
中。
步骤五：设置空矩阵
Figure 973194DEST_PATH_IMAGE031
，大小24×32，用于存储每个区域的阈值。
步骤六：从
Figure 990829DEST_PATH_IMAGE048
至遍历
Figure 282133DEST_PATH_IMAGE038
中的元素，当遍历至元素
Figure 18008DEST_PATH_IMAGE045
时，若该元素的值为0，则将
Figure 685750DEST_PATH_IMAGE050
赋值为0；若该元素的值不为0，计算该元素周围8个元素中等于0的个数，记为
Figure DEST_PATH_IMAGE051
；用公式(2)来计算以区域为中心的9个区域的平均灰度值的平均值
Figure 285675DEST_PATH_IMAGE052
。以公式(3)来计算区域
Figure 243267DEST_PATH_IMAGE004
的调和因子；以公式(4)来计算区域
Figure 478814DEST_PATH_IMAGE004
的阈值；将
Figure 471041DEST_PATH_IMAGE025
存入
Figure 104147DEST_PATH_IMAGE050
中。
步骤七：逐行扫描
Figure 814614DEST_PATH_IMAGE031
中的元素，当扫描至
Figure DEST_PATH_IMAGE053
时，若，
Figure DEST_PATH_IMAGE055
和
Figure 454248DEST_PATH_IMAGE056
中只有一个等于0，那么
Figure DEST_PATH_IMAGE057
=两个不等于0的阈值的平均值-（这两个不为0的阈值之差的绝对值）÷4，将
Figure 428895DEST_PATH_IMAGE057
赋给那两个不为零的值；再逐列扫描
Figure 361079DEST_PATH_IMAGE058
中的元素，当扫描至
Figure 439893DEST_PATH_IMAGE053
时，若
Figure 609974DEST_PATH_IMAGE054
，
Figure DEST_PATH_IMAGE059
和
Figure 786483DEST_PATH_IMAGE060
中只有一个等于0，那么
Figure 111023DEST_PATH_IMAGE057
=两个不等于0的阈值的平均值-（这两个不为0的阈值之差的绝对值）÷4，将
Figure 196790DEST_PATH_IMAGE057
赋给那两个不为零的值。
步骤八：遍历
Figure 18116DEST_PATH_IMAGE031
的每个元素，当遍历至元素
Figure 134233DEST_PATH_IMAGE053
时，若
Figure DEST_PATH_IMAGE061
，在
Figure 509850DEST_PATH_IMAGE037
中找到该元素对应的20×20个点，将这些点全部赋值为0；若
Figure 868150DEST_PATH_IMAGE054
，在
Figure 809562DEST_PATH_IMAGE035
中找到该元素对应的20×20个点，将每个点与
Figure 126274DEST_PATH_IMAGE053
做比较，若大于
Figure 520346DEST_PATH_IMAGE053
，则将
Figure 977610DEST_PATH_IMAGE037
中对应的点赋值为1；若小于，则将
Figure 792299DEST_PATH_IMAGE037
中对应的点赋值为0。
步骤九：输出二维条码二值图像
Figure 408088DEST_PATH_IMAGE037
，如图6所示。

Claims (7)

1.一种二维条码的自适应阈值二值化方法，其特征是：包括以下步骤：
1.1) 将条码图像分成若干个大小相同的区域并计算每个区域的平均灰度值；
1.2) 计算每个区域的调和因子并利用每个区域的调和因子计算出相应的阈值；
1.3) 在每个区域中以对应的阈值将区域内的像素二值化。
2.根据权利要求1所述的二维条码的自适应阈值二值化方法，其特征是：所述步骤1.1)中将条码图像分成若干个大小相同的区域并计算每个区域的平均灰度值的步骤如下：
2.1)将条码图像分成                                                
Figure 2013101399955100001DEST_PATH_IMAGE001
个区域，且每个区域的大小为；
2.2)计算每个区域的平均灰度值
Figure 911127DEST_PATH_IMAGE004
并储存，其中
Figure 2013101399955100001DEST_PATH_IMAGE005
表示区域所在的位置，
Figure 569641DEST_PATH_IMAGE003
表示第
Figure 938305DEST_PATH_IMAGE006
行，第
Figure 2013101399955100001DEST_PATH_IMAGE007
列个区域，其中
Figure 707678DEST_PATH_IMAGE008
,；
2.3)计算每个区域的最大灰度值
Figure 448495DEST_PATH_IMAGE010
和最小灰度值
Figure 2013101399955100001DEST_PATH_IMAGE011
并储存。
3.根据权利要求2所述的二维条码的自适应阈值二值化方法，其特征是：区域
Figure 277910DEST_PATH_IMAGE003
的平均灰度值
Figure 868292DEST_PATH_IMAGE012
的计算公式如下：
Figure DEST_PATH_IMAGE013
。
4.根据权利要求3所述的二维条码的自适应阈值二值化方法，其特征是：当
Figure 441355DEST_PATH_IMAGE014
且
Figure DEST_PATH_IMAGE015
时，的经验取值在
Figure DEST_PATH_IMAGE017
之间，80为经验值，区域内全部都为条码图像；如果
Figure 111743DEST_PATH_IMAGE014
且
Figure 488498DEST_PATH_IMAGE018
时，区域
Figure 233600DEST_PATH_IMAGE003
内全部都为背景图像；若判定内全为条码图像，就将
Figure 235371DEST_PATH_IMAGE003
内的平均灰度值
Figure 681396DEST_PATH_IMAGE004
设为0，最后二值化时将该区域内全部像素点的值设为0；若判定
Figure 281004DEST_PATH_IMAGE003
内为背景图像，就将
Figure 154282DEST_PATH_IMAGE003
内的平均灰度值
Figure 629388DEST_PATH_IMAGE004
设为0，最后二值化时将该区域内全部像素点的值设为255。
5.根据权利要求1所述的二维条码的自适应阈值二值化方法，其特征是：所述步骤1.2)中计算每个区域的调和因子并利用每个区域的调和因子计算出相应的阈值的步骤如下：
5.1) 计算以第
Figure DEST_PATH_IMAGE019
个区域为中心的9个区域的9个灰度平均值的平均值，其计算公式为：
Figure 285629DEST_PATH_IMAGE020
其中
Figure DEST_PATH_IMAGE021
为第
Figure 677427DEST_PATH_IMAGE019
个区域的周围8个区域中平均灰度值等于0的个数；
5.2) 以公式
Figure 223071DEST_PATH_IMAGE022
来计算第个区域的调和因子；
5.3) 计算第
Figure 19306DEST_PATH_IMAGE019
个区域的阈值，计算公式如下：
Figure 2013101399955100001DEST_PATH_IMAGE023
。
6.根据权利要求5所述的二维条码的自适应阈值二值化方法，其特征是：所述步骤5.3)中将
Figure 62348DEST_PATH_IMAGE024
存入大小为
Figure 2013101399955100001DEST_PATH_IMAGE025
的矩阵当中，对特殊区域的阈值进行微调；微调方法为：逐行扫描存有阈值的矩阵中的元素，假设当前点为
Figure 746271DEST_PATH_IMAGE026
，其左边为
Figure 2013101399955100001DEST_PATH_IMAGE027
，右边为
Figure 241974DEST_PATH_IMAGE028
；如果，
Figure 535290DEST_PATH_IMAGE027
和
Figure 229576DEST_PATH_IMAGE028
中只有一个等于0，那么
Figure 349979DEST_PATH_IMAGE030
=两个不等于0的阈值的平均值-（这两个不为0的阈值之差的绝对值）÷4；将
Figure 598558DEST_PATH_IMAGE030
赋给那两个不等于零的值；接着逐列扫描存有阈值的矩阵中的元素，再仿照以上操作，需要改变的只是
Figure 462609DEST_PATH_IMAGE027
在
Figure 11402DEST_PATH_IMAGE026
上面，
Figure 302706DEST_PATH_IMAGE028
在下面。
7.根据权利要求1所述的二维条码的自适应阈值二值化方法，其特征是：所述步骤1.3)中在每个区域中以对应的阈值将区域内的像素二值化的方法是：在第个区域中，遍历每个像素点，如果像素点的值大于
Figure 2013101399955100001DEST_PATH_IMAGE031
，那就令该点的值为255；如果像素点的值小于
Figure 91647DEST_PATH_IMAGE031
，那就令该点的值为0。
CN201310139995.5A 2013-04-22 2013-04-22 一种二维条码的自适应阈值二值化方法 Expired - Fee Related CN103235948B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310139995.5A CN103235948B (zh) 2013-04-22 2013-04-22 一种二维条码的自适应阈值二值化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310139995.5A CN103235948B (zh) 2013-04-22 2013-04-22 一种二维条码的自适应阈值二值化方法

Publications (2)

Publication Number Publication Date
CN103235948A true CN103235948A (zh) 2013-08-07
CN103235948B CN103235948B (zh) 2016-04-20

Family

ID=48883987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310139995.5A Expired - Fee Related CN103235948B (zh) 2013-04-22 2013-04-22 一种二维条码的自适应阈值二值化方法

Country Status (1)

Country Link
CN (1) CN103235948B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103854298A (zh) * 2014-02-13 2014-06-11 腾讯科技（深圳）有限公司 一种图片与二维码融合的方法及终端
CN104504662A (zh) * 2014-12-26 2015-04-08 北京慧眼智行科技有限公司 一种基于同态滤波的图像处理方法及***
CN104517110A (zh) * 2013-09-29 2015-04-15 北大方正集团有限公司 一种二维码图像的二值化方法及***
CN104778473A (zh) * 2014-01-09 2015-07-15 深圳市中瀛鑫科技股份有限公司 图像二值化方法和装置、视频分析***
CN106251358A (zh) * 2016-08-08 2016-12-21 珠海赛纳打印科技股份有限公司 一种图像处理方法及装置
CN108846399A (zh) * 2018-04-10 2018-11-20 阿里巴巴集团控股有限公司 一种图像处理的方法及装置
CN109255277A (zh) * 2018-08-31 2019-01-22 阿里巴巴集团控股有限公司 一种二维码解析方法及装置
CN109785353A (zh) * 2019-01-15 2019-05-21 佛山市顺德区中山大学研究院 一种二维码的二次遍历二值化方法、装置和存储介质
CN110569684A (zh) * 2019-09-19 2019-12-13 南京全鉴信息技术有限公司 一种小容量缓存的图像二值化方法
CN112052700A (zh) * 2019-06-06 2020-12-08 北京京东尚科信息技术有限公司 图像二值化阈值矩阵确定与图形码信息识别方法及装置
CN113255393A (zh) * 2021-07-07 2021-08-13 江苏东大集成电路***工程技术有限公司 图像二值化方法、装置、存储介质及计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6081627A (en) * 1996-08-23 2000-06-27 Matsushita Electric Industrial Co., Ltd. Two-dimensional code reader
US20060118632A1 (en) * 2004-12-03 2006-06-08 Symbol Technologies, Inc. Barcode scanner decoding
CN101093553A (zh) * 2007-07-19 2007-12-26 成都博古天博科技有限公司 一种二维码***及其识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6081627A (en) * 1996-08-23 2000-06-27 Matsushita Electric Industrial Co., Ltd. Two-dimensional code reader
US20060118632A1 (en) * 2004-12-03 2006-06-08 Symbol Technologies, Inc. Barcode scanner decoding
CN101093553A (zh) * 2007-07-19 2007-12-26 成都博古天博科技有限公司 一种二维码***及其识别方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104517110B (zh) * 2013-09-29 2018-01-05 北大方正集团有限公司 一种二维码图像的二值化方法及***
CN104517110A (zh) * 2013-09-29 2015-04-15 北大方正集团有限公司 一种二维码图像的二值化方法及***
CN104778473A (zh) * 2014-01-09 2015-07-15 深圳市中瀛鑫科技股份有限公司 图像二值化方法和装置、视频分析***
CN103854298A (zh) * 2014-02-13 2014-06-11 腾讯科技（深圳）有限公司 一种图片与二维码融合的方法及终端
CN104504662A (zh) * 2014-12-26 2015-04-08 北京慧眼智行科技有限公司 一种基于同态滤波的图像处理方法及***
CN106251358B (zh) * 2016-08-08 2019-05-07 珠海赛纳打印科技股份有限公司 一种图像处理方法及装置
CN106251358A (zh) * 2016-08-08 2016-12-21 珠海赛纳打印科技股份有限公司 一种图像处理方法及装置
CN108846399A (zh) * 2018-04-10 2018-11-20 阿里巴巴集团控股有限公司 一种图像处理的方法及装置
WO2019196542A1 (zh) * 2018-04-10 2019-10-17 阿里巴巴集团控股有限公司 一种图像处理的方法及装置
CN109255277A (zh) * 2018-08-31 2019-01-22 阿里巴巴集团控股有限公司 一种二维码解析方法及装置
CN109785353A (zh) * 2019-01-15 2019-05-21 佛山市顺德区中山大学研究院 一种二维码的二次遍历二值化方法、装置和存储介质
CN109785353B (zh) * 2019-01-15 2020-12-08 佛山市顺德区中山大学研究院 一种二维码的二次遍历二值化方法、装置和存储介质
CN112052700A (zh) * 2019-06-06 2020-12-08 北京京东尚科信息技术有限公司 图像二值化阈值矩阵确定与图形码信息识别方法及装置
CN112052700B (zh) * 2019-06-06 2024-04-05 北京京东乾石科技有限公司 图像二值化阈值矩阵确定与图形码信息识别方法及装置
CN110569684A (zh) * 2019-09-19 2019-12-13 南京全鉴信息技术有限公司 一种小容量缓存的图像二值化方法
CN110569684B (zh) * 2019-09-19 2023-05-12 南京全鉴信息技术有限公司 一种小容量缓存的图像二值化方法
CN113255393A (zh) * 2021-07-07 2021-08-13 江苏东大集成电路***工程技术有限公司 图像二值化方法、装置、存储介质及计算机设备
CN113255393B (zh) * 2021-07-07 2021-10-15 江苏东大集成电路***工程技术有限公司 图像二值化方法、装置、存储介质及计算机设备

Also Published As

Publication number Publication date
CN103235948B (zh) 2016-04-20

Similar Documents

Publication Publication Date Title
CN103235948A (zh) 一种二维条码的自适应阈值二值化方法
Sangeetha et al. FPGA implementation of cost-effective robust Canny edge detection algorithm
US20240242078A1 (en) Method And Apparatus For Efficiently Processing Convolution Neural Network Operations
Singh et al. Adaptive binarization of severely degraded and non-uniformly illuminated documents
CN114223019A (zh) 用于参数有效的语义图像分割的反馈解码器
CN103366342A (zh) 应用于视频图像放大的分段线性插值方法
CN105335469A (zh) 一种图像匹配、检索方法和装置
Raza et al. Deconvolving convolutional neural network for cell detection
CN103903275A (zh) 利用小波融合算法改进图像分割效果的方法
CN106127765A (zh) 基于自适应窗口和平滑阈值法的图像二值化***
CN102663399A (zh) 一种基于Hilbert曲线和LBP的图像局部特征提取方法
CN106127763A (zh) 一种具有广泛适应性的图像二值化方法
CN108305217A (zh) 图像阴影消除方法和装置
CN108062759A (zh) 一种用于标记二值图像的多像素并行标记方法和***
CN106709393B (zh) 一种qr二维码二值化方法和***
Wasala et al. Real-time HOG+ SVM based object detection using SoC FPGA for a UHD video stream
Lim et al. A census transform-based robust stereo matching under radiometric changes
Akin et al. Dynamically adaptive real-time disparity estimation hardware using iterative refinement
Liu An improved image enhancement algorithm based on fuzzy set
CN104376578A (zh) 一种应用于直录播***中的运动目标检测处理方法及设备
RU2557755C1 (ru) Способ сжатия изображения при фрактальном кодировании
CN107833232B (zh) 图像细节的提取方法和装置、电子设备、计算机存储介质
Okarma et al. Fast statistical image binarization of colour images for the recognition of the QR codes
CN111832419A (zh) 手指静脉验证方法、电子设备和存储介质
Dun et al. System Locating License Plates with Shadow Based on Self-adaptive Window Size Technique

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160420

CF01 Termination of patent right due to non-payment of annual fee