CN104680109A - 一种基于图像识别的条码区域定位方法 - Google Patents
一种基于图像识别的条码区域定位方法 Download PDFInfo
- Publication number
- CN104680109A CN104680109A CN201310642629.1A CN201310642629A CN104680109A CN 104680109 A CN104680109 A CN 104680109A CN 201310642629 A CN201310642629 A CN 201310642629A CN 104680109 A CN104680109 A CN 104680109A
- Authority
- CN
- China
- Prior art keywords
- image
- bar code
- positioning method
- code area
- contrast
- 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
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种基于图像识别的条码区域定位方法,包括以下步骤:对采集的图像进行预处理,计算图像的模糊度和对比度,判断模糊度和对比度是否在对应的阈值范围内,如果判断结果为否则对图像进行调整;对图像进行腐蚀和膨胀运算,将图像中小于设定结构元素的物体去除,并对图像进行二值化处理,得到二值化图像;计算二值化图像的凸包,得到二值化图像中最外层的所有点,对最外层的所有点进行筛选,并对筛选出的点进行多边形逼近,得到定位的条码区域。
Description
技术领域
本发明涉及条码技术领域,具体而言,涉及一种基于图像识别的条码区域定位方法。
背景技术
目前,条码技术由于其准确、快速、方便、经济的特点,已被广泛的应用于运输业、零售业、产品制造、***防伪检验等领域,并且其发展十分迅速。它的使用极大地缩短了数据采集和信息处理的时间,提高了工作效率,并为管理的科学化和现代化作出了很大的贡献。但是在现实生活中采集到的二维条码图像,常常会遇到光线明暗不均、拍摄角度复杂多样、背景图案难以区分、条码有污损、条码被折叠等各种问题。当对此类的图像进行识别时,往往会由于找不到条码区域,或条码区域判断错误,而延长了条码识别的时间。因此,如何准确快速的定位采集图像中的条码区域,成为条码图像处理识别***的重要环节。
然而,现有的条码区域定位算法,都比较复杂,而且运行时间长其定位的准确率也不高。
发明内容
本发明提供一种基于图像识别的条码区域定位方法,用以精确快速的定位条码区域在原始图像中的位置。
为达到上述目的,本发明提供了一种基于图像识别的条码区域定位方法,包括以下步骤:
对采集的图像进行预处理,计算图像的模糊度和对比度,判断模糊度和对比度是否在对应的阈值范围内,如果判断结果为否则对图像进行调整;
对图像进行腐蚀和膨胀运算,将图像中小于设定结构元素的物体去除,并对图像进行二值化处理,得到二值化图像;
计算二值化图像的凸包,得到二值化图像中最外层的所有点,对最外层的所有点进行筛选,并对筛选出的点进行多边形逼近,得到定位的条码区域。
可选的,在对采集的图像进行预处理之前还包括以下步骤:
若图像采集设备拍摄的图像的格式与设定格式不一致,将图像的格式转换为设定格式。
可选的,上述方法还包括以下步骤:
对条码区域进行判断。若条码区域中的条码是由多根长度相同且平行的直线组成,则条码区域的条码类型为一维条码;若条码区域在左上角、右上角、左下角存在1:1:3:1:1模块宽度比的3个重叠的同心正方形,则条码区域的条码类型为QR码(Quick Response,二维条码);
根据所确定的条码类型,采用相应的条码识别算法对条码区域进行条码的识读。
可选的,若图像的对比度不在其对应的阈值范围内,则采用均衡化和伽玛变换算法,对图像的对比度进行调整。
可选的,采用OTSU二值化算法对图像进行二值化处理。
可选的,设定格式为BMP(Bitmap,位图)格式。
与现有技术相比,本发明具有以下有益效果:
1、较全局性直线检测方法节约了大量的存储空间和计算时间;
2、对扭曲或倾斜的条码图像具有很强的适用性,降低了图像处理需要的处理时间,提高了处理效率;
3、能够准确快速的定位原始图像中条码,大大缩短了条码识别的时间;
4、不仅可以定位二维条码区域,而且也可以准确的定位一维条码区域。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例的基于图像识别的条码区域定位方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明一个实施例的基于图像识别的条码区域定位方法流程图。如图所示,该条码区域定位方法包括以下步骤:
S110,图像格式转化,若图像采集设备拍摄的图像的格式与设定格式不一致,将图像的格式转换为设定格式;
例如,设定格式可以为BMP格式,如果获得的图像格式是jpg或jpeg等压缩的数据格式,则需要将其转换为BMP格式。
S120,对采集的图像进行预处理,计算图像的模糊度和对比度,判断模糊度和对比度是否在对应的阈值范围内,如果判断结果为否则对图像进行调整;
由于光照不均或曝光过度、图像褶皱等因素,而影响了图像的质量,所以需要先对这些问题进行处理。例如,若图像的对比度不在其对应的阈值范围内,即图像过亮或过暗,则采用均衡化和伽玛变换算法,对图像的对比度进行调整。
S130,对图像进行腐蚀和膨胀运算,将图像中小于设定结构元素的物体去除,并对图像进行二值化处理,得到二值化图像;
腐蚀运算的作用是消除物体边界点,把小于结构元素的物体去除,因此通过选取不同大小的结构元素,可以去除不同大小的物体,而膨胀运算则是腐蚀运算的逆运算;结合这两种算法,就可以将条码区域的大致轮廓就可以勾勒出来;然后可以采用OTSU二值化算法,对该图像进行二值化处理,过滤图像中的背景部分。
S140,计算二值化图像的凸包,得到二值化图像中最外层的所有点,对最外层的所有点进行筛选,并对筛选出的点进行多边形逼近,得到定位的条码区域;
S150,根据条码的特征对条码区域进行判断。若条码区域中的条码是由多根长度相同且平行的直线组成,则条码区域的条码类型为一维条码;若条码区域在左上角、右上角、左下角存在1:1:3:1:1模块宽度比的3个重叠的同心正方形,则条码区域的条码类型为QR码;根据所确定的条码类型,采用相应的条码识别算法对条码区域进行条码的识读。
条码类型确定以后,就可以采用相应的条码识别算法,快速的进行条码的识读,这样大大缩短了条码的识别时间。
上述实施例中,首先对输入的图像进行图像处理,例如计算图像模糊度和对比度等,并对图像进行相应的处理,再对图像进行膨胀、腐蚀和计算凸包顶点等图像处理算法,就可以快速的定位出原始图像中条码的区域,并对该区域进行条码特征的判断,然后用相应条码的识别方法进行识别。本发明运行时间较快、条码区域定位准确,还能对扭曲或者倾斜的一维条码和二维条码区域进行有效的定位,减少了精确定位消耗的处理时间以及在背景复杂情况下条码识别的时间,克服了传统直线检测算法因全局检测而需要大量存储空间的缺点。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (6)
1.一种基于图像识别的条码区域定位方法,其特征在于,包括以下步骤:
对采集的图像进行预处理,计算所述图像的模糊度和对比度,判断所述模糊度和对比度是否在对应的阈值范围内,如果判断结果为否则对所述图像进行调整;
对所述图像进行腐蚀和膨胀运算,将所述图像中小于设定结构元素的物体去除,并对所述图像进行二值化处理,得到二值化图像;
计算所述二值化图像的凸包,得到所述二值化图像中最外层的所有点,对所述最外层的所有点进行筛选,并对筛选出的点进行多边形逼近,得到定位的条码区域。
2.根据权利要求1所述的基于图像识别的条码区域定位方法,其特征在于,在对采集的图像进行预处理之前还包括以下步骤:
若图像采集设备拍摄的图像的格式与设定格式不一致,将所述图像的格式转换为所述设定格式。
3.根据权利要求1所述的基于图像识别的条码区域定位方法,其特征在于,还包括以下步骤:
对所述条码区域进行判断。若所述条码区域中的条码是由多根长度相同且平行的直线组成,则所述条码区域的条码类型为一维条码;若所述条码区域在左上角、右上角、左下角存在1:1:3:1:1模块宽度比的3个重叠的同心正方形,则所述条码区域的条码类型为QR码;
根据所确定的条码类型,采用相应的条码识别算法对所述条码区域进行条码的识读。
4.根据权利要求1所述的基于图像识别的条码区域定位方法,其特征在于,若所述图像的对比度不在其对应的阈值范围内,则采用均衡化和伽玛变换算法,对所述图像的对比度进行调整。
5.根据权利要求1所述的基于图像识别的条码区域定位方法,其特征在于,采用OTSU二值化算法对所述图像进行二值化处理。
6.根据权利要求2所述的基于图像识别的条码区域定位方法,其特征在于,所述设定格式为BMP格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310642629.1A CN104680109B (zh) | 2013-12-03 | 2013-12-03 | 一种基于图像识别的条码区域定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310642629.1A CN104680109B (zh) | 2013-12-03 | 2013-12-03 | 一种基于图像识别的条码区域定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104680109A true CN104680109A (zh) | 2015-06-03 |
CN104680109B CN104680109B (zh) | 2017-10-17 |
Family
ID=53315132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310642629.1A Active CN104680109B (zh) | 2013-12-03 | 2013-12-03 | 一种基于图像识别的条码区域定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680109B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260694A (zh) * | 2015-10-22 | 2016-01-20 | 佛山科学技术学院 | 一种基于多级骨干提取与分析的二维码区域定位方法 |
CN105335744A (zh) * | 2015-11-10 | 2016-02-17 | 佛山科学技术学院 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
CN106056020A (zh) * | 2016-06-01 | 2016-10-26 | 东莞理工学院 | 一种基于机器视觉***的条码检测识别方法及*** |
CN106874893A (zh) * | 2017-03-24 | 2017-06-20 | 武汉天喻教育科技有限公司 | 一种试卷分数的统计方法及*** |
WO2017113290A1 (zh) * | 2015-12-31 | 2017-07-06 | 深圳配天智能技术研究院有限公司 | 一种一维码定位的方法及装置 |
CN107832757A (zh) * | 2017-11-03 | 2018-03-23 | 深圳航天信息有限公司 | 一种***图像的识别方法 |
CN111950315A (zh) * | 2020-10-19 | 2020-11-17 | 江苏理工学院 | 一种多幅条形码图像切分与识别方法、装置及存储介质 |
CN112562021A (zh) * | 2020-12-26 | 2021-03-26 | 苏州斯普锐智能***股份有限公司 | 一种条码的图像滤镜处理方法 |
CN115359548A (zh) * | 2022-07-22 | 2022-11-18 | 吉林大学第一医院 | 一种手持式智能瞳孔检测装置及检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101504716A (zh) * | 2009-03-13 | 2009-08-12 | 重庆大学 | 基于现场可编程门阵列的qr二维条码识别方法及*** |
CN101882213A (zh) * | 2010-06-01 | 2010-11-10 | 福建新大陆电脑股份有限公司 | 一种条码图像采样方法 |
CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
-
2013
- 2013-12-03 CN CN201310642629.1A patent/CN104680109B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101504716A (zh) * | 2009-03-13 | 2009-08-12 | 重庆大学 | 基于现场可编程门阵列的qr二维条码识别方法及*** |
CN101882213A (zh) * | 2010-06-01 | 2010-11-10 | 福建新大陆电脑股份有限公司 | 一种条码图像采样方法 |
CN103294980A (zh) * | 2013-06-18 | 2013-09-11 | 四川大学 | 基于图像处理的微型qr码识别方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260694B (zh) * | 2015-10-22 | 2017-12-01 | 佛山科学技术学院 | 一种基于多级骨干提取与分析的二维码区域定位方法 |
CN105260694A (zh) * | 2015-10-22 | 2016-01-20 | 佛山科学技术学院 | 一种基于多级骨干提取与分析的二维码区域定位方法 |
CN105335744A (zh) * | 2015-11-10 | 2016-02-17 | 佛山科学技术学院 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
CN105335744B (zh) * | 2015-11-10 | 2018-09-21 | 佛山科学技术学院 | 一种基于图像骨干抽取条带分布特征的一维码区域定位 |
WO2017113290A1 (zh) * | 2015-12-31 | 2017-07-06 | 深圳配天智能技术研究院有限公司 | 一种一维码定位的方法及装置 |
CN106056020B (zh) * | 2016-06-01 | 2018-09-25 | 东莞理工学院 | 一种基于机器视觉***的条码检测识别方法及*** |
CN106056020A (zh) * | 2016-06-01 | 2016-10-26 | 东莞理工学院 | 一种基于机器视觉***的条码检测识别方法及*** |
CN106874893A (zh) * | 2017-03-24 | 2017-06-20 | 武汉天喻教育科技有限公司 | 一种试卷分数的统计方法及*** |
CN107832757A (zh) * | 2017-11-03 | 2018-03-23 | 深圳航天信息有限公司 | 一种***图像的识别方法 |
CN111950315A (zh) * | 2020-10-19 | 2020-11-17 | 江苏理工学院 | 一种多幅条形码图像切分与识别方法、装置及存储介质 |
CN111950315B (zh) * | 2020-10-19 | 2023-11-07 | 江苏理工学院 | 一种多幅条形码图像切分与识别方法、装置及存储介质 |
CN112562021A (zh) * | 2020-12-26 | 2021-03-26 | 苏州斯普锐智能***股份有限公司 | 一种条码的图像滤镜处理方法 |
CN115359548A (zh) * | 2022-07-22 | 2022-11-18 | 吉林大学第一医院 | 一种手持式智能瞳孔检测装置及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104680109B (zh) | 2017-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104680109A (zh) | 一种基于图像识别的条码区域定位方法 | |
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及*** | |
CN109670500B (zh) | 一种文字区域获取方法、装置、存储介质及终端设备 | |
Rahaman et al. | Automatic defect detection and classification technique from image: a special case using ceramic tiles | |
JP5521164B2 (ja) | 連続して存在する英数字を識別するための画像処理システムおよびその方法 | |
KR101182173B1 (ko) | 차량 번호판 인식 방법 및 시스템 | |
CN113646801B (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
US20140193029A1 (en) | Text Detection in Images of Graphical User Interfaces | |
US9111183B2 (en) | Performing a comparison between two images which are scaled to a common resolution | |
CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
CN104239909A (zh) | 一种图像的识别方法和装置 | |
CN110660072B (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN111754538B (zh) | Usb表面缺陷检测的阈值分割方法 | |
CN114049499A (zh) | 用于连续轮廓的目标对象检测方法、设备及存储介质 | |
CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
CN115953373B (zh) | 玻璃缺陷检测方法、装置、电子设备及存储介质 | |
CN109522768A (zh) | Qr码的识别方法及装置 | |
KR101574874B1 (ko) | 차량 번호판의 문자 분할 방법 및 장치 | |
CN111754525B (zh) | 一种基于非精确切分的工业字符检测流程 | |
CN115587966A (zh) | 一种在光照不均匀条件下零件有无缺漏的检测方法及*** | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
EP2756450B1 (en) | Method for detection of a rain drop on the windscreen of a vehicle and driver assistance system | |
Seraogi et al. | Employing CNN to Identify Noisy Documents Thereafter Accomplishing Text Line Segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |