CN110866578B - 一种二维纹理码及其编码和解码方法 - Google Patents

Abstract

本发明公开了一种二维纹理码及其编码和解码方法，所述二维纹理码包括L形的格式矫正区和矩形的纹理数据区，所述格式矫正区用于矫正二维纹理码的格式，所述矩形的纹理数据区被分割成m个矩形的子区域，所述每一子区域由一个纹理图片所占据，共有n种不同类型的纹理图片，每一种类型的纹理图片对应一个解码字符，且n>m。本发明的二维纹理码及其编码和解码方法，可有效降低二维码的信息冗余，提高低像素下解码的鲁棒性。

Description

一种二维纹理码及其编码和解码方法

技术领域

本发明涉及二维码技术领域，具体地，涉及一种二维纹理码及其编码和解码方法。

背景技术

随着数字技术地不断进步和发展，人们的日常生活被深刻的改变。移动支付、共享单车、无人零售等新型技术已经与我们的生活密不可分，极大地便利了人民的购物与出行。其中这些新兴技术的成功与二维码的普及与应用密不可分。

二维码又被称之为二维条码，使用黑白像素代表0和1。生活中最常见的二维码便是QR码(Quick Response Code，QRCode)。二维码能成功应用于多种场合，主要归结于二维码具有极强的鲁棒性和充足的信息容量。充足的信息容量允许了二维码有充足的纠错功能。这使得二维码成为了一种快速、高效、鲁棒的信息载体。

然而，一些特定的应用场景不依赖于二维码的高存储和高冗余，于是二维码的信息高冗余反而成为了它的缺点。比如在一项基于二维码与手机的视障辅助工程中，二维码被当作定位信息与类别信息贴于常用工具上，满足视障人员的获取需求。再例如公告号为CN102735235B的专利中，机器人利用贴在定位点的QR二维码进行室内导航。

这些场景存在共同的特点：二维码被用作于定位或分类，***中只有有限的类别，不需要二维码的高容量储存。因此，直接应用标准的QR码，则会引入定位不够鲁棒的问题，解码也会因为信息的冗余而出错。

如果图像中的二维码像素过低、目标过小，则通过解码器无法进行正确地定位和解码。具体表现为二维码的黑白像素块作为最小单位容易受到图像质量的影响，而无法解码。

虽然有许多关于二维码定位与解码的专利，比如公告号为CN106485183A的定位方法、公告号为CN105138940A的解码方法等，但是这些方法并不能根本上解决上述问题。

因此，我们需要一种新的二维图形识别方法，可以有效降低二维码的信息冗余，提高低像素下的鲁棒性。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种二维纹理码及其编码和解码方法，可以有效降低信息冗余，提高低像素下的鲁棒性。

根据本发明的一个方面，提供一种二维纹理码，包括：L形的格式矫正区和矩形的纹理数据区，所述格式矫正区用于矫正二维纹理码的格式，所述矩形的纹理数据区被分割成m个矩形的子区域，所述每一子区域由一个纹理图片所占据，共有n种不同类型的纹理图片，每一种类型的纹理图片对应一个解码字符，且n>m。

优选地，m＝4，所述纹理数据区被分割成4个矩形的子区域。

优选地，n＝10，共有10种不同类型的纹理图片。

优选地，所述格式矫正区为全黑L形，包围所述矩形的纹理数据区的两条边的外部。

优选地，所述格式矫正区用于矫正二维纹理码的格式，将所述二维纹理码矫正到标准方向和形状。

优选地，所述单个纹理图片为200像素，所述格式矫正区的宽度为25像素。

根据本发明的另一个方面，还提供一种二维纹理码编码方法，适用于上述的二维纹理码，包括以下步骤：

确定待编码数字；

将所述待编码数字按照解码字符对应的纹理图片类型分别填入至各子区域中。

优选地，还包括以下步骤：根据所述待编码数字确定所述m和n，其中n^m大于所述待编码数字。

根据本发明的另一个方面，还提供一种二维纹理码解码方法，适用于上述的二维纹理码，包括以下步骤：

定位二维纹理码；

检测所述L形的格式矫正区，利用所述L形的格式矫正区，将所述二维纹理码矫正到标准方向；

对矫正后的二维纹理码的各子区域的纹理图片进行分类，根据所述纹理图片的种类分别对应的解码字符，得到解码结果。

优选地，使用DenseNet、FPN或FasterRCNN等方法定位二维纹理码。

与现有技术相比，本发明具有如下的有益效果：

本发明上述的二维纹理码及其编码和解码方法，可有效降低二维码的信息冗余，提高低像素下解码的鲁棒性。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一实施例的二维纹理码；

图2为本发明一实施例的10种类型的纹理及其对应的解码字符；

图3为本发明一实施例的格式矫正示意图；

图4为本发明一实施例的二维纹理码解码方法的流程图；

图5为本发明一实施例的纹理图片分类器进行深度学习的过程。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

图1为本发明一实施例的二维纹理码，如图1所示，本发明一实施例的二维纹理码由两部分组成，一部分为L形的格式矫正区，用于矫正二维纹理码的格式，另一部分为纹理数据区。

所述纹理数据区为矩形区域，被分割成m个矩形的子区域。

如图1所示，在本发明的一个优选实施例中，所述m＝4，即所述纹理数据区被分割成4个矩形的子区域。

所述每一子区域由一个纹理图片所占据，共有n种类型的纹理，每一种类型的纹理对应一个解码字符，且n>m。

在本发明的一个优选实施例中，n＝10，即有10个不同类型的纹理。

图2为本发明一实施例的10种类型的纹理及其对应的解码字符，如图2所示，本实施例的10种不同类型的纹理分别对应解码字符1至10。

在一实施例中，所述L形的格式矫正区为全黑，用于矫正二维纹理码的格式，将所述二维纹理码矫正到标准方向和形状。

若没格式矫正区，纹理数据区的方向可以任意旋转，无法对各子区域的顺序进行定位，导致解码结果不唯一。

图3为本发明一实施例的格式矫正示意图，如图3所示，在本实施例中，通过格式矫正，可以将纹理数据区定位，其中以L形的直角所包围的定义为第3子区域，从而确定其余的第1、2、4子区域。利用L形格式矫正区的定位点信息，我们可以采用透视变换将二维纹理码矫正到标准方向和形状。

对于任意的二维纹理码，通过格式矫正区校正后，再通过解码器解码，可得到一个四位数的十进制结果，如图1所示二维纹理码的解码结果为8694。

在本发明的其他实施例中，也可以采用其他矫正方法，将所述二维纹理码矫正到标准方向和形状，本发明对此不作限制。

在本实施例中，纹理数据区被分割成了4个子区域，采用了10种纹理图案，但是在本发明的其他实施例中，并不限制子区域的数量和纹理图案的类型数量，并且纹理图案并不是固定不变的，可以根据实际情况调整或重新选择。

通过计算可得，对于本实施例的包括4个子区域和10种纹理图案的二维纹理码，其数据容量为10^4。

在实际情况中，若需要扩大或缩小数据容量，只需相应地增加或减少纹理图案的种类或子区域的数量即可。具体的数据容量可由下式可得：

c＝n^m (1)

其中n而纹理图片种类数量，m为纹理数据区中子区域的数量。

为了达到更好的效果，我们需要权衡纹理数据区和格式矫正区的比例大小。若矫正区的比例过大，则会影响纹理的解码；如果格式矫正区的大小过小，则不容易进行矫正。

在优选实施例中，所述单个纹理图片的像素设置为200个像素，将格式矫正区的宽度设置为25像素，可以同时满足解码和矫正的要求。

本发明相对于现有技术，可以有效降低二维码的信息冗余，提高低像素下的鲁棒性，适合于***中只有有限的类别，不需要高容量储存的应用场景。

本发明还提出了一种二维纹理码的编码方法，用于上述的二维纹理码，在本发明一实施例中，所述二维纹理码的编码方法包括以下步骤：确定待编码数字；将待编码数字按照解码字符对应的纹理图片类型分别填入至各子区域中。

在本实施例中，专利的编码部分需要输入的是待编码的四位数字，从0000到9999，一共一万种。根据输入的待编码数字，将纹理图片通过上述的格式，与格式矫正区一起组成最后的二维纹理码。

在另一实施例中，还可以包括确定数据容量的过程：根据所述待编码的数字确定所述m和n，其中n^m大于所述待编码数字。

本发明还提出了一种二维纹理码的解码方法，用于上述的二维纹理码，图4是本发明一实施例的二维纹理码解码方法的流程图，如图4所示，包括以下步骤：

S01，定位二维纹理码。

在一实施例中，可采用现有的目标定位技术，比如DenseNet、FPN、FasterRCNN方法等进行定位。

由于本发明实施例的纹理码的纹理信息明显，相较于传统的二维码更易于定位。

S02，检测所述L形的格式矫正区，利用所述L形的格式矫正区，将所述二维纹理码矫正到标准方向和形状。

在一实施例中，可以利用基于霍夫变换和阈值检测L形矫正符，利用L形矫正符的定位点信息，采用透视变换将二维纹理码矫正到标准方向和形状。

S03，对矫正后的二维纹理码的各子区域的纹理图片进行分类，根据所述纹理图片的种类分别对应的解码字符，得到解码结果。

在一实施例中，可以利用深度学习技术，对矫正后的二维纹理码的纹理图片进行分类和解码。

具体地，可以在解码过程中采用已经经过深度分类学习的分类器队二维纹理码进行分类，可提高分类的准确性和适应性。

在优选实施例中，为了使分类器能保持较高的准确性和适用性，可以在训练过程中增强训练数据，引入真实情况中可能遭遇的情况。因为假如只用原始的纹理图片进行训练，在实际的环境中则无法适用。当二维纹理码通过打印贴放于真实环境中，会受到关照不均匀、JPEG压缩、几何失真等影响。这些影响势必会影响基于深度学习的分类器的准确性。

图5为本发明一实施例的纹理图片分类器进行深度学习的过程，如图5所示，深度学习包括以下步骤：产生随机数字；对所述随机数字进行编码；产生二维纹理码；进行所述二维纹理码进行数据增强；产生解码结果；对比所述解码结果和所述随机数字，对所述分类器进行训练。

本发明实施例相对于现有的二维码编码和解码方法，可以有效降低二维码的信息冗余，可以快速、简单地进行编码，且可以提高低像素、复杂环境下解码的鲁棒性。

以上所述实施例中的各技术特征可以参照上述实施例进行工作，也可以根据实际需要进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种二维纹理码，其特征在于，包括：L形的格式矫正区和矩形的纹理数据区，所述格式矫正区用于矫正二维纹理码的格式，所述矩形的纹理数据区被分割成m个矩形的子区域，每一子区域由一个纹理图片所占据，共有n种不同类型的纹理图片，每一种类型的纹理图片对应一个解码字符，且n>m；

所述n=10，共有10种不同类型的纹理；

所述格式矫正区为全黑L形，包围所述矩形的纹理数据区的两条边的外部；

所述格式矫正区用于矫正二维纹理码的格式，将所述二维纹理码矫正到标准方向和形状。

2.根据权利要求1所述的二维纹理码，其特征在于， m=4，所述纹理数据区被分割成4个矩形的子区域。

3.根据权利要求1所述的二维纹理码，其特征在于，单个纹理图片为200像素，所述格式矫正区的宽度为25像素。

4.一种二维纹理码编码方法，其特征在于，适用于如权利要求1至3任一一项所述的二维纹理码，包括以下步骤：

确定待编码数字；

将所述待编码数字按照解码字符对应的纹理图片类型分别填入至各子区域中。

5.如权利要求4所述的二维纹理码编码方法，其特征在于，还包括以下步骤：根据所述待编码数字确定所述m和n，其中n^m大于所述待编码数字。

6.一种二维纹理码解码方法，其特征在于，适用于如权利要求1至3任一一项所述的二维纹理码，包括以下步骤：

定位二维纹理码；

检测所述L形的格式矫正区，利用所述L形的格式矫正区，将所述二维纹理码矫正到标准方向和形状；

对矫正后的二维纹理码的各子区域的纹理图片进行分类，根据所述纹理图片的种类分别对应的解码字符，得到解码结果。

7.如权利要求6所述的二维纹理码解码方法，其特征在于，使用DenseNet、FPN或FasterRCNN方法定位二维纹理码。

Images