CN111311497A - 一种条形码图像角度校正方法和装置 - Google Patents
一种条形码图像角度校正方法和装置 Download PDFInfo
- Publication number
- CN111311497A CN111311497A CN202010088727.5A CN202010088727A CN111311497A CN 111311497 A CN111311497 A CN 111311497A CN 202010088727 A CN202010088727 A CN 202010088727A CN 111311497 A CN111311497 A CN 111311497A
- Authority
- CN
- China
- Prior art keywords
- contour
- image
- white foreground
- bar code
- corrected
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 description 14
- 238000001914 filtration Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种条形码图像角度校正方法和装置,对获取的待校正条形码图像进行灰度化和二值化处理,得到第一二值图像;基于轮廓检索算法对第一二值图像中的白色前景区域进行轮廓检索,得到第一轮廓;将面积小于预置阈值的白色前景区域进行黑色填充后,再次进行轮廓检索,得到第二轮廓;基于第二轮廓计算白色前景区域的第二轮廓的中心;基于霍夫变换对得到的中心点进行直线拟合,输出夹角;基于夹角计算得到校正角度,进而对待校正条形码图像进行旋转,得到校正后的条形码图像,解决了现有的条形码校正方法只能对一维条形码进行小角度校正,在条形码角度倾斜较严重的情况下校正的效果较差,使得条形码识别结果较差的技术问题。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种条形码图像角度校正方法和装置。
背景技术
条形码是根据一定的编码规则,利用不同粗细度的黑线和空白排列形成的一种符号。条形码广泛应用于日常生活中,例如商品和快递单。目前的一维条形码通常可以用来存储数字、字母等信息,由于一维条形码只在单个方向上表达信息,使得现有的机器视觉技术在识别一维条形码时对条形码的放置角度有要求,通常需要调整条形码的角度以便于进行条形码识别,现有的条形码校正方法只能对一维条形码进行小角度校正,在条形码角度倾斜较严重的情况下校正的效果较差,使得条形码识别结果较差。
发明内容
本申请提供了一种条形码图像角度校正方法和装置,用于解决现有的条形码校正方法只能对一维条形码进行小角度校正,在条形码角度倾斜较严重的情况下校正的效果较差,使得条形码识别结果较差的技术问题。
有鉴于此,本申请第一方面提供了一种条形码图像角度校正方法,包括:
对获取的待校正条形码图像进行灰度化处理;
对灰度化处理后的所述待校正条形码图像进行二值化处理,得到第一二值图像;
基于轮廓检索算法对所述第一二值图像中的白色前景区域进行轮廓检索,得到所述白色前景区域的第一轮廓;
将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像,所述白色前景区域的面积基于所述白色前景区域的第一轮廓内的像素点的数量计算得到;
基于轮廓检索算法对所述第二二值图像中的白色前景区域进行轮廓检索,得到所述白色前景区域的第二轮廓;
基于所述白色前景区域的第二轮廓计算所述白色前景区域的第二轮廓的中心,得到若干个中心点;
基于霍夫变换对所述中心点进行直线拟合,输出夹角;
基于所述夹角计算得到校正角度,基于所述校正角度对所述待校正条形码图像进行旋转,得到校正后的条形码图像。
优选地,所述对灰度化处理后的所述待校正条形码图像进行二值化处理,得到第一二值图像,之前还包括:
对所述灰度化处理后的所述待校正条形码图像进行去噪处理。
优选地,所述将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像,包括:
根据漫水填充算法将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像。
优选地,所述基于所述白色前景区域的第二轮廓计算所述白色前景区域的第二轮廓的中心,得到若干个中心点,包括:
基于所述白色前景区域的第二轮廓得到所述第二轮廓的四个边界点,所述四个边界点为最上、最下、最左和最右的四个点;
基于所述四个边界点得到所述第二轮廓的外接矩形,基于所述外接矩形计算得到所述外接矩形的中心,将所述外接矩形的中心作为所述第二轮廓的中心,得到若干个所述中心点。
优选地,所述对获取的待校正条形码图像进行灰度化处理,之前还包括:
获取所述待校正条形码图像。
本申请第二方面提供了一种条形码图像角度校正装置,包括:
灰度化处理模块,用于对获取的待校正条形码图像进行灰度化处理;
二值化处理模块,用于对灰度化处理后的所述待校正条形码图像进行二值化处理,得到第一二值图像;
第一轮廓检索模块,用于基于轮廓检索算法对所述第一二值图像中的白色前景区域进行轮廓检索,得到所述白色前景区域的第一轮廓;
填充模块,用于将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像,所述白色前景区域的面积基于所述白色前景区域的第一轮廓内的像素点的数量计算得到;
第二轮廓检索模块,用于基于轮廓检索算法对所述第二二值图像中的白色前景区域进行轮廓检索,得到所述白色前景区域的第二轮廓;
计算模块,用于基于所述白色前景区域的第二轮廓计算所述白色前景区域的第二轮廓的中心,得到若干个中心点;
直线拟合模块,用于基于霍夫变换对所述中心点进行直线拟合,输出夹角;
校正模块,用于基于所述夹角计算得到校正角度,基于所述校正角度对所述待校正条形码图像进行旋转,得到校正后的条形码图像。
优选地,还包括:
去噪模块,用于对所述灰度化处理后的所述待校正条形码图像进行去噪处理。
优选地,所述填充模块具体用于:
根据漫水填充算法将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像。
优选地,所述计算模块具体用于:
基于所述白色前景区域的第二轮廓得到所述第二轮廓的四个边界点,所述四个边界点为最上、最下、最左和最右的四个点;
基于所述四个边界点得到所述第二轮廓的外接矩形,基于所述外接矩形计算得到所述外接矩形的中心,将所述外接矩形的中心作为所述第二轮廓的中心,得到若干个所述中心点。
优选地,还包括:
图像获取模块,用于获取所述待校正条形码图像。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供了一种条形码图像角度校正方法,包括:对获取的待校正条形码图像进行灰度化处理;对灰度化处理后的待校正条形码图像进行二值化处理,得到第一二值图像;基于轮廓检索算法对第一二值图像中的白色前景区域进行轮廓检索,得到白色前景区域的第一轮廓;将面积小于预置阈值的白色前景区域进行黑色填充,得到第二二值图像,白色前景区域的面积基于白色前景区域的第一轮廓内的像素点的数量计算得到;基于轮廓检索算法对第二二值图像中的白色前景区域进行轮廓检索,得到白色前景区域的第二轮廓;基于白色前景区域的第二轮廓计算白色前景区域的第二轮廓的中心,得到若干个中心点;基于霍夫变换对中心点进行直线拟合,输出夹角;基于夹角计算得到校正角度,基于校正角度对待校正条形码图像进行旋转,得到校正后的条形码图像。
本申请中的条形码图像角度校正方法,通过对获取的待矫正条形码图像进行灰度化、二值化处理,得到第一二值图像;考虑到条形码之外的其他白色前景区域会影响条形码的方向直线的检测,特别是密集的小面积白色前景区域,对第一二值图像中的白色前景进行轮廓检索,进而将面积小于预置阈值的白色前景区域进行黑色填充,得到第二二值图像,从而达到删除小面积白色前景区域的效果,提高条形码的方向直线的检测准确性;基于轮廓检索算法对第二二值图像中的白色前景区域进行轮廓检索,并基于白色前景区域的第二轮廓计算白色前景区域的第二轮廓的中心,得到若干个中心点,进而采用霍夫变换对中心点进行直线拟合,得到条形码的方向直线以及夹角,通过该夹角可以计算得到校正角度,进而进行条形码图像的校正,从而解决了现有的条形码校正方法只能对一维条形码进行小角度校正,在条形码角度倾斜较严重的情况下校正的效果较差,使得条形码识别结果较差的技术问题。
附图说明
图1为本申请实施例提供的一种条形码图像角度校正方法的一个流程示意图;
图2为本申请实施例提供的一种条形码图像角度校正方法的另一个流程示意图;
图3为本申请实施例提供的一种条形码图像角度校正装置的一个结构示意图;
图4为本申请实施例提供的极坐标系中参数的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请提供的一种条形码图像角度校正方法的一个实施例,包括:
步骤101、对获取的待校正条形码图像进行灰度化处理。
需要说明的是,对获取的待校正条形码图像进行灰度化处理以便于后续进行二值化处理。
步骤102、对灰度化处理后的待校正条形码图像进行二值化处理,得到第一二值图像。
步骤103、基于轮廓检索算法对第一二值图像中的白色前景区域进行轮廓检索,得到白色前景区域的第一轮廓。
步骤104、将面积小于预置阈值的白色前景区域进行黑色填充,得到第二二值图像,白色前景区域的面积基于白色前景区域的第一轮廓内的像素点的数量计算得到。
需要说明的是,得到的第一二值图像中存在着大量的白色前景,除了条形码之外的其他白色前景区域会影响条形码的方向直线的检测,特别是密集的小面积白色前景区域,这些小面积白色前景区域不仅影响程序运行的效率,而且很容易导致直线检测错误,因此,需要减少小面积白色前景区域。本申请实施例中通过轮廓检索算法对第一二值图像中的白色前景区域进行轮廓检索,从而得到白色前景区域的第一轮廓,得到第一轮廓后,可以通过计算每个第一轮廓内的像素点的数量得到每个第一轮廓对应的白色前景区域的面积,将面积小于预置阈值的白色前景区域进行黑色填充,得到第二二值图像,从而达到删除小面积白色前景区域的目的,以此提高条形码的方向直线的检测准确率,其中,基于轮廓检索算法对第一二值图像中的白色前景区域进行轮廓检索属于现有技术,在此不再对基于轮廓检索算法进行轮廓检索的具体过程进行赘述。
步骤105、基于轮廓检索算法对第二二值图像中的白色前景区域进行轮廓检索,得到白色前景区域的第二轮廓。
步骤106、基于白色前景区域的第二轮廓计算白色前景区域的第二轮廓的中心,得到若干个中心点。
需要说明的是,因为条形码的条块均为等高条块,在同一方向对齐排列,这些条块的中心点连成的直线即为条形码的方向直线,因此需要计算白色前景区域的第二轮廓的中心,得到条形码各个条块的中心点。
步骤107、基于霍夫变换对中心点进行直线拟合,输出夹角。
需要说明的是,在获得若干个中心点后,可以采用直线检测算法检测直线,并返回拟合度最好的直线,本申请实施例中优选采用霍夫变换对中心点进行直线拟合,霍夫变换是图像处理中的一种形状检测算法,无论是间断点还是连续点,其都能处理。霍夫变换的原理是将图像函数表达式从欧式距离变换到参数空间,从而实现形状的拟合检测,在直角坐标系中,直线可以表示为y=ax+b,在极坐标中,直线可以表示为ρ=x cosθ+y sinθ,ρ为原点到该直线的垂直距离,θ是该直线的垂线与横轴顺时针方向的夹角,如图4所示。当ρ大于0时,直线处于原点的下方;当ρ大于0时,直线处于原点的上方,无论直线处于原点的上方还是下方,夹角θ都是小于180°,因此,(ρ;θ)可以用来表示任意一条直线。采用霍夫变换对中心点进行直线拟合,具体为:首先,创建一个2维的数组作为累加器,该数组的行和列分别表示ρ和θ,对数组中的值采用置0来进行初始化,将中心点的x值和y值代入到直线的极坐标方程中;然后,按精度遍历θ值,间隔为精度值,代入方程后求出对应的ρ值,这样就能求出多个数值对(ρ;θ),将这些数值对与累加器对比,若累加器中能找到相应的位置,那么相应位置的值执行加1操作;接着取第二个中心点,重复前述步骤并更新累加器中的值,直到把所有的中心点取完,当所有操作执行完毕后,累加器中存在一个最大值,输出最大值对应的数值对(ρ;θ),从而得到夹角θ。
步骤108、基于夹角计算得到校正角度,基于校正角度对待校正条形码图像进行旋转,得到校正后的条形码图像。
需要说明的是,可以通过90°减去夹角θ得到校正角度,基于校正角度对待校正条形码图像进行旋转,得到校正后的条形码图像。
本申请实施例中的条形码图像角度校正方法,通过对获取的待矫正条形码图像进行灰度化、二值化处理,得到第一二值图像;考虑到条形码之外的其他白色前景区域会影响条形码的方向直线的检测,特别是密集的小面积白色前景区域,对第一二值图像中的白色前景进行轮廓检索,进而将面积小于预置阈值的白色前景区域进行黑色填充,得到第二二值图像,从而达到删除小面积白色前景区域的效果,提高条形码的方向直线的检测准确性;基于轮廓检索算法对第二二值图像中的白色前景区域进行轮廓检索,并基于白色前景区域的第二轮廓计算白色前景区域的第二轮廓的中心,得到若干个中心点,进而采用霍夫变换对中心点进行直线拟合,得到条形码的方向直线以及夹角,通过该夹角可以计算得到校正角度,进而进行条形码图像的校正,从而解决了现有的条形码校正方法只能对一维条形码进行小角度校正,在条形码角度倾斜较严重的情况下校正的效果较差,使得条形码识别结果较差的技术问题。
为了便于理解,请参阅图2,本申请提供的一种条形码图像角度校正方法的另一个实施例,包括:
步骤201、获取待校正条形码图像。
需要说明的是,可以通过摄像头获取待校正条形码图像,待校正条形码图像为彩色图像。
步骤202、对获取的待校正条形码图像进行灰度化处理。
需要说明的是,对获取的待校正条形码图像进行灰度化处理以便于后续进行二值化处理,本申请实施例中优选采用加权平均法进行灰度化处理,即:
f(x,y)=0.30R(x,y)+0.59G(x,y)+0.11B(x,y);
其中,R、G、B为彩色图像的三个通道,f为灰度化处理后的灰度图像。
步骤203、对灰度化处理后的待校正条形码图像进行去噪处理。
需要说明的是,由于噪声对后续二值化处理存在不利影响,因此本申请实施例中对灰度化处理后的待校正条形码图像进行去噪处理,可以通过滤波算法对图像进行平滑以达到去噪的效果,常用的滤波算法有均值滤波、中值滤波和高斯滤波等,本申请实施例中优先采用中值滤波,通过滑动窗口遍历图像,将滑动窗口的中间点及其周围的邻域像素点的像素值按升序或降序排列,然后取排序后的中间值设为窗口中心点的像素值。
步骤204、对去噪处理后的待校正条形码图像进行二值化处理,得到第一二值图像。
需要说明的是,本申请实施例中采用全局二值化方法对去噪后的待校正条形码图像进行二值化处理,定义待校正条形码图像中前景目标和背景的分割阈值为T,图像的大小为M×N,属于前景的像素点个数占整幅图像的所有像素点的比例为ω0,其对应的平均灰度为μ0,背景像素点数占整幅图像的所有像素点的比例为ω1,其对应的平均灰度为μ1,图像的总平均灰度为μ,类间方差为g,定义图像中像素的灰度值小于阈值T的像素的个数记为N0,对应的像素的灰度值大于阈值T的像素的个数记为N1,此时,定义如下:
μ=ω0×μ0+ω1×μ1;
g=ω0(μ0-μ)2+ω1(μ1-μ)2;
T=argmax(g);
g取得最大值时对应的T即为所求阈值,根据求得的阈值T对去噪后的待校正条形码图像进行二值化处理,得到第一二值图像。
步骤205、基于轮廓检索算法对第一二值图像中的白色前景区域进行轮廓检索,得到白色前景区域的第一轮廓。
步骤206、根据漫水填充算法将面积小于预置阈值的白色前景区域进行黑色填充,得到第二二值图像,白色前景区域的面积基于白色前景区域的第一轮廓内的像素点的数量计算得到。
需要说明的是,得到的第一二值图像中存在着大量的白色前景,除了条形码之外的其他白色前景区域会影响条形码的方向直线的检测,特别是密集的小面积白色前景区域,这些小面积白色前景区域不仅影响程序运行的效率,而且很容易导致直线检测错误,因此,需要减少小面积白色前景区域。本申请实施例中通过轮廓检索算法对第一二值图像中的白色前景区域进行轮廓检索,从而得到白色前景区域的第一轮廓,得到第一轮廓后,可以通过计算每个第一轮廓内的像素点的数量得到每个第一轮廓对应的白色前景区域的面积,根据漫水填充算法将面积小于预置阈值的白色前景区域进行黑色填充,从而达到删除小面积白色前景区域的目的,以此提高条形码的方向直线的检测准确率,其中,本申请实施例中的预置阈值设为30,基于漫水填充算法进行黑色填充属于现有技术,在此不再对漫水填充算法进行黑色填充的具体过程进行赘述。
步骤207、基于轮廓检索算法对第二二值图像中的白色前景区域进行轮廓检索,得到白色前景区域的第二轮廓。
步骤208、基于白色前景区域的第二轮廓计算白色前景区域的第二轮廓的中心,得到若干个中心点。
需要说明的是,因为条形码的条块均为等高条块,在同一方向对齐排列,这些条块的中心点连成的直线即为条形码的方向直线,因此需要计算白色前景区域的第二轮廓的中心,得到条形码各个条块的中心点,具体步骤为:
基于白色前景区域的第二轮廓得到第二轮廓的四个边界点,四个边界点为最上、最下、最左和最右的四个点;
基于四个边界点得到第二轮廓的外接矩形,基于外接矩形计算得到外接矩形的中心,将外接矩形的中心作为第二轮廓的中心,得到若干个中心点,可以将非中心点的位置进行黑色填充,得到中心点图像,其中,可以通过将外接矩形的长宽各取一半的坐标得到外接矩形的中心点坐标。
步骤209、基于霍夫变换对中心点进行直线拟合,输出夹角。
需要说明的是,在获得若干个中心点后,可以采用直线检测算法检测直线,并返回拟合度最好的直线,本申请实施例中优选采用霍夫变换对中心点进行直线拟合,霍夫变换是图像处理中的一种形状检测算法,无论是间断点还是连续点,其都能处理。霍夫变换的原理是将图像函数表达式从欧式距离变换到参数空间,从而实现形状的拟合检测,在直角坐标系中,直线可以表示为y=ax+b,在极坐标中,直线可以表示为ρ=x cosθ+y sinθ,ρ为原点到该直线的垂直距离,θ是该直线的垂线与横轴顺时针方向的夹角,如图4所示。当ρ大于0时,直线处于原点的下方;当ρ大于0时,直线处于原点的上方,无论直线处于原点的上方还是下方,夹角θ都是小于180°,因此,(ρ;θ)可以用来表示任意一条直线。采用霍夫变换对中心点进行直线拟合,具体为:首先,创建一个2维的数组作为累加器,该数组的行和列分别表示ρ和θ,对数组中的值采用置0来进行初始化,将中心点的x值和y值代入到直线的极坐标方程中;然后,按精度遍历θ值,间隔为精度值,代入方程后求出对应的ρ值,这样就能求出多个数值对(ρ;θ),将这些数值对与累加器对比,若累加器中能找到相应的位置,那么相应位置的值执行加1操作;接着取第二个中心点,重复前述步骤并更新累加器中的值,直到把所有的中心点取完,当所有操作执行完毕后,累加器中存在一个最大值,输出最大值对应的数值对(ρ;θ),从而得到夹角θ。
步骤210、基于夹角计算得到校正角度,基于校正角度对待校正条形码图像进行旋转,得到校正后的条形码图像。
需要说明的是,可以通过90°减去夹角θ得到校正角度,基于校正角度对待校正条形码图像进行旋转,得到校正后的条形码图像。
为了便于理解,请参阅图3,本申请提供的一种条形码图像角度校正装置的一个实施例,包括:
灰度化处理模块301,用于对获取的待校正条形码图像进行灰度化处理。
二值化处理模块302,用于对灰度化处理后的待校正条形码图像进行二值化处理,得到第一二值图像。
第一轮廓检索模块303,用于基于轮廓检索算法对第一二值图像中的白色前景区域进行轮廓检索,得到白色前景区域的第一轮廓。
填充模块304,用于将面积小于预置阈值的白色前景区域进行黑色填充,得到第二二值图像,白色前景区域的面积基于白色前景区域的第一轮廓内的像素点的数量计算得到。
第二轮廓检索模块305,用于基于轮廓检索算法对第二二值图像中的白色前景区域进行轮廓检索,得到白色前景区域的第二轮廓。
计算模块306,用于基于白色前景区域的第二轮廓计算白色前景区域的第二轮廓的中心,得到若干个中心点。
直线拟合模块307,用于基于霍夫变换对中心点进行直线拟合,输出夹角。
校正模块308,用于基于夹角计算得到校正角度,基于校正角度对待校正条形码图像进行旋转,得到校正后的条形码图像。
进一步地,还包括:
去噪模块309,用于对灰度化处理后的待校正条形码图像进行去噪处理。
进一步地,填充模块304具体用于:
根据漫水填充算法将面积小于预置阈值的白色前景区域进行黑色填充,得到第二二值图像。
进一步地,计算模块306具体用于:
基于白色前景区域的第二轮廓得到第二轮廓的四个边界点,四个边界点为最上、最下、最左和最右的四个点;
基于四个边界点得到第二轮廓的外接矩形,基于外接矩形计算得到外接矩形的中心,将外接矩形的中心作为第二轮廓的中心,得到若干个中心点。
进一步地,还包括:
图像获取模块310,用于获取待校正条形码图像。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种条形码图像角度校正方法,其特征在于,包括:
对获取的待校正条形码图像进行灰度化处理;
对灰度化处理后的所述待校正条形码图像进行二值化处理,得到第一二值图像;
基于轮廓检索算法对所述第一二值图像中的白色前景区域进行轮廓检索,得到所述白色前景区域的第一轮廓;
将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像,所述白色前景区域的面积基于所述白色前景区域的第一轮廓内的像素点的数量计算得到;
基于轮廓检索算法对所述第二二值图像中的白色前景区域进行轮廓检索,得到所述白色前景区域的第二轮廓;
基于所述白色前景区域的第二轮廓计算所述白色前景区域的第二轮廓的中心,得到若干个中心点;
基于霍夫变换对所述中心点进行直线拟合,输出夹角;
基于所述夹角计算得到校正角度,基于所述校正角度对所述待校正条形码图像进行旋转,得到校正后的条形码图像。
2.根据权利要求1所述的条形码图像角度校正方法,其特征在于,所述对灰度化处理后的所述待校正条形码图像进行二值化处理,得到第一二值图像,之前还包括:
对所述灰度化处理后的所述待校正条形码图像进行去噪处理。
3.根据权利要求1所述的条形码图像角度校正方法,其特征在于,所述将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像,包括:
根据漫水填充算法将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像。
4.根据权利要求1所述的条形码图像角度校正方法,其特征在于,所述基于所述白色前景区域的第二轮廓计算所述白色前景区域的第二轮廓的中心,得到若干个中心点,包括:
基于所述白色前景区域的第二轮廓得到所述第二轮廓的四个边界点,所述四个边界点为最上、最下、最左和最右的四个点;
基于所述四个边界点得到所述第二轮廓的外接矩形,基于所述外接矩形计算得到所述外接矩形的中心,将所述外接矩形的中心作为所述第二轮廓的中心,得到若干个所述中心点。
5.根据权利要求1所述的条形码图像角度校正方法,其特征在于,所述对获取的待校正条形码图像进行灰度化处理,之前还包括:
获取所述待校正条形码图像。
6.一种条形码图像角度校正装置,其特征在于,包括:
灰度化处理模块,用于对获取的待校正条形码图像进行灰度化处理;
二值化处理模块,用于对灰度化处理后的所述待校正条形码图像进行二值化处理,得到第一二值图像;
第一轮廓检索模块,用于基于轮廓检索算法对所述第一二值图像中的白色前景区域进行轮廓检索,得到所述白色前景区域的第一轮廓;
填充模块,用于将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像,所述白色前景区域的面积基于所述白色前景区域的第一轮廓内的像素点的数量计算得到;
第二轮廓检索模块,用于基于轮廓检索算法对所述第二二值图像中的白色前景区域进行轮廓检索,得到所述白色前景区域的第二轮廓;
计算模块,用于基于所述白色前景区域的第二轮廓计算所述白色前景区域的第二轮廓的中心,得到若干个中心点;
直线拟合模块,用于基于霍夫变换对所述中心点进行直线拟合,输出夹角;
校正模块,用于基于所述夹角计算得到校正角度,基于所述校正角度对所述待校正条形码图像进行旋转,得到校正后的条形码图像。
7.根据权利要求6所述的条形码图像角度校正装置,其特征在于,还包括:
去噪模块,用于对所述灰度化处理后的所述待校正条形码图像进行去噪处理。
8.根据权利要求6所述的条形码图像角度校正装置,其特征在于,所述填充模块具体用于:
根据漫水填充算法将面积小于预置阈值的所述白色前景区域进行黑色填充,得到第二二值图像。
9.根据权利要求6所述的条形码图像角度校正装置,其特征在于,所述计算模块具体用于:
基于所述白色前景区域的第二轮廓得到所述第二轮廓的四个边界点,所述四个边界点为最上、最下、最左和最右的四个点;
基于所述四个边界点得到所述第二轮廓的外接矩形,基于所述外接矩形计算得到所述外接矩形的中心,将所述外接矩形的中心作为所述第二轮廓的中心,得到若干个所述中心点。
10.根据权利要求6所述的条形码图像角度校正装置,其特征在于,还包括:
图像获取模块,用于获取所述待校正条形码图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010088727.5A CN111311497B (zh) | 2020-02-12 | 2020-02-12 | 一种条形码图像角度校正方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010088727.5A CN111311497B (zh) | 2020-02-12 | 2020-02-12 | 一种条形码图像角度校正方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311497A true CN111311497A (zh) | 2020-06-19 |
CN111311497B CN111311497B (zh) | 2023-05-05 |
Family
ID=71152804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010088727.5A Active CN111311497B (zh) | 2020-02-12 | 2020-02-12 | 一种条形码图像角度校正方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311497B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768378A (zh) * | 2020-06-29 | 2020-10-13 | 广东电网有限责任公司 | 一种压接金具带电检测方法及装置 |
CN113449536A (zh) * | 2021-07-16 | 2021-09-28 | 深圳思谋信息科技有限公司 | 条码图像修复方法、装置、计算机设备和存储介质 |
CN116225270A (zh) * | 2023-02-27 | 2023-06-06 | 荣耀终端有限公司 | 条码图像的获取方法及相关装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150090792A1 (en) * | 2013-09-29 | 2015-04-02 | Founder Mobile Media Technology (Beijing) Co., Ltd. | System for decoding two dimensional code and method thereof |
CN110309687A (zh) * | 2019-07-05 | 2019-10-08 | 华中科技大学 | 一种二维码图像的校正方法及校正装置 |
CN110348264A (zh) * | 2019-07-04 | 2019-10-18 | 北京电子工程总体研究所 | 一种qr二维码图像校正方法及*** |
-
2020
- 2020-02-12 CN CN202010088727.5A patent/CN111311497B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150090792A1 (en) * | 2013-09-29 | 2015-04-02 | Founder Mobile Media Technology (Beijing) Co., Ltd. | System for decoding two dimensional code and method thereof |
CN110348264A (zh) * | 2019-07-04 | 2019-10-18 | 北京电子工程总体研究所 | 一种qr二维码图像校正方法及*** |
CN110309687A (zh) * | 2019-07-05 | 2019-10-08 | 华中科技大学 | 一种二维码图像的校正方法及校正装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768378A (zh) * | 2020-06-29 | 2020-10-13 | 广东电网有限责任公司 | 一种压接金具带电检测方法及装置 |
CN113449536A (zh) * | 2021-07-16 | 2021-09-28 | 深圳思谋信息科技有限公司 | 条码图像修复方法、装置、计算机设备和存储介质 |
WO2023284784A1 (zh) * | 2021-07-16 | 2023-01-19 | 深圳思谋信息科技有限公司 | 条码图像修复方法、装置、计算机设备和存储介质 |
CN113449536B (zh) * | 2021-07-16 | 2023-02-14 | 深圳思谋信息科技有限公司 | 条码图像修复方法、装置、计算机设备和存储介质 |
CN116225270A (zh) * | 2023-02-27 | 2023-06-06 | 荣耀终端有限公司 | 条码图像的获取方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111311497B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633192B (zh) | 一种基于机器视觉的复杂背景下条形码分割与识读方法 | |
CN108920992B (zh) | 一种基于深度学习的医药标签条码的定位与识别方法 | |
CN111311497A (zh) | 一种条形码图像角度校正方法和装置 | |
CN110348264B (zh) | 一种qr二维码图像校正方法及*** | |
US8590794B2 (en) | Barcode recognion method and computer product thereof | |
CN108280829A (zh) | 焊缝图像识别方法、计算机装置及计算机可读存储介质 | |
CN108197644A (zh) | 一种图像识别方法和装置 | |
CN110363202B (zh) | 指针式仪表数值读取方法及计算机终端 | |
CN114529459B (zh) | 一种对图像边缘进行增强处理的方法和***及介质 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN104463795A (zh) | 一种点阵式dm二维码图像处理方法及装置 | |
CN110647882A (zh) | 图像校正方法、装置、设备及存储介质 | |
CN110490190B (zh) | 一种结构化图像文字识别方法及*** | |
CN107545223B (zh) | 图像识别方法及电子设备 | |
CN110660072B (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN104463066B (zh) | 一种商品外包装一维条形码快速定位识别方法 | |
CN111680690A (zh) | 一种文字识别方法及装置 | |
CN112580383B (zh) | 二维码识别方法、装置、电子设备及存储介质 | |
CN112183517B (zh) | 证卡边缘检测方法、设备及存储介质 | |
CN112699704B (zh) | 一种条形码的检测方法、装置、设备、存储装置 | |
CN112200789B (zh) | 一种图像识别的方法及装置、电子设备和存储介质 | |
CN114241463A (zh) | 签名验证方法、装置、计算机设备和存储介质 | |
CN112818983A (zh) | 一种利用图片相识度判断字符倒置的方法 | |
WO2019019681A1 (zh) | 身份证图像的倾斜值获取方法及装置、终端、存储介质 | |
CN115690104B (zh) | 一种晶圆裂缝检测方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |