CN116309117A - 二维码图像修复及识别方法和装置、电子设备及存储介质 - Google Patents
二维码图像修复及识别方法和装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116309117A CN116309117A CN202310067976.XA CN202310067976A CN116309117A CN 116309117 A CN116309117 A CN 116309117A CN 202310067976 A CN202310067976 A CN 202310067976A CN 116309117 A CN116309117 A CN 116309117A
- Authority
- CN
- China
- Prior art keywords
- dimensional code
- code image
- frame
- image
- images
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000004927 fusion Effects 0.000 claims abstract description 50
- 230000008439 repair process Effects 0.000 claims abstract description 29
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 230000007547 defect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010187 selection method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000009500 colour coating Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Toxicology (AREA)
- Image Processing (AREA)
Abstract
本申请提供二维码图像修复及识别方法和装置、电子设备及存储介质。二维码图像修复方法包括:对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列;计算所述预处理后的二维码图像序列中多帧二维码图像的特征信息和附加信息;计算所述多帧二维码图像的所述特征信息和所述附加信息的融合特征,并基于所述融合特征选择所述二维码图像;以及将选择的多帧二维码图像合并为修复图像。本申请基于多帧二维码图像进行二维码图像的修复,通过二维码的融合特征选择二维码图像,将选择的二维码图像合并为修复图像进而用于二维码识别,大大提高识别率。
Description
技术领域
本申请涉及图像处理技术领域,特别地涉及二维码图像修复及识别方法和装置、电子设备及存储介质。
背景技术
二维码在二维图像空间均存储特征数据,二维码保持了一定的数据冗余,即使二维码不完整或有污损也能正常读取二维码信息。常用的二维码有:颜色条码、PDF417码、QR码、汉信码、EZ码、Aztec码、QuickMark和Data Matrix等。二维码图像的图像缺陷问题,会引起二维码识别率下降,二维码图像的图像缺陷主要包括:二维码设备抖动,会出现模糊的二维码图像;环境光或补光不足,会出现对比度的二维码图像;二维码设备旋转/移动,会出现有多种缺陷的二维码图像。
发明内容
本申请提供一种二维码图像修复及识别方法和装置、电子设备及存储介质,其能够解决现有技术中的以上不足。
第一方面,本申请提供一种二维码图像修复方法。所述二维码图像修复方法包括:对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列;计算所述预处理后的二维码图像序列中多帧二维码图像的特征信息和附加信息;计算所述多帧二维码图像的所述特征信息和所述附加信息的融合特征,并基于所述融合特征选择所述二维码图像;以及将选择的多帧二维码图像合并为修复图像。在本申请中,通过计算二维码图像的多种特征信息和附加信息的融合特征,融合特征用于选择二维码图像;进而将选择的二维码图像合并为修复图像,大大提高二维码图像质量。
在第一方面的一种实现方式中,对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列包括:基于多帧所述二维码原始图像的不同通道的成像质量获取最佳颜色通道;对所述二维码原始图像分别进行过滤处理以保留所述最佳颜色通道的图像数据;以及增强所述最佳颜色通道的图像数据的对比度以获得所述预处理后的二维码图像序列。本实现方式中,筛选最佳颜色通道,进而过滤掉其他颜色通道,有利于降低计算量,对二维码图像修复速度以及***功耗等方面具有明显优势,同时,对最佳颜色通道的图像数据进行对比度增强处理,可以大大提高修复的二维码图像的质量。
在第一方面的一种实现方式中,所述特征信息包括码眼特征、码眼特征相关度、码点特征和码点特征相关度中的至少一项。
在第一方面的一种实现方式中,所述附加信息包括时间戳、颜色通道、二维码区域、特征信息完整度中的至少一项。
在第一方面的一种实现方式中,基于所述融合特征选择所述二维码图像包括:基于所述融合特征评估所述二维码图像的可用度,所述可用度用于量化所述融合特征;以及基于所述可用度选择单帧二维码图像。
在第一方面的一种实现方式中,基于所述融合特征评估所述二维码图像的可用度包括:对所述特征信息和所述附加信息进行加权评估以获取每一帧二维码图像的加权评估得分,所述加权评估得分为所述二维码图像的可用度得分。
在第一方面的一种实现方式中,基于所述可用度选择单帧二维码图像包括:筛选所述可用度大于阈值的二维码图像作为选择的单帧二维码图像。
在第一方面的一种实现方式中,将选择的多帧二维码图像合并为修复图像包括:对齐所述选择的多帧二维码图像;以及将对齐后的多帧二维码图像合并为修复图像。
在第一方面的一种实现方式中,齐所述选择的多帧二维码图像包括:基于所述二维码图像的码眼特征对齐所述选择的多帧二维码图像。
第二方面,本申请提供一种二维码图像识别方法。所述二维码图像识别方法包括:采用根据本申请第一方面所述的二维码图像修复方法获取齐所述选择的多帧二维码图像包括:基于所述二维码图像的码眼特征对齐所述选择的多帧二维码图像。本申请中,首先计算二维码的多种特征信息和附加信息的融合特征,融合特征用于选择单帧二维码图像;进而将选择的二维码图像序列合并为修复图像,获得高质量二维码图像,进而用于二维码识别,大大提高识别率。
第三方面,本申请提供一种二维码图像修复装置。所述二维码图像修复装置包括:预处理模块,被配置为对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列;信息计算模块,被配置为计算所述预处理后的二维码图像序列中多帧二维码图像的特征信息和附加信息;选择模块,被配置为计算所述多帧二维码图像的所述特征信息和所述附加信息的融合特征,并基于所述融合特征选择所述二维码图像;以及修复模块,被配置为将选择的多帧二维码图像合并为修复图像。在本申请中,二维码图像修复装置通过计算二维码图像的多种特征信息和附加信息的融合特征,融合特征用于选择单帧二维码图像;进而将选择的二维码图像序列合并为修复图像,大大提高二维码图像质量。
第四方面,本申请提供一种二维码图像识别装置。所述二维码图像识别装置包括:图像修复模块,被配置为基于多帧二维码图像进行图像修复以获取修复后的二维码图像;以及识别计算模块,识别所述修复后的二维码图像,并计算特征码。在本申请中,二维码图像识别装置首先计算二维码图像的多种特征信息和附加信息的融合特征,融合特征用于选择单帧二维码图像;进而将选择的二维码图像序列合并为修复图像,获得高质量二维码图像,进而用于二维码识别,大大提高识别率。
第五方面,本申请提供一种电子设备。所述电子设备包括:存储器,被配置为存储计算机程序;以及,处理器,被配置为调用所述计算机程序以执行根据本申请第一方面所述的二维码图像修复方法和/或根据本申请第二方面所述的二维码识别方法。
第六方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序。所述计算机程序被执行以实现根据本申请第一方面所述的二维码图像修复方法和/或根据本申请第二方面所述的二维码识别方法。
在根据本申请的二维码图像修复及识别方法和装置、电子设备及存储介质中,通过计算二维码图像的多种特征信息和附加信息的融合特征,融合特征用于选择单帧二维码图像;并将选择的二维码图像序列合并为修复图像,进而用于二维码识别,大大提高识别率。
附图说明
图1显示为一种二维码扫描***构示意图。
图2显示为具有图像缺陷的二维码图像示意图。
图3显示为根据本申请一实施例的二维码图像修复方法的流程图。
图4显示为根据本申请一实施例的二维码图像预处理的流程图。
图5显示为根据本申请一实施例的将选择的多帧二维码图像合并为修复图像的流程图。
图6显示为根据本申请另一实施例的二维码图像修复方法的流程图。
图7显示为根据本申请一实施例中的二维码图像修复装置的结构框图。
图8显示为根据本申请一实施例中的二维码图像修复装置中选择模块的结构框图。
图9显示为根据本申请一实施例中的二维码图像识别装置的结构框图。
图10显示为根据本申请一实施例中的电子设备的结构框图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,图示中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。此外,在本文中,诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
本申请以下实施例提供了二维码图像修复及识别方法和装置、电子设备及存储介质,包括但不限于用于扫描枪、智能手机、PAD等具有图像采集功能的终端设备中,以下将以二维码扫描枪为例进行描述。
图1显示为一种二维码扫描***构示意图。如图1所示,二维码扫描枪包括LED光源、光学透镜组、数字成像单元和二维码识别单元。二维码扫描枪采集二维码图像的过程中,多种因素会影响二维码图像的质量,包括:二维码大小、二维码细节尺寸、成像物距、成像焦距、成像单元尺寸、光学透镜组的成像参数等,因此,会使得二维码图像存在很多图像缺陷。
图2显示为具有图像缺陷的二维码图像示意图。存在的图像缺陷包括虚化、透明、发光散色、铅笔素描、屏幕光栅化、胶片颗粒、塑封效果、影印效果等。由于存在各种不同的图像缺陷,图像的识别率大大降低。因此,本申请提供的二维码图像修复及识别方法和装置、电子设备及存储介质首先通过计算二维码图像的特征信息和附加信息的融合特征,融合特征用于选择单帧二维码图像;并将选择的二维码图像序列合并为修复图像,然后将修复后的二维码图像用于二维码识别。
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详细描述。
图3显示为根据本申请一实施例的二维码图像修复方法的流程图。如图3所示,本实施例中所述二维码图像修复方法包括以下步骤S11至步骤S14。
在步骤S11中,对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列。
在扫描枪扫描二维码图像的应用场景下,扫描枪在进行二维码扫描时,扫描枪的成像传感器将会连续扫描多帧图像,进而,本申请通过计算二维码图像的多种特征信息和附加信息的融合特征,融合特征用于选择单帧二维码图像;并将选择的二维码图像序列合并为修复图像,修复图像能够修复二维码图像的多种缺陷。
在一优选实施例中,连续采集5至8帧二维码图像,进而将这5至8帧二维码图像进行预处理形成与处理后的二维码图像序列并用于后续进行特性信息计算与融合。
由于二维码图像的不同颜色通道的成像质量可能具有限制的差异,使用最佳颜色通道可能识别效果最好,因此在二维码预处理过程中可进行最佳颜色通道的筛选。此外,由于环境光或补光不足的限制,可能最佳颜色通道的图像对比度也比较低,影响二维码的识别率,所以在筛选最佳颜色通道的基础上需要增强最佳颜色通道的对比度,因此,可进一步对最佳颜色通道的图像数据进行对比度增强处理。
图4显示为根据本申请一实施例的二维码图像预处理的流程图。如图4所示,本实施例中对采集的多帧二维码图像分别进行预处理以获得预处理后的二维码图像序列包括步骤S111至步骤S113。
在步骤S111中,基于多帧所述二维码原始图像的不同通道的成像质量获取最佳颜色通道。
二维码扫描枪和环境光是影响最佳颜色通道的主要因素。采用RGB通道也可以识别二维码,采用单通道有利于降低整个***的计算量,对二维码图像修复和***功耗等方面具有明显优势。因此,为了降低计算量,并提高图像处理的速度,通过步骤S111选取最佳颜色通道。最佳颜色通道的选取包括基于二维码特征的选择方法或基于单通道直方图角点加权选的选择方法。
基于二维码特征的选择方法具体为:分别判断RGB颜色通道的二维码特征(码点、码眼和杂点)完整度;优选码点和码眼特征明显并且杂点较少的颜色通道作为最佳颜色通道。
基于单通道直方图角点加权的选择方法具体为:分别判断RGB颜色通道的角点特征,将角点包围框面积作为权重,优选角点加权最大的颜色通道作为最佳颜色通道。
在步骤S112中,对所述二维码原始图像分别进行过滤处理以保留所述最佳颜色通道的图像数据。
在步骤S113中,增强所述最佳颜色通道的图像数据的对比度以获得所述预处理后的二维码图像序列。
对比度是指一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量,差异范围越大,代表对比度就越大,差异范围越小,代表对比度就越小。可以通过均衡化来实现对比度增强,所谓均衡化可以理解为值域压缩和扩展的过程。比如将当前最佳涂颜色通道的值域范围50至100均衡化到0至255,这样的操作可以提升图像的对比度,从而提高后续二维码图像识别的识别率。
在步骤S12中,计算所述预处理后的二维码图像序列中多帧二维码图像的特征信息和附加信息。
其中,特征信息包括码眼特征、码眼特征相关度、码点特征和码点特征相关度中的至少一项。特征信息相对附加信息权重较高。附加信息包括时间戳、颜色通道、二维码区域、特征信息完整度中的至少一项,附加信息相对特征信息权重较低。
在步骤S13中,计算所述多帧二维码图像的所述特征信息和所述附加信息的融合特征,并基于所述融合特征选择所述二维码图像。
在进行图像修复时,可以直接对原始二维码图像序列进行合并,然而,当采集的某一帧/多帧图像的图像质量极其不理想的情况下,对应二维码图像计算出的特征信息将缺失较多,若此时将所有二维码图像进行合并以获取修复后的二维码图像,将会极大的浪费计算资源,从而导致处理速度变慢。基于此,本申请通过步骤S13计算每一帧二维码图像的多种特征信息的融合特征,融合特征用于选择单帧二维码图像,所述可用度与二维码图像的质量呈正比,若二维码图像的质量越高,二维码图像的可用度越高,由此,可以实现二维码图像的筛选,从而降低提高算法的计算速度。
步骤S13中基于所述融合特征选择所述二维码图像包括:基于所述融合特征评估所述二维码图像的可用度,所述可用度用于量化所述融合特征;以及基于所述可用度选择单帧二维码图像。
优选地,基于所述特征信息和附加信息评估每一帧二维码图像的可用度包括:对多个特征信息和附加信息进行加权评估获取每一帧二维码图像的加权评估得分,所述加权评估得分为所述二维码图像的可用度得分。基于所述可用度选择单帧二维码图像包括:筛选所述可用度大于阈值的二维码图像作为选择的单帧二维码图像。
在步骤S14中,将选择的多帧二维码图像合并为修复图像。
图5显示为根据本申请一实施例的将选择的多帧二维码图像合并为修复图像的流程图。如图5所示,本实施例中将选择的二维码图像序列合并为修复图像包括步骤S141至步骤S142。
在步骤S141中,对齐所述选择的多帧二维码图像。
在一优选实施例中,基于所述二维码图像的码眼特征对齐所述选择的多帧二维码图像。二维码图像中包括三个码眼,通过三个码眼一一对齐来实现多帧二维码图像的对齐,也即多特二维码图像的特征信息的对齐。
在步骤S142中,将对齐后的多帧二维码图像合并为修复图像。
以下以一完整实施例的方式对本申请二维码图像修复方法进行具体说明。
图6显示为根据本申请另一实施例的二维码图像修复方法的流程图。如图6所示,本实施例中所述二维码图像修复方法包括以下步骤S21至步骤S24。
在步骤S21中,对采集的多帧二维码图像分别进行预处理以获得预处理后的二维码图像,形成第一二维码图像序列。
在一优选实施例中,连续采集5至8帧二维码图像,进而将这5至8帧二维码图像进行预处理形成与处理后的二维码图像序列并用于后续进行特性信息计算与融合。
步骤S21与上述实施例中步骤S11对应,步骤S21中对采集的多帧二维码图像进行的预处理包括:基于二维码的成像质量评估并获取二维码图像的最佳颜色通道;对每一帧二维码图像分别进行过滤处理以保留最佳颜色通道的图像数据;以及,对所述最佳颜色通道的图像数据进行对比度增强处理以获得所述预处理后的二维码图像序列。
在本实施例中,最佳颜色通道的选取以及最佳颜色通道的图像数据的对比度增强处理在与上述实施例中的具体实现方式相同,此处不再赘述。
在步骤S22中,计算所述第一二维码图像序列中多帧二维码图像的特征信息和附加信息。
在本实施例中,特征信息包括码眼特征、码眼特征相关度、码点特征和码点特征相关度。特征信息相对附加信息权重较高。附加信息包括时间戳、颜色通道、二维码区域和和特征信息完整度等,附加信息相对特征信息权重较低。
在步骤S23中,评估所述第一二维码图像序列中每一帧二维码图像的可用度,所述可用度用于量化融合特征,筛选所述可用度大于阈值的二维码图像并组成第二二维码图像序列。
本实施例中评估所述第一二维码图像序列中每一帧二维码图像的可用度包括:计算每一帧二维码图像的附加信息,基于所述特征信息和附加信息评估每一帧二维码图像的可用度。本实施例中采用权重法评估每一帧二维码图像的可用度。具体地,可对特征信息和附加信息进行加权求和,获取每一帧二维码图像的可用度评分。
在步骤S24中,合并第二二维码图像序列中的多帧二维码图像以获取修复后的二维码图像。具体地,基于二维码图像的码眼特征对齐所述多帧二维码图像;将所述选择的二维码图像序列合并为修复图像。
基于以上实施例提供的二维码图像修复方法,本申请还提供一种二维码识别方法。具体地,于本申请的一实施例中,所述二维码识别方法包括:采用上述实施例中的二维码图像修复方法获取修复后的二维码图像;以及识别所述修复后的二维码成像图像,并计算特征码。在本实施例中,二维码图像修复方法获取修复后的二维码图像的具体实现方式在上文已通过多个实施例进行详细说明,此处不再赘述。
在本申请中提供的二维码图像修复及识别方法中,计算二维码图像的多种特征信息和附加信息的融合特征,融合特征用于选择单帧二维码图像;进而将选择的二维码图像序列合并为修复图像,大大提高二维码图像质量,进而提高二维码识别的识别率。在进行二维码图像修复过程中,对多帧图像筛选最佳颜色通道,进而过滤掉其他颜色通道,有利于降低计算量,对二维码图像修复速度以及***功耗等方面具有明显优势,同时,对最佳颜色通道的图像数据进行对比度增强处理,可以大大提高修复的二维码图像的质量,也进一步有助于提高二维码识别的识别率。此外,在进行多帧二维码图像的特征信息和附加信息融合前筛除掉可用度较低的二维码图像,进一步降低了***计算负载。
本申请实施例所述的二维码图像修复及识别方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本申请的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本申请的保护范围内。
申请实施例还提供一种二维码图像修复装置,所述二维码图像修复装置可以实现本申请所述的二维码图像修复方法,但本申请所述的二维码图像修复方法的实现装置包括但不限于本实施例列举的二维码图像修复装置的结构,凡是根据本申请的原理所做的现有技术的结构变形和替换,都包括在本申请的保护范围内。
图7显示为根据本申请一实施例中的二维码图像修复装置的结构框图。如图7所述,本实施例中的二维码图像修复装置2包括:预处理模块21,其被配置为对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列;信息计算模块22,其被配置为计算所述预处理后的二维码图像序列中多帧二维码图像的特征信息和附加信息;选择模块23,其被配置为计算所述多帧二维码图像的所述特征信息和所述附加信息的融合特征,并基于所述融合特征选择所述二维码图像;以及修复模块24,其被配置为将选择的多帧二维码图像合并为修复图像。
图8显示为根据本申请一实施例中的选择模块的结构框图。在本实施例中选择模块23包括特性信息和附加信息提取子模块231、融合评估子模块232和选择子模块233,所述特征信息和附加信息提取子模块231基于每一帧二维码图像的特征信息和附加信息计算对应的二维码图像的融合特征,所述融合评估子模块232基于所述附加信息评估每一帧二维码图像的可用度,所述可用度用于量化所述融合特征,所述选择子模块233基于所述可用度选择单帧二维码图像。
申请实施例还提供一种二维码图像识别装置,所述二维码图像识别装置可以实现本申请所述的二维码图像识别方法,但本申请所述的二维码图像识别方法的实现装置包括但不限于本实施例列举的二维码图像识别装置的结构,凡是根据本申请的原理所做的现有技术的结构变形和替换,都包括在本申请的保护范围内。
图9显示为根据本申请一实施例中的二维码图像识别装置的结构框图。如图9所述,本实施例中的二维码图像识别装置3包括图像修复模块31,其被配置为基于多帧二维码图像进行图像修复以获取修复后的二维码图像;以及识别计算模块32,其被配置为识别所述修复后的二维码图像,并计算特征码。
需要说明的是,本实例中图像修复模块31可等同于上述实施例图7或图8中所呈现的二维码图像修复装置2,图像修复模块31可以实现本申请所述的二维码图像识别方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的***或方法,可以通过其它的方式实现。例如,以上所描述的***实施例仅是示意性的,例如,模块的划分,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,例如多个模块或单元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,装置或模块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。
本领域普通技术人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
此外,本申请还提供一种电子设备。图10显示为根据本申请一实施例中的电子设备的结构框图。参考图10,于本申请的一实施例中,所述电子设备4包括存储器41和处理器42。存储器41被配置为存储计算机程序。处理器42与存储器41通信相连,并且处理器42被配置为调用所述计算机程序以执行根据本申请所述的二维码图像修复方法或本申请所述的二维码图像识别方法。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现根据本申请所述的二维码图像修复方法或本申请所述的二维码图像识别方法。本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分步骤是可以通过程序来指令处理器完成,所述的程序可以存储于计算机可读存储介质中,所述存储介质是非短暂性(non-transitory)介质,例如随机存取存储器,只读存储器,快闪存储器,硬盘,固态硬盘,磁带(magnetic tape),软盘(floppy disk),光盘(optical disc)及其任意组合。上述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本申请实施例还可以提供一种计算机程序产品,所述计算机程序产品包括一个或多个计算机指令。在计算设备上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机或数据中心进行传输。
所述计算机程序产品被计算机执行时,所述计算机执行前述方法实施例所述的方法。该计算机程序产品可以为一个软件安装包,在需要使用前述方法的情况下,可以下载该计算机程序产品并在计算机上执行该计算机程序产品。
上述各个附图对应的流程或结构的描述各有侧重,某个流程或结构中没有详述的部分,可以参见其他流程或结构的相关描述。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (14)
1.一种二维码图像修复方法,其特征在于,包括:
对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列;
计算所述预处理后的二维码图像序列中多帧二维码图像的特征信息和附加信息;
计算所述多帧二维码图像的所述特征信息和所述附加信息的融合特征,并基于所述融合特征选择所述二维码图像;以及
将选择的多帧二维码图像合并为修复图像。
2.根据权利要求1所述的二维码图像修复方法,其特征在于,对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列包括:
基于多帧所述二维码原始图像的不同通道的成像质量获取最佳颜色通道;
对所述二维码原始图像分别进行过滤处理以保留所述最佳颜色通道的图像数据;以及
增强所述最佳颜色通道的图像数据的对比度以获得所述预处理后的二维码图像序列。
3.根据权利要求1所述的二维码图像修复方法,其特征在于,所述特征信息包括码眼特征、码眼特征相关度、码点特征和码点特征相关度中的至少一项。
4.根据权利要求1所述的二维码图像修复方法,其特征在于,所述附加信息包括时间戳、颜色通道、二维码区域、特征信息完整度中的至少一项。
5.根据权利要求1所述的二维码图像修复方法,其特征在于,基于所述融合特征选择所述二维码图像包括:
基于所述融合特征评估所述二维码图像的可用度,所述可用度用于量化所述融合特征;以及
基于所述可用度选择单帧二维码图像。
6.根据权利要求5所述的二维码图像修复方法,其特征在于,基于所述融合特征评估所述二维码图像的可用度包括:对所述特征信息和所述附加信息进行加权评估以获取每一帧二维码图像的加权评估得分,所述加权评估得分为所述二维码图像的可用度得分。
7.根据权利要求5所述的二维码图像修复方法,其特征在于,基于所述可用度选择单帧二维码图像包括:筛选所述可用度大于阈值的二维码图像作为选择的单帧二维码图像。
8.根据权利要求1所述的二维码图像修复方法,其特征在于,将选择的多帧二维码图像合并为修复图像包括:
对齐所述选择的多帧二维码图像;以及
将对齐后的多帧二维码图像合并为修复图像。
9.根据权利要求8所述的二维码图像修复方法,其特征在于,对齐所述选择的多帧二维码图像包括:基于所述二维码图像的码眼特征对齐所述选择的多帧二维码图像。
10.一种二维码图像识别方法,其特征在于,包括:
采用根据权利要求1至9中任一项所述的二维码图像修复方法获取二维码图像;以及
识别所述二维码图像,并计算特征码。
11.一种二维码图像修复装置,其特征在于,包括:
预处理模块,被配置为对采集的多帧二维码原始图像分别进行预处理以获得预处理后的二维码图像序列;
信息计算模块,被配置为计算所述预处理后的二维码图像序列中多帧二维码图像的特征信息和附加信息;
选择模块,被配置为计算所述多帧二维码图像的所述特征信息和所述附加信息的融合特征,并基于所述融合特征选择所述二维码图像;以及
修复模块,被配置为将选择的多帧二维码图像合并为修复图像。
12.一种二维码图像识别装置,其特征在于,包括:
根据权利要求11所述的二维码图像修复装置;以及
识别计算模块,识别所述修复后的二维码图像,并计算特征码。
13.一种电子设备,其特征在于,包括:
存储器,被配置为存储计算机程序;以及
处理器,被配置为调用所述计算机程序以执行根据权利要求1至9中任意一项所述的二维码图像修复方法和/或根据权利要求10所述的二维码识别方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行以实现根据权利要求1至9中任意一项所述的二维码图像修复方法和/或根据权利要求10所述的二维码识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310067976.XA CN116309117A (zh) | 2023-01-16 | 2023-01-16 | 二维码图像修复及识别方法和装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310067976.XA CN116309117A (zh) | 2023-01-16 | 2023-01-16 | 二维码图像修复及识别方法和装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116309117A true CN116309117A (zh) | 2023-06-23 |
Family
ID=86815846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310067976.XA Pending CN116309117A (zh) | 2023-01-16 | 2023-01-16 | 二维码图像修复及识别方法和装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116309117A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118070826A (zh) * | 2024-04-19 | 2024-05-24 | 宁波安得智联科技有限公司 | 二维码修复方法、装置、终端设备以及存储介质 |
-
2023
- 2023-01-16 CN CN202310067976.XA patent/CN116309117A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118070826A (zh) * | 2024-04-19 | 2024-05-24 | 宁波安得智联科技有限公司 | 二维码修复方法、装置、终端设备以及存储介质 |
CN118070826B (zh) * | 2024-04-19 | 2024-07-23 | 宁波安得智联科技有限公司 | 二维码修复方法、装置、终端设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276767B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110473185B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109766890B (zh) | 信息识别方法、设备和*** | |
CN108304821B (zh) | 图像识别方法及装置、图像获取方法及设备、计算机设备及非易失性计算机可读存储介质 | |
CN108830208A (zh) | 视频处理方法和装置、电子设备、计算机可读存储介质 | |
CN111292264A (zh) | 一种基于深度学习的图像高动态范围重建方法 | |
CN110930356B (zh) | 一种工业二维码无参考质量评估***及方法 | |
CN108596003B (zh) | 一种基于机器学习的污损二维码修复方法及*** | |
JP5640622B2 (ja) | 赤目オブジェクト候補を分類する方法、コンピューター読み取り可能な媒体および画像処理装置 | |
CN111209858A (zh) | 一种基于深度卷积神经网络的实时车牌检测方法 | |
CN112601068B (zh) | 视频数据增广方法、装置及计算机可读介质 | |
CN116309117A (zh) | 二维码图像修复及识别方法和装置、电子设备及存储介质 | |
CN113177438A (zh) | 图像处理方法、设备及存储介质 | |
CN114677394A (zh) | 抠图方法、装置、摄像设备、会议***、电子设备及介质 | |
CN112560734B (zh) | 基于深度学习的重获取视频检测方法、***、设备及介质 | |
CN112581481B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN116958035A (zh) | 产品零件缺陷检测方法、装置、介质及电子设备 | |
CN115760660A (zh) | 基于多帧融合的二维码成像及识别方法、电子设备、介质 | |
CN113378598B (zh) | 一种基于深度学习的动态条码检测方法 | |
CN116051477A (zh) | 一种超高清视频文件的图像噪声检测方法及装置 | |
CN112907206B (zh) | 一种基于视频对象识别的业务审核方法、装置及设备 | |
CN112233032B (zh) | 一种高动态范围图像鬼影消除的方法 | |
CN112118394B (zh) | 一种基于图像融合技术的暗光视频优化方法及装置 | |
CN111489332B (zh) | 一种用于目标检测的多尺度iof随机裁剪的数据增强方法 | |
CN111899184A (zh) | 图像缺陷修复、神经网络训练方法、装置、设备和*** |
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 |