CN117314951B - 一种二维码识别预处理方法及*** - Google Patents

Abstract

本发明公开了一种二维码识别预处理方法及***，涉及二维码识别预处理技术领域，解决了传统二维码识别预处理方法中兴趣点像素意外缺失的问题，方法包括：S1、获取包含至少一张二维码图片的待处理图像，二维码图片包含矩形离散框和裸码；S2、对待处理图像进行灰度处理、自适应二值化处理、角点检测及透视变换处理，获得标准二值图像；S3、对标准二值图像进行形态学变换、轮廓查找、轮廓筛选合并，得到目标检测文档区域；S4、对目标检测文档区域进行闭合框筛选，并转写至空白图像得到初始目标区域；S5、对初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，进而从待处理图像中提取裸码，保证二维码提取的精准度与还原度。

Description

一种二维码识别预处理方法及***

技术领域

本发明涉及二维码识别预处理技术领域，更具体地说，它涉及一种二维码识别预处理方法及***。

背景技术

在二维码识别的预处理阶段，一般基于二维码定位框获取二维码图片，采用形态学变换预处理，即通过卷积核膨胀图像，将细小噪点覆盖，再通过同样尺寸卷积核再缩减回来，提取二维码。但这种方式在二维码定位框破损或缺失时，无法施行，且基于形态学的频繁处理可能导致二维码中的兴趣点像素产生意外处理或者丢失的情况，导致最后提取的二维码图案准确度降低。

有鉴于此，本发明提供一种二维码识别预处理方法及***，解决上述问题。

发明内容

本申请的目的是提供一种二维码识别预处理方法及***，解决传统二维码识别预处理方法可能导致的兴趣点像素意外缺失的问题。通过闭合轮廓检索结合单个轮廓面积，剔除大部分干扰，并转写至空白图像进行精细化处理，最后返回原图提取，保证二维码提取的精准度与还原度。

本申请首先提供一种二维码识别预处理方法，包括：S1、获取待处理图像，所述待处理图像包含至少一张二维码图片，所述二维码图片包含外部的矩形离散框和内部的裸码；S2、对所述待处理图像进行预处理，所述预处理包括灰度处理、自适应二值化处理、角点检测及透视变换处理，获得标准二值图像；S3、对所述标准二值图像进行形态学变换、轮廓查找、轮廓筛选合并，得到目标检测文档区域；S4、对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；S5、对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应，根据所述近矩形框的位置信息从所述待处理图像中提取裸码。

采用上述技术方案，通过形态学处理方式在初步形态学变换的基础上，进行闭合轮廓检索，通过对单个轮廓的面积值进行判断，去除掉大幅干扰的部分，将剩余的轮廓覆盖转写到空白图像，排除了文字、图案干扰，在此基础上进行更精细化地形态学处理，获得与矩形离散框对应的近矩形框，并返回原图提取用于识别的裸码，从而保证最终提取结果的精准度与还原度。

在一种可能的实施方式中，步骤S4、对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；包括：通过开闭算法提取目标检测文档区域的闭合框，计算单个闭合框的面积，将面积介于小干扰阈值和大干扰阈值之间的闭合框保留，并转写至与所述待处理图像1:1设置的空白图像上，得到初始目标图像。

在一种可能的实施方式中，步骤S5、对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应；包括：对所述初始目标图像进行形态学处理，用于剔除干扰信息；对所述初始目标图像进行闭合框重叠检验，将存在重叠的闭合框合并；从所述初始目标图像中筛选近矩形框，所述近矩形框与所述矩形离散框对应。

在一种可能的实施方式中，步骤S5、根据所述近矩形框的位置信息从待处理图像中提取裸码；包括：获取所述近矩形框四个角的位置信息，根据四个角的位置信息从所述待处理图像中提取内部的裸码。

在一种可能的实施方式中，所述小干扰阈值为图像中噪点部分对应的阈值，大干扰阈值为图像中文案部分对应的阈值。

本申请还提供一种二维码识别预处理***，包括：

待处理图像获取模块，用于获取待处理图像，所述待处理图像包含至少一张二维码图片，所述二维码图片包含外部的矩形离散框和内部的裸码；

待处理图像预处理模块，用于对所述待处理图像进行预处理，所述预处理包括灰度处理、自适应二值化处理、角点检测及透视变换处理，获得标准二值图像；

目标检测文档区域提取模块，用于对所述标准二值图像进行形态学变换、轮廓查找、轮廓筛选合并，得到目标检测文档区域；

初始目标区域提取模块，用于对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；

二维码图片提取模块，用于对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应，根据所述近矩形框的位置信息从所述待处理图像中提取裸码。

在一种可能的实施方式中，所述初始目标区域提取模块，还用于通过开闭算法提取目标检测文档区域的闭合框，计算单个闭合框的面积，将面积介于小干扰阈值和大干扰阈值之间的闭合框保留，并转写至与所述待处理图像1:1设置的空白图像上，得到初始目标图像。

在一种可能的实施方式中，所述二维码图片提取模块，还包括：提取框生成模块，用于对所述初始目标图像进行形态学处理，用于剔除干扰信息；对所述初始目标图像进行闭合框重叠检验，将存在重叠的闭合框合并；从所述初始目标图像中筛选近矩形框，所述近矩形框与所述矩形离散框对应。

在一种可能的实施方式中，二维码图片提取模块，还包括：提取框提取模块，用于获取所述近矩形框四个角的位置信息，根据四个角的位置信息从所述待处理图像中提取内部的裸码。

在一种可能的实施方式中，所述小干扰阈值为图像中噪点部分对应的阈值，大干扰阈值为图像中文案部分对应的阈值。

与现有技术相比，本申请具有以下有益效果：本方案基于外部的矩形离散框提取内部的裸码，裸码可直接用于识别，无需二维码定位框，能有效应对定位框破损、缺失导致无法提取、识别的情况；通过闭合轮廓检索和单个轮廓面积值，能够区分大、小干扰噪声和目标信息，有效地去除大小干扰噪声，避免形态学处理导致的兴趣点像素意外缺失的问题，最大程度保留待处理图像上的二维码信息；基于获取的近矩形框返回原图提取裸码，以供后续识别，保证提取的精准度与还原度。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1（a）为本发明提供的未加离散框的二维码图片；

图1（b）为本发明提供的加离散框的二维码图片；

图2为本发明提供的歪斜的二维码加密文档图片；

图3为本发明提供的二维码识别预处理方法的流程图；

图4为本发明提供的标准二值图像；

图5为本发明提供的目标检测文档区域图像；

图6为本发明提供的提取出的裸码部分图像；

图7为本发明提供的二维码识别预处理***的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本申请作进一步的详细说明，本申请的示意性实施方式及其说明仅用于解释本申请，并不作为对本申请的限定。

首先，对本方案的适用场景进行说明，本方案适用于二维码加密文档中的二维码提取与识别。二维码加密文档，通过如下步骤得到。

A1、目标字符串加密：使用基于QR二维码的数学纠错编码逻辑reedsolo 加密算法对用户提供的英文及特殊字符组成的字符串进行加密，其目的是使得目标信息流在隐藏提取的过程中能抵抗一定信息损失。例如，将原字符串‘shudun_test001’转化为裸码：

‘0111001101101000011101010110010001110101011011100101111101110100011001010111001101110100001100000011000000110001100101111011111000011011000011010011000111011011001100011010000110100101111011011001001011001111101000111001001011101100101100111111100010101111’。

A2、加密数据流转图像：将上述的0、1字符串按一定长度截断、一定格式平铺，转化为黑白像素点构成的人眼易读的裸码。在截断平铺的基础上，加入用于隔离、定位的离散框，形成本方案使用的二维码。请参见图1所示，图1为二维码图片。图中（a）为未加离散框的二维码图片，（b）为加离散框的二维码图片。

A3、生成二维码加密文档：将二维码图片自适应铺满pdf文档底层图层，合并、叠加生成二维码加密文档。例如，通过对 pdf文件长宽进行自动选代计算出最合适的居中铺满的二维码图片大小，进行平铺处理，得到二维码加密文档，请参见图2所示，图2为歪斜的二维码加密文档图片。

本方案作用于二维码识别前的预处理阶段，目的是从上述二维码加密文档中提取二维码图片，以供后续识别。下面结合实施例和附图进行详细说明。

实施例1提供一种二维码识别预处理方法，如图3所示包括：S1、获取待处理图像，所述待处理图像包含至少一张二维码图片，所述二维码图片包含外部的矩形离散框和内部的裸码；S2、对所述待处理图像进行预处理，所述预处理包括灰度处理、自适应二值化处理、角点检测及透视变换处理，获得标准二值图像；S3、对所述标准二值图像进行形态学变换、轮廓查找、轮廓筛选合并，得到目标检测文档区域；S4、对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；S5、对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应，根据所述近矩形框的位置信息从所述待处理图像中提取裸码。

具体地，本方案在初步形态学变换的基础上，进行闭合轮廓（闭合框）检索，通过对单个闭合轮廓的面积值进行判断，去除掉大幅干扰的部分；将剩余的闭合轮廓覆盖转写到空白图像，排除了文字、图案等干扰；在此基础上进行更精细化地形态学处理，获得与矩形离散框对应的近矩形框，并根据近矩形框返回原始的待处理图像提取裸码，从而保证提取结果的精准度与还原度。

本方案从待处理图像中提取二维码区域的原理是：图像中的二维码部分、文案部分、噪点部分所提取出的闭合框面积存在区别，因此可以根据设定的阈值提取二维码部分。另外，由于本方案的二维码具有独特的矩形离散框，因此可以通过提取与矩形离散框定位对应的近矩形框，从原图中提取用于识别的裸码部分。

在步骤S1中，待处理图像如图2所示。包含噪声信息和二维码信息。其中，噪声信息可以是文案、杂乱背景、噪点等；二维码信息被嵌入在文档中，其包含外部的矩形离散框和内部的裸码。

在步骤S2中，待处理图像所包含的信息过多，很多不是我们所需要的信息，将图像转为黑白能有效过滤很多不需要的信息同时不损失我们所需信息，故而对待处理图像进行灰度处理，结合大津（OUT）阈值法与局部阈值法进行自适应二值化图像精准处理。

且在实际应用场景中，待处理图像往往不是标准的摆放，而是存在旋转或者歪曲，因此还需要对待处理图像进行 hough直线检测，去除干扰直线后进行旋转角度计算，在此基础上进行旋转变换、透视变换处理，获得标准二值图像。标准二值图像请参见图4所示。

在步骤S3中，待处理图像往往与实际算法能处理的图片差别极大。如图2所示，图中文档部分才是所需的目标检测文档区域，杂乱背景需要删除。因此，还需对标准二值图像进行形态学变换，再进行轮廓查找，对所得到的轮廊进行筛选、合并，提取所需要的目标检测文档区域。目标检测文档区域图像请参见图5所示。

需要说明的是，步骤S1-S3可以采用多种现有算法进行实现，本方案的重点在于接下来的步骤S4-S5。

在步骤S4中，对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；包括：通过开闭算法提取目标检测文档区域的闭合框，计算单个闭合框的面积，将面积介于小干扰阈值和大干扰阈值之间的闭合框保留，并转写至与所述待处理图像1:1设置的空白图像上，得到初始目标图像。其中，所述小干扰阈值为图像中噪点部分对应的阈值，大干扰阈值为图像中文案部分对应的阈值。

具体地，我们所需提出、识别的二维码图片并不需要文案部分、噪点部分的存在，相反，文案部分、噪点部分对二维码部分的提取是一种干扰。为了更精准的提取，我们需要尽可能的保留嵌入的二维码部分，同时尽量去除干扰。为此，我们对二值化的目标检测文档区域进行闭合框框选提取，具体可以采用开闭算法提取图像中的闭合轮廓，并计算单个闭合框的面积，通过人工迭代得到的阈值，排除文字部分、噪点部分的闭合框，保留二维码部分的闭合框，最后将保留的闭合框转写到空白图像上，得到初始目标图像，方便后续处理。空白图像与待处理图像的尺寸1:1设置，转写时根据闭合框原始的位置信息进行转写，保证转写前、后闭合框在图像上的位置信息不变。

需要说明的是，根据闭合框面积筛选二维码部分闭合框的原理在于：二维码部分、文案部分、噪点部分在经过二值化处理后存在大量的闭合框，三者闭合框的面积存在区别。噪点部分，是指图像中存在的随机噪点或者经形态学处理后产生的无意义点，其对应的闭合框面积通常较小；文案部分在经过形态学处理后，由于文字、图案的连续性，通常对应的闭合框的面积较大；而二维码部分由多个邻接或离散的方形点构成，其对应的闭合框的面积通常置于文案部分和噪点部分之间。因此，可以通过设置闭合框面积阈值将二维码部分的信息保留下来，剔除文案部分和噪点部分。

可以理解的是，本方案通过提取闭合框、比较闭合框的面积实现二维码部分的初步提取，相较于传统的纯形态学处理，可以有效地避免二维码信息被膨胀、腐蚀处理导致的破坏。且，本方案将二维码部分对应的闭合框转写至1:1设置的空白图像上，在保留位置信息的同时，排除其他干扰，以便进行更精细化的处理。

在步骤S5中，对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应；包括：对所述初始目标图像进行形态学处理，用于剔除干扰信息；对所述初始目标图像进行闭合框重叠检验，将存在重叠的闭合框合并；从所述初始目标图像中筛选近矩形框，所述近矩形框与所述矩形离散框对应。

具体地，初始目标区域仅为初步的识别大区域，理论上而言，该区域中一定包含我们所需的二维码信息，但为了更精准化的识别二维码信息，我们需要将其从图中切割提取出来，通过对初始目标区域进行精细化的形态学处理，排除细微的干扰，在此基础上进行闭合框重叠检验，将重叠的闭合框合并，并从多个闭合框中，筛选出近矩形框。剔除在图像中占比过大的或过小的干扰框。近矩形离散框的形状与矩形一致，或者是矩形的基础上进行一定角度的透视变换，角度值可以根据实际算法运行效果进行设置。近矩形框可用于提取二维码部分，尤其是二维码的裸码部分，以供后续识别。

需要说明的是，近矩形框可用于提取二维码部分的原理在于：本方案的二维码图片中包含矩形离散框，该矩形离散框经过上述步骤S1-S4处理后，在初始目标区域中被保留。因此，可以通过在初始目标区域中识别近矩形框，定位矩形离散框的位置。

步骤S5、根据所述近矩形框的位置信息从待处理图像中提取裸码；包括：获取所述近矩形框四个角的位置信息，根据四个角的位置信息从所述待处理图像中提取内部的裸码。

具体地，由于后续需要提取裸码部分进行识别，因此，本方案将近矩形框四个角的位置信息带回原始的待处理图像，在原始的待处理图像中抓取所需的裸码部分，以供后续识别处理。提取出的裸码部分图像请参见图6所示。

需要说明的是，本方案较现有技术存在三方面的改进。第一，基于外部的矩形离散框提取内部的裸码，裸码可直接用于识别，无需二维码定位框，能有效应对定位框破损、缺失导致无法提取、识别的情况；第二，通过闭合轮廓检索和单个轮廓面积值提取二维码部分，能够剔除大噪声信息（文案部分）和小噪声信息（噪点部分），保留目标信息，避免传统形态学处理导致的兴趣点像素被处理或意外缺失的问题，最大程度保留待处理图像上的二维码信息；第三，基于获取的近矩形框直接返回原图提取裸码，保证提取的精准度与还原度，为后续识别提供良好的基础。

实施例2提供一种二维码识别预处理***，用于实现上述的二维码识别预处理方法，请参见图7所示。***包括：待处理图像获取模块，用于获取待处理图像，所述待处理图像包含至少一张二维码图片，所述二维码图片包含外部的矩形离散框和内部的裸码；待处理图像预处理模块，用于对所述待处理图像进行预处理，所述预处理包括灰度处理、自适应二值化处理、角点检测及透视变换处理，获得标准二值图像；目标检测文档区域提取模块，用于对所述标准二值图像进行形态学变换、轮廓查找、轮廓筛选合并，得到目标检测文档区域；初始目标区域提取模块，用于对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；二维码图片提取模块，用于对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应，根据所述近矩形框的位置信息从所述待处理图像中提取裸码。

在一种可能的实施方式中，所述初始目标区域提取模块，还用于通过开闭算法提取目标检测文档区域的闭合框，计算单个闭合框的面积，将面积介于小干扰阈值和大干扰阈值之间的闭合框保留，并转写至与所述待处理图像1:1设置的空白图像上，得到初始目标图像。

在一种可能的实施方式中，所述二维码图片提取模块，还包括：提取框生成模块，用于对所述初始目标图像进行形态学处理，用于剔除干扰信息；对所述初始目标图像进行闭合框重叠检验，将存在重叠的闭合框合并；从所述初始目标图像中筛选近矩形框，所述近矩形框与所述矩形离散框对应。

在一种可能的实施方式中，二维码图片提取模块，还包括：提取框提取模块，用于获取所述近矩形框四个角的位置信息，根据四个角的位置信息从所述待处理图像中提取内部的裸码。

在一种可能的实施方式中，所述小干扰阈值为图像中噪点部分对应的阈值，大干扰阈值为图像中文案部分对应的阈值。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种二维码识别预处理方法，其特征在于，包括：

S1、获取待处理图像，所述待处理图像包含至少一张二维码图片，所述二维码图片包含外部的矩形离散框和内部的裸码；

S2、对所述待处理图像进行预处理，所述预处理包括灰度处理、自适应二值化处理、角点检测及透视变换处理，获得标准二值图像；

S3、对所述标准二值图像进行形态学变换、轮廓查找、轮廓筛选合并，得到目标检测文档区域；

S4、对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；

S5、对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应，根据所述近矩形框的位置信息从所述待处理图像中提取裸码。

2.根据权利要求1所述的一种二维码识别预处理方法，其特征在于，步骤S4、对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；包括：通过开闭算法提取目标检测文档区域的闭合框，计算单个闭合框的面积，将面积介于小干扰阈值和大干扰阈值之间的闭合框保留，并转写至与所述待处理图像1:1设置的空白图像上，得到初始目标区域。

3.根据权利要求1所述的一种二维码识别预处理方法，其特征在于，步骤S5、对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应；包括：

对所述初始目标区域进行形态学处理，用于剔除干扰信息；

对所述初始目标区域进行闭合框重叠检验，将存在重叠的闭合框合并；

从所述初始目标区域中筛选近矩形框，所述近矩形框与所述矩形离散框对应。

4.根据权利要求1所述的一种二维码识别预处理方法，其特征在于，步骤S5、根据所述近矩形框的位置信息从待处理图像中提取裸码；包括：获取所述近矩形框四个角的位置信息，根据四个角的位置信息从所述待处理图像中提取内部的裸码。

5.根据权利要求2所述的一种二维码识别预处理方法，其特征在于，所述小干扰阈值为图像中噪点部分对应的阈值，大干扰阈值为图像中文案部分对应的阈值。

6.一种二维码识别预处理***，其特征在于，包括：

待处理图像获取模块，用于获取待处理图像，所述待处理图像包含至少一张二维码图片，所述二维码图片包含外部的矩形离散框和内部的裸码；

待处理图像预处理模块，用于对所述待处理图像进行预处理，所述预处理包括灰度处理、自适应二值化处理、角点检测及透视变换处理，获得标准二值图像；

目标检测文档区域提取模块，用于对所述标准二值图像进行形态学变换、轮廓查找、轮廓筛选合并，得到目标检测文档区域；

初始目标区域提取模块，用于对所述目标检测文档区域进行闭合框框选，提取含目标信息的闭合框并转写至空白图像得到初始目标区域；

二维码图片提取模块，用于对所述初始目标区域进行精细形态学处理以及闭合框合并处理，提取近矩形框，所述近矩形框与所述矩形离散框对应，根据所述近矩形框的位置信息从所述待处理图像中提取裸码。

7.根据权利要求6所述的一种二维码识别预处理***，其特征在于，所述初始目标区域提取模块，还用于通过开闭算法提取目标检测文档区域的闭合框，计算单个闭合框的面积，将面积介于小干扰阈值和大干扰阈值之间的闭合框保留，并转写至与所述待处理图像1:1设置的空白图像上，得到初始目标区域。

8.根据权利要求6所述的一种二维码识别预处理***，其特征在于，所述二维码图片提取模块，还包括：

提取框生成模块，用于对所述初始目标区域进行形态学处理，用于剔除干扰信息；对所述初始目标区域进行闭合框重叠检验，将存在重叠的闭合框合并；从所述初始目标区域中筛选近矩形框，所述近矩形框与所述矩形离散框对应。

9.根据权利要求6所述的一种二维码识别预处理***，其特征在于，二维码图片提取模块，还包括：

提取框提取模块，用于获取所述近矩形框四个角的位置信息，根据四个角的位置信息从所述待处理图像中提取内部的裸码。

10.根据权利要求7所述的一种二维码识别预处理***，其特征在于，所述小干扰阈值为图像中噪点部分对应的阈值，大干扰阈值为图像中文案部分对应的阈值。