ES2353017T3 - Algoritmo basado en secciones para la mejora de imágenes. - Google Patents
Algoritmo basado en secciones para la mejora de imágenes. Download PDFInfo
- Publication number
- ES2353017T3 ES2353017T3 ES04820708T ES04820708T ES2353017T3 ES 2353017 T3 ES2353017 T3 ES 2353017T3 ES 04820708 T ES04820708 T ES 04820708T ES 04820708 T ES04820708 T ES 04820708T ES 2353017 T3 ES2353017 T3 ES 2353017T3
- Authority
- ES
- Spain
- Prior art keywords
- image
- intensity
- pixel
- sections
- section
- 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.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims 2
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 230000003287 optical effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 101100436077 Caenorhabditis elegans asm-1 gene Proteins 0.000 description 1
- 101100204282 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) Asm-1 gene Proteins 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
- G06K7/10821—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum further details of bar or optical code scanning devices
- G06K7/10851—Circuits for pulse shaping, amplifying, eliminating noise signals, checking the function of the sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Control Of Motors That Do Not Use Commutators (AREA)
- Control Of Eletrric Generators (AREA)
- Facsimile Image Signal Circuits (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Picture Signal Circuits (AREA)
Abstract
Un método implementado para ordenador para mejorar una imagen que comprende las etapas de: conversión de la imagen en una matriz bidimensional (101); conversión de dicha imagen en una escala de grises (103); división de dicha imagen en secciones verticales (105); determinación, en cada una de dichas secciones, de la intensidad de píxel mínima (107); asignación, en cada una de dichas secciones, a todos los píxeles (109) que tienen una intensidad por debajo de un primer umbral, de una intensidad correspondiente al negro; asignación, en cada una de dichas secciones, a todos los píxeles (109) que tienen una intensidad por encima de un segundo umbral, de una intensidad correspondiente al blanco, en la cual dicho segundo umbral es mayor o igual que dicho primer umbral; asignación, en cada una de dichas secciones, a un píxel (109) de una intensidad correspondiente al negro si la intensidad del píxel cae dentro de un rango predeterminado para la intensidad mínima del píxel para esa sección; y asignación, en cada una de dichas secciones, a un píxel (109) de una intensidad correspondiente al negro si la intensidad de los píxeles que rodean a dicho píxel cae dentro de un rango predeterminado para la intensidad mínima de píxel para dicha sección; y recomposición de dichas secciones de imagen (111).
Description
1
La presente invención se refiere de forma general al campo de los algoritmos de mejora de imágenes. Más específicamente, la presente invención utiliza un algoritmo propio diseñado para mejorar imágenes de códigos de barras y otros objetos similares.
Los códigos de barras han sido utilizados para identificar y para poner precio a objetos durante más de treinta años. Más típicamente, los códigos de barra se utilizan en el comercio al por menor para identificar el artículo de la mercancía. Por ejemplo, un litro de leche puede contener un código de barras que, cuando se escanea, anuncia el precio de la leche al cajero.
Incluso en los años recientes, los códigos de barra han adquirido nuevos propósitos a medida que los ordenadores y los escáneres de códigos de barras se han hecho más portátiles. Los circuitos requeridos para escanear un código de barras convencional de una dimensión pueden alojarse ahora en un dispositivo tan pequeño como un llavero típico. Como consecuencia, muchos teléfonos móviles, asistentes digitales personales (“PDA’s”) y buscapersonas pueden adaptarse o conectarse a un dispositivo de escaneo. Esto permite que el dispositivo móvil funcione como un escáner capaz de almacenar cientos o miles de códigos de barra escaneados.
En la actualidad hay disponibles muchos teléfonos celulares y dispositivos móviles con cámaras incorporadas. El auge de la disponibilidad de cámaras digitales asequibles y su inclusión en dispositivos móviles es impulsado por varios factores. Uno de los más importantes es la reciente disponibilidad de sensores de imagen económicos basados en tecnología CMOS. Las cámaras de estos dispositivos proporcionan un medio para capturar la información de códigos de barras que antes sólo era accesible mediante un escáner basado en láser. La decodificación de imágenes de códigos de barras a partir de cámaras digitales incluidas en dispositivos móviles presenta varios problemas complejos. Estos problemas van bastante más allá de los inconvenientes abordados en lectores de códigos de barras comerciales. Algunos de estos problemas son tratados a continuación:
La mayoría de los dispositivos móviles con cámaras digitales integradas no tienen flashes incorporados y se valen solamente de la luz ambiental para la iluminación. Esto puede provocar que la imagen esté subexpuesta o sobreexpuesta dependiendo de la intensidad de la luz ambiental.
Las cámaras digitales para dispositivos portátiles están diseñadas normalmente para trabajar a una variedad de distancias. La necesidad de un amplio rango de focos en las cámaras tiene como consecuencia un compromiso entre el coste del componente de la lente y la nitidez de una imagen típica.
Con el fin de atender a las limitaciones de costes de muchos mercados de dispositivos portátiles, los fabricantes a menudo comprometen la calidad óptica de las lentes de las cámaras. Esto puede presentar una tecnología de decodificación con un conjunto diferente de inconvenientes derivados de los problemas de focos basados en longitud focal simple indicados anteriormente. Los componentes de lentes de bajo coste pueden producir distorsiones de la imagen que se localizan en una región específica o que forman un gradiente de cambio a través de la imagen.
El coste de un sensor CMOS para la formación de la imagen digital aumenta a medida que aumenta el número de píxeles de la imagen. A pesar de que el mercado asiático ha presenciado la liberación a los consumidores de dispositivos con fines generales como PDA’s y teléfonos celulares con resolución de la imagen de “megapíxeles”, los mercados europeo y norteamericano sólo presencian hoy en día su emergencia. Las imágenes de baja resolución contienen menos detalles y normalmente requieren un procesamiento adicional para ser útiles.
La patente de Estados Unidos número US 6.181.839 describe un lector de códigos bidimensional para la lectura rápida y precisa de una imagen de código bidimensional que contiene irregularidades de luminancia causadas por variaciones en la iluminación. Para binarizar las celdas, primero se extraen los niveles de grises de los píxeles en los puntos centrales de las celdas, se busca un valor umbral local sólo a partir de los niveles de grises extraídos y se comparan los niveles de grises con el valor umbral local, binarizando de este modo las celdas.
De acuerdo con los problemas descritos anteriormente con la formación de imágenes digitales con dispositivos móviles, existe claramente la necesidad de un algoritmo de mejora de imágenes que pueda contrarrestar muchas de estas deficiencias. Un algoritmo como tal permitirá que muchas más de las imágenes capturadas por una cámara digital sean útiles, especialmente si las imágenes están destinadas a la decodificación óptica.
La presente invención proporciona un algoritmo diseñado para mejorar imágenes de códigos de barras y otros objetos similares. Primero, el algoritmo de definición descompone la imagen del código de barras en una matriz bidimensional. Cada entrada en la matriz bidimensional almacena la intensidad de un píxel individual. Después, se convierte la imagen en una imagen en escala de grises. Después, la imagen se divide en igual número de secciones verticales. El número de secciones (“ns”) es igual a la anchura de la imagen (en píxeles) dividida por la anchura deseada de las secciones (“as”). La anchura de las secciones puede ser tanto definida por el usuario como definida automáticamente, dependiendo del tamaño de la imagen. Esto convierte la imagen en una matriz tridimensional dado que cada píxel tiene también una sección asignada.
Después que la imagen ha sido dividida en secciones, el algoritmo de definición determina la intensidad mínima de un píxel en cada sección. Entonces, la imagen es procesada linealmente sección por sección. Esto se hace asignando una intensidad de píxel de “negro” a todas las intensidades de píxel que están por debajo de un nivel umbral de negro. El nivel umbral de negro es definido por el usuario y puede cambiarse para cada imagen o sección que se está procesando. Por el contrario, a todas las intensidades de píxel que tienen un valor de píxel por encima de un valor umbral de blanco se les asigna una intensidad de píxel correspondiente a “blanco”.
También se asigna a un píxel una intensidad de “negro” si:
- 1.
- El valor del píxel cae dentro de un rango predeterminado para la intensidad mínima del píxel para esa sección, o
- 2.
- los píxeles que rodean a un cierto píxel tienen una intensidad que cae dentro de un rango predeterminado para la intensidad mínima de píxel para esa sección.
Después que ha sido procesada la imagen del código de barras, el algoritmo de definición interpreta las secciones de la imagen procesada en una imagen.
Por lo tanto, es un objetivo de la presente invención proporcionar un algoritmo de mejora de imagen capaz de dar definición a una imagen de código de barras para la decodificación óptica.
Un objetivo adicional de la presente invención es proporcionar un algoritmo de mejora de imagen que aplique una selección de umbrales distinta a cada sección de la imagen.
Otro objetivo de la presente invención es proporcionar un algoritmo de mejora de imagen que utilice el píxel de intensidad mínima de cada sección para determinar el valor de corte para la selección de umbrales.
Es también un objetivo de la presente invención proporcionar un algoritmo de mejora de imagen que convierta la imagen en una escala de grises antes del procesamiento.
Estos y otros objetivos de la presente invención se clarificarán con referencia a la descripción detallada siguiente y a los dibujos anexos.
La Fig. 1 representa un diagrama de flujo que muestra el proceso utilizado por el software ScanZoom para dar definición a una imagen. La Fig. 2A representa una imagen de código de barras típica obtenida utilizando una cámara digital. La Fig. 2B representa el código de barras de la Fig. 2A después de que ha sido sometido a una definición de la imagen utilizando el filtro de definición descrito en la Figura 1.
A continuación se presenta una descripción detallada de una realización preferida (así como algunas realizaciones alternativas) de la presente invención. Sin embargo, debería ser evidente para un experto en la técnica que la realización descrita puede modificarse en forma y contenido para optimizarse en una amplia variedad de situaciones.
Con referencia, primero, a la Fig.1, lo que se muestra es un diagrama de flujo que representa las etapas del algoritmo de mejora de imagen de la presente invención. El algoritmo de mejora de imagen ha demostrado ser particularmente efectivo para dar definición a imágenes que contienen códigos de barras. Primero, en la etapa 101, el algoritmo de definición convierte la imagen del código de barras en una matriz bidimensional. Cada entrada de la matriz bidimensional almacena la intensidad de un píxel individual. La imagen puede describirse entonces como una función, como se indica a continuación:
n−1 m−1
Imagen= ƒƒ (,)
fxy
x=0y=0
donde n es la anchura de la imagen y m es la altura de la imagen. Después, en la etapa 103, la imagen es convertida en una imagen en escala de grises mediante el mapeo de cada píxel a su escala de grises representativa. En la realización preferida, esto se hace utilizando un color estándar para el filtro de escala de grises. Entonces, en la etapa 105, la imagen es dividida en igual número de secciones verticales. Entonces, la imagen puede representarse como sigue:
ns asm−1
Imagen(simagen1
in= ƒƒƒ (,)
eó) fxy
n=0x=0y=0
(donde: y=m;m ≥ 0)
donde ns es el número de secciones y as es la anchura deseada de las secciones. El número de secciones (“ns”) es igual a la anchura de la imagen (en píxeles) dividida por la anchura deseada de las secciones (“as”). La anchura de las secciones puede ser tanto definida por el usuario como definida automáticamente, dependiendo del tamaño de la imagen. Esto convierte la imagen en una matriz tridimensional dado que cada píxel tiene también una sección asignada.
Después que la imagen ha sido dividida en secciones, en la etapa 107, el algoritmo de definición determina la intensidad mínima de un píxel en cada sección. Entonces, en la etapa 109, la imagen es procesada linealmente sección por sección. Esto se hace asignando una intensidad de píxel de “negro” a todas las intensidades de píxel que están por debajo de un nivel umbral de negro. El nivel umbral de negro es definido por el usuario y puede cambiarse para cada imagen o sección que se está procesando. Por el contrario, a todas las intensidades de píxel que tienen un valor de píxel por encima de un valor umbral de blanco se les asigna una intensidad de píxel correspondiente a “blanco”.
También se asigna a un píxel una intensidad de “negro” si:
• El valor del píxel cae dentro de un rango predeterminado para la intensidad mínima del píxel para esa sección, o
5 • los píxeles que rodean a un cierto píxel tienen una intensidad que cae dentro de un rango predeterminado para la intensidad mínima de píxel para esa sección.
•
Después que ha sido procesada la imagen del código de barras en la etapa
10 109, el algoritmo de definición interpreta las secciones de la imagen procesada en una imagen, en la etapa 111. En las Fig. 2A y 2B se muestran respectivamente un código de barras de ejemplo a la entrada y a la salida, que ha sido procesado mediante el algoritmo de definición mencionado anteriormente. La imagen generada, en la Fig. 2B, tiene una chance mucho más alta de ser decodificada correctamente que la imagen de
15 entrada de la Fig. 2A.
Claims (3)
- REIVINDICACIONES
- 1.
- Un método implementado para ordenador para mejorar una imagen que comprende las etapas de:
conversión de la imagen en una matriz bidimensional (101); conversión de dicha imagen en una escala de grises (103); división de dicha imagen en secciones verticales (105); determinación, en cada una de dichas secciones, de la intensidad de píxel mínima (107); asignación, en cada una de dichas secciones, a todos los píxeles (109) que tienen una intensidad por debajo de un primer umbral, de una intensidad correspondiente al negro; asignación, en cada una de dichas secciones, a todos los píxeles (109) que tienen una intensidad por encima de un segundo umbral, de una intensidad correspondiente al blanco, en la cual dicho segundo umbral es mayor o igual que dicho primer umbral; asignación, en cada una de dichas secciones, a un píxel (109) de una intensidad correspondiente al negro si la intensidad del píxel cae dentro de un rango predeterminado para la intensidad mínima del píxel para esa sección; y asignación, en cada una de dichas secciones, a un píxel (109) de una intensidad correspondiente al negro si la intensidad de los píxeles que rodean a dicho píxel cae dentro de un rango predeterminado para la intensidad mínima de píxel para dicha sección; y recomposición de dichas secciones de imagen (111). -
- 2.
- Un método para mejorar una imagen según la Reivindicación 1, en el cual dicha imagen es convertida a escala de grises (103) utilizando un filtro de imagen.
-
- 3.
- Un método para mejorar una imagen según la Reivindicación 1, en el cual dicha imagen es de uno de los tipos de imagen consistentes en una imagen GIF, una imagen bitmap, una imagen JPG, una imagen PNG, una imagen RAW y una imagen TIFF.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US52660403P | 2003-12-04 | 2003-12-04 | |
US526604P | 2003-12-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2353017T3 true ES2353017T3 (es) | 2011-02-24 |
Family
ID=34710052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES04820708T Expired - Lifetime ES2353017T3 (es) | 2003-12-04 | 2004-04-28 | Algoritmo basado en secciones para la mejora de imágenes. |
Country Status (7)
Country | Link |
---|---|
US (1) | US7168621B2 (es) |
EP (1) | EP1719068B1 (es) |
AT (1) | ATE481693T1 (es) |
DE (1) | DE602004029197D1 (es) |
DK (1) | DK1719068T3 (es) |
ES (1) | ES2353017T3 (es) |
WO (1) | WO2005062234A1 (es) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020016750A1 (en) * | 2000-06-20 | 2002-02-07 | Olivier Attia | System and method for scan-based input, storage and retrieval of information over an interactive communication network |
US7156311B2 (en) * | 2003-07-16 | 2007-01-02 | Scanbuy, Inc. | System and method for decoding and analyzing barcodes using a mobile device |
US7242816B2 (en) * | 2003-08-11 | 2007-07-10 | Scanbuy, Inc. | Group average filter algorithm for digital image processing |
US7387250B2 (en) * | 2003-12-04 | 2008-06-17 | Scanbuy, Inc. | System and method for on the spot purchasing by scanning barcodes from screens with a mobile device |
US7296747B2 (en) | 2004-04-20 | 2007-11-20 | Michael Rohs | Visual code system for camera-equipped mobile devices and applications thereof |
US20050246196A1 (en) * | 2004-04-28 | 2005-11-03 | Didier Frantz | Real-time behavior monitoring system |
US7309015B2 (en) * | 2004-07-14 | 2007-12-18 | Scanbuy, Inc. | Mobile device gateway providing access to instant information |
US7974435B2 (en) * | 2005-09-16 | 2011-07-05 | Koplar Interactive Systems International Llc | Pattern-based encoding and detection |
US20100004980A1 (en) * | 2006-01-20 | 2010-01-07 | Berkley Bowen | Systems and methods for managing product and consumer information |
US8016187B2 (en) * | 2006-02-21 | 2011-09-13 | Scanbury, Inc. | Mobile payment system using barcode capture |
US8150163B2 (en) | 2006-04-12 | 2012-04-03 | Scanbuy, Inc. | System and method for recovering image detail from multiple image frames in real-time |
US8736615B2 (en) | 2006-04-27 | 2014-05-27 | Codebroker, Llc | Customizing barcode images for particular displays |
US20080004978A1 (en) * | 2006-06-30 | 2008-01-03 | Rothschild Trust Holdings, Llc | System and method for identifying digital media content and downloading the content or a portion thereof to a mobile device |
WO2008073455A1 (en) * | 2006-12-11 | 2008-06-19 | Koplar Interactive Systems International, L.L.C. | Spatial data encoding and decoding |
JP2008229122A (ja) * | 2007-03-22 | 2008-10-02 | Fujifilm Corp | 画像成分分離装置、方法、およびプログラム |
US8746581B2 (en) | 2007-06-19 | 2014-06-10 | Codebroker, Llc | Techniques for providing an electronic representation of a card |
US7780084B2 (en) * | 2007-06-29 | 2010-08-24 | Microsoft Corporation | 2-D barcode recognition |
US20090111584A1 (en) * | 2007-10-31 | 2009-04-30 | Koplar Interactive Systems International, L.L.C. | Method and system for encoded information processing |
US8162223B2 (en) * | 2010-03-08 | 2012-04-24 | Seiko Epson Corporation | Method and apparatus for creating pixel tokens from machine-readable symbols to improve decoding accuracy in low resolution images |
US8469270B1 (en) | 2012-02-25 | 2013-06-25 | Reagan Inventions, Llc | Systems and methods for indicating the existence of accessible information pertaining to articles of commerce |
EP3167404B1 (en) * | 2014-07-08 | 2020-11-04 | Aila Technologies, Inc. | Imaging and peripheral enhancements for mobile devices |
Family Cites Families (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5474623A (en) | 1977-11-28 | 1979-06-14 | Nippon Telegr & Teleph Corp <Ntt> | Coding processing system for video signal |
US4323973A (en) | 1979-12-20 | 1982-04-06 | Greenfield George B | Apparatus and method for enhancing radiographs |
US4554593A (en) | 1981-01-02 | 1985-11-19 | International Business Machines Corporation | Universal thresholder/discriminator |
US4774569A (en) | 1987-07-24 | 1988-09-27 | Eastman Kodak Company | Method for adaptively masking off a video window in an overscanned image |
US4969202A (en) * | 1988-03-31 | 1990-11-06 | Honeywell Inc. | Image recognition edge detection method and system |
US5113454A (en) | 1988-08-19 | 1992-05-12 | Kajaani Electronics Ltd. | Formation testing with digital image analysis |
JPH0286369A (ja) | 1988-09-22 | 1990-03-27 | Toshiba Corp | 画像処理装置 |
US5668646A (en) | 1990-02-06 | 1997-09-16 | Canon Kabushiki Kaisha | Apparatus and method for decoding differently encoded multi-level and binary image data, the later corresponding to a color in the original image |
JP2564959B2 (ja) | 1990-03-07 | 1996-12-18 | 富士ゼロックス株式会社 | 画像処理装置の絵文字領域識別方式 |
US5179599A (en) | 1991-06-17 | 1993-01-12 | Hewlett-Packard Company | Dynamic thresholding system for documents using structural information of the documents |
US5243443A (en) | 1991-12-06 | 1993-09-07 | Xerox Corporation | Halftoning with error feedback and image dependent enhancement |
US5345317A (en) | 1991-12-19 | 1994-09-06 | Kokusai Denshin Denwa Kabushiki Kaisha | High efficiency coding method for still natural images mingled with bi-level images |
US5327240A (en) | 1991-12-24 | 1994-07-05 | Texas Instruments Incorporated | Methods, systems and apparatus for providing improved definition video |
US5243444A (en) | 1992-03-25 | 1993-09-07 | Xerox Corporation | Image processing system and method with improved reconstruction of continuous tone images from halftone images including those without a screen structure |
US5276315A (en) | 1992-05-14 | 1994-01-04 | United Parcel Service Of America, Inc. | Method and apparatus for processing low resolution images of degraded bar code symbols |
GB9325439D0 (en) | 1993-12-13 | 1994-02-16 | Ncr Int Inc | Barcode reading method and apparatus |
IL112561A0 (en) * | 1995-02-06 | 1995-05-26 | Indigo Nv | High resolution printing |
JPH09224153A (ja) * | 1996-02-19 | 1997-08-26 | Mita Ind Co Ltd | 画像データ処理装置 |
US5969325A (en) | 1996-06-03 | 1999-10-19 | Accu-Sort Systems, Inc. | High speed image acquisition system and method of processing and decoding barcode symbol |
JP3209108B2 (ja) | 1996-08-23 | 2001-09-17 | 松下電器産業株式会社 | 2次元コード読み取り装置 |
US5877486A (en) | 1996-10-11 | 1999-03-02 | Intermec Ip Corp. | Method and apparatus for enhancing resolution of reflectance signals produced from machine-readable symbols |
US5915039A (en) | 1996-11-12 | 1999-06-22 | International Business Machines Corporation | Method and means for extracting fixed-pitch characters on noisy images with complex background prior to character recognition |
JPH10161013A (ja) | 1996-12-05 | 1998-06-19 | Canon Inc | 環境認識装置及び環境認識装置を備えたカメラ |
US6366696B1 (en) * | 1996-12-20 | 2002-04-02 | Ncr Corporation | Visual bar code recognition method |
US5778092A (en) * | 1996-12-20 | 1998-07-07 | Xerox Corporation | Method and apparatus for compressing color or gray scale documents |
US5963669A (en) | 1997-01-02 | 1999-10-05 | Ncr Corporation | Method of extracting relevant character information from gray scale image data for character recognition |
US5767978A (en) | 1997-01-21 | 1998-06-16 | Xerox Corporation | Image segmentation system |
JPH10271331A (ja) | 1997-03-26 | 1998-10-09 | Oki Data:Kk | 画像処理方法及びその装置 |
WO1998044848A1 (en) | 1997-04-07 | 1998-10-15 | Lawton Teri A | Methods and apparatus for diagnosing and remediating reading disorders |
US5999639A (en) | 1997-09-04 | 1999-12-07 | Qualia Computing, Inc. | Method and system for automated detection of clustered microcalcifications from digital mammograms |
US6137898A (en) | 1997-08-28 | 2000-10-24 | Qualia Computing, Inc. | Gabor filtering for improved microcalcification detection in digital mammograms |
US6282307B1 (en) | 1998-02-23 | 2001-08-28 | Arch Development Corporation | Method and system for the automated delineation of lung regions and costophrenic angles in chest radiographs |
US6101285A (en) | 1998-03-23 | 2000-08-08 | Xerox Corporation | Filter for producing continuous tone images from halftone digital images data |
JP3345350B2 (ja) | 1998-05-27 | 2002-11-18 | 富士通株式会社 | 文書画像認識装置、その方法、及び記録媒体 |
US6735341B1 (en) | 1998-06-18 | 2004-05-11 | Minolta Co., Ltd. | Image processing device and method and recording medium for recording image processing program for same |
JP4018310B2 (ja) | 1999-04-21 | 2007-12-05 | 株式会社リコー | 画像二値化装置、画像撮像装置、画像二値化方法、画像撮像方法およびその方法の各工程としてコンピュータを機能させるためのプログラムを記録したコンピュータ読取可能な記録媒体 |
US6707928B2 (en) | 2000-11-29 | 2004-03-16 | Intel Corporation | Method for block-based digital image watermarking |
JP2003018599A (ja) | 2001-07-04 | 2003-01-17 | Matsushita Electric Ind Co Ltd | 画像符号化装置および方法 |
JP2003168084A (ja) | 2001-11-30 | 2003-06-13 | Sanyo Electric Co Ltd | 本人認証システム及び方法 |
US6735745B2 (en) * | 2002-02-07 | 2004-05-11 | Applied Materials, Inc. | Method and system for detecting defects |
JP2004094551A (ja) | 2002-08-30 | 2004-03-25 | Fujitsu Ltd | 画像コード化装置、方法及びプログラム |
US7123760B2 (en) | 2002-11-21 | 2006-10-17 | General Electric Company | Method and apparatus for removing obstructing structures in CT imaging |
KR100977713B1 (ko) | 2003-03-15 | 2010-08-24 | 삼성전자주식회사 | 영상신호의 글자 인식을 위한 전처리 장치 및 방법 |
-
2004
- 2004-04-28 US US10/833,017 patent/US7168621B2/en not_active Expired - Fee Related
- 2004-04-28 WO PCT/US2004/013101 patent/WO2005062234A1/en active Application Filing
- 2004-04-28 DK DK04820708.8T patent/DK1719068T3/da active
- 2004-04-28 DE DE602004029197T patent/DE602004029197D1/de not_active Expired - Lifetime
- 2004-04-28 EP EP04820708A patent/EP1719068B1/en not_active Expired - Lifetime
- 2004-04-28 AT AT04820708T patent/ATE481693T1/de not_active IP Right Cessation
- 2004-04-28 ES ES04820708T patent/ES2353017T3/es not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
DK1719068T3 (da) | 2010-10-18 |
WO2005062234A1 (en) | 2005-07-07 |
US20050121521A1 (en) | 2005-06-09 |
EP1719068A1 (en) | 2006-11-08 |
EP1719068B1 (en) | 2010-09-15 |
DE602004029197D1 (de) | 2010-10-28 |
EP1719068A4 (en) | 2008-12-17 |
ATE481693T1 (de) | 2010-10-15 |
US7168621B2 (en) | 2007-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2353017T3 (es) | Algoritmo basado en secciones para la mejora de imágenes. | |
US7245780B2 (en) | Group average filter algorithm for digital image processing | |
US11323650B2 (en) | Image reader comprising CMOS based image sensor array | |
US9477867B2 (en) | System and method to manipulate an image | |
US11138397B2 (en) | Local tone mapping for symbol reading | |
EP3667554B1 (en) | Removable scanning module for mobile communication terminal | |
US9147095B2 (en) | Optical code scanner optimized for reading 2D optical codes | |
CN102473236B (zh) | 设定条形码扫描器中的光电检测器阵列的曝光量的方法 | |
RU2543569C1 (ru) | Устройство и способ для автоматического распознавания qr-кода | |
US20100177363A1 (en) | Prioritized virtual scan line processing | |
JP2008083843A (ja) | コード読取装置及びプログラム | |
US20110114728A1 (en) | Optical reader having improved back-illuminated image sensor | |
JP2007034546A (ja) | 光学読取装置 | |
CN115272143A (zh) | 一种条形码的视觉增强方法、装置、设备及存储介质 | |
US20110049242A1 (en) | Method and apparatus for estimating exposure time for imaging-based barcode scanners | |
JP2005184787A (ja) | 画像処理方法及び画像処理装置 | |
US12045691B1 (en) | Indicia reading systems and associated methods for determining a type of media upon which encoded indicia are rendered | |
EP1178665A2 (en) | Optical scanner and image reader including one and two dimensional symbologies at variable depth of field | |
Burian et al. | Camera barcode reader with automatic localization, detection of orientation and type classification | |
JPH0469786A (ja) | 光学的情報読取装置 | |
JPH0469787A (ja) | 光学的情報読取装置 |