ES2353017T3 - Algoritmo basado en secciones para la mejora de imágenes. - Google Patents

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

CAMPO TÉCNICO DE LA INVENCIÓN

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.

TÉCNICA ANTERIOR

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:

Iluminación:

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.

Foco:

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.

Componentes de la lente de bajo coste:

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.

Resolución limitada:

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.

DESCRIPCIÓN DE LA INVENCIÓN

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.

BREVE DESCRIPCIÓN DE LOS DIBUJOS

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.

MEJOR (ES) MÉTODO (S) PARA LLEVAR A CABO LA INVENCIÓN

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)

1. 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. 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. 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.