当前位置:文档之家› QR码图像处理及识别算法的研究

QR码图像处理及识别算法的研究

第28卷 第1期2004年1月

信 息 技 术

I NFORMATI ON TECH NO LOGY

VO L.28 NO.1

Jan.2004 QR码图像处理及识别算法的研究

刘 东,高西全

(西安电子科技大学通信工程学院,西安710071)

摘 要:随着信息技术的发展,二维条码技术的应用越来越广泛。QR码作为一种优秀的二维条码,在我国有特别的发展优势。首先本文系统地介绍了QR码的概念以及优势。最后重点的介绍了在各种可能的噪声存在的情况下,讨论了对QR码数字图像处理和识别软件的算法。

关键词:QR码;二维条码;图像处理;图像识别

中图分类号:TP317.4 文献标识码:A 文章编号:1009-2552(2004)01-0061-03

R esearch on algorithm of processing and

identification of QR barcode im age

LI U Dong,G AO X i2quan

(School of T elecommunications E ngineering,Xidian U niv.,Xi’an710071,China)

Abstract:With the development of information technology,the barcode of tw o dimensions is m ore and m ore widely used.As a kind of outstanding tw o dimensions barcode,QR barcode has its special superiority in Chi2 na.In this paper,the basic concepts and advantages of QR code are discussed firstly,then paper mainly in2 troduces the alg orithms of s oftware development of processing and identification of barcode image with various cases of noise appearing in the processing barcode images.

K ey w ords:QR code;tw o dimensions barcode;image processing;image recognition

0 引言

条码技术是在计算机应用实践中形成的一种自动识别技术,是在计算机技术与信息技术基础上发展起来的一门集编码、印刷、识别、数据采集和处理于一体的新兴技术。一维条码于20世纪70年代初问世,由于条码技术具有输入速度快、准确度高、可靠性强等优点,已被广泛的应用在商业流通、仓储、医疗卫生、图书情报、邮政、铁路、交通运输、生产自动化管理的领域,,因此使计算机技术的应用在深度和广度上有不断的新发展。

二维条码(2-dimensional barcode)是在水平方向和垂直方向的二维空间上都存储信息的一种条码。随着现代高新技术的发展,迫切要求用条码在有限的几何空间内表示更多的信息,从而满足千变万化的信息表示的需要。这样,为了解决一维条码无法解决的问题而产生了二维条码,这种条码可以用来表示数据文件(包括汉字文件)、图像等。因为二维条码通过利用垂直方向的尺寸来提高条码的信息密度。通常条件下其密度是一维条码的几十到几百倍,这样就可以把产品信息全部储存在一个二维条码中,要查看产品信息,只要用识读设备扫描二维条码即可,因此不需要事先建立数据库,真正实现了用条码对“物品”的描述。

1 QR码的概述

QR C ode码是由Dens o公司于1994年9月研制的一种矩阵二维条码符号,它除具有一维条码及其它二维条码所具有的信息容量大、可靠性高、可表示汉字及图像多种文字信息、保密防伪性强等优点外,

收稿日期:2003-08-27

作者简介:刘东(1977-),西安电子科技大学研究生院01级硕士研究生,研究方向为数字信号处理。

1

6

还具有如下主要特点:

(1)超高速识读:从QR C ode 码的英文名称Quick Response C ode 可以看出,超高速识读特点是QR C ode 码区别于四一七条码、Data Matrix 等二维条码的主要特性。

(2)全方位识读:QR C ode 码具有全方位(360°)识读特点,这是QR C ode 码优于行排式二维条码如四一七条码的另一主要特点。

(3)能够有效地表示中国汉字、日本汉字:由于QR C ode 码用特定的数据压缩模式表示中国汉字和日本汉字,以此QR C ode 码比其它的二维条码表示汉字的效率提高了20%。

(4)QR 码符号结构

:

图1 QR 码结构

2 QR 码处理的主要方法

(1)将灰度图像二值化:利用点运算的阈值理论

将灰度图像变为二值图像,为图像分析提供有利的

条件,它的操作是根据阈值T ,如果图像中某像素的灰度值小于阈值,则该像素的值设置为0,否则灰度值设为255,按下式对图像处理可以得到二值图像g (x ,y )

g (x ,y )=

255 f (x ,y )ΕT

0 f (x ,y )

图像的灰度直方图是图像各象素灰度值的1的统计度量。最简单的阈值选取方法就是根据直方图来进行的,将直方图看作1条曲线,则选取直方图的谷可借助求曲线极小值的方法。设用h (z )代表直方

图,那么极小值点应满足:9h (z )9z =0和92

h (z )

9z

2

>0,和这些极小值点对应的灰度值就可用作分割阈值。另一种选取阈值的方法是最优阈值的选取,如图2所示,可以得出总的误差概率是E (T )=P 2×E 1(T )+P 1×E 2(T ),为求得是该误差最小的阈值可将E (T )对T 求导并令导数为零,则可以得到1个最优阈值:

T optimal =μ1+μ

2

2+δ2

μ1-μ2

1n

P 2P 1图2 最优阈值的选取

最大方差阈值设定法。

(2)对条码图像的进行处理

利用图像处理中的腐蚀和膨胀的方法对图像中的噪声进行处理,以消除图像采集和传输过程中引入的噪声。

A 用

B 来膨胀定义为:A B =x |[(^B )x I A ]ΑA

A 用

B 来腐蚀定义为:A ΘB ={x |(B )x }ΑA }腐蚀运算和膨胀运算过程相类似,膨胀运算是把缓冲图像当前点赋成白色,而只要结构元素中某点和原图像中相对应的点都为黑色,则把缓存中图像的当前点赋成黑色,而腐蚀是把缓存中图像的当前点赋成黑色,然后把结构元素覆盖在原图像以当前点为中心的区域上,如果结构元素中某点是黑色而下面原图像对应地点为白色,则把缓存中的当前点赋成白色,既腐蚀掉。用户可以自己选择不同模板B 对A 进行腐蚀和膨胀,腐蚀和膨胀并不是互为逆运算,所以它们可以级连结合使用。可先对图像进行腐蚀然后膨胀其结果,或先对图像进行膨胀然后进行腐蚀其结果(这里使用的是相同的结构元素)。前一种运算称为开启,后一种运算称为闭合。可以通过先开启后闭合的操作,将目标内部的噪声空消除。整个过程可以写为:

{[A Θb ) B ] B }ΘB =(A B )?B (3)在QR 码中确定寻像图形

QR 码中的寻像图形由位于符号的4个角中的3个角上的3个相同的位置探测图形组成。该图形是一种特殊的图形,探测图形的模块序列由一个深色—浅色—深色—浅色—深色次序构成,各元素的相对宽度的比例是1:1:3:1:1,在QR 码的生成中已经消除了其它位置有这种图形的可能性。

(4)确定了位置探测图形的中心位置后,根据探测图形中心的坐标,识别那一个位置探测图形是左上角图形以及符号的旋转角度来确定符号的方位,根据符号得旋转角度,旋转QR 码图形,对图像进行变换时可能产生一些原图中非整数点的位置,这时需要插值运算来计算出该点像素值,采用双线形插值法。

(5)建立一个取样网格,对网络的每一个交点上的图像像素取样,并根据阈值确定是深色块还是浅色块,构造一个位图,用二进制的“1”表示深色像素,

2

6—

用二进制的“0”表示浅色的像素。

(6)去掉掩模:用掩模图形对符号编码区进行异或(X OR )处理,解除掩模并恢复表示数据和纠错码字的符号字符。

(7)按照排列规则,确定符号码字,并根据符号版本和纠错等级需求,将码字序列重新按块排列。应用解错和纠错译码程序,纠正替代错误与拒读错误,直到规定的纠错容量。接着重新组配数据块序列,恢复原始信息的位流,并将数据流分成若干段,根据采用的模式规则,对每一段译码。

译码的具体过程如图3所示

:

图3 译码过程

R -S 码是一类具有很强纠错能力的多进制

BCH 码,

其译码步骤主要分三步:

第一步由收到的码字R (S )计算伴随式分量S j ;

第二步由伴随式求错误位置多项式,得出错误

图样E (x )

第三步由R (x )-E (x )得出最可能发送的码字C (X )。

其中错误图样包括随机错误(既不知道错误的位置又不知道错误的大小)和删除错误(知道错误所在的位置不知道错误的大小)。在求删除错误时,二进制BCH 的纠错纠删译码很简单。把收到的R (x )中删除的位置上全置零,并送到译码器译码。但多进制码必须对伴随式修正,改伴随式包含两个错误多项式:一是删除位置多项式,另一是错误位置多项式。总的错误多项式等于二者的乘积。

3 结束语

随着信息技术的发展,二维条码作为一种新的信息存储和传递技术,从诞生之始就受到了国际社会的广泛关注。经过几年的努力,现已广泛地应用在国防、公共安全、交通运输、医疗保健、工业、商业、金融、海关及政府管理等领域。本文利用数字图像处理的方法实现对QR 图像处理和识别,并且完成了QR 码软件实现。对QR 码的推广和发展具有一定的意义。参考文献:

[1] 章毓晋.图像处理和分析[M].清华大学出版社,1999.3.[2] 何斌,马天予,等.Visual C ++数字图像处理[M].人民邮电出

版社出版,2001.4.

[3] 国家质量技术监督局.中华人民共和国国家标准—快速响应矩

阵码(QR C ode ).G B ΠT 18284-2000[S].2000-12-28发布,2001

-07-01实施.

[4] 王新梅,肖国镇.纠错码—原理与方法[M].西安:西安电子科

技大学出版社,2001.4.责任编辑:杨立民

(上接第54页)已经知道目标函数的最大值为f (x )

=0.

1537,下面用遗传算法对问题进行求解。

用染色体V =()对群体进行编码。由约束条件可知可行解空间为:Ω={(X 1,X 2,X 3)|0≤X 1≤

2,0≤X 2≤2,0≤X 3≤2}利用上述方法对此问题进行遗传算法求解,设定参数为:种群规模选为N =30,交叉概率为0.2,变异概率为0.5。

经过150代后,得到最优的解为:x 3

=(0.8597,0.5273,1.3245)

其目标值为f (x 3

)=0.1537,已接近已知的最优解。

5 结论

遗传算法是一种可行、有效的全局优化的数值

计算方法,它在解决高维空间、高复杂性及非线性问题的优化中具有全局最优、效率高及易于并行计算等优点,有很强的解决问题的能力,又因为它仅要求能够计算目标函数值,不必计算目标函数的导数,因而有广泛的适应性。近年来在模式识别、控制、机器学习、人工神经网络结构参数优化设计等许多领域

受到重视,应用范围不断扩大。

遗传算法在多种领域都有实际应用,展示了它的潜力和宽广前景,但是,遗传算法还有大量的问题需要进一步研究。首先,在变量多,取值范围大或无给定范围时,收敛速度下降;其次,可找到最优解附近,但无法精确确定最优解位置;最后,遗传算法的参数选择尚未有定量方法。对遗传算法,还需要进一步研究其数学基础理论;还需要在理论上证明它与其它优化技术的优劣差别及原因;还需研究硬件化的遗传算法;以及遗传算法的通用编程和形式等。参考文献:

[1] 刘宝碇,赵瑞清.随机规划与模糊规划[M].北京:清华大学出

版社,1998.

[2] 曹慧卿,高峰.一种新的优化方法──遗传算法及其应用[J ].

机械设计与制造,1997,(2).

[3] 曹炬,胡修彪.大规模矩形件优化排样的遗传算法[J ].锻压机

械,1999,(4):16-21.

[4] 罗映红.遗传算法求解组合优化问题研究[J ].甘肃科学学报,

1997,6(2).

[5] 岳琪.板式家具板材优化排料系统的研制与开发[J ].林业机械

与木工设备,2003,(9):15-17.责任编辑:杨立民

36—

相关主题
相关文档 最新文档