符號特征QR碼定位和校正算法

摘要：針對光照不均勻和背景環境復雜時快速響應矩陣碼（quick response code，QR）難以定位以及Hough變換校正不確定性的問題，提出一種新的基于符號特征的QR碼提取和校正算法。利用符號特征尋找滿足三層包圍關系的連通區域圖形，從而達到對QR碼的定位，利用定位點坐標實現對QR碼的校正。實驗結果表明：該算法對QR碼的定位和校正簡單、快速、準確。

關鍵詞：QR碼；Hough變換；二值化；連通域

文獻標志碼：A

文章編號：1674-5124（2015）02-0088-03

引 言

QR二維碼因其高密度、高可靠性、高含信息量和自動全方位識別等特點，被廣泛應用于各種領域。特別是近幾年智能手機的快速發展更加促進了它的大規模應用。

在實際應用中，采集條碼圖像時條碼可能會發生傾斜，這增大了識別的難度并降低了識別率。針對這種問題，國內外專家學者進行了大量研究，提出了許多校正算法近幾年，許多學者也提出了一些比較新的定位校正算法，利用最大連通區域對QR碼提取并校正，由于在尋找最大連通域和Hough變換中計算量太大導致其算法太過復雜，識別速度不快。文獻利用QR碼中位置探測圖形的特征進行定位，然而實際情況中，由于背景復雜或者二值化效果不好，會使得位置探測圖形的符號特征發生變化，即不滿足標準的比例關系，導致定位不準確。文獻采用Viola-Jones框架來檢測任意獲取的圖像中的QR碼，檢測精度較高，但是該框架本身較復雜，且參數不易設置。

針對上述情況，提出了一種基于符號特征的QR碼定位和校正算法。

l.預處理

1.1 QR碼簡介

QR碼是一種矩陣式二維碼，由深、淺色正方形模塊排列成一個正方形陣列，主要包括編碼區域和功能區域。編碼區域存儲數據的編碼，功能區域包括位置探測圖形、分隔符、定位圖形和校正圖形等。QR碼四周有一定寬度的空白區。

其中，位置探測圖形有3個，分別位于整個符號的左上角、左下角和右上角，用于快速定位QR碼在原圖像中的位置。位置探測圖形如圖l所示。

1.2 灰度化與二值化預處理

一般QR二維碼只有黑色和門色部分，二值圖像更易于獲取目標區域的集合特征，并且二值圖像存儲空間小、處理速度快；所以，首先對獲取的彩色圖像進行灰度化，然后對灰度圖像進行二值化。采用簡單的加權平均法進行灰度化：

y=0.30R+0.59C+O.llB

（1）式中：R、G、B-像素的紅色、綠色和藍色分量；

Y——灰度化后的灰度值。

自適應閾值法是常用的二值化方法，其中最常用的是最大類間方差法（OcsLi算法）。設所有像素被閾值分為兩組，灰度≤t的為第1組，灰度>t的為第2組，則

μ——所有像素的平均灰度；

ql（t），q2（t）——第1組和第2組各自的概率；

σ12（t），σU22（t）——第1組和第2組各自的方差；

μ1（t），μ2（t）——第1組和第2組各自的灰度

平均值。

最佳閾值t*滿足：

如果σ2B（t）的最大值對應于多個t，一般取其平均值。得到閾值t*后進行分割：

由于Otsu算法對光照不均勻的圖像效果較差，所以采用多閾值處理方法】。其思想是把一幅圖像分成不重疊的幾個矩形部分，然后對每一塊使用Otsu算法進行二值化處理，這樣即可避免光照不均勻的影響。

2.QR碼的提取和校正

2.1 區域標記

本方法所利用的是QR碼位置探測圖形的特點，但并不是利用其回形區域的像素1：1：3：1：1比例的性質，因為實際情況中不一定完全滿足該特點。由于二值化一般不會影響圖像中本身具有的連通域，所以本方法正是利用QR碼位置探測圖形連通域的特點。

區域標記是指把唯一的標號賦給圖像各像素區域，但相同像素值根據鄰域數不同而被區別標記為不同的區域。連通域是指在二值圖像中，任意點加上其n個鄰域點，按照從上到下和從左到有的順序，以非0則為連通區域的規則，且從l開始整數遞增順序標記各連通區域。由QR碼符號的特點，本文采用8連通域做區域標記，得到標記依次為l，2，3--的若干塊連通區域的二值圖。

下面定義一種區域位置關系（本文稱作三層包圍關系），如圖1所示。如果連通區域C包圍連通區域B，連通區域B包圍連通區域A，將這種位置關系稱作滿足三層包圍關系，簡記為

A—}B—}C

由QR碼的標準可知，在整個QR碼符號中只有兩種圖形滿足上述三層包圍關系，分別是位置探測圖形和校正圖形；然而在同一個QR碼符號中，位置探測圖形的面積都大于校正圖形的面積；所以，利用面積的比較可以確定位置探測圖形的位置。

2.2 QR碼的提取

經過預處理后，對二值化圖像即可進行QR碼提取，主要包括以下步驟：

1）遍歷整幅圖像，進行區域標記。其中最外圍的白色區域標記為1，并存儲屬于每一個連通區域的所有像素的坐標。對除了序號為1的連通區域，尋找滿足三層包圍關系的連通區域。實際情況中，在整幅圖像中除了QR碼符號的位置探測圖形和校正圖形，背景圖像一般不會有這樣的區域，所以找到的這些區域是有限的，從而可以大大減小計算量。

2）通過連通域的面積比較找出位置探測圖形。為了減少計算量，計算找到的幾組連通區域中最里面的區域的面積，那么面積最大的前3個連通區域即為位置探測圖形最中間的小正方塊；通過存儲的坐標可以計算出位置探測圖形的中心點的坐標。

3）通過求得的位置探測圖形中心點坐標提取QR碼符號。因為QR碼為正方形，利用3個位置探測圖形中心點坐標就可確定一個正方形，將此正方形適當放大，使其能完全包括整個QR碼符號，從而提取出整個QR碼。

2.3 QR碼的校正

傾斜角計算示意圖如圖2所示，由求得的3個位置探測圖形的中心點坐標作三角形，計算每邊的長度，最長邊為斜邊，它所對的頂點即為QR碼左上方位置探測圖形的中心點，通過斜邊計算傾斜角a，即可算出QR碼的傾斜角為

QR碼的校正方法是首先確定3個位置探測圖形的位置，然后進行圖像旋轉，最后做插值運算。為避免產生邊界鋸齒現象，本文采用雙線性捅值法。

3.實驗結果與分析

為了驗證該算法的有效性，本文使用普通攝像頭采集了背景復雜、光照不均勻的QR碼圖像，通過Madab軟件對QR碼圖像依次進行灰度化、二值化、提取QR碼和校正QR碼，所得到的結果如圖3所示。

采用手機拍攝大小為327x245的圖像，經過灰度化后，采用全局閾值和多閾值的二值化算法處理，分別得到如圖3（a）和圖3（b）所示的結果。對比兩圖可以看出多閾值處理算法二值化后圖像中的QR碼清晰可見，最重要的是沒有模糊位置探測圖形，這是后續提取和校正QR碼的關鍵。對二值化后的圖像由文獻[4]算法校正結果如圖3（c）所示，而通過本文算法得到的校正結果如圖3（d）所示。通過對比可以看出，本文算法的結果比文獻的校正結果效果更好，而且相對于文獻避免了Hough變換求傾斜角的復雜計算和不確定性。對327x245的圖片，本算法在未優化程序時所需時間為200ms以內，相對于具有傳統代表性的文獻中算法所需要的500ms要少。

按照本文算法，以火車票圖片做實驗。針對背景復雜與簡單和左傾斜與右傾斜做了4組實驗，所得實驗結果如圖4所示。原圖是在光照不均勻的場景下獲取的，圖中每一行為一組，其中第3和第4組的背景較復雜，對QR碼的提取有很大干擾。由圖示結果可以看出對這幾種情況均能正確校正，且效果較好。

4.結束語

本文提出的算法，僅利用QR碼符號特征和連通域理論便能對QR碼進行一次性提取和校正，避免了二值化效果不好的影響和利用Hough變換求傾斜角計算量大的弊端。但是，如果所獲取圖像的背景中包含有滿足三層包圍關系的連通區域時，該算法不能準確定位。然而，由于實際應用時所獲得的圖像中除QR碼部分以外沒有太多背景，所以大部分情況下該算法是可用的。一般情況下，針對光照不均勻和背景復雜情況，QR碼校正效果很好，并且該算法簡單、快速、校正精度較高。