基于機器視覺的條碼定位識別算法研究

徐達圣 李桂熙 覃翔宇

摘 要：本文通過對條碼圖像進行預(yù)處理、邊緣檢測、閉運算實現(xiàn)條碼定位，同時提出一種新的條碼傾斜角度計算方法，以校正歪斜條碼，通過改進的自適應(yīng)分段線性灰度變換方法、基于迭代閾值的二值化方法進行條碼圖像預(yù)處理，提高了解碼率。

關(guān)鍵詞：條形碼；圖像處理；解碼率

DOI：10.16640/j.cnki.37-1222/t.2019.09.135

0 引 言

基于圖像的條碼識別屬于模式識別的研究范疇，主要應(yīng)用于智能終端、物體分類等領(lǐng)域，國內(nèi)外學(xué)者已經(jīng)取得諸多重要研究成果并進行了實際應(yīng)用。但這些研究仍存在不足，對于對比度不高或者存在歪斜的條碼，識別率和準確度還待提高。

1 條碼識別

條碼識別經(jīng)過條碼定位、條碼校正、預(yù)處理、條碼解碼四步完成。

1.1 條碼定位

條碼定位過程包括圖像灰度化、混合濾波器降噪、邊緣檢測、形態(tài)學(xué)閉運算。

1.1.1 混合濾波器降噪

采用幾何均值濾波器和中值均值濾器組成的混合濾波器[1]對圖像進行降噪，保持去噪能力的同時能保留更多圖像邊緣細節(jié)。

1.1.2 邊緣檢測

Roberts算子先計算像素梯度幅值，而后對其進行閾值處理[2]。如果大于設(shè)定閾值，該點判定為邊緣點，否則為非邊緣點，所有邊緣點構(gòu)成圖像邊緣。

（1）

1.1.3 形態(tài)學(xué)閉運算

圖像處理中，常用集合描述圖像，被處理的圖像稱為目標圖像，結(jié)構(gòu)元素是具有一定形狀的集合，尺寸小于目標圖像，通常將結(jié)構(gòu)元素的原點選在其中心位置上。

目標圖像關(guān)于結(jié)構(gòu)元素的閉運算，定義[3]為：

（2）

經(jīng)過對邊緣檢測圖的形態(tài)學(xué)閉運算處理，得到多個連通域，篩選最大聯(lián)通域作為條碼區(qū)域，完成條碼定位，如圖1。

1.2 條碼校正

條碼校正包括傾斜角計算和旋轉(zhuǎn)映射。

1.2.1 傾斜角計算

本文基于條碼特性和形態(tài)學(xué)閉運算特征提出一種新的傾斜角計算方法。條碼具有水平間斷豎直連續(xù)的特性，而閉運算能保持原連續(xù)邊界。通過將最大聯(lián)通域圖像的邊緣檢測圖像與閉運算前的邊緣檢測圖像比對，重合點保留，其余舍棄，濾除散點得到條碼左右兩條短邊側(cè)線，利用短側(cè)線的斜率即可計算出條碼傾斜角度。

1.2.2 旋轉(zhuǎn)映射

旋轉(zhuǎn)映射需進行特定處理：利用取反圖像進行旋轉(zhuǎn)映射，再將所得圖像取反得校正圖像。所做處理避免了直接旋轉(zhuǎn)映射而產(chǎn)生的矩形四角填充問題。

1.3 預(yù)處理

圖像的預(yù)處理過程包括自適應(yīng)灰度拉伸、基于迭代閾值的二值化。

1.3.1 自適應(yīng)灰度拉伸

自適應(yīng)灰度拉伸處理將10%最大灰度值中的最小值記為，將10%最小灰度值中的最大值記為，進而將圖像的灰度分為、、三個區(qū)間。而后，將處于灰度區(qū)間的像素灰度壓縮為0，將處于灰度區(qū)間的像素灰度壓縮為255，而對處于灰度區(qū)間的像素灰度做下述運算：

（3）

其中，、 分別為輸入、輸出圖像的灰度值，是圖像理論灰度最大值。

1.3.2 基于迭代閾值的二值化

閾值法二值化首先將圖像中最小、最大灰度值記為和 ，初始閾值為 ，為迭代次數(shù)。而后根據(jù)閾值將圖像中像素分為目標像素點和非目標像素點兩類，記目標像素及非目標像素點個數(shù)及其灰度平均值分別為、、 、。并利用、二者平均值求取新閾值。當或時，結(jié)束迭代，利用新閾值進行二值化處理，否則，重新劃分目標與非目標像素點，繼續(xù)迭代。

1.4 條碼解碼

Code128碼是最常用的一維條碼，由一系列條空相間組成，分為起始符、數(shù)據(jù)符、檢驗符、終止符和空白區(qū)。條碼解碼需解決兩個關(guān)鍵問題，一是消除不同圖像采集距離的影響，二是解決因條碼污損而無法解碼的難題。針對前者，由于同一條碼上條空寬度呈比例關(guān)系，利用該關(guān)系可確定條碼編碼序列，從而實現(xiàn)不同采集距離下的解碼。針對后一問題，可以通過在條碼解碼操作前確立一條垂直且覆蓋全部條、空的掃描線解決。

2 系統(tǒng)運行結(jié)果分析

本文測試環(huán)境為Matlab 2016a，測試圖像來源于muenster數(shù)據(jù)集，數(shù)量為300張。經(jīng)測試：

由表可知，本文設(shè)計的條碼識別算法，識別成功率為93.6%。其對于條碼傾斜的情況，校正率亦能達86%以上，識別耗時平均為0.745s。

3 結(jié)語

本文提出了一種新的條碼定位與識別算法，有效提高了條碼定位識別率。系統(tǒng)實際運行表明，該算法具有效率高、可靠性強的優(yōu)點。

參考文獻：

[1]宋人杰，劉超，王保軍.一種自適應(yīng)的Canny邊緣檢測算法[J]. 南京郵電大學(xué)學(xué)報（自然科學(xué)版），2018，38（03）：72-76.

[2]賀桂嬌.幾種經(jīng)典的圖像邊緣檢測算子分析比較[J].計算機光盤軟件與應(yīng)用，2014（09）：182-183.

[3]閆海霞.基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測和增強算法的研究[D]. 吉林大學(xué)，2009.

基金項目：吉林大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃基金資助項目（ 2018A2017）。