【正文】 簽打印機(jī)打出 DATAMATRIX 二維碼后再進(jìn)行識(shí)讀，已經(jīng)不存在任何技術(shù)問題了，同時(shí)，在光潔的金屬表面用激光或浮針也能獲得優(yōu)良的品質(zhì)。二維碼的掃描識(shí)別都是基于智能圖像識(shí)別技術(shù)，而機(jī)器視覺技術(shù)目前正處于發(fā)展階段，具有一定的缺陷。目前國內(nèi)外使用的主要目標(biāo)識(shí)別方法有：(1) 統(tǒng)計(jì)模式識(shí)別:統(tǒng)計(jì)模式識(shí)別方法就是把整個(gè)目標(biāo)區(qū)域集合化，然后可以分割成若干互不相交的子集合，子集合從分類的角度來看是有某方面的共性的。而此時(shí)此區(qū)域空間就能夠用來表示該隨機(jī)向量實(shí)現(xiàn)出的集合，圖 11 給出了統(tǒng)計(jì)模式識(shí)別的模型。神經(jīng)元網(wǎng)絡(luò)能夠不斷的學(xué)習(xí)，并且歸納以及判斷目標(biāo)特性，復(fù)雜背景中二維條碼圖像的識(shí)別研究 4最后達(dá)到能夠充分的逼近復(fù)雜目標(biāo)特征的目的。(1)原始圖像讀入，將復(fù)雜背景中的 DM 碼圖像作為目標(biāo)圖像(2)圖象預(yù)處理，對于 DM 碼的圖像特征。(4)用 Hough 變換可以檢測圖像中的所有線段，這里我們只需要檢測出 DM 碼區(qū)域的兩條最長線段，因?yàn)檫@兩條線段就是條碼的特征圖像所在的線段。由采集設(shè)備采集到的圖像為真彩圖，真彩圖的一個(gè)像素點(diǎn)有 1600 多萬的顏色變化范圍，因此需要更大存儲(chǔ)空間存儲(chǔ)，并且如果直接對真彩圖處理時(shí)，處理過程中所花費(fèi)的時(shí)間很長，而且處理速度很慢，因此真彩圖的灰度化處理，是預(yù)處理過程中必不可少的步驟。并且灰度圖只有灰度等級(jí)，而沒有顏色的變化。 (22)(,)(,)(,)(,)fijRijGijBij???在 Matlab 的圖像處理工具箱中，有 RGB 真彩圖轉(zhuǎn)換成灰度圖的函數(shù) rgb2gray()，用此函數(shù)也是基于等式 22 的?？沼?yàn)V波是借助模板對圖像進(jìn)行鄰域操作。利用像素本身以及相鄰像素的灰度關(guān)系來進(jìn)行的增強(qiáng)操作，就稱之為濾波。頻域?yàn)V波和空域?yàn)V波一樣，其基礎(chǔ)都是卷積定理。它是根據(jù)高斯分布來確定各模板的系數(shù)，也是把接近各模板中心的系數(shù)取得比周邊的模塊的系數(shù)大，這就相當(dāng)于給鄰域做了加權(quán)平均，加權(quán)平均的一般計(jì)算式為式(23)。因此模板大小的選擇很重要。Matlab 圖像處理工具箱的 medfilt2 來實(shí)現(xiàn)二維中值濾波 ,其中[m,n] 為模板大小，默認(rèn) 3 B=medfilt2(A,[n])3。而在圖像二值化中閾值選取很重要，常用的閾值法有灰度直方圖的峰谷法、最小誤差法、最大類間方差法、最大熵自動(dòng)閾值法等。為了解決這個(gè)問題提出10MiiNn???/iiP復(fù)雜背景中二維條碼圖像的識(shí)別研究 10一種改進(jìn)方法。在信息論里，熵的定義為： (213)12()()tZTEPd???21()()TtZEPd???())()t TtEZ???????()lgHpxdx?????復(fù)雜背景中二維條碼圖像的識(shí)別研究 11因此灰度圖的一元灰度熵也可以用上式表示，其中 P(x)為圖像中灰度值為 x 的像素?cái)?shù)占總像素?cái)?shù)的比例。圖像的灰度級(jí)范圍為 0,1,…M1，設(shè)灰度級(jí) i 的象素?cái)?shù)為 ，根據(jù)式(27)、(28)in可以計(jì)算出圖像像素的總數(shù)，以及像素級(jí) i 出現(xiàn)的概率。直方圖雙峰法，處理速度比較快，但是它對圖像的特性要求較高，要求圖像的直方圖有明顯的雙峰結(jié)構(gòu)，而我們所使用的復(fù)雜背景的圖像它的直方圖特性是未知的。它能使圖像數(shù)據(jù)簡化，使其的形狀特性不發(fā)生變化，并消除不相干的結(jié)構(gòu)。B 對 A 進(jìn)行腐蝕記作 ，定義為： B 對 A 腐蝕的過程如圖 25 所示：BA???ABxA??)(|復(fù)雜背景中二維條碼圖像的識(shí)別研究 14圖 25 B 對 A 腐蝕腐蝕運(yùn)算可以簡化物體的結(jié)構(gòu)，那些只有一個(gè)像素寬的物體或物體的部分將被去掉，這樣就把比較復(fù)雜的圖像，分解成了幾個(gè)簡單的部分。用 B 對 A 進(jìn)行膨脹寫作 ，定義為： 先對 B 做關(guān)于原點(diǎn)的反射，再將其平移 x，結(jié)果是平移后與 A 交集不為空的 x集合。B??????Bx?)?(|?復(fù)雜背景中二維條碼圖像的識(shí)別研究 15 開操作開操作能夠?yàn)V除比結(jié)構(gòu)元素小的突出物，斷開狹小的連接起到分離的作用。圖 29 閉操作閉操作能夠把比結(jié)構(gòu)元素小的缺口和孔洞填上，使較短的間斷連接，它的主要作用是連通。確定了最大連通區(qū)域，也就初步確定了 DM 條碼所處的區(qū)域，從而將該區(qū)域分割出來。從而可以從原二值圖像中提取出條碼區(qū)域。圖 29 為根據(jù)最大連通分量在原二值圖中找出并分割出的條碼區(qū)域圖 29 分割出的條碼區(qū)域從圖上很明顯可以看出實(shí)際提取出的區(qū)域要比條碼區(qū)域大，這樣就防止了一些必要信息的丟失。在形態(tài)學(xué)操作方面，介紹了膨脹，腐蝕，開操作以及閉操作運(yùn)算，而對于本課題只需要對二值化后的圖像進(jìn)行腐蝕和膨脹操作，就可以確定出最大連通分量，及時(shí)的分割出條碼區(qū)域，完成條碼的初定位，為后期的條碼定位打下基礎(chǔ)。完成條碼的定位，并且對定位后的圖像進(jìn)行旋轉(zhuǎn)校正，以及對旋轉(zhuǎn)后的圖像進(jìn)行修正，最后精確的提取 DM 條碼區(qū)域。邊緣檢測算子是一組用于在亮度函數(shù)中定位變化的非常重要的據(jù)圖圖像預(yù)處理的方法。圖 31 Roberts 算子采用 Robert 算子的效果圖如圖 32：圖 32 Roberts 算子檢測出的邊緣 Sobel 算子Sobel 算子是通常用于水平和垂直邊緣的一個(gè)簡單的檢測算子。log 算子會(huì)對圖像形狀做過分的平滑，會(huì)明顯的丟失掉角點(diǎn)，而我們要檢測出“L”型角點(diǎn)很重要。下面只介紹檢測直線的方法。 在原圖像中的所以可能被檢測到的直線，都可以通過邊緣檢測得到，而邊緣賦值超過閾值的像素都可以認(rèn)為是可能的直線像素。而對于任意的點(diǎn)，通過它的直線是任意的，也就是 k 的取值為任意的，那么 b 就會(huì)受到圖像像素那點(diǎn)坐標(biāo)的以及斜率k 的限制，因此直線會(huì)使累加器的值變大，而對于邊緣上的，它們在圖像上找不到直線，所以對于邊緣直線，累加器很少被累加。接著使用 lines = houghlines(BW, THETA, RHO, PEAKS)函數(shù)提取所有檢測到的線段。 傾角計(jì)算實(shí)際采集到的條碼圖案都會(huì)有一定的傾斜角度，而使用一般的旋轉(zhuǎn)公式，只能保證 DM 碼保持水平，卻不能保證其處于標(biāo)準(zhǔn)位置，也就是“L”型位于水平的左復(fù)雜背景中二維條碼圖像的識(shí)別研究 21下角。具體的旋轉(zhuǎn)過程的如圖 39 所示(a) (b)(c) (d)圖 39 DM 碼旋轉(zhuǎn)過程復(fù)雜背景中二維條碼圖像的識(shí)別研究 22以 DM 條碼逆時(shí)針旋轉(zhuǎn)為參考，設(shè)旋轉(zhuǎn)角度為 ，則有以下幾種情況：第一種情況：如圖 39(a)所示 x=x1,y=y1，此時(shí)的旋轉(zhuǎn)角度為： (35)第二種情況：如圖 39(b)所示 x=x1,y=y1，此時(shí)的旋轉(zhuǎn)角度為： (36)ang????第三種情況：如圖 39(c)所示 xx1,yy1，此時(shí)的旋轉(zhuǎn)角度為： (37)3/2第四種情況：如圖 39(d)所示 xx1,yy1，此時(shí)的旋轉(zhuǎn)角度為: (38)ang??DM 條碼出現(xiàn)傾斜的位置也只有以上四種情況，所以對判斷出的位置，計(jì)算出傾斜角度，從而對條碼進(jìn)行逆時(shí)針旋轉(zhuǎn)，使其達(dá)到標(biāo)準(zhǔn)位置。圖像在旋轉(zhuǎn)的過程中會(huì)存在一些幾何失真，因此采用插值方法對其進(jìn)行校正。從上到下，從下到上，從左到右，從右到左，依此掃描圖像，碰到白色像素點(diǎn)之前，將所掃描到的黑色點(diǎn)的值全部置為/2復(fù)雜背景中二維條碼圖像的識(shí)別研究 231，使其變?yōu)榘咨Ｆ浯?，是對圖像的旋轉(zhuǎn)校正，其中使用了雙線性插值法，以防止圖像旋轉(zhuǎn)過程之中出現(xiàn)的幾何失真；對于 DM 條碼可能出現(xiàn)的傾斜位置，計(jì)算出具體的旋轉(zhuǎn)角度。Matlab 源代碼如下：clear all。,39。figure。%%%%%%%%%%%%%%%%%%%%%%%%%%濾波I1=filter2(fspecial(39。%level=graythresh(a)。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%otSu算法確定全局自適應(yīng)閾值g=imhist(a)。endfor level=1:256 count=0。endw0=count/size1。 for i=1:256 totalpels=totalpels+i*g(i)。復(fù)雜背景中二維條碼圖像的識(shí)別研究 27if ritemprimax rimax=ritemp。imshow(BW)。figure。figure。 % 當(dāng)前最大連通分量的大小indMax = 0。 endend%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%提取二維條碼區(qū)域[r1,c1]=find(L==indMax)。cmin=min(c1)。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%bw=1A。復(fù)雜背景中二維條碼圖像的識(shí)別研究 28figure。,39。% 提取Hough變換后參數(shù)平面上的峰值點(diǎn) lines = houghlines(bw1,T,R,P)。 xy_long1 = [lines(k).point1 。for k = 1:length(lines) len = norm(lines(k).point1 lines(k).point2)。,)。[H,T,R] = hough(bw1,39。sobel39。%使用imcrop() 函數(shù)，figure。cmax=min(1*c1)。 % 找出編號(hào)為k的連通區(qū)的行索引集合 y和列索引集合x nSize = length(y) % 計(jì)算該連通區(qū)中的像素?cái)?shù)目 if(nSize max) max = nSize。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%確定最大連通區(qū)域[L,num] = bwlabel(IM2,8)。SE2=ones(30,30)。SE1=ones(8,8)。endendresultBW = im2bw(a,1result/255)。else u1=0。%求目標(biāo)的概率和均值w1=1w0。%求背景的概率和均值 for loop=1:level count=count+g(loop)。rimax=0。figure。,[3,3],1),I1)/255。subplot(2,2,2)。)。A=imread(39。復(fù)雜背景中二維條碼圖像的識(shí)別研究 244 Matlab 實(shí)驗(yàn)結(jié)果分析 DM 碼識(shí)別根據(jù)前面章節(jié)的算法，選用了最優(yōu)的算法對圖像進(jìn)行了操作。圖 311精確裁剪是這樣做的，找到圖像中所有的黑點(diǎn)，并且記錄它的坐標(biāo)，然后在所有的黑點(diǎn)坐標(biāo)中，找到最大的橫縱坐標(biāo)，最小的橫縱坐標(biāo)，最后使用 imcrop 函數(shù)對其進(jìn)行裁剪，實(shí)際裁剪的效果如圖 312 所示：圖 312 本章小結(jié)本章中主要研究了圖像的精確定位，先對分割出的圖像進(jìn)行了邊緣檢測，并對各種邊緣檢測的算子進(jìn)行了比較，只有 sobel 算子，能夠很好的處理邊緣，并且用hough 變換對邊緣圖像進(jìn)行了直線檢測，驗(yàn)證了只有才用 sobel 算子，才能準(zhǔn)確的確定出“L ”型。雙三次插值的計(jì)算量很大，而最鄰近線性插值在 DM 碼旋轉(zhuǎn)校正方面又不夠好，因此我們這里采用雙線性插值，雙線性插值又稱為雙線性內(nèi)插，它的主要思想是在兩個(gè)方向分別進(jìn)行一次線性插值，在 matlab 中為該插值方法為 bilinear。假設(shè)旋轉(zhuǎn)前圖像的中心坐標(biāo)為（x0,y0） ，旋轉(zhuǎn)后的中心坐標(biāo)為（x1,y1） ；則旋轉(zhuǎn)公式為： (39)01cosinxxyy???????????????上式中其中 為旋轉(zhuǎn)的角度，以逆時(shí)針正值為基準(zhǔn)。具體的角度計(jì)算如下：第一步：在得到的兩條線段上，記錄四個(gè)端點(diǎn)的坐標(biāo),并且計(jì)算出兩條線段所在直線的斜率。使用 hough 變換，檢測到原 DM 條碼中的最長兩條最長線段也就是“L”型如圖 38 所示：圖 38 兩條最長線段檢測 圖像校正本節(jié)主要討論 DM 碼的校正。 Matlab 中的 Hough 變換根據(jù) hough 變換檢測直線的原理，Matlab 圖像處理工具箱提供了 hough 變換函