【文章內容簡介】 糾錯校驗碼的主要作用是防止條碼標志因印刷質量低劣或包裝運輸中引起標志破損而造成掃描設備誤讀信息而設置，作為確保商品條形碼識讀正確性的必要手段。條形碼用戶在標志設計完成后，代碼的正確與否直接關系到用戶的自身利益。對代碼的驗證，校驗碼的計算是標志商品質量檢驗的重要內容之一。下面是EAN13碼的校驗碼驗算方法，步驟如下：|（1）將條形碼中數(shù)字碼由右至左位排序（包括校驗碼）；（2）從代碼位置序號2開始，所有偶數(shù)位的數(shù)字代碼求和為a；（3）將上步中的a乘以3為a；（4）從代碼位置序號3開始，所有奇數(shù)位的數(shù)字代碼求和為b。（5）將a和b相加為s；（6）取s的十進制個位數(shù)d，再由10減去d即為校驗位數(shù)值C。第三章 條碼圖像的預處理 圖像分割理論 圖像分割的的定義圖像分割是數(shù)字圖像處理領域一類非常重要的圖像分析技術，在對圖像的研究和應用中，根據(jù)不同領域的不同需要，在某一領域往往僅對原始圖像中的某些部分（目標）感興趣。這些目標區(qū)域一般來說都是具備自身特定的一些諸如灰度、紋理等，圖像分割就主要根據(jù)圖像在各個區(qū)域的不同特性，而對其進行邊界或區(qū)域上的分割，并從中提取出所關心的目標。分別以圖像的灰度、邊界、形態(tài)學特征等為基礎總結出圖像分割的不同方法，清楚地介紹了各種不同分割方法的原理及數(shù)學基礎，最后用MATLAB對不同的方法進行仿真實驗。實驗結果表明，不同的方法得到了不同的分割結果，并且沒有一種通用的分割方法對所有的圖像都能達到理想的效果。多年來人們對圖像分割提出了不向的解釋和表述，這里借助集合概念，給出圖像分割比較正式的定義。令集合代表整個圖像區(qū)域，對的分割可看做將分成個滿足以下五個條件的非空子集(子區(qū)域)①；②對對所有的和，有；③對，有；④對，有；⑤對，是連通的區(qū)域。其中是對所有在集合中元素的邏輯謂詞，代表空集。條件①指出在對一幅圖像的分割結果中全部子區(qū)域的總和(并集)應能包括圖像中所有像素(就是原圖像)；條件②指出在分割結果中各個子區(qū)域是互不重疊的，或者說在分割結果中一個像素不能同時屬于兩個區(qū)域；條件③指出屬于同一個區(qū)域中的像素應該具有某些相同特性；條件④指出在分割結果中屬于不同區(qū)域的像素應該只有一些不同的特性；條件⑤要求分割結果中同一個子區(qū)域內的任意兩個像素在該子區(qū)域內互相連通，或者說分割得到的區(qū)域是一個連通組元。圖像分割因其廣泛的應用前景一直受到學術界和工程界的高度重視，圍繞圖像分割的理論相繼被提出。目前已經發(fā)展到近千種不同類型的分割算法。按下類方式進行劃分：（1） 按分割原理分類 從圖像分割的定義不難看出，圖像分割是基于相鄰像素值方面的兩個性質：不連續(xù)性和相似性。區(qū)域內部的像素一般具有某種相似性，而區(qū)域和邊界之間具有某種不連續(xù)性。根據(jù)區(qū)域和邊界的特點，圖像分割可以簡單的分為邊緣檢測和區(qū)域生長兩大類，也可以將兩者結合使用。從原理上分為三類：。 算法1基于這樣假設，每個區(qū)域有許多灰度相近的像素構成，物體和背景之劍或其他物體之間有明顯的差別，還可以通過取門限的方法將像素分成不同的區(qū)域。算法2首先檢測出局部的不連續(xù)性，再將他們連成邊界，這些邊界把圖像分成不同的區(qū)域。算法3是根據(jù)區(qū)域內部的均勻性而實現(xiàn)的分割，可以分為合并，分裂及分裂合并三種。圖像分割在本質上是找出空域像素與滿足一定均一性的區(qū)域之間對應關系的過程。他得到的目標有兩個形式：邊緣和區(qū)域。邊緣和區(qū)域。邊緣和區(qū)域是互相對偶的因素，如果獲得了準確的邊緣，那么相應的區(qū)域也就可以方便地表示。如果得到有效地區(qū)域標記，那么邊緣也就可以區(qū)域標記的基礎上予以確定。（2） 按分割過程中處理的策略分類無論采用什么算法，最終都必須通過計算機的處理才能將圖像分割出來。計算機的處理策略有并行和串行之分，結合圖像分割的特點與計算機處理的策略將圖像分割算法分為：。（3） 按相關知識分類在圖像處理中，弧度，紋理，彩色，時變，噪聲，立體，運動到呢個多維模式向量均是處理圖像可以運用的知識。概括起來可以分為以下五類五種類型： 。綜上，圖像分割的算法非常多，但因為棋處理的對象差距很大，不能找到一個通用方法。所以具體問題具體分析，選擇適當?shù)姆椒ㄟM行分割目標。 本文采用的是分水嶺算法，分水嶺算法（watershed）是一種借鑒了形態(tài)學理論的分割方法，在該方法中，將一幅圖看成一個拓撲形圖，其中灰度值對應地形高度值。高灰度值對應著山峰，低灰度值對應著山谷。水總是朝聲勢底的地方流動，直到一局部低洼處才停下來，這個低洼處被稱為吸水盆地。最終所有的水會分聚在不同的吸水盆地，吸水盆地之間的山脊被稱為分水嶺。水從分水嶺流下時，它朝不同的吸水盆地流去的可能性是相等。將這種想法應用于圖像分割，就是要在灰度圖像中找出不同的吸水盆地和分水嶺，由這些不同的吸引盆地和分水嶺組成的區(qū)域即邊我們要分割的目標。分水嶺閾值選擇算法可以看成是一種自適應的多閾值分割算法，在圖像梯度圖上進行閾值選擇時，經常遇到的問題是如何恰當?shù)剡x擇閾值。閾值若選得太高，則許多邊緣會丟失或邊緣出現(xiàn)破碎現(xiàn)象；閾值若選得太低，則容易產生虛假邊緣，而且邊緣變厚導致定位不精確，然而分水嶺閾值選擇算法則可避免這個缺點。Matlab圖像處理工具箱提供的watershed函數(shù)可用于實現(xiàn)分水嶺算法。 灰度處理及二值化Matlab能夠處理的四種類型圖像：1） 索引圖像索引圖像包括圖像矩陣與顏色圖數(shù)組，其中，顏色圖是按圖像中顏色值進行排序后的數(shù)組。對于每個像素，圖像矩陣包含一個值，這個值就是顏色圖中的索引。顏色圖為m*3雙精度值矩陣，各行分別指定紅綠藍（RGB）單色值。Colormap=[R，G， B]，R，G，B為值域為[0，1]的實數(shù)值。圖像矩陣與顏色圖的關系依賴于圖像矩陣是雙精度型還是uint8（無符號8位整型）類型。如果圖像矩陣為雙精度類型，第一點的值對應于顏色圖的第一行，第二點對應于顏色圖的第二行，依次類推。如果圖像矩陣是uint8，有一個偏移量，第0點值對應于顏色圖的第一行，第一點對應于第二行，依次類推；uint8長用于圖形文件格式，它支持256色。2） 灰度圖像在MATLAB中，灰度圖像是保存在一個矩陣中的，矩陣中的每一個元素代表一個像素點。矩陣可以是雙精度類型，其值域為[0，1]；也可以為uint8類型，其數(shù)據(jù)范圍為[0，255]。矩陣的每個元素代表不同的亮度或灰度級。3） 二進制圖像二進制圖像中，每個點為兩離散值中的一個，這兩個值代表開或關。二進制圖像保存在一個由二維的由0（關）和1（開）組成的矩陣中。從另一個角度講，二進制圖像可以看成為一個僅包括黑與白的灰度圖像，也可以看作只有兩種顏色的索引圖像。二進制圖像可以保存為雙精度或uint8類型的雙精度數(shù)組，顯然使用uint8類型更節(jié)省空間。在圖像處理工具箱中，任何一個返回二進制圖像的函數(shù)都是以uint8類型邏輯數(shù)組來返回的。4） RGB圖像與索引圖像一樣，RGB圖像分別用紅，綠，藍三個亮度值為一組，代表每個像素的顏色。與索引圖像不同的是，這些亮度值直接存在圖像數(shù)組中，而不是存放在顏色圖中。圖像數(shù)組為M*N*3，M，N表示圖像像素的行列數(shù)。對圖像進行灰度處理，為實現(xiàn)數(shù)字的閾值變換提供前提條件，要將256色位圖轉變?yōu)榛叶葓D，首先必須計算每種原色對應的灰度值，灰度與RGB顏色的對應關系Y=++將調色板轉換成灰度調色板。實現(xiàn)的指令：y=rgb2gray(I)。為了對圖像進行后續(xù)處理，需要對圖像進行二值化處理，二值化是圖像分割技術中的區(qū)域分割技術，它是區(qū)域分割中最基本也是最常用的手段，使用閾值將背景與圖像分割出來，也稱閾值分割。閾值分割的主要算法有兩個步驟：。 圖像的加噪仿真圖像增強操作主要是針對圖像各種噪聲而言的，為了說明以上濾波方法的用途，需要模擬數(shù)字圖像的各種噪聲來分析濾波效果。Matlab圖像處理工具箱提供imnoise函數(shù)，可以用該函數(shù)添加各種噪聲函數(shù)調用格式如下：J=imnoise（I‘type’，parameters）。下表列出imnoise函數(shù)能夠產生的五種噪聲及對應的參數(shù) 圖像的濾波 （一）均值濾波器均值濾波器也稱線性平滑濾波器，是一種最常用的線性低通濾波器。均值濾波器所有的系數(shù)都是整數(shù)，為了保持輸出圖像仍在原來的灰度值范圍內，模板與像素領域的乘積和藥除以9，以3*3領域為例，假設當前的待處理像素為f（m，n），最簡單的一種均值濾波器模板如下： 將以上均值濾波器加以修正，可以得到加權平均濾波器，例如：均值濾波器把每個像素都用周圍的8個像素來做均值操作。可以平滑圖像，速度快，算法簡單。但是無法去掉噪聲，這能微弱的減弱它，這種處理方式對固有頻率附加噪聲的處理效果非常好。（二）中值濾波器中值濾波器是一種最常用的非線性平滑濾波器，其濾波原理與均值濾波器方法類似，二者不同是在于中值濾波器的輸出像素是由領域像素值是由領域的中間值決定的而不是平均值決定的，中值對極限像素值遠不如平均值那么敏感，所以中值濾波器產生的模糊較少，更適合消除孤立噪聲點。它在平滑脈沖噪聲方面非常有效,同時它可以保護圖像尖銳的邊緣。加權中值濾波能夠改進中值濾波的邊緣信號保持效果。但對方向性很強的指紋圖像進行濾波處理時 ,有必要引入方向信息,即利用指紋方向圖來指導中值濾波的進行。中值濾波器的優(yōu)點是:它可以克服線性濾波器(如均值濾波)給圖像帶來的模糊,做到在有效地清除脈沖噪聲的同時,又保持良好的邊緣特性,從而獲得較滿意的復原效果。數(shù)學形態(tài)學時一種應用于圖像處理和模式識別領域的新方法，它涉及微分幾何，幾分幾何，測度論泛函分析和隨機過程等許多數(shù)學理論，著重研究圖像的幾何結構，這種結構表示的可以是宏觀也可以是微觀的，用具有一定形態(tài)的元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。主要有以下函數(shù)：dilate函數(shù) 該函數(shù)能夠實現(xiàn)二值圖像的膨脹操作，有以下形式： BW2=dilate(BW1，SE)；BW2=dilate(BW1，SE，…，n) 其中：BW2=dilate(BW1，SE)表示使用二值結構要素矩陣SE隊圖像數(shù)據(jù)矩陣BW1執(zhí)行膨脹操作。輸入圖像BW1的類型為double或unit8，輸出圖像BW2的類型為unit8。BW2=dilate(BW1，SE，…，n)表示執(zhí)行膨脹操作n次。erode 函數(shù) 該函數(shù)能夠實現(xiàn)二值圖像的腐蝕操作，有以下形式：BW2= erode(BW1，SE)；BW2= erode(BW1，SE，…，n) 其中：BW2= erode(BW1，SE)表示使用二值結構要素矩陣SE隊圖像數(shù)據(jù)矩陣BW1執(zhí)行腐蝕操作。輸入圖像BW1的類型為double或unit8，輸出圖像BW2的類型為unit8。BW2= erode(BW1，SE，…，n)表示執(zhí)行腐蝕操作n次。bwmorph函數(shù) 該函數(shù)的功能是能實現(xiàn)二值圖像形態(tài)學運算。它的格式如下：① BW2=bwmorph(BW1，operation)；② BW2=bwmorph(BW1，operation，n)其中：對于格式①，bwmorph函數(shù)可對二值圖像BW1采用指定的形態(tài)學運算；對于格式②，bwmorph函數(shù)可對二值圖像BW1采用指定的形態(tài)學運算n次。operation為下列字符串之一：‘clean’：除去孤立的像素(被0包圍的1)‘close’：計算二值閉合‘dilate’：用結構元素計算圖像膨脹‘erode’：用結構元素計算圖像侵蝕imclose函數(shù) 該函數(shù)功能是對灰度圖像執(zhí)行形態(tài)學閉運算，即使用同樣的結構元素先對圖像進行膨脹操作后進行腐蝕操作。調用格式為：IM2=imclose(IM,SE)；IM2=imclose(IM,NHOOD)imopen函數(shù) 該函數(shù)功能是對灰度圖像執(zhí)行形態(tài)學開運算，即使用同樣的結構元素先對圖像進行腐蝕操作后進行膨脹操作。調用格式為：IM2=imopen(IM,SE)；IM2=imopen(IM,NHOOD)； 根據(jù)上述條碼圖像預處理的理論知識編譯相關的Matlab程序。 圖像處理的結果第四章 條碼的譯碼方法 譯碼方案的選擇 方案一：寬度測量法在圖像方式的譯碼過程中，寬度的測量不再采用傳統(tǒng)的脈沖測量法，而是通過記錄每個條或空的寬度中所含象素的個數(shù)來確定實際的條/空寬度，從而確定整個條碼符號所代表的信息。方案二：平均值法對條碼符號圖像中從起始符到終止符整個寬度進行測量，然后除以95(標準寬度)，求出單位模塊所含的像素列寬，再分別測量各個條空的實際寬度(此寬度以單位寬度為單位計算)方案三:相似邊距離的測量方法這種方法的設計思路是通過對符號中相鄰元素的相似邊之間距離的測量來判別字符的邏輯值，而不是由各元素寬度的實際測量值來判別。前兩種方案對條碼圖像的要求非常高，因為它們都是測量各元素符號的實際寬度，然后根據(jù)查表法得到所代表的碼值。如果實際測量值與標準值存在一點偏差，就不能實現(xiàn)正確譯碼。而第三種方案正是有效的解決了這一問題。由原理知，要想辨識一個條碼，必須先測量條碼條、空寬度CCCC4以及一個字符的寬度T。條碼圖像經過預處理后得到的是二值圖像，該點的顏色信息在閾值變換時已經定義，用255和0表示白和黑色。我們從條碼的左邊開始取點，若遇到點的灰度值由255變到0即由點的顏色由白色變?yōu)楹谏?，則表示檢測到條，記錄下該點的坐標值，如果點的顏色由黑色變?yōu)榘咨?，則表示檢測到空，記錄下該點的坐標值。這樣經過掃描后得到各個顏色變化點的坐標，然后將相鄰兩點的橫坐標相減得到各個條、:一個由占3個條空的起始符、3個條空的終止符、24個條空的左側數(shù)據(jù)符、5個條空的中間分隔符、20個條空的右側數(shù)據(jù)符、4個條空的校驗符組成。所以，整個條碼字符占的條空總數(shù)為59，若條碼字符沒有發(fā)生幾何畸變，一