【文章內(nèi)容簡介】 9。步驟4:奇數(shù)位求和:2+4+3+5+4+5=23。步驟5:4步結(jié)果求和:69+23=92。步驟6:102=8.得出結(jié)果:校驗碼為8。表 24 實例第三章 EAN13碼的識讀 MATLAB數(shù)字圖象處理技術(shù)簡介數(shù)字圖像處理技術(shù)[14]是20世紀60年代隨著計算機技術(shù)和大規(guī)模集成電路的發(fā)展而產(chǎn)生，并不斷成熟起來的新興的技術(shù)領域，數(shù)字圖像處理技術(shù)在理論上和實際應用中都取得了巨大的成就。圖像處理就是將圖像轉(zhuǎn)換為一個數(shù)字矩陣存放在計算機中，并采用一定的算法對其進行處理。目前的圖像處理技術(shù)已經(jīng)在許多的應用領域中得到重視，并取得了巨大的成就。根據(jù)應用領域的不同要求，可以將圖像處理技術(shù)劃分為許多分支，其中比較重要的分支有：圖像數(shù)字化、圖像增強與復原、圖像編碼、圖像分割與特征提取、圖像分析和圖像隱藏。在圖像處理方面，MATLAB是一種基于向量（數(shù)組）而不是標量的高級程序語言，數(shù)字圖像實際上就是一組有序的離散數(shù)據(jù)（具有二值或灰度值的二維數(shù)組），使用MATLAB的矩陣變量對這些離散數(shù)據(jù)形成的矩陣能夠進行一次性的處理。因此，MATLAB從本質(zhì)上提供了對圖像的支持，非常適合于圖像處理，較其它標量語言而言，這也是MATLAB非常顯著的一大優(yōu)勢。MATLAB 軟件是矩陣實驗室(Matrix Laboratory)的簡稱，是 Math Works 公司于 1984年推出的用于數(shù)值計算的商業(yè)數(shù)學軟件，用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術(shù)計算語言和交互式環(huán)境，主要包括 MATLAB 和 Simulink 兩大部分[15]。MATLAB 的圖像處理功能主要集中在圖像處理工具箱(Image Processing Toolbox，IPT)中，圖像處理工具箱是由一系列支持圖像處理操作的函數(shù)組成，可以進行諸如幾何操作、線性濾波和濾波器設計、圖像變換、圖像分析與圖像增強、二值圖像操作以及形態(tài)學處理等圖像處理操作[16]。MATLAB提供的圖像處理函數(shù)涵蓋了圖像處理的包括近期研究成果在內(nèi)的幾乎所有的技術(shù)方法，是學習和研究圖像處理的人員難得的寶貴資料和加工工具箱。MATLAB強大的圖形功能和豐富的圖像處理工具箱函數(shù)能夠?qū)碗s的算法轉(zhuǎn)化為簡單函數(shù)調(diào)用，省去了大量的底層編程工作，從而使科研人員專注于研究或教學，并能夠達到快速實現(xiàn)設計思路的目的。這些函數(shù)按其功能可分為：圖像顯示；圖像文件I/O；圖像算術(shù)運算；幾何變換；圖像登記；像素值與統(tǒng)計；圖像分析；圖像增強；線性濾波；線性二元濾波設計；圖像去模糊；圖像變換；鄰域與塊處理；灰度與二值圖像的形態(tài)學運算；結(jié)構(gòu)元素創(chuàng)建與處理；基于邊緣的處理；色彩影射表操作；色彩空間變換；圖像類型與類型轉(zhuǎn)換。 條碼圖像處理 條碼圖像預處理對于一個條碼圖像我們先要對其進行一定的處理才能達到正確譯碼的目的。而要對其進行處理，首先是要將其讀入。由于有噪聲的存在，必須對其進行濾波。也可以人為地加入一定類型的噪聲仿真，然后用合適的濾波方法進行濾波，這樣有助于理解各種濾波方法所針對的噪聲類型。最后就是要二值化，得到二值圖像。條碼圖像預處理流程圖如圖31所示。圖31 條碼圖像預處理流程圖⑴ MATLAB中利用函數(shù)imread來實現(xiàn)圖像文件的讀取操作。圖32是需要處理的條碼圖片。圖32 需要處理的條碼一般情況下，通過imread函數(shù)讀取的大多數(shù)圖像都是8位的。當把這些圖像加載到內(nèi)存中時，MATLAB就將其存儲在類uint8中。此外，MATLAB還支持16位的PNG和TIFF圖像。當用戶讀取這類圖像時，MATLAB就將其存儲在類uint16中。而對于索引圖像來說，即使圖像矩陣的本身為uint8或uint16，imread函數(shù)仍將顏色映射表讀取并存儲在一個雙精度浮點類型的矩陣中。例如：I=imread(39。39。)。該語句可將條碼圖像讀入內(nèi)存，并以矩陣形式存儲。⑵ MATLAB的圖像處理工具箱提供imnoise函數(shù)，可以用該函數(shù)給圖像添加不同種類的噪聲。該函數(shù)的調(diào)用格式如下： J=imnoise(I,‘type’,parameters)表31列出了imnoise函數(shù)能夠產(chǎn)生的五種噪聲及其對應參數(shù)。表31 imnoise函數(shù)支持的噪聲種類及參數(shù)說明例如：J=imnoise(I,39。salt amp。 pepper39。,)。該語句實現(xiàn)在條碼圖像I中加入椒鹽噪聲。⑶ 條碼圖像被采集進入計算機，由于設備、以及傳輸過程中的各種因素的影響，一些噪聲將會對圖像的質(zhì)量產(chǎn)生影響。任何一幅未經(jīng)處理的原始圖象，都存在一定程度的噪聲干擾。不同的噪聲干擾，處理方法不同。影響條碼圖像質(zhì)量最典型的噪聲是椒鹽噪聲。椒鹽噪聲的特點是此干擾在圖像中是以孤立點的形式存在的。針對噪聲的類型，采用中值濾波。中值濾波是一種非線性信號處理方法?？梢钥朔€性濾波器如最小均方濾波，平均值濾波（平滑濾波）等所帶來的圖像細節(jié)模糊。而且對于脈沖干擾及點狀噪聲有良好抑制作用，能較好保持圖像邊緣。它可以起到既消除噪聲又保持圖像細節(jié)的作用。為了達到好的濾波效果應選擇合適的濾波窗口。從條碼圖像的特征來討論選擇采用的中值濾波窗口。條碼圖像的特點在于是由縱向一定寬度黑白條空組成，我們建立不同大小的模板，對含有噪聲的圖像進行濾波處理，比較它們?yōu)V除噪聲干擾的效果。在MATLAB中可以使用imfilter函數(shù)或filter2函數(shù)調(diào)用創(chuàng)建好的濾波器（可以是預定義濾波器，也可以是自定義濾波器）對圖像進行濾波。 ⑷ 為了便于對圖像進行后續(xù)處理，需要對圖像進行二值化處理。二值化是一種圖像分割技術(shù)中的區(qū)域分割技術(shù)，它是區(qū)域分割中最基本也是最常用的手段，使用閾值把圖像和背景分割出來，也稱閾值分割。二值化處理將不可避免地丟失圖像信息，若閾值選取過小，會提取多余的部分，若選取的過大，會丟失所需要的圖像信息。它對物體與背景有較強對比度的圖像分割特別有效。如果感興趣的物體在其內(nèi)部具有均勻一致的灰度值，并分布在一個具有另一個灰度值的均勻背景上，使用閾值分割方法效果很好。閾值分割算法主要有兩個步驟：①確定需要的分割閾值；②將像素與分割閾值作比較并劃分。其中閾值選取是圖像二值化處理中的一項重要技術(shù)，它的選取直接關(guān)系到后續(xù)的處理。根據(jù)一維條碼的特點，條碼圖像由條和空組成。條即深色模塊用“1”表示，空即淺色模塊用“0”表示，深色的條與白色的空灰度明顯呈對比狀態(tài)，這樣的特點恰好符合二值表示數(shù)據(jù)的特點，因此可以簡化閾值變換過程；在二值圖像中，“0”表示黑色，“255”表示白色，條碼圖像的灰度圖中，雖然條、空的顏色不是二值的“0”和“255”，而是在[0，255]之間的某個灰度值，但是條、空的灰度對比是明顯的，一般是位于灰度直方圖的灰度范圍，在其中間左右的位置指定一個閾值。根據(jù)對現(xiàn)場圖像的反復測試得出：若表示為[0，1]范圍內(nèi)的數(shù)據(jù)值，可以選擇[，]內(nèi)的值作為閾值T（基于數(shù)字圖像處理方式的EAN13條碼識讀算法研究）。指定了一個閾值T之后，將圖像中的像素與閾值作比較，如果圖像中某像素的灰度值小于該閾值，則將該像素的灰度值設置為0，否則灰度值設置為255。按下式對圖像進行處理可得到二值圖像g(x,y): (31)在MATLAB中，通過使用函數(shù)graythresh和im2bw創(chuàng)建一個新的二值圖像bw：level=graythresh(L)。bw=im2bw(L,level)。 預處理結(jié)果與分析根據(jù)上述條碼圖像預處理的理論知識編譯相關(guān)的MATLAB程序，得到如圖33所示圖像預處理結(jié)果。圖33 條碼圖像預處理MATLAB圖像處理工具箱支持的圖像文件格式豐富，但通常習慣于BMP格式圖像的處理。利用imread函數(shù)將圖像由計算機硬盤讀入內(nèi)存。圖像讀入識別設備后或多或少都會受到噪聲的影響，噪聲的來源和類型是隨機的。在MATLAB平臺上我們利用圖像處理工具箱提供的imnoise函數(shù)能夠?qū)D像添加gaussian,localvar,passion,saltamp。pepper,speckle五種類型的噪聲，達到仿真的效果。噪聲影響條碼圖像的質(zhì)量，從而影響條碼的正確識讀。而要想達到好的濾波效果就要針對圖像的特征采用相應的濾波方法。中值濾波和低通濾波就是相對較適合條碼圖像的濾波方法。在實際的識讀過程中，影響條碼圖像質(zhì)量的不僅僅是噪聲，還有條碼圖像讀入過程中出現(xiàn)的傾斜，因此必須對圖像進行矯正?？梢圆捎肏ough變換，快速、準確地找到傾斜角度，實現(xiàn)對圖像的矯正。本設計不考慮圖像的傾斜情況。 EAN13碼譯碼的原理 條碼譯碼原理如圖34所示是EAN13條碼的一個字符。條、空寬度的定義如下：圖中、表示每個字符中四個相鄰條、空的寬度，T表示一個字符的寬度。圖34 EAN13條碼寬度的定義設一個字符中單位模塊的寬度為n，則單位模塊的寬度:n=/7T=+++由于條碼條、空寬度、已知，設條碼條、空分別占單位模塊的個數(shù)為,則：=/n(其中i取4)因此，由mi可知道條碼的編碼。例如：（1）若====1。條碼的排列為條空條空，則可知條碼編碼為1100110，是右側(cè)偶性字符1；（2）若====3。條碼的排列為空條空條，則可知條碼編碼為0110111，是右側(cè)奇性字符8。 條碼譯碼方法方案一：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，因此本文采用相似邊距離測量的方法來實現(xiàn)譯碼功能。下面就簡要說明一下這一方法。由原理知，要想辨識一個條碼，必須先測量條碼條、空寬度、以及一個字符的寬度。條碼圖像經(jīng)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(jīng)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瑒t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(jīng)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、4個條空的左側(cè)數(shù)據(jù)符、5個條空的中間分隔符、20個條空的右側(cè)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，一行掃描應記錄的坐標數(shù)為60個。而對于有幾何畸變的條碼圖像，例如條碼污染、條碼斷裂、條碼瑕疵等，該掃描行的坐標數(shù)將肯定大于60或小于60，這時將不記錄該掃描行，對此行不處理。這樣利用圖像統(tǒng)計方法，逐行掃