【正文】 雜的圖像時效果比全局閾值法好，但計算量大且存在塊效應(yīng)，效果仍不理想。故本文提出基于小波分解和大津法結(jié)合的圖像二值化方法。條碼定位是二維條碼識讀中的關(guān)鍵一環(huán)，是進行正確解碼的前提條件。簡單說來，條碼定位就是要在包含條碼的圖像中，準(zhǔn)確找到二維條碼的位置。在不同的圖像中，條碼的大小，位置和方向都是不同的，加之實際應(yīng)用中圖像背景很復(fù)雜，使得精確確定條碼的位置和形態(tài)成了一件非常困難的事。二維條碼定位分為兩步：粗定位和精定位。粗定位就是在復(fù)雜的背景中，提取出大概的條碼區(qū)域為下一步精定位做準(zhǔn)備；而精定位則是要找到條碼的精確位置以便于后續(xù)步驟中對條碼進行幾何校正和譯碼。由于各種不同碼制的二維條碼符號有著不同的形狀特征，具有各自不同的尋像圖形和定位圖形，所以具體的條碼定位方法也是隨著碼制的不同而不同的。條碼的解碼則是對已經(jīng)確定位置的條碼進行幾何校正、信息提取、碼流糾錯、碼流譯碼等操作最終得到二維條碼中存儲的信息。上述的操作只是一個通用的流程，具體的實現(xiàn)是與各種二維條碼的編碼規(guī)則密切相關(guān)的，不同碼制的二維條碼有不同的解碼方法。具體的條碼定位及解碼方法都是隨條碼碼制不同而各異的。而Data Matrix條碼是一種很具有代表性的二維條碼，其最大特點就是“小”，信息容量大、密度高，被廣泛用于標(biāo)示集成電路、藥品等小件物品，在制造業(yè)的流水線生產(chǎn)過程中應(yīng)用也很普遍，但在國內(nèi)的研究和應(yīng)用還比較少。所以本文就以Data Matrix為例，提出了相應(yīng)的定位算法，并對其解碼方法進行了介紹，詳見第4章。二維條碼識讀系統(tǒng)可以按照識讀原理、工作方式、工作距離、設(shè)備功能、設(shè)備移動性等方面分類。按識讀原理分類，可分為：激光式識讀系統(tǒng)，使用時將掃描線對準(zhǔn)條碼，由光柵部件完成掃描，可識讀堆疊式二維條碼；CCD/CMOS成像式識讀系統(tǒng)，采用CCD/CMOS成像方式獲取條碼圖像后進行圖像處理和譯碼，可識讀矩陣式和堆疊式二維條碼。按工作方式分類，可分為：在線式識讀系統(tǒng)，主要由光電掃描頭、光電轉(zhuǎn)換器和譯碼器組成，需要與計算機即時通信，通過串口、并口或USB等接口將掃描后的信息傳回計算機，不能脫離計算機使用；嵌入式識讀系統(tǒng)，以嵌入式微處理器為核心，具有數(shù)據(jù)存儲、信息處理、通信傳輸?shù)裙δ?，可以脫離計算機進行條碼掃描、識讀、信息的采集和處理，可編程。按工作距離分類，可分為：接觸式識讀系統(tǒng)，包括卡槽式條碼掃描器等；非接觸式識讀系統(tǒng)，包括CCD/CMOS識讀器，激光識讀器等。按設(shè)備功能分類，可分為：識讀器，不具備信息管理、大容量信息存儲功能的識讀設(shè)備；數(shù)據(jù)采集器，除了可以識讀二維條碼，還具有信息存儲、信息管理功能的識讀設(shè)備。按設(shè)備移動性分類，可分為：固定式識讀系統(tǒng)，其工作場合固定，不便于移動，例如工廠自動化識讀設(shè)備、門禁系統(tǒng)的臺式識讀設(shè)備；便攜式，較為輕便，適合在各種工作場合下使用，例如手持終端、無線型終端、無線掌上電腦等。二維條碼識讀系統(tǒng)的主要技術(shù)指標(biāo)包括： 可識讀的碼制通常二維條碼識讀系統(tǒng)的識讀碼制包括Code3Code128等一維條碼和PDF41Data Matrix等二維條碼。 通訊接口二維條碼識讀系統(tǒng)中的通訊接口主要用于將譯碼后的數(shù)據(jù)輸出到計算機系統(tǒng)，一般有以下幾種：RS232，RS485，通用網(wǎng)絡(luò)接口，紅外線，藍(lán)牙等。 景深景深是指二維條碼識讀系統(tǒng)讀取距離的范圍，與能夠識讀的條碼符號最小模塊尺寸以及識讀設(shè)備的光學(xué)系統(tǒng)有關(guān)。分辨率在景深范圍內(nèi)可識讀的二維條碼符號的最小模塊尺寸。首讀率識讀系統(tǒng)對一組條碼進行一次性識讀，其中能夠正確識讀的概率。識讀速度二維條碼識讀系統(tǒng)每秒鐘能夠識讀條碼的個數(shù)。其他技術(shù)指標(biāo)其他技術(shù)指標(biāo)涉及識讀系統(tǒng)的工作環(huán)境、安裝要求等方面的參數(shù)。如工作溫度、存儲溫度、相對濕度、跌落規(guī)格、密封標(biāo)準(zhǔn)、環(huán)境光抗擾度等。本文創(chuàng)新性地設(shè)計并實現(xiàn)了一種新型的基于DSP的高速二維條碼識讀終端。該終端的硬件平臺包括以高性能浮點DSPTMS320C6713為核心的數(shù)據(jù)處理子系統(tǒng)和以FPGA為控制中心的圖像采集子系統(tǒng)。而識讀終端的軟件設(shè)計則基于本文所提出的創(chuàng)新性的圖像預(yù)處理和條碼定位算法。創(chuàng)新的識讀算法與獨自設(shè)計的硬件平臺共同構(gòu)成了具有自主知識產(chǎn)權(quán)的二維條碼識讀終端，能同時快速準(zhǔn)確地識讀Data Matrix、PDF41Code39及Code128等多種二維條碼和一維條碼。其最大圖像分辨率為752*480，配備RS232接口與計算機通信，景深為5~15cm，最小可分辯模塊寬度可達3mil，識讀速度可達每秒10次以上，最高可達每秒60次，首讀率在98%以上，達到了國內(nèi)領(lǐng)先和國際先進水平。系統(tǒng)具體描述將在第5章詳細(xì)介紹。本章概要介紹了二維條碼識讀技術(shù)，包括二維條碼圖像的采集技術(shù)、條碼圖像預(yù)處理技術(shù)、條碼定位與解碼技術(shù)等，并簡要介紹了二維條碼識讀系統(tǒng)的分類和主要技術(shù)指標(biāo)。最后介紹了本文所設(shè)計實現(xiàn)的二維條碼自動識讀終端的情況，具體情況見第5章。第三章 二維條碼圖像預(yù)處理二維條碼圖像預(yù)處理操作主要包括圖像對比度增強、圖像去噪和圖像二值化三步。圖像對比度增強主要可以通過直接灰度變換和直方圖修正兩大類方法完成[26]。直接灰度變換是一種最簡單、有效的對比度增強方法，它是將原圖像灰度函數(shù)f (x, y)經(jīng)過一個變換函數(shù)g =T[ f]轉(zhuǎn)換為一個新的灰度函數(shù)g (x, y)。即 g (x ,y) =T [f (x ,y)] （31）直接灰度變換可使圖像灰度動態(tài)范圍加大，擴展圖像對比度，使圖像清晰、特征更加明顯[27]。根據(jù)變換函數(shù)的形式，灰度變換可分為：(1) 線性變換。當(dāng)采集到的圖像整體亮度過暗或過亮，使圖像灰度動態(tài)范圍過小造成圖像模糊不清，沒有灰度層次感時，可采用一個線性單值函數(shù)，對圖像灰度作線性變換，擴展其動態(tài)范圍，從而有效地增強圖像對比度，改善視覺效果。假設(shè)原圖像灰度函數(shù)為f (x, y)，灰度分布范圍為[a ,b]，增強后的圖像灰度函數(shù)為g (x, y)，灰度范圍為[a 39。,b39。]，則 （32） 圖31為線性變換示意圖，圖32則為變換前后對比圖。 (2)分段線性變換分段線性變換是將原圖像灰度分布區(qū)間[a, b]分隔成兩段或多段分別進行線性變換，從而突出用戶感興趣的目標(biāo)或灰度范圍，相對抑制用戶不感興趣的灰度范圍，使感興趣目標(biāo)的灰度細(xì)節(jié)得到增強。常用的是三段式分段線性變換，如圖33所示。其變換式如下式中的c ,d ,c 39。,d39。需要用戶根據(jù)不同需要來自行確定。圖34為分段線性變換效果對比圖。 (3)非線性變換當(dāng)變換函數(shù)為非線性函數(shù)時，可實現(xiàn)圖像灰度的非線性變換。常用非線性變換為對數(shù)變換和指數(shù)變換[28]。對數(shù)變換用于擴展低灰度區(qū)，壓縮高灰度區(qū)，適用于較暗或過暗的圖像，其一般形式是 （34）式中的a, b ,c是用來調(diào)整變換曲線的位置和形狀的參數(shù)。指數(shù)變換與對數(shù)變換相反，它壓縮低灰度區(qū)，擴展高灰度區(qū)，適用于較亮或過亮的圖像，其一般形式為 （35）式中的a, b ,c同樣是用來調(diào)整變換曲線的位置和形狀的參數(shù)。圖35為對數(shù)變換和指數(shù)變換的示意圖，圖36則是對數(shù)變換和指數(shù)變換的效果對比圖。直方圖反映圖像灰度分布的統(tǒng)計特征，直方圖修正就是以直方圖作為變換的依據(jù)，使變換后的直方圖成為期望的形狀。直方圖修正主要包括直方圖均衡化和直方圖規(guī)定化兩種[29]，最常用的是直方圖均衡化，因此這里僅對直方圖均衡化進行介紹。直方圖均衡化也叫直方圖均勻化，就是使給定圖像的直方圖在較大的動態(tài)范圍內(nèi)的分布趨于均衡，從而增大反差，使圖像細(xì)節(jié)清晰達到圖像增強的目的。假設(shè)圖像f (x, y)的灰度范圍為min max[f ,f]。首先進行直方圖正規(guī)化，將其灰度范圍轉(zhuǎn)換到[0，1]區(qū)間，以r表示原圖像的正規(guī)化灰度，則 （36）令s表示經(jīng)過直方圖均衡化之后的圖像正規(guī)化灰度，則直方圖均衡化就是通過灰度變換函數(shù)s =T[ r]，將原圖像直方圖改變成均勻分布的直方圖。實現(xiàn)直方圖均衡化，則意味著。再由概率論可知 （37）從而可得 （38）即T[ r]為的累計分布函數(shù)。在數(shù)字圖像中，灰度是離散的，離散化的直方圖均衡化公式為 （39）式中，k是離散灰度級數(shù)，的取值實際上是與最接近的離散灰度級。此處得到的新灰度是正規(guī)化灰度還要將其轉(zhuǎn)化為非正規(guī)化灰度才能用于實際顯示，即 （310）式中的表示四舍五入取整。圖37為直方圖均衡化效果對比圖。因直方圖均衡化不像直接灰度變換那樣需要根據(jù)不同圖像設(shè)定不同參數(shù)，適應(yīng)性好且效果也比較好，所以除應(yīng)用環(huán)境極其惡劣的情況外，本文采用的對比度增強技術(shù)即為直方圖均衡化。在實際應(yīng)用尤其是工業(yè)應(yīng)用中，有時會出現(xiàn)條碼圖像中條碼區(qū)域的某些局部對比度極低，無法分辨是黑是白，從而使得條碼信息丟失無法正確解碼。條碼載體表面的反光特性、光照的強度及光源、攝像頭和條碼之間的相對位置都是造成這種情況的原因。在工業(yè)應(yīng)用中，條碼載體的材質(zhì)無法改變，攝像頭的位置一般也都是固定的，解決這一問題只能通過控制補光系統(tǒng)改變光照條件。然而，光照條件的變化也是有一定限度的，有時無法僅通過改變光照條件而拍到一幅條碼信息清晰完整的圖像，此時上述圖像增強方法均無法取得較好的效果。因此，本文提出利用圖像融合的方法來解決這一問題，提出了一種基于模糊推理的小波域圖像融合規(guī)則，并依據(jù)此規(guī)則對條碼圖像進行圖像融合，從而增強圖像。該方法首先在光源可變范圍內(nèi)改變光照條件得到多幅條碼信息互補的條碼圖像，再依據(jù)一定的融合規(guī)則對這些圖像進行融合，從而增強圖像，使圖像信息完整清晰以利于解碼。其中，融合規(guī)則的設(shè)計對融合效果的好壞至關(guān)重要，本文提出了一種基于模糊推理的小波域圖像融合規(guī)則。隨著圖像傳感器的不斷發(fā)展，由各種傳感器可以得到大量具有不同空間、時間和光譜分辨率的圖像[30][31]。按照一定的方法和規(guī)則將多幅源圖像中的互補信息加以融合，從而得到包含來自不同傳感器的更加豐富，更加完備的多方面的信息，將更加有利于人類理解和識別，更加有利于計算機的處理和分析，包括視頻監(jiān)控，航空，遙感，機器視覺和醫(yī)療影像在內(nèi)的多種應(yīng)用將會從中受益[32]。目前，基于小波變換的小波域圖像融合是圖像融合領(lǐng)域研究的一大熱點[33]。它利用小波變換對源圖像進行分解，再按照一定的融合規(guī)則對源圖像在同一分辨率下的相應(yīng)系數(shù)進行融合得到融合后的小波系數(shù)，然后進行小波逆變換即可得到最終的融合圖像。由于小波基是正交的，而且二維小波變換是通過在圖像的兩個方向上分別進行一維小波變換實現(xiàn)的，所以相對于其他多分辨率分析方法，二維小波變換的產(chǎn)生的數(shù)據(jù)更加緊湊，系數(shù)間的獨立性更強，而且能夠提供水平、垂直和對角的方向性信息[3438]。因此小波域圖像融合可以達到比其他多分辨率分析方法更好的融合性能，使圖像信息更加豐富，對事物的描述更加準(zhǔn)確，最直觀的表現(xiàn)就是圖像細(xì)節(jié)的增加和清晰度的提高。圖38是兩幅圖像進行小波域圖像融合的過程框圖。然而在對小波域圖像融合領(lǐng)域的研究中，融合規(guī)則的設(shè)計是最為重要的問題，直接影響著融合的效果。目前廣泛使用的融合規(guī)則主要有兩種：選擇絕對值最大系數(shù)作為融合后的系數(shù)的規(guī)則和由Burt提出的選擇與加權(quán)平均相結(jié)合的規(guī)則[3943]。這兩種規(guī)則可以比較好的完成圖像融合的任務(wù)，但也都有其局限性：(1)選擇絕對值最大的系數(shù)作為融合后的系數(shù)。該方法通過比較分解后的源圖像在同一分辨率下相應(yīng)系數(shù)的絕對值的大小，選擇其中最大的作為融合后在相應(yīng)位置的小波系數(shù)。這種方法主要思想是小波系數(shù)絕對值越大表示相應(yīng)位置的灰度變化越大，其重要性程度也就越大。它在一定程度上反映了源圖像對融合圖像的貢獻程度，計算量小，但它與源圖像對融合圖像貢獻程度的實際分布差別較大，只考慮系數(shù)絕對值最大的圖像，忽略了其他圖像對融合圖像的貢獻，造成信息不完整。此外，由于僅有簡單的選擇，它對噪聲很敏感，一旦所選的系數(shù)是由于噪聲引起的，就會將噪聲完全帶入融合圖像。(2)選擇和加權(quán)平均相結(jié)合。該方法首先提取分解后的源圖像相應(yīng)系數(shù)周圍局部區(qū)域的區(qū)域特征。由于小波分解后的小波系數(shù)局部區(qū)域的能量在一定程度上表現(xiàn)了該區(qū)域的灰度變化程度，所以就以區(qū)域能量作為選定的區(qū)域特征。由相應(yīng)區(qū)域的區(qū)域特征計算源圖像在此區(qū)域的匹配程度，若匹配度小于設(shè)定的閾值，則選擇在該區(qū)域具有最大區(qū)域特征的系數(shù)作為融合后的小波系數(shù)。否則，根據(jù)匹配度按照給定的線性函數(shù)計算各源圖像的權(quán)值，對相應(yīng)系數(shù)進行加權(quán)平均得到融合后的小波系數(shù)。假設(shè)兩幅圖像相應(yīng)區(qū)域系數(shù)的平均能量分別為和，相應(yīng)系數(shù)分別為a (x ,y)和b( x, y)，兩區(qū)域匹配度為m (x ,y)，匹配度閾值為T，融合后的系數(shù)為f (x, y)，則：若m (x, y)小于T，則 (311)否則(312) (313) (314) 這一規(guī)則在一定程度上考慮到了源圖像對融合圖像貢獻的不確定性，但它通過人為設(shè)定的閾值強行簡化了這一不確定性，簡單地根據(jù)匹配度決定使用選擇算子或加權(quán)平均算子。選擇算子的存在同樣使一部分信息被忽略，導(dǎo)致信息不完整和對噪聲敏感；即使是相比于上一種規(guī)則新加的加權(quán)平均算子，也因為用線性函數(shù)計算權(quán)值而不能十分準(zhǔn)確地描述源圖像對融