复杂背景下QR码图像符号区域的精确定位方法技术

一种复杂背景下ＱＲ码图像符号区域的精确定位方法，包括步骤：１）采用自适应阈值二值化的方法滤除ＱＲ码图像的散焦模糊效果，去掉各模块的边缘信息，保留各模块的中心信息；２）通过外部边缘轮廓查找算法找出所述ＱＲ码图像中的外部轮廓，并根据位置探测图形的特点从中查找出所有的位置探测图形；３）对所述的位置探测图形进行旋转检测，确定它们在正常的ＱＲ码图像符号区域中对应的位置；４）根据所述位置探测图形确定其所在的ＱＲ码图像的符号区域。在实际应用的复杂背景下，该方法可以直接检测到所有的位置探测图形，克服图像噪声的干扰，得到极高的成功率和精度。该方法的算法复杂度相对低，可基本保证无损过滤，并满足实时性要求。

【技术实现步骤摘要】

本专利技术涉及一种二维条码的图像处理方法，尤其是一种针对复杂背景下QR码图像符号区域的精确定位方法，属于图像处理

技术介绍
QR码，又称快速响应码，是一种矩阵二维码符号，对于数字、字母、汉字编码有特定的压缩模式。QR码具有高容量、高密度、纠错能力强、安全强度高等特点，广泛应用于身份验证、安全防伪、电子商务等众多领域。国标GB/T 18284-2000记载了QR码的标准。如图1所示，QR码是由一系列深色和浅色的正方形模块(以后统称模块)组成的矩形阵列符号(矩形阵列符号所在区域约定为符号区域)，分为功能图形和编码区域两个部分。其中，功能图形包括位置探测图形，也称为寻像图形，是三个分别位于矩阵符号的左上角、右上角和左下角的相同的正方形符号，每个寻像图形的边长均为7个模块；用于确定矩阵符号位置的一个固定图形，即校正图形；用于确定符号中模块的坐标的定位图形。编码区域至少包括数据和纠错字码；用于对编码区域的剩余部分进行译码的格式信息。 二维条码识别的一般方法是先对条码图像进行一阶差分，找出条码图像的边界位置。但是，当使用无自动调焦的光学系统成像后，比如用手机拍照，条码边界将变得异常模糊，并且边界部分会相互叠加和偏移，如图2所示，再加上环境噪声的影响，传统的条码识别方法将不再适用。 专利技术专利申请CN1818926公开了一种用于二维码识别的二维码区域精确定位的方法 (1)将所采集的待识别二维码的彩色位图转换为256色灰度位图； (2)设定一个阈值，将上述灰度位图的每一个象素的灰度值与阈值相比较，若大于阈值，则赋值1，若小于阈值，则赋值0，得到二值化图像，阈值为大于零小于255的正整数； (3)分别向上述二值化图像的X轴、Y轴投影，记录跳变频率最高区域的X值、Y值，将此X，Y值的组合作为二维码区域的中心点； (4)从上述中心点为起点，向上、下、左、右四个方向依次进行扫描，当浅色区域和深色区域发生跳变，且浅色区域的累积长度小于一长度阈值时，结束扫描，得到二维码区域的四个原始最外点； (5)以上述任意一个原始最外点为起点按照逆时针或顺时针方向，按上述四个最外点形成的方形框的轨迹经过其余三点，最后回到起始点，进行扫描，若所经过的最外点的一边有浅色区域和深色区域发生跳变，则将该最外点按一定步长向二值化图像边缘移动，得到一个新的最外点，并以该新的最外点替代相应的原始最外点； (6)以上述原始最外点和新的最外点中的任意一点为起点，重复步骤(5)，直至所述的方形框的每条边都没有浅色区域和深色区域之间的跳变，得到四个最后的最外点，由该四个最后的最外点形成的方形框即为二维码的区域。 另一文献(见Eisaku Ohbuchi etc.，Barcode Readers using the Camera Device inMobile Phones.Proceedings of the 2004 International Conference on Cyberworlds，2004.)描述了另一种方法，如图3所示 1.计算被拍摄图像的重心，设为(xc，yc)； 2.从外向内进行8个方向的扫描，即平行于下图矩形区域的四条边和对角线的8个方向扫描，直到扫描到符号区域的边缘停止； 3.如果停止时扫描线上的符号区域的像素点不止一个，则选择一个边缘点； 4.经过扫描可以得到最多16个边缘点； 5.16个边缘点中距离像素点(0，0)最近的边缘点是一个符号区域的一个顶点； 6.定义向量P为(x0，y0)-(xc，yc)。 7.计算内积找到符号区域的的其它顶点。 但是上述方法存在重大缺陷 1、在实际应用的复杂背景下，扫描边缘点的方法将不再适用，这是相当显然的，如图4所示，其原因是复杂背景下存在很多干扰点，扫描线无法区分干扰点是否属于符号区域，从而定位错误。 2、QR码图像符号区域并不总是存在4个顶点，如图5所示，扫描线扫描出5个最外点(图中的5个小圆点)，如图可见，据此定位的符号区域就丢失了若干浅色模块的信息。 3、实际拍摄QR码图片进行识别时，可能因为拍摄角度的关系导致符号区域发生较大旋转，这时我们就要判定各顶点对应到正常QR码图像符号区域的位置，即旋转类型，但是上述方法仅仅只能定位符号区域，不能判断旋转类型。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种复杂背景下QR码图像符号区域的精确定位方法。所要解决的技术问题是 1、处理散焦模糊QR码图像，如无法自动调焦的手机拍摄的图片； 2、在复杂背景下定位QR码图像符号区域； 3、判断旋转类型； 4、计算QR码版本。 本专利技术的构思为首先采用自适应阈值二值化的方法直接去掉由于散焦模糊效果造成的模块边缘信息，保留所有模块中心的信息；接着利用外部边缘轮廓查找算法检测出位于QR码图像顶点位置的三个寻像图形/位置探测图形，并确定这三个寻像图形的12个顶点，进而就能够判断旋转类型和精确定位整个QR码图像符号区域。在实际应用的复杂背景下，该方法可以直接检测到所有的位置探测图形，克服图像噪声的干扰，得到极高的成功率和精度。该方法的算法复杂度相对低，可基本保证无损过滤，并满足实时性要求。 根据上述构思，本专利技术主要包括以下四个步骤 1、滤除散焦模糊效果 QR码图像是由一系列深色和浅色正方形模块组成的一个矩阵符号，根据对散焦图像的公知常识可知，对于矩阵中的每个模块，无论散焦模糊效应的程度如何，其散焦模糊后在平面的投影必定是这个正方形模块的变形。如果拍摄的角度是垂直于QR码图像平面的，那么正方形模块的变形在各方向上应该是近似均匀的(例如变形成一个圆形)，即中心的颜色是不变的。如果拍摄的角度不是垂直于QR码图像平面的，也可以通过反透视变换恢复成垂直的情况；同时，散焦图像的模糊主要集中在正方形模块的边缘。因此，可以采用自适应阈值二值化的方法直接去掉边缘信息，保留模块中心的信息。 自适应阈值二值化采用类判别分析法确定阈值，采用该方法得到的阈值进行二值化的图像具有良好的背景和前景分离特性。将彩色图像转换成灰度图，这样图像灰度值从0…255变化。设Si(i＝0…255)表示QR码图像内灰度从0…255的像素点数目，即概率直方图，Ti表示阈值，阈值将图像的灰度分为两类C0∈，C1∈，分别对应于背景和QR码图像符号区域，这两类间方差应该为最大，而相应的两类间方差为最小。又因为一副图像的类间方差和类内部方差之和为一个常数，因此只需根据类间的最大方差即可确定阈值Ti。下面是从图像中自动提取阀值的方法 1)对图像直方图进行归一化 其中，N为图像总象素数，ni为灰度为i的象素数，则C0，C1类型出现的概率和均值如下 其中为QR码图像的均值，C0，C1类的类间方差为 2)求最佳阈值t*应使类间方差最大，即 具体实现方法如下 1)先找出图像的最大和最小灰度值，对于最大和最小灰度值之间的每一个灰度值，看作是阀值，把图像的灰度值分为两类。 2)逐一计算两类间方差存入一个一维方差数组内，下标为当前分割的灰度值。 3)对于方差数组，查找最大的方差值，其下标即为我们所求的阀值Ti。通过滤除灰度值大本文档来自技高网...

【技术保护点】
一种复杂背景下ＱＲ码图像符号区域的精确定位方法，包括步骤：１）采用自适应阈值二值化的方法滤除ＱＲ码图像的散焦模糊效果，去掉各模块的边缘信息，保留各模块的中心信息；２）通过外部边缘轮廓查找算法找出所述ＱＲ码图像中的外部轮廓，并 根据位置探测图形的特点从中查找出所有的位置探测图形；３）对所述的位置探测图形进行旋转检测，确定它们在正常的ＱＲ码图像符号区域中对应的位置；４）根据所述位置探测图形确定其所在的ＱＲ码图像的符号区域。

【技术特征摘要】

【专利技术属性】
技术研发人员：明安龙，马华东，刘德宇，胡自强，
申请(专利权)人：福建榕基软件开发有限公司，
类型：发明
国别省市：35[中国|福建]