本申请涉及一种DM码检测识别方法、装置、计算机设备、存储介质。方法包括：获取待处理图像；使用目标检测算法对待处理图像进行处理，得到粗定位个图像；使用像素累计方法对粗定位图像进行处理，得到细定位数据；根据细定位数据对粗定位图像进行仿射变换和网格划分处理，得到标准图像；根据标准图像进行解码，得到识别结果。采用本方法能够保证在工业复杂环境下DM码检测识别的准确率。DM码检测识别的准确率。DM码检测识别的准确率。
【技术实现步骤摘要】
DM码检测识别方法、装置、计算机设备、存储介质
[0001]本申请涉及图像处理
，特别是涉及一种DM码检测识别方法、装置、计算机设备、存储介质。
技术介绍
[0002]随着信息化时代的来临和计算机技术的发展，对信息密度和信息安全的要求越来越高，信息量大且误差矫正能力强的二维码也面临更加广阔的使用需求和更加多样的使用场景。作为二维码的一种，DM(Data Matrix，数据矩阵)码凭借其信息密度高、纠错能力强的特点，广泛应用于编码管理、仓储物流、工业制造等领域。
[0003]一般的DM码检测识别方案包括：利用霍夫变换检测DM码的定位图形，以进行DM码定位识别；利用YoloV3
‑
Tiny目标检测模型快速定位待检测图片中包含有DM码的ROI(Region Of Interest，感兴趣区域)；根于预设轨迹循环遍历ROI对DM码进行精确定位识别；构建多层图像金字塔序列并搜索金字塔图像中的DM码定位边，根据DM码定位边精确定位DM码位置，得到精确的DM码图像并识别。
[0004]上述方案在背景简单、条码工整的场景下，可以满足DM码检测识别准确性要求，例如检测识别印刷品上的DM码。但是在工业环境下，存在背景杂乱、条码受损等复杂情况，上述方案很难保证DM码检测识别的准确性。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够在背景复杂、条码受损等复杂情况下，保证检测识别的准确性的DM码检测识别方法、装置、计算机设备、计算机可读存储介质。
[0006]第一方面，本申请提供了一种DM码检测识别方法。所述方法包括：
[0007]获取待处理图像；
[0008]使用目标检测算法对待处理图像进行处理，得到粗定位图像；粗定位图像包括待识别DM码；
[0009]使用像素累计方法对粗定位图像进行处理，得到细定位数据；
[0010]根据细定位数据对粗定位图像进行仿射变换和网格划分处理，得到标准图像；
[0011]根据标准图像进行解码，得到识别结果。
[0012]在其中一个实施例中，使用目标检测算法对待处理图像进行处理，得到粗定位图像，包括：
[0013]将待处理图像进行缩放和归一化处理，得到归一化图像；
[0014]采用YoloV5
‑
Nano目标检测模型对归一化图像进行处理，得到粗定位图像；YoloV5
‑
Nano目标检测模型包括下采样倍数为8、16、32的3个检测头。
[0015]在其中一个实施例中，在使用目标检测算法对待处理图像进行处理的步骤中，得到工艺类别数据；工艺类别数据用于指示制作待识别DM码的工艺类别；
[0016]使用像素累计方法对粗定位图像进行处理，得到细定位数据，包括：
[0017]在工艺类别为印刷式的情况下，对粗定位图像进行高斯滤波处理，得到滤波后图像；对滤波后图像进行局部阈值二值化处理，得到粗二值化图像；
[0018]在工艺类别为打点成型式的情况下，对粗定位图像进行灰度拉伸，得到拉伸后图像；对拉伸后图像进行高斯滤波处理，得到滤波后图像；对滤波后图像进行局部阈值二值化处理，得到粗二值化图像；
[0019]基于像素累计器对粗二值化图像进行处理，得到细定位数据；像素累计器用于统计相应方向上像素分布，以得到该方向上像素块分布规律和边缘跳变位置。
[0020]在其中一个实施例中，细定位数据包括待识别DM码的四个角坐标；四个角坐标包括定位边对应的三个角坐标和时钟边的交点坐标；
[0021]基于像素累加器对粗二值化图像进行处理，得到细定位数据，包括：
[0022]使用像素累计器统计粗二值化图像的纹理特征；
[0023]根据纹理特征，通过边缘跟踪和约束条件，确定定位边以及对应的三个角坐标；
[0024]根据定位边上像素累计器计算得到的统计特征，确定模块宽度；
[0025]根据定位边对应的三个角坐标和模块宽度，得到时钟边以及对应的交点坐标。
[0026]在其中一个实施例中，根据细定位数据对粗定位图像进行仿射变换和网格划分处理，得到标准图像，包括：
[0027]根据待识别DM码的四个角坐标，对粗定位图像进行仿射变换，得到校正后图像；
[0028]对校正后图像进行预处理，得到细二值化图像；
[0029]将细二值化图像进行网格划分处理，得到标准图像。
[0030]在其中一个实施例中，将细二值化图像进行网格划分处理，得到标准图像，包括：
[0031]使用像素累计器统计细二值化图像的纹理特征；
[0032]根据细二值化图像的纹理特征，重新确定定位边；
[0033]根据时钟边上像素累计器的统计结果，重新确定时钟边以及确定模块分界点；
[0034]从模块分界点出发跟踪梯度边缘形成网格线；
[0035]根据网格线划分细二值化图像，得到标准图像。
[0036]在其中一个实施例中，细定位数据包括待识别DM码的维数；待识别DM码的维数根据时钟边上像素累计器得到的统计特征和模块宽度确定；
[0037]根据标准图像进行解码，得到识别结果，包括：
[0038]根据待识别DM码的维数，确定解码参数；
[0039]根据解码参数，对标准图像进行解码，得到识别结果。
[0040]第二方面，本申请还提供了一种DM码检测识别装置。装置包括：
[0041]获取模块，用于获取待处理图像；
[0042]粗定位模块，用于使用目标检测算法对待处理图像进行处理，得到粗定位图像；粗定位图像包括待识别DM码；
[0043]细定位模块，用于使用像素累计方法对粗定位图像进行处理，得到细定位数据；
[0044]校正模块，用于根据细定位数据对粗定位图像进行仿射变换和网格划分处理，得到标准图像；
[0045]识别模块，用于根据标准图像进行解码，得到识别结果。
[0046]第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0047]获取待处理图像；
[0048]使用目标检测算法对待处理图像进行处理，得到粗定位图像；粗定位图像包括待识别DM码；
[0049]使用像素累计方法对粗定位图像进行处理，得到细定位数据；
[0050]根据细定位数据对粗定位图像进行仿射变换和网格划分处理，得到标准图像；
[0051]根据标准图像进行解码，得到识别结果。
[0052]第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0053]获取待处理图像；
[0054]使用目标检测算法对待处理图像进行处理，得到粗定位图像；粗定位图像包括待识别DM码；
[0055]使用像素累计方法对粗定位图像进行处理，得到本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种DM码检测识别方法，其特征在于，所述方法包括：获取待处理图像；使用目标检测算法对所述待处理图像进行处理，得到粗定位图像；所述粗定位图像包括待识别DM码；使用像素累计方法对所述粗定位图像进行处理，得到细定位数据；根据所述细定位数据对所述粗定位图像进行仿射变换和网格划分处理，得到标准图像；根据所述标准图像进行解码，得到识别结果。2.根据权利要求1所述的方法，其特征在于，所述使用目标检测算法对所述待处理图像进行处理，得到粗定位图像，包括：将所述待处理图像进行缩放和归一化处理，得到归一化图像；采用YoloV5
‑
Nano目标检测模型对所述归一化图像进行处理，得到所述粗定位图像；所述YoloV5
‑
Nano目标检测模型包括下采样倍数为8、16、32的3个检测头。3.根据权利要求1所述的方法，其特征在于，在所述使用目标检测算法对所述待处理图像进行处理的步骤中，得到工艺类别数据；所述工艺类别数据用于指示制作所述待识别DM码的工艺类别；所述使用像素累计方法对所述粗定位图像进行处理，得到细定位数据，包括：在所述工艺类别为印刷式的情况下，对所述粗定位图像进行高斯滤波处理，得到滤波后图像；对所述滤波后图像进行局部阈值二值化处理，得到粗二值化图像；在所述工艺类别为打点成型式的情况下，对所述粗定位图像进行灰度拉伸，得到拉伸后图像；对所述拉伸后图像进行高斯滤波处理，得到滤波后图像；对所述滤波后图像进行局部阈值二值化处理，得到粗二值化图像；基于像素累计器对所述粗二值化图像进行处理，得到细定位数据；所述像素累计器用于统计相应方向上像素分布，以得到该方向上像素块分布规律和边缘跳变位置。4.根据权利要求3所述的方法，其特征在于，所述细定位数据包括所述待识别DM码的四个角坐标；所述四个角坐标包括定位边对应的三个角坐标和时钟边的交点坐标；所述基于像素累加器对所述粗二值化图像进行处理，得到细定位数据，包括：使用像素累计器统计所述粗二值化图像的纹理特征；根据所述纹理特征，通过边缘跟踪和约束条件，确定定位边以及对应的三个角坐标；根据所述定位边上像素累计器计算得到的统...
【专利技术属性】
技术研发人员：于文怡，唐金亚，杜萍，
申请(专利权)人：江苏中科贯微自动化科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。