一种QR码畸变图像的预处理方法技术

本发明专利技术公开了一种QR码畸变图像的预处理方法，属于图像处理领域，将QR码正常图像的样本点作为神经网络学习过程中的输入值、将与QR码畸变图像的样本点作为神经网络学习过程中的输出值，进行BP神经网络学习并拟合畸变函数；进行函数变换后利用双线性插值法来确定目标QR码图像，本发明专利技术可以很好的识别那些畸变比较严重或者图像部分缺失的QR码。特别是印刷在表面容易产生褶皱的物品上面的QR码识别率很低或者说根本识别不了的QR码图像，采用本发明专利技术能够更加准确的识别。由于提高了特殊情况下QR码图像的识别率，而识别率的提高又可以很大程度上推广QR码的应用范围，由此采用本发明专利技术可以更大范围的推广QR码的应用。

【技术实现步骤摘要】
—种QR码畸变图像的预处理方法
本专利技术属于图像处理领域，特别是涉及一种QR码畸变图像的预处理方法。
技术介绍
QR码作为一种优秀的二维码，通常情况下其密度是一维条码的几十到几百倍，这意味着QR码可以在有限的空间里可以表达更多的信息，这样我们就可以把产品信息全部存储到一个QR码中。想要查看产品的信息不需要事先建立数据库，真正实现了用条码对“物品”的描述。鉴于这样的优点，可以想象，QR码在商标中的应用必然是发展的总趋势。现有技术中对一般情况下的二维码图像可以很好的识别，但是对那些畸变比较严重或者图像部分缺失特别是印刷在表面容易产生褶皱的物品上面的二维码识别率很低或者说根本识别不了。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是提供一种能够提高畸变二维码识别率的QR码畸变图像的预处理方法。为实现上述目的，本专利技术提供了一种QR码畸变图像的预处理方法，按以下步骤进行:步骤一、选取QR码正常图像的样本点、在QR码畸变图像选取与所述QR码正常图像位置相对应的样本点；步骤二、将QR码正常图像的样本点作为神经网络学习过程中的输入值、将与QR码畸变图像的样本点作为神经网络学习过程中的输出值，进行BP神经网络学习；步骤三、选取待处理的QR码畸变图像中的样本点作为经过步骤二学习得到的神经网络的输入值，得到一组输出值，把该组输出值进行函数拟合，来确定图像的畸变模式，然后将待矫正的QR码畸变图像中所有的像素点，都经过该函数进行函数变换；步骤四、利用双线性插值法确定目标QR码图像对应待矫正的QR码畸变图像样本点的像素值，得到目标QR码图像。进一步的，还包括用透视投影变换的逆过程对步骤四得到的目标QR码图像进行处理的步骤。较佳的，步骤三中所述函数变换后，QR码畸变图像中所有的像素点值填充成白色；然后将原QR码畸变图像各样本点的像素值赋值给填充后的QR码畸变图像。较佳的，步骤一中所述选取QR码正常图像的样本点、在QR码畸变图像选取与所述QR码正常图像位置相对应的样本点均按以下步骤进行:Al、找出QR码图像中的四个顶点作为第一样本点；A2、以步骤Al得到的四个样本点为顶点形成第一四边形，取对角线的交点为第二样本点；A3、在步骤A2得到的四边形中，取任意两条相邻边的中点分别作为第三样本点和第四样本点，加上这两条边的交点和上面取出的第二样本点组成第二四边形，取其对角线交点为第五样本点；A4、返回执行步骤Al。进一步的，步骤一中所述选取QR码正常图像的样本点、在QR码畸变图像选取与所述QR码正常图像位置相对应的样本点还包括以下步骤:对QR码图像做霍夫变换处理，找出图像的边界轮廓线，通过轮廓线的交点求出图像的四个顶点坐标。较佳的，所述步骤二中采用最小均方差对BP神经网络学习进行误差分析。较佳的，所述步骤二中采用最速度梯度下降法作为BP神经网络学习的学习策略。较佳的，所述双线性插值法按以下步骤进行:B1、设定QR码畸变图像样本点的坐标为(i，j)，通过向后映射法得到其在QR码畸变图像对应的浮点坐标(i+u，j+v)，其中i，j均为非负整数，U，V为[0，I]区间的浮点数；B2、设定所述浮点坐标(i+u, j+v)的像素值为 f (i+u, j+v), (i+1, j)、(i, j+1)、(i+1, j+1)为 QR 码畸变图像中的坐标,计算 f (i+u, j+v) = (1-U) X (1-v) Xf (i, j) + (l_u) XvXf (i, j+1)+uX (1-v) Xf (i+1, j)+uXvXf (i+1, j+1);得出所述浮点坐标(i+u, j+v)的像素值；所述f(i，j)为坐标(i，j)的像素值，所述f(i，j+1)为坐标(i，j+1)的像素值，所述f(i+l, j)为坐标(i+1，j)的像素值，所述f(i+l，j+1)为坐标(i+1，j+1)的像素值。本专利技术的有益效果是:本专利技术可以很好的识别那些畸变比较严重或者图像部分缺失的QR码。特别是印刷在表面容易产生褶皱的物品上面的QR码识别率很低或者说根本识别不了的QR码图像，采用本专利技术能够更加准确的识别。由于提高了特殊情况下QR码图像的识别率，而识别率的提高又可以很大程度上推广QR码的应用范围，由此采用本专利技术可以更大范围的推广QR码的应用。【附图说明】图1是本专利技术实施例一的流程示意图。【具体实施方式】下面结合附图和实施例对本专利技术作进一步说明，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。实施例一、如图1所示，一种QR码畸变图像的预处理方法，按以下步骤进行:步骤一、对QR码图像做霍夫变换处理，找出图像的边界轮廓线，通过轮廓线的交点求出图像的四个顶点坐标。步骤二、选取QR码正常图像的样本点、在QR码畸变图像选取与所述QR码正常图像位置相对应的样本点。所述选取QR码正常图像的样本点、在QR码畸变图像选取与所述QR码正常图像位置相对应的样本点均按以下步骤进行:Al、找出QR码图像中的四个顶点作为第一样本点；A2、以步骤Al得到的四个样本点为顶点形成第一四边形，取对角线的交点为第二样本点；A3、在步骤A2得到的四边形中，取任意两条相邻边的中点分别作为第三样本点和第四样本点，加上这两条边的交点和上面取出的第二样本点组成第二四边形，取其对角线交点为第五样本点；A4、返回执行步骤Al。本实施例中，首先对QR码图像做霍夫变换处理，找出图像的边界轮廓线，通过轮廓线的交点求出图像的四个顶点坐标A、B、C、D，求过点A、C的直线AC与过点B、D的直线BD的交点E，再分别求AB和AD的中点F和G，求出以A、F、E、G四点组成的四边形对角线的交点坐标H ;采用这样的方法把四边形不断的缩小，在小的四边形中用同样的方法求样本点，最终求出25个点作为学习的样本点。步骤三、将QR码正常图像的样本点作为神经网络学习过程中的输入值、将与QR码畸变图像的样本点作为神经网络学习过程中的输出值，采用最小均方差对BP神经网络学习进行误差分析，采用最速度梯度下降法作为BP神经网络学习的学习策略，进行BP神经网络学习，以形成一个学习机。步骤四、将待处理的QR码畸变图像取样本点作为神经网络的输入值，用步骤三得到的学习机进行学习，得到一组输出值，根据该组输出值对QR码畸变图形进行函数拟合，得到拟合函数以后，对QR码畸变图像中的所有像素点都经过该函数变换。步骤五、利用双线性插值法确定目标QR码图像对应待矫正的QR码畸变图像的样本点的像素值，得到目标QR码图像。所述双线性插值法按以下步骤进行:B1、设定QR码畸变图像样本点的坐标为(i，j)，通过向后映射法得到其在QR码畸变图像对应的浮点坐标(i+u，j+v)，其中i，j均为非负整数，u，V为[0，I]区间的浮点数；B2、设定所述浮点坐标(i+u, j+v)的像素值为 f (i+u, j+v), (i+1, j)、(i, j+1)、(i+1, j+1)为 QR 码畸变图像中的坐标,计算 f (i+u, j+v) = (l-u) X (1-v) Xf (i, j) + (l_u) XvXf (i, j本文档来自技高网...

【技术保护点】
一种QR码畸变图像的预处理方法，其特征在于按以下步骤进行：步骤一、选取QR码正常图像的样本点、在QR码畸变图像选取与所述QR码正常图像位置相对应的样本点；步骤二、将QR码正常图像的样本点作为神经网络学习过程中的输入值、将与QR码畸变图像的样本点作为神经网络学习过程中的输出值，进行BP神经网络学习；步骤三、选取待处理的QR码畸变图像中的样本点作为经过步骤二学习得到的神经网络的输入值，得到一组输出值，把该组输出值进行函数拟合，来确定图像的畸变模式，然后将待矫正的QR码畸变图像中所有的像素点，都经过该函数进行函数变换；步骤四、利用双线性插值法确定目标QR码图像对应待矫正的QR码畸变图像样本点的像素值，得到目标QR码图像。

【技术特征摘要】
1.一种QR码畸变图像的预处理方法，其特征在于按以下步骤进行: 步骤一、选取QR码正常图像的样本点、在QR码畸变图像选取与所述QR码正常图像位置相对应的样本点； 步骤二、将QR码正常图像的样本点作为神经网络学习过程中的输入值、将与QR码畸变图像的样本点作为神经网络学习过程中的输出值，进行BP神经网络学习； 步骤三、选取待处理的QR码畸变图像中的样本点作为经过步骤二学习得到的神经网络的输入值，得到一组输出值，把该组输出值进行函数拟合，来确定图像的畸变模式，然后将待矫正的QR码畸变图像中所有的像素点，都经过该函数进行函数变换； 步骤四、利用双线性插值法确定目标QR码图像对应待矫正的QR码畸变图像样本点的像素值，得到目标QR码图像。2.如权利要求1所述的一种QR码畸变图像的预处理方法，其特征是:还包括用透视投影变换的逆过程对步骤四得到的目标QR码图像进行处理的步骤。3.如权利要求1或2所述的一种QR码畸变图像的预处理方法，其特征是:步骤三中所述函数变换后，QR码畸变图像中所有的像素点值填充成白色；然后将原QR码畸变图像各样本点的像素值赋值给填充后的QR码畸变图像。4.如权利要求1所述的一种QR码畸变图像的预处理方法，其特征是:步骤一中所述选取QR码正常图像的样本点、在QR码畸变图像选取与所述QR码正常图像位置相对应的样本点均按以下步骤进行: Al、找出QR码图像中的四个顶点作为第一样本点； A2、以步骤Al得到的四个样本点为顶点形成第一四边形，取对角线的交点为第二样本占.A3、在步骤A2得到的四边形中，取任意两条相邻边的中点分别作为第三样本点和第四样本点，加上这两条边的交点和上面取出的第二样本点组成第二四边形，取其对角线交点为第...

【专利技术属性】
技术研发人员：张敏，刘川，高建贵，余圣波，
申请(专利权)人：重庆大学，
类型：发明
国别省市：