二维码图像处理新科技技术

 　　文章是一篇智能科学论文，主要对二维码图像处理与应用和科技发展技术的研究等等。本文选自：《智能系统学报》,《智能系统学报》是刊登智能科学领域具有自主创新理论和技术研究的科研成果和高水平学术论文，反映国内外智能科学学科的前沿和发展，促进智能科学理论和技术的传播与交流。

　　摘要：通过编程,实现了对金属上的Data Matrix码进行识别,并统计了总的采集帧数(f)、帧率(f/s)、识别成功的总帧数、识别率等信息。实验证明在摄像头焦距以及光源都相当理想的情况下,识别率很高。Data Matrix识别的成功率与很多因素有关,首先是Data Matrix符号本身,打印在纸上与打印在金属零件上的点阵式Data Matrix差异很大;其次是检测时的运动失真,会影响识别成功率;再次是背景图像的影响,Data Matrix符号与背景色反差越大,背景中干扰图像越少,识别成功率越高;光源、符号的旋转等都会对识别造成影响。

　　关键词：二维码图像,图像处理,图像科技,电子应用,智能科学论文

　　1 Data Matrix概述

　　二维码有多种类型,本文只讨论矩阵式Data Matrix。

　　Data Matrix最大特点就是“小”,能在25mm2面积上编码30个数字,因此被广泛用于标示集成电路、药品等小件物品。另外在制造业的流水线生产过程中,打印生成Data Matrix也较容易。

　　如图1所示,Data Matrix符号看起来像一个由深浅两种颜色组成的国际象棋棋盘,每一个相同大小的黑色或白色方格称为一个数据单位。Data Matrix符号由许多这样的数据单位组成。在寻边区外层有宽度为一个数据单位的静区。寻边区是“棋盘”的边界,只用于定位和定义数字单位的大小,而不含 有任何编码信息。被寻边区包围的数据区包含着编码信息。矩阵中的0、1就是Data Matrix的黑白两色小方格,即数据单位。

　　Data Matrix采用了Reed-Solomon交织交插编码,编码时加入了纠错码,使Data Matrix的纠错性能比较强。以一个5位的流水号“12345”为例,通过编码规则得到Data Matrix的3位码字和5位纠错码,可纠错2位码字,纠错率为2/8=25%。

　　2 用MIL识别Data Matrix码

　　Meteor-II Standard是Matrox公司的一块图像采集卡,通过摄像头采集外界图像,然后实时地传输给主机内存。MIL函数开发包是一个独立于硬件的32位图像处理函数库,其中有大量基本的图像处理函数。

　　2.1 基本过程

　　Data Matrix识别的基本过程如图2所示。通过MIL提供的函数采集图像,并将采集的图像以数字化方式存储在图像缓冲区中;对图像进行增强处理,提高图像的识别准确率。实验中通过平滑滤波方法,减少图像噪声,很好地解决了采集金属零件的Data Matrrix码时,由于码符号边沿亮度过亮影响图像分割问题;然后对图像进行直方图均衡化,扩大对比度的动态范围,解决由于光照或摄像头的原因,造成采集的图像偏暗,对比度不够显着,引起图像中明暗模糊不清的问题。

　　由于采集后的图像有很多无用背景,Data Matrix符号所在区域只占整个图像很上的比重。采用遮罩的方法,用一个固定位置的子缓冲区限制图像处理区域,忽略区域外的图像,实现Data Matrix的符号提取。最后用MIL函数直接译码,并将译码结果放在指定的字符串中,用显示语句在屏幕上打印结果。

　　2.2 Data Matrix符号的膨账

　　金属零件上的Data Matrix码是气动打印而成的成点阵式,与标准的Data Matrix符号不完全一样,其点间空隙大。如对这种码毫无处理地进行识别,则识别率会很低。为了解决这个问题,采用数学形态学的膨胀算法。为了提高识别准确度,可以将Data Matrix符号膨胀若干次,缩小数据单位之间的空隙。这样,计算机在“寻找”Data Matrix的“L”型寻边区时就容易准确得多。

　　2.3 伪实时识别的实现

　　由于MIL本身不支持图像的实时处理,所以要实现实时识别需要用一种叫做比缓冲的方法实现伪实时的图像处理,CPU每次处理的图像其实是摄像头采集的上一帧图像。

　　双缓冲区使一边采集图像一边处理图像成为可能,如图3所示。摄像头将图像采集到图像缓冲区1中等待处理,与此同时CPU利用这段时间处理图像缓冲区2中(上一帧)的图像,完毕后两个缓冲区的职能交换;CPU处理缓冲区1中采集的前一时刻的图像,而此时缓冲区2中的图像已被处理完毕,可以接收摄像头下一帧的采集图像。如此往复,两个缓冲区互换,不间断地运动便可实现伪实时处理。在处理环节上加Data Matrix识别功能,就能实现实时识别Data Matrix。采集图像和处理图像正好相差一帧,所以是“伪”实时的,但是假如计算机运算速度足够快,时间延迟的影响便可忽略。

　　这种方法的优点是既实现了实时性,又将采集和处理这两项进程分开,让CPU和摄像头分别独立并行地处理,充分利用了空闲时间。

　　3 识别结果统计与分析

　　3.1 运动检测的影响

　　Data Matrix检测常用在流水线上,这时需要考虑摄像头与被检测零件相对运动对识别的影响。在实验中用固定零件、移动摄像头的方法来模拟流水线中的运动检测,记录每次检测时摄像头的运动速度,以此找出零件上的Data Matrix能够被识别的最大相对运行速度。

　　现通过实验测得20组数据,以6mm×6mm的Data Matrix为考虑对象,结果如表1所示。

　　上结果,在光照和摄像头焦理想的情况下,最大识别的相对速度为2.00cm/s,比该速度再快可能会因运动失真导致Data Matrix无法识别。

　　3.2 干扰图像的影响

　　在相同条件下,背景干扰少的图像识别率较高,尤其当北京具有与Data Matrix类似矩形状图形时。在光照较好的条件下,测试金属零件上的Data Matrix识别率。在有背景干扰的情况和用子缓冲区屏蔽一些背景干扰的情况各测得10组数据,分别如表2所示。

《二维码图像处理新科技技术》

本文由职称驿站首发，您身边的高端学术顾问

文章名称： 二维码图像处理新科技技术

文章地址： https://m.zhichengyz.com/p-34175