CN112364876B - 一种高效的条码二值化方法及系统 - Google Patents
一种高效的条码二值化方法及系统 Download PDFInfo
- Publication number
- CN112364876B CN112364876B CN202011337507.8A CN202011337507A CN112364876B CN 112364876 B CN112364876 B CN 112364876B CN 202011337507 A CN202011337507 A CN 202011337507A CN 112364876 B CN112364876 B CN 112364876B
- Authority
- CN
- China
- Prior art keywords
- binarization
- sampling
- bar code
- unit
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000005070 sampling Methods 0.000 claims abstract description 107
- 238000012795 verification Methods 0.000 claims abstract description 3
- 238000004458 analytical method Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种高效的条码二值化方法及系统。该方法基于采样网格构建采样图像,通过二次验证方法完成采样点二值化。该方法包括:构建采样网格,所述采样网格覆盖对应条码最小模块中心;根据所述采样网格位置,采用插值方法生成采样图;采用第一种二值化方法对所述采样图执行二值化;采用第二种二值化方法对采样图像执行二值化;判断每一采样点基于上述第一、第二两种二值化结果是否相同,若判断结果为“是”,存储该采样点二值化结果,若判断结果为“否”,标注该采样点为可疑点;按照第三种二值化方法对可疑采样点重新执行二值化,并存储二值化结果。本发明还提供一种高效的条码二值化系统。本发明提供的一种高效的条码二值化方法以及一种高效的条码二值化系统可快速解决模糊、低对比度、低精度的条码二值化不准确的问题,且具备较好的鲁棒性。
Description
技术领域
本发明涉及电子科学技术领域,特别地,涉及一种条码二值化方法及系统。
背景技术
条码技术的出现极大地促进了工业社会的快速发展。无论是生产运输,物流储藏,或是产品零件追踪等,条码识别技术的出现十分显著地提升了各项任务的完成效率。
条码识别技术出现较早,但国内在该领域的研究起步较晚,虽已经有所进步,但相较国外的条码识别技术仍有一定差距。现实应用中,条码识别环境更为复杂多变,因而更容易采集到模糊、低对比度、低精度等低质量的条码图像,这些低质量的图像会严重影响条码二值化效果,而条码二值化的准确度又是决定条码识别算法性能的关键。
因此,针对以上问题,亟需一种高效且稳定的二值化方法,以提升条码识别效率。
发明内容
针对当前模糊、低对比度、低精度条码二值化不准确的问题,本发明提供一种条码二值化方法及系统,能保证高效且准确地完成条码二值化。
本发明之一是这样实现的:一种高效的条码二值化方法,基于采样网格构建采样图像,通过二次验证方法完成采样点二值化,包括:
步骤1、构建采样网格;
步骤2、根据网格位置,采用插值方法生成采样图;
步骤3、采用第一种二值化方法对采样图执行二值化;
步骤4、采用第二种二值化方法对采样图像执行二值化;
步骤5、判断步骤4和步骤5每一采样点两种二值化结果是否相同,若判断结果为“是”,存储该采样点二值化结果,若判断结果为“否”,标注该采样点为可疑点;
步骤6、按照第三种二值化方法对可疑点重新执行二值化,并存储二值化结果。
进一步地,所述步骤1中,采样网格需覆盖对应条码最小模块的中心点。
进一步地,所述步骤2中,所述插值方法可以是最近邻插值、双线性插值、加权平均和其他插值方法。
进一步地,所述二值化方法可以将采样图像映射为一副黑白二值图像;
进一步地,所述步骤5、6中,第一、第二及第三种二值化方法互不相同,三种二值化方法可以基于不同原理完成,也可基于不同方式完成。其中,第三种二值化方法精度要高于第一、第二两种二值化方法的精度,第一、第二两种二值化方法执行效率需明显优于第三种二值化方法;
进一步地,所述两种二值化方法采用不同的设计思路,可以是全局二值化与局部二值化方法等;
进一步地,所述两种二值化方式采用相同原理,但采用方式不同,可以是逐行基于波形分析完成图像二值化与逐列基于波形分析完成图像二值化等。
本发明之二是这样实现的:一种高效的条码二值化系统,包括:采样网格构建单元、灰度值采样单元、二值化单元一、二值化单元二、二值化结果比较单元、可疑二值化结果筛选单元、二值化单元三、正确二值化结果筛选单元以及二值图存储单元。
采样网格构建单元,根据所述条码符号位置建立采样网格;
灰度值采样单元,根据所述采样网格位置,通过任一种插值方法,完成条码最小模块灰度值采样;
二值化单元一,对采样矩阵执行第一次二值化处理;
二值化单元二,对采样矩阵执行第二次二值化处理;
二值化结果比较单元,对二值化单元一与二值化单元二输出结果执行比较操作,相同标记为1,不同标记为0;
可疑二值化筛选单元,筛选出标记为0的采样点,标注为可疑二值化采样点;
二值化单元三,对可疑二值化采样点进行第三次二值化处理;
正确二值化筛选单元,筛选出标记为1的采样点,标注为正确二值化采样点;
二值图存储单元,存储正确二值化采样点采样结果,以及执行完第三次二值化的可疑二值化采样点的二值结果。
进一步地,所述采样网格需覆盖到对应条码最小模块的中心位置;
进一步地,所述灰度值采样单元根据所述采样网格位置,通过任一种插值方法,完成条码最小模块灰度值采样,构建灰度采样矩阵;
本发明提供的条码二值化方法及系统,综合考虑了时间与性能的平衡,采用的第一种与第二种二值化方法具有很高的执行效率,且保证大多数采样点具有正确的二值化结果。通过两种二值结果比较,筛选出可疑二值化采样点,进一步采用具有高准确性的第三种二值化方法对可疑采样点完成二值化处理,进而完成整个采样矩阵的二值化。本发明在保证二值化准确度的前提下,提高了系统运行效率,一定程度解决了精度和效率无法兼顾的问题。
【附图说明】
图1所示出的是本发明的条码二值化方法流程图。
图2所示出的是本发明的条码二值化系统结构示意图。
图3所示出的是本发明具体实施的一种可选二值化方法。
图4所示出的是本发明具体实施的一种可选可疑点二值化判断方法。
【具体实施方式】
有关本发明的特征及技术内容,请参考以下的详细说明和附图,附图仅提供参考和说明,并非用来对本发明加以限制。
参见图1所示,为本发明的条码二值化方法的流程图,所述条码二值化方法的具体步骤如下:
步骤S100,构建采样网格,且每个独立网格可精确覆盖条码模块中心点。
步骤S200,依据插值算法,在采样网格上抽取条码模块采样点灰度值,获取采样图像。
步骤S300,对采样图像执行一次二值化操作,获取二值化图像A。
步骤S400,对采样图像执行另一次二值化操作,获取二值化图像B。
步骤S500,初始化i=0,比较A/B中第i个模块二值化属性是否相同,若结果为“是”,则执行S700,若结果为“否”,则执行S600。
步骤S600,对第i模块重新执行二值化。
步骤S700,存储第i模块二值属性,i加1。
步骤S800,判断第i模块是否为采样图中最后一个未处理模块,若判断结果为“是”,则执行步骤S900,若判断结果为“否”,则执行步骤S500。
步骤S900:当遍历完所有采样模块后,完成条码二值化。
参见图2所示,为本发明的条码二值化系统的结构示意图,所述系统结构包括以下单元:
采样网格构建单元100,根据所述条码符号位置建立采样网格,采样网格需覆盖到对应条码最小模块的中心位置。
灰度值采样单元200,根据所述采样网格位置,通过任一种插值方法,完成条码最小模块灰度值采样。
二值化单元一300,对采样矩阵执行第一次二值化处理。
二值化单元二400,对采样矩阵执行第二次二值化处理。
二值化结果比较单元500,对二值化单元一与二值化单元二输出结果执行比较操作,相同标记为1,不同标记为0。
可疑二值化筛选单元600,筛选出标记为0的采样点,标注为可疑二值化采样点。
二值化单元三700,对可疑二值化采样点进行第三次二值化处理。
正确二值化筛选单元800,筛选出标记为1的采样点,标注为正确二值化采样点。
二值图存储单元900,存储正确二值化采样点采样结果,以及执行完第三次二值化的可疑二值化采样点的二值结果。
参见图3所示,为本发明具体实施的一种可选二值化方法。该方法中第一种二值化方法为逐行遍历采样图像,对每个一维数据执行波形分析操作,根据各模块的波峰波谷属性确定当前模块的二值属性。由于图像噪声,图像局部灰度不均等因素导致的灰度值波动严重影响了采样图像二值化结果,二值化结果的可信度降低。依据本发明所述,可执行第二种二值化方法,即再次逐列遍历采样图像,并执行波形分析操作。经过行列方向基于波形分析的二值化之后,若两次二值化结果不同,则确定为可疑二值化模块。
参见图4所示,为本发明具体实施的一种可选可疑点二值化判断方法。由于图像噪声,图像局部灰度不均等问题,模块的二值属性不能由单一的阈值确定,模块的二值属性高度依赖其局部邻域灰度值分布。
如图4所示,列举了3个判断可疑模块二值属性的示例。
如图4(a)所示,竖直分析显示中心模块属性为“白”,水平分析显示中心模块处于灰度过度区域,但中心模块灰度值与左侧模块灰度值相近,且左侧模块明显偏“白”,可判断该模块为“白”。
如图4(b)所示,竖直分析显示中心模块属性为“黑”,水平分析显示中心模块处于灰度过度区域,但中心模块灰度值与左侧模块灰度值相近,且左侧模块明显偏“黑”,可判断该模块为“黑”。
如图4(c)所示,竖直分析显示中心模块属性为“白”,水平分析显示中心模块属性为“白”,因此可判断该模块属性为“白”。
以上所述,仅为本发明的各种优选实例,只要不背离本发明的实质和范围,本领域的技术人员可以对其进行各种形式上的修改和变更,都属于本发明的保护范围。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种高效的条码二值化方法,基于采样网格构建采样图像,采用二次验证理论完成采样点二值化,包括:
步骤1、构建采样网格;
步骤2、根据网格位置,采用插值方法生成采样图;
步骤3、采用第一种二值化方法对采样图像执行二值化;
步骤4、采用第二种二值化方法对采样图像执行二值化;
步骤5、判断步骤4和步骤5每一采样点二值化结果是否相同,若判断结果为“是”,存储该采样点二值化结果,若判断结果为“否”,标注该采样点为可疑点;
步骤6、按照第三种二值化方法对可疑点重新执行二值化,并存储二值化结果;
其中,模块的二值属性依赖其局部邻域灰度值分布确定,包括:在水平分析显示中心模块处于灰度过度区域的情况下,结合位于所述中心模块左侧的左侧模块的灰度值确定所述中心模块的属性;
第一、第二及第三种二值化方法互不相同,三种二值化方法可以基于不同原理完成,也可以基于不同方式完成;其中,第三种二值化方法精度要高于第一、第二两种二值化方法的精度,第一、第二两种二值化方法执行效率需明显优于第三种二值化方法。
2.根据权利要求1所述的一种高效的条码二值化方法,其特征在于,采样网格需覆盖对应条码最小模块的中心点。
3.根据权利要求1所述的一种高效的条码二值化方法,其特征在于,所述插值方法可以是最近邻插值、双线性插值、加权平均和其他插值方法。
4.根据权利要求1所述的一种高效的条码二值化方法,其特征在于,二值化方法可以将采样图像映射为一副黑白二值图像。
5.根据权利要求1所述的一种高效的条码二值化方法,其特征在于,第一种二值化方法和第二种二值化方法采用不同的设计思路,可以是全局二值化与局部二值化方法。
6.根据权利要求1所述的不同方式二值化方法,其特征在于,第一种二值化方法和第二种二值化方法采用相同原理,但采用方式不同,可以是逐行基于波形分析完成图像二值化与逐列基于波形分析完成图像二值化。
7.一种高效的条码二值化系统,包括:采样网格构建单元、灰度值采样单元、二值化单元一、二值化单元二、二值化结果比较单元、可疑二值化结果筛选单元、二值化单元三、正确二值化结果筛选单元以及二值图存储单元;
采样网格构建单元,根据条码符号位置建立采样网格;
灰度值采样单元,根据所述采样网格位置,通过任一种插值方法,完成条码最小模块灰度值采样;
二值化单元一,对采样矩阵执行第一次二值化处理;
二值化单元二,对采样矩阵执行第二次二值化处理;
二值化结果比较单元,对二值化单元一与二值化单元二输出结果执行比较操作,相同标记为1,不同标记为0;
可疑二值化筛选单元,筛选出标记为0的采样点,标注为可疑二值化采样点;
二值化单元三,对可疑二值化采样点进行第三次二值化处理;
正确二值化筛选单元,筛选出标记为1的采样点,标注为正确二值化采样点;
二值图存储单元,存储正确二值化采样点采样结果,以及执行完第三次二值化的可疑二值化采样点的二值结果;
其中,模块的二值属性依赖其局部邻域灰度值分布确定,包括:在水平分析显示中心模块处于灰度过度区域的情况下,结合位于所述中心模块左侧的左侧模块的灰度值确定所述中心模块的属性;
第一、第二及第三种二值化方法互不相同,三种二值化方法可以基于不同原理完成,也可以基于不同方式完成;其中,第三种二值化方法精度要高于第一、第二两种二值化方法的精度,第一、第二两种二值化方法执行效率需明显优于第三种二值化方法。
8.根据权利要求7所述的一种高效的条码二值化系统,其特征在于,采样网格需覆盖到对应条码最小模块的中心位置。
9.根据权利要求7所述的一种高效的条码二值化系统,其特征在于,灰度值采样单元根据所述采样网格位置,通过任一种插值方法,完成条码最小模块灰度值采样,构建灰度采样矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011337507.8A CN112364876B (zh) | 2020-11-25 | 2020-11-25 | 一种高效的条码二值化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011337507.8A CN112364876B (zh) | 2020-11-25 | 2020-11-25 | 一种高效的条码二值化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112364876A CN112364876A (zh) | 2021-02-12 |
CN112364876B true CN112364876B (zh) | 2024-05-14 |
Family
ID=74533258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011337507.8A Active CN112364876B (zh) | 2020-11-25 | 2020-11-25 | 一种高效的条码二值化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364876B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990034030A (ko) * | 1997-10-28 | 1999-05-15 | 윤종용 | 일차원 국부 적응 화상 이치화 장치 및 방법 |
CN101727582A (zh) * | 2008-10-22 | 2010-06-09 | 富士通株式会社 | 文档图像二值化方法及其装置,以及文档图像处理器 |
CN101789081A (zh) * | 2009-01-22 | 2010-07-28 | 佳能株式会社 | 模糊文档图像的二值化方法及其设备 |
CN101840499A (zh) * | 2010-06-01 | 2010-09-22 | 福建新大陆电脑股份有限公司 | 一种条码解码方法及其二值化方法 |
CN103839031A (zh) * | 2014-02-27 | 2014-06-04 | 杭州晟元芯片技术有限公司 | 一种专用嵌入式二维码识别方法 |
WO2018081929A1 (zh) * | 2016-11-01 | 2018-05-11 | 深圳大学 | 一种高光谱遥感图像特征提取和分类方法及其系统 |
CN108460389A (zh) * | 2017-02-20 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 一种识别图像中对象的类型预测方法、装置及电子设备 |
CN108960222A (zh) * | 2017-05-26 | 2018-12-07 | 深圳怡化电脑股份有限公司 | 图像二值化方法、装置、设备及存储介质 |
CN109273000A (zh) * | 2018-10-11 | 2019-01-25 | 河南工学院 | 一种语音识别方法 |
CN110263610A (zh) * | 2019-02-28 | 2019-09-20 | 重庆大学 | 一种基于深度学习的退化文档图像二值化方法及系统 |
RU2718571C1 (ru) * | 2019-10-25 | 2020-04-08 | Общество С Ограниченной Ответственностью "Конструкторское Бюро "Дорс" (Ооо "Кб "Дорс") | Способ бинаризации изображений символов на банкноте на основе гистограммы длины границ |
-
2020
- 2020-11-25 CN CN202011337507.8A patent/CN112364876B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990034030A (ko) * | 1997-10-28 | 1999-05-15 | 윤종용 | 일차원 국부 적응 화상 이치화 장치 및 방법 |
CN101727582A (zh) * | 2008-10-22 | 2010-06-09 | 富士通株式会社 | 文档图像二值化方法及其装置,以及文档图像处理器 |
CN101789081A (zh) * | 2009-01-22 | 2010-07-28 | 佳能株式会社 | 模糊文档图像的二值化方法及其设备 |
CN101840499A (zh) * | 2010-06-01 | 2010-09-22 | 福建新大陆电脑股份有限公司 | 一种条码解码方法及其二值化方法 |
CN103839031A (zh) * | 2014-02-27 | 2014-06-04 | 杭州晟元芯片技术有限公司 | 一种专用嵌入式二维码识别方法 |
WO2018081929A1 (zh) * | 2016-11-01 | 2018-05-11 | 深圳大学 | 一种高光谱遥感图像特征提取和分类方法及其系统 |
CN108460389A (zh) * | 2017-02-20 | 2018-08-28 | 阿里巴巴集团控股有限公司 | 一种识别图像中对象的类型预测方法、装置及电子设备 |
CN108960222A (zh) * | 2017-05-26 | 2018-12-07 | 深圳怡化电脑股份有限公司 | 图像二值化方法、装置、设备及存储介质 |
CN109273000A (zh) * | 2018-10-11 | 2019-01-25 | 河南工学院 | 一种语音识别方法 |
CN110263610A (zh) * | 2019-02-28 | 2019-09-20 | 重庆大学 | 一种基于深度学习的退化文档图像二值化方法及系统 |
RU2718571C1 (ru) * | 2019-10-25 | 2020-04-08 | Общество С Ограниченной Ответственностью "Конструкторское Бюро "Дорс" (Ооо "Кб "Дорс") | Способ бинаризации изображений символов на банкноте на основе гистограммы длины границ |
Also Published As
Publication number | Publication date |
---|---|
CN112364876A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961235B (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
CN112183511A (zh) | 一种图像导出表格的方法、系统、存储介质及设备 | |
JP5229050B2 (ja) | 画像からの文書領域抽出装置、方法、及びプログラム | |
CN102243704A (zh) | 用于二维码的定位系统、二维码的识别方法及设备 | |
CN110647795A (zh) | 一种表格识别方法 | |
CN111626145A (zh) | 一种简捷有效的残缺表格识别及跨页拼接方法 | |
CN113989604B (zh) | 基于端到端深度学习的轮胎dot信息识别方法 | |
WO2024159943A1 (zh) | 图纸表格区域检测方法、装置、存储介质和电子设备 | |
CN116030237A (zh) | 工业缺陷检测方法、装置及电子设备、存储介质 | |
CN114140336B (zh) | 一种基于红外图像的坏点处理方法及装置 | |
CN114155544B (zh) | 一种无线表格识别方法、装置、计算机设备及存储介质 | |
CN112364876B (zh) | 一种高效的条码二值化方法及系统 | |
CN115223166A (zh) | 图片预标注方法、图片标注方法及装置、电子设备 | |
JPH10307889A (ja) | 文字認識方法、装置及び文字認識プログラムを記録した記録媒体 | |
CN114863129A (zh) | 仪表数值分析方法、装置、设备及存储介质 | |
CN202267974U (zh) | 用于二维码的定位系统及二维码的识别设备 | |
CN113392455A (zh) | 基于深度学习的户型图比例尺检测方法、装置及电子设备 | |
CN118097697A (zh) | 一种表格图像的处理方法、装置及设备 | |
CN111832497A (zh) | 一种基于几何特征的文本检测后处理方法 | |
CN114511862B (zh) | 表格识别方法、装置及电子设备 | |
CN113255679B (zh) | 文本检测方法、装置、介质和电子设备 | |
CN115953578A (zh) | 一种裂缝语义分割模型推理结果的评估方法及装置 | |
JP4194309B2 (ja) | 文書方向推定方法および文書方向推定プログラム | |
CN111435086B (zh) | 基于拼接图的导航方法和装置 | |
CN115082944A (zh) | 表格的智能识别切分方法、系统和终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |