多條碼視頻圖像識別設(shè)計與實現(xiàn)

學校編碼：10384分類號密級學號：X2007222024UDC工程碩士論文多條碼視頻圖像識別設(shè)計與實現(xiàn)MultiBarCodeReorganization:TheBestChoicefor指導教師姓名：專業(yè)名稱：電子信息與工程論文提交日期：論文辯論時間：學位授予日期：辯論委員會主席：評閱人：2023年月多條碼視頻圖像識別設(shè)計與實現(xiàn)〔稿〕X2007222024葉暉摘要：本文對多條碼的圖像識別技術(shù)進行研究。以Code39碼為例，使用USB攝像機對多條碼圖像進行連續(xù)攝像和識別。研究簡化Randon變換算法。關(guān)鍵字：條碼圖像識別OPENCVRandon變換引言當今物聯(lián)網(wǎng)RFID與傳感網(wǎng)等新技術(shù)興起，但條碼技術(shù)以其低廉的本錢優(yōu)勢，在商品識別、物品管理等自動化數(shù)據(jù)采集中依然得到了廣泛的應用。條碼標簽已經(jīng)由傳統(tǒng)的一維條碼開展出二維條碼、隱形條碼等，條碼掃描技術(shù)也由專用紅外CCD、激光掃描開展到圖像識別等多種方式，條碼使用更方便、更快捷。在現(xiàn)有的條碼圖像識別技術(shù)中，主要是針對單個一維條碼或二維條碼進行圖像分割與識別，本文主要論述對多組一維條碼圖像進行條碼識別，用于圖書館紙質(zhì)圖書資料的輔助管理和自動查閱。適當改變識別算法也能夠適應二維條碼圖像識別，與云計算條碼識別相配合，實現(xiàn)校園設(shè)備管理自動化。作為條碼圖像識別的工程應用根底案例，本文論述了圖像識別過程中的問題和解決方法，注重研究更簡便的圖像識別算法和使用較廉價通用的設(shè)備實現(xiàn)，如采用USB攝像頭、PC和開源軟件，并可以方便地移植到較廉價的DSP等硬件系統(tǒng)中。一、相關(guān)的條碼與圖像處理技術(shù)概述一維條碼是最早使用的條碼方式，編碼方式主要有EAN-13、Code39、Code128、UPC碼等等。二維條碼是建立在計算機圖像識別、組合編碼等根底上的新型條碼，如DATAMatrix、QR碼等等，在小的標簽面積里存入更多的信息，可用于細小零配件的條碼標簽。本文中以Code39條碼作為圖書標簽，粘貼于書脊以便圖書標簽攝像識別。一維條碼的優(yōu)點是可以在厚薄不一的書脊上粘貼而不影響條碼信息的完整性，書本正或倒置擺放不影響條碼信息的讀取。再次，即使圖像識別算法對條碼掃描方向角有微小的偏差，只要掃描線覆蓋條碼頭尾，都不影響條碼的判讀。當前市場上較廉價的640*480分辨率USB攝像頭即可實現(xiàn)多組條碼圖像信息的攝像獲取。通過軟件識別視頻圖像中書脊上的條碼，不需要將書本從書架上取出即可獲得圖書的位置和排列順序，到達輔助圖書管理的目的。假設(shè)條碼識別設(shè)備與自動伺服機構(gòu)相組合，能夠獲得自動圖書查閱功能。圖1：一維條碼Code39二維條碼DataMatrixQR碼Code39條碼是一種可供使用者雙向掃描的分散式條碼，由起始平安空間、起始碼、資料碼、檢查碼、終止平安空間及終止碼所構(gòu)成。條碼的長度沒有限制，資料碼可表示的信息包含有：0~9的數(shù)字，A~Z的英文字母，以及“＋〞、“－〞、“＊〞、“／〞、“％〞、“＄〞、“．〞等特殊符號，再加上空白字元“〞，共計44組編碼，并可組合出128個ASCIICODE的字符符號。Code39條碼的起始碼和終止碼必須固定為“＊〞字符。Code39條碼具有自我檢查能力，所以檢查碼不一定設(shè)定。Code39條碼的缺點是比二維條碼占用的空間較大，不適合用于體積小的零配件標簽，但好在圖書上有足夠的位置粘貼。Code39條碼的邏輯編碼有“粗黑〞、“細黑〞、“粗白〞、“細白〞四種，分別表示邏輯形態(tài)是“11”、“1”、“00”、“0”。數(shù)字和大寫英文字母每個字符用12個邏輯位的固定編碼表示，頭尾邏輯位必須為“1”，如字符“＊〞的邏輯編碼為“”。兩個字符之間插入一個邏輯位“0”，Code39條碼的起始字符和終止字符必須固定為“本文使用開源的計算機視覺庫OpenCV和C++對條碼圖像進行快速處理和識別，在電腦中處理連續(xù)的攝像數(shù)據(jù)。每隔一段時間截取一幀數(shù)字圖像進行條碼識別，每幀圖像中包含了多個條碼，通過重復屢次條碼圖像識別，提高條碼識別率，并且獲得多個條碼間的排列順序。通過條碼可查出對應的圖書信息和圖書排列順序。二、條碼圖像判別條碼圖像識別可以同時獲得多個條碼信息，但比傳統(tǒng)激光掃描單個條碼的方式復雜：條碼圖像質(zhì)量還受到照片感光程度、攝像鏡頭畸變、圖像噪聲等諸多因素的影響，條碼在圖像中的位置與水平線可能存在偏轉(zhuǎn)角，要提高條碼識別率，需要適合的算法解決以上這些問題。圖2：圖書條碼攝像彩色圖條碼圖像的旋轉(zhuǎn)二維旋轉(zhuǎn)：在一幀圖像中，條碼方向與圖像水平線存在偏轉(zhuǎn)角，我們需要在圖像中找出每個條碼的掃描方向角。三維旋轉(zhuǎn)：當攝像機鏡頭方向與條碼圖像平面不垂直時，獲得的圖像存在三維旋轉(zhuǎn)畸變。任何維的旋轉(zhuǎn)可以表述為坐標向量與適宜尺寸方陣的乘積。在三維空間中，旋轉(zhuǎn)能被分解為繞各自坐標的二維旋轉(zhuǎn)，旋轉(zhuǎn)軸的度量保持不變。設(shè)繞x、y和z軸旋轉(zhuǎn)角度為γ、φ和θ，總的旋轉(zhuǎn)矩陣R是三個坐標軸的二維旋轉(zhuǎn)矩陣Rx(γ)、Ry(φ)和Rz(θ)的乘積，其中：Rx(γ):Ry(φ):Rz(θ):當攝像機鏡頭方向與條碼圖像平面相垂直時，圍繞z軸，條碼方向與圖像水平線存在偏轉(zhuǎn)角θ。坐標變換數(shù)學模型可簡化成二維矩陣，寫為：圖2為簡化數(shù)字圖像處理運算，對于γ、φ小范圍變化，繞x、y軸旋轉(zhuǎn)產(chǎn)生的輕微圖像畸變根本不影響條碼判讀而忽略不計。即實際應用時，攝像機鏡頭方向盡可能與條碼圖像平面相垂直。為進一步簡化數(shù)字圖像處理運算，不對整幅數(shù)字圖像進行旋轉(zhuǎn)糾正，而是根據(jù)一維條碼圖像的特征，按照上式生成旋轉(zhuǎn)掃描柵，對條碼圖像的條紋線段進行概率統(tǒng)計，進而查找條形碼的偏轉(zhuǎn)角θ。這種算法適用于一維條碼識別，對于二維條碼圖像識別那么需要適當調(diào)整算法。利用OpenCV中許多現(xiàn)成的函數(shù)進行圖像處理可以加快程序調(diào)試進度，例如：cvInitLineIterator〔〕函數(shù)用于抽取圖像中兩點之間的所有像素進行處理掃描柵，極大地節(jié)約條碼圖像識別的運算量，降低運算本錢。圖4：紅色分量圖與旋轉(zhuǎn)掃描柵條碼圖像處理從攝像機截取的彩色數(shù)字圖像存在感光均勻程度、圖像噪聲等因素，影響條碼判讀。為了降低這些因素的影響，分別采用以下方法提高條碼識別的成功率。彩色圖像中的紅色分量轉(zhuǎn)化為灰度圖。關(guān)注黑白兩色條碼，要降低背景中的其他顏色的影響，經(jīng)試驗比照，彩色圖像中的RGB分量中的紅色分量最能降低背景影響效果。也比彩色圖像直接轉(zhuǎn)化為灰度圖的效果好，運算量最小。這一點類似條碼槍產(chǎn)品中使用紅色激光或紅色光波段CCD掃描。假設(shè)有適宜的攝像機和濾光片等硬件設(shè)備支持，能夠進一步找出最正確的紅色光波段降低圖像背景影響，提高條碼識別率。降低圖像感光均勻程度對條碼判讀的影響：對圖像中的像素做出最后的條碼識別，本案采用自適應閾值對灰度圖像進行二值化處理。普通攝像圖像不比條碼槍使用穩(wěn)定單一的掃描光源，特別是圖像中還包含多個條碼時，條碼圖像感光均勻程度不一致使得條碼識別率很低。閾值的選取也直接影響條碼識別率。自適應閾值是改良的閾值技術(shù)，閾值本身是一個變量。通過計算像素點周圍的b×b區(qū)域的加權(quán)平均，減去常數(shù)c獲得自適應閾值。選擇適當?shù)腷、c參數(shù)進行自適應閾值圖象處理能夠有效地降低圖像感光不均勻?qū)Χ祷瘓D像產(chǎn)生不良影響。圖5：固定閾值為130二值化圖片〔比照〕圖6：自適應閾值二值化圖片(b=15)條碼條紋方向的判定條碼圖像識別中需要確定圖像中的條紋方向，非常適合的算法是進行Randon變換。圖像的Radon變換是用來計算一個圖像在不同方向的直線上的投影[12]。按圖2的逆向旋轉(zhuǎn)公式：Randon變換表示為圖像在偏轉(zhuǎn)θ的X’軸上的投影，即在偏轉(zhuǎn)的Y’軸對f(x,y)進行積分。在計算機上實現(xiàn)一維條碼圖像的Randon變換時，為降低計算量，可以不需要對整個二值圖像進行旋轉(zhuǎn)和積分，而采用不同角度的掃描柵〔以下把它稱為掃描光柵，非真的光柵〕，抽取偏轉(zhuǎn)θ角度的掃描光柵線中的所有像素進行黑線條查找，在掃描出黑線的結(jié)果投影到X’軸上，即在光柵X’軸上對y’作線積分累積成為。掃描光柵與條碼條紋相干預，很顯然，當掃描光柵線θ角度與一維條碼的黑線條紋相一致時，將出現(xiàn)很明顯的類似方波波峰。即條碼條紋角度為當導數(shù)為最大時的光柵角度θ。事實上我們甚至不需要計算連續(xù)的值，僅需統(tǒng)計光柵中黑線的起點和終點數(shù)量，并分段累積這些起點和終點在X’軸的投影數(shù)量，即等同于的導數(shù)。對不同的θ光柵進行掃描，選出有最大的導數(shù)值的θ為條碼方向角，如圖4、圖7所示。條碼識別的掃描線為。多條碼處理圖像分割在一幅圖書條碼圖像中有多個同向排列的條碼，這些條碼之間可能缺少白邊分界。對每個條碼圖像的分割帶來難處。如圖7所示，不單單是把條碼圖像從復雜的背景中別離出來，還需要區(qū)分出鄰近的條碼。在找到初步的條碼條紋方向后，可以使用逐行掃描的方式完成條碼的判讀。事實上，有較薄的書本夾在中間時，往往出現(xiàn)漏掃。當圖像中各個條碼方向不一致時，為各個條碼作不同的掃描角度細微調(diào)整。對Randon變換算法進行適當?shù)恼{(diào)整，對條碼柵疊加投影的導數(shù)進行分段處理，最大值的光柵角度作為該段條碼的方向。其中二階導數(shù)可以使用卷積模板進行運算，分割條碼。由于條碼頭尾端必須有白邊與背景別離，在掃描線中比擬容易找出這些白邊，并將條碼圖像從背景中分割出來。圖7：條碼區(qū)域分割與修正圖像下方為Randon變換離散數(shù)列攝像機標定真實世界通過攝像機透鏡后形成的圖像可能帶來畸變，如透鏡制造不完美或感光片的安裝偏差引起成像的徑向畸變和切向畸變。高端攝象機有物理矯正圖像畸變的透鏡系統(tǒng)，不需要進行標定和矯正，而廉價的質(zhì)量差的攝像機進行近距離拍照，畸變會更加明顯，影響到條碼圖像識別。通過OpenCV的cvCalibrateCamera2〔〕函數(shù)來實現(xiàn)攝像機棋盤圖像標定和圖像畸變矯正，恢復接近理想的攝像機成像模型：其中，x是圖象面的物體尺寸，負號表示倒像。f是透鏡焦距，X是真實物體平面尺寸，Z是透鏡到物體的距離。OpenCV對圖像畸變與矯正的數(shù)學原理是：對于二維平面的點Q映射到成像面上的點q的齊次坐標，描述為矩陣表示：，那么其中任意尺度比例參數(shù)s〔單位像素/毫米〕，攝像機焦距矩陣M，矩陣表示：其中感光片偏移cx、cy。焦距fx、fy〔單位像素〕。存在圖像旋轉(zhuǎn)和平移以及畸變的圖像坐標，引入圖像旋轉(zhuǎn)矩陣R，其中r1、r2為正交的旋轉(zhuǎn)向量和圖像平移d，那么Q映射為q的單應性算式為：，定義成象單應性矩陣H=sMR，那么前式可寫為：。OpenCV從多個棋盤格角點圖像中求解求H作為攝象機內(nèi)部參數(shù)標定值。矯正圖像時使用H的逆矩陣。……4、運動掃描拼接的處理由于攝像機的視野有限，必須通過圖書查閱伺服機構(gòu)在整列書架中移動掃描所有的條碼，那么需要在為攝像過程中每幅圖像進行條碼識別，而后進行條碼序列拼接，獲得整列書架中的圖書條碼序列。……三、條碼識別結(jié)果按照以上描述的方法，成功地進行圖書的多條碼的分割和圖像識別。如圖8所示。圖8Code39條碼識別的結(jié)果四、總結(jié)五、展望目前條碼圖像識別技術(shù)被越來越多地在移動通信領(lǐng)域中得到應用，其中包括的一維、二維條碼識別和信息查詢。其中圖像識別算法是根底。由于圖像識別和信息查詢需要大量的運算資源，不適合在中直接進行，可以通過架構(gòu)BS或云計算系統(tǒng)實現(xiàn)。在高校中查詢圖書、設(shè)備維護管理等領(lǐng)域中運用條碼進行信息管理，最簡單的應用方式將是圖像識別和信息查詢在效勞器端運行，等手持終端僅需要拍照獲得圖像、無線聯(lián)網(wǎng)收發(fā)信息即能實現(xiàn)。主要參考文獻GaryBradski&AdrianKaebler于仕琪劉瑞禎譯學習OpenCV清華大學出版社范永法姚俊有復雜背景的條碼圖像實時處理的研究河海大學儀器儀表學報胡東紅譚輝陳莘萌Radon變換在二維條碼圖像識別中的應用武漢大學學報于忠清基于圖像處理的嵌入式條碼識別系統(tǒng)及應用研究博士學位論文中國海洋大學劉大偉基于邊緣檢測的圖像去噪方法在二維條碼識別中的研究與應用碩士學位論文中國海洋大學甘嵐,劉寧鐘.基于亞像素邊緣檢測的二維條碼識別計算機工程,2003,29(22):1552157.JosephE,PavlidisT.BarCodeWaveformRecognitionUsingPeakLocations[J].IEEETransPAMI,1994,16(6):6302640.ISO/IEC160222000205201.InternationalSymbologySpecification2DataMatrix[S].ShellhammerSJ,GorenDP.NovelSignalProcessingTechniquesinBarcodeScanning[J].IEEERobotics&AutomationMagazine,1999,6(1):57265.SriramT,RaoVK.ApplicationsofBarcodeTechnol2ogyinAutomatedStorageandRetrieval