[发明专利]面向实时嵌入式系统的一维条码识别方法有效

专利信息
申请号: 201510047272.1 申请日: 2015-01-29
公开(公告)号: CN104573674B 公开(公告)日: 2017-11-28
发明(设计)人: 杨克己 申请(专利权)人: 杨克己
主分类号: G06K9/00 分类号: G06K9/00;G06K9/54;G06K7/10
代理公司: 无锡市大为专利商标事务所(普通合伙)32104 代理人: 殷红梅
地址: 310013 浙江省杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明提供一种面向实时嵌入式系统的一维条码识别方法,包括下述步骤步骤S1,对于采集的图像进行处理,获得降低分辨率的二值化图像和原分辨率的二值化图像;步骤S2,在降低分辨率的二值化图像中定位条码区域;步骤S3,利用上述条码区域定位信息,对原分辨率的二值化图像进行识别,进行条码解码。本发明对于智能相机抓取的含有一维条码的图像,取其降低了分辨率的副本进行定位,因为定位是作用于整幅图像,降低分辨率可以保证实时性;利用定位信息,对原分辨率图像进行识别,因为识别是作用于条码区域,利用原分辨率可以在保证实时性的同时,也能保证精确性,提高解码准确率。
搜索关键词: 面向 实时 嵌入式 系统 条码 识别 方法
【主权项】:
一种面向实时嵌入式系统的一维条码识别方法,其特征在于,包括下述步骤:步骤S1,对于采集的图像进行处理,获得降低分辨率的二值化图像和原分辨率的二值化图像;步骤S2,在降低分辨率的二值化图像中定位条码区域;步骤S3,利用上述条码区域定位信息,对原分辨率的二值化图像进行识别,进行条码解码;所述步骤S1具体包括:S101),将采集的RGB图像转化为灰度图;S102),对灰度图进行图像增强的处理;S103),进行图像去噪的处理;S104),将灰度图转化为二值化图像;S105),降低上个步骤S104)所得二值化图像的分辨率,获得降低分辨率的二值化图像;所述步骤S2具体包括:S201),对降低分辨率的二值化图像进行边缘强化处理;S202),然后对上述降低分辨率的二值化图像进行形态学处理,将整个条码区域连通;S203),进行区域过滤的处理;S204),获取条码区域的四个角点位置,即可定位条码区域;所述步骤S3具体包括:S301),进行位置信息转换,将条码区域在降低分辨率的二值化图像中的位置信息转换为在原分辨率二值化图像中的位置信息;S302),在原分辨率二值化图像中进行条码旋正;S303),进行垂直投影的处理:将条码上同一列的像素值累加;S304),进行获取模块比例的处理:获取条码上条空的宽度比例;S305),进行译码和校验,即根据所得模块比例解析条码携带信息;步骤S102)中,图像增强方法采用USM锐化算法;步骤S103)中,采用自适应结构元大小的高斯模糊算法进行图像去噪的处理;步骤S104)中,具体采用动态迭代的otsu二值化算法将灰度图转化为二值化图像;步骤S105)中,降低图像分辨率采用的是隔点取样的方法;步骤S201)中,边缘强化所采用的边缘强化算子是Canny算子;对降低分辨率的二值化图像进行边缘强化处理;边缘强化是利用边缘强化算子去处理图像的过程;该算法步骤如下:a.利用高斯平滑函数消除噪声,这里的平滑因子可以复用S103中所得的二阶正态分布函数K(i,j);b.分别用水平的和垂直的一阶差分卷积模板对图像做卷积,并将两次得到的结果求取平方和,具体公式如下:G1(x,y)=F(x,y)×H1(x,y)G2(x,y)=F(x,y)×H2(x,y)G(x,y)=(G1(x,y)^2 + G2(x,y)^2) ^ (1/2)其中,×表示求卷积运算,^表示求幂运算,H1(x,y),H2(x,y)分别表示水平和垂直的一阶差分卷积模板;F(x,y)表示输入图像;c.非极大值抑制,简而言之是将步骤二后所得各点值中极大值保留,非极大值置0;步骤S204)中,采用边界探索算法获取条码的角点信息。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杨克己,未经杨克己许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201510047272.1/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top