第38卷第5期
计算机仿真2021年5月文章编号：1006 - 9348(2021 )05 - 0393 - 05
王清玥，郭婷
(内蒙古工业大学，内蒙古呼和浩特010051)
摘要：利用当前方法对Q R码标签信息进行识别时，没有对Q R码图像进行处理，导致识别效果差，整体识别效率与信息识别率低，影响了物料自动分拣系统的整体运行效率。提出物料自动分拣系统对应Q R码标签信息识别方法，首先利用背景区域与目标区域的灰度相关性作为二值化依据，采用局部阈值分割法对Q R码图像进行二值化处理，提高Q R码的清晰度；引 人投影法通过水平和垂直投影计算确定Q R码的候选区域，确定其准确位置；按照Q R码的标准译码流程，利用极化译码算法确定Q R码内的探测图形和版本信息，实现Q R码标签信息识别。实验对比结果表明，所提方法在实践中拥有更好的识别效果与识别效率、准确性。 关键词：图像预处理；物料自动分拣系统；二值化；局部阈值分割法；投影法；参考译码算法
中图分类号:T P399 文献标识码：B
Automatic Material Sorting System Corresponding
to Q R Code Label Information Recognition
WANG Qing - yue, GUO Ting
(I n n e r M o n g o l i a U n i v e r s i t y o f Technology,Hohhot I n n e r M o n g o l i a010051 ,China)
A B S T R A C T：The n e g l e c t o f Q R c o d e i m a g e p r o c e s s i n g i n t r a d i t i o n a l me th od s r e s u l t s i n p o o r r e c o g n i t i o n e f f e c t and
l o w r e c o g n i t i o n r a t e,a f f e c t i n g t h e o v e r a l l o p e r a t i o n e f f i c i e n c y o f a u t o m a t i c m a t e r i a l s o r t i n g s y s t e m.T h e r e f o r e,t h i s p a p e r p u t s f o r w a r d a method t o i d e n t i f y QR c o d e l a b e l i n f o r m a t i o n o f a u t o m a t i c m a t e r i a l s o r t i n g s y s t e m.F i r s t l y,t h e QR c o d e im ag e was b i n a r i z e d t o i m p r o v e t h e c l a r i t y o f t h e Q R c o d e b y t h e g r a y c o r r e l a t i o n b e t w e e n t h e ba ck gr ou nd r e
g i o n and t h e t a r g e t r e g i o n,an d t h e l o c a l t h r e s h o l d s e g m e n t a t i o n method.Secondly,a c c o r d i n g t o t h e h o r i z o n t a l and
v e r t i c a l p r o j e c t i o n,t h e p r o j e c t i o n method was i n t r o d u c e d t o d e t e r m i n e t h e c a n d i d a t e r e g i o n o f Q R code.Then,a c
c o r
d i n g t o t h
e s t a n d a r d d e c o d i n g p r o c e s s o
f QR code,p o l a r i z a t i o n d e c o d i n
g a l g o r i t
h m was u t
i l i z e d t o d e t e r m i n e t h e
d e t e c t i o n p a t t e r n and v e r s i o n i n f o r m a t i o n i n QR code.F i n a l l y,Q R c o d e t a g i n f o r m a t i o n r e c o g n i t i o n was co mp le te d.
The r e s u l t s show t h a t t h e method h a s e x c e l l e n t r e c o g n i t i o n e f f e c t,h i g h r e c
o g n i t i o n e f f i c i e n c y and a c c u r a c y.
K E Y W O R D S：Image p r e p r o c e s s i n g；A u t o m a t i c m a t e r i a l s o r t i n g system；B i n a r i z a t i o n；L o c a l t h r e s h o l d s e g m e n t a t i o n method；P r o j e c t i o n method；R e f e r e n c e d e c o d i n g a l g o r i t h m
i引言
为了快速、精准的对Q R码标签信息进行的识别[1]，李 少波[2]等提出基于机器视觉的条码在线识别方法，首先分析 了条码的编码原理，再对条码图像进行了特征提取，并建立 识码系数与条码运动的关系模型，最后引人Halccm算法对条 码内的信息进行识别。但该方法没有对Q R码图像进行二
基金项目：国家自然科学基金（51865043)；内蒙古工业大学自治区级大学生创新实验计划项目（202010128019)
收稿日期=2020-10-12值化处理，导致识别效果欠佳，准确性较差。丁伟利[3]等提 出一种多目标Q R码的识别方法，首先结合连通区域标记算 法对图中的多个Q R码进行分割，利用轮廓跟踪获得QI{码探测图形边界，并使用逆投影变换对Q R码进行校正处理，最后通过C语言完成Q R码内信息的识别。虽然该方法能 够有效识别Q R码标签信息，但未利用局部阈值法对Q R码 图像进行二值化处理，也未引
人投影法确定Q R码的候选区 域，导致识别效率过低。孙洋洋[41等提出多种方法结合的条 形码识别方法，首先利用轮廓检测方法提取特征区域，然后 利用仿射变换算法完成条形码的角度校正，再利用条形码识 别开发包获取条形码信息完成识别。但该方法未将二值化
—393—
后的图像进行投影法计算，确定Q R码的候选区域，导致QR 码的位置不准确，影响了信息识别率，因此不能被广泛使用。
针对上述方法中的不足，提出物料自动分拣系统对应Q R码标签信息识别方法。
2 Q R码图像处理方法
Q R码是以矩阵形式呈现的二维条码，如图1所示，编码 区域包括各个功能区域图形组成，不同于传统的一维条码有 着特殊的线性关系，可以通过带有激光扫描的设备进行识别。因此，所提方法以图像的处理为基础，基于此得到QR 码内的字符、信息，然后进行译码、输出，完成识别。
空白处
位置探测图
分b符
版本信息
定位n形
格式信息
校正n形
»裾和纠错
图 1 Q R码中各区域功能示意图
2.1Q R码图像二值化
Q R码在识别时经常处于在光照不均匀得环境下，导致 图像出现失真现象，因此需要将Q R码在译码识别前转化为二值化图像15]。
如图2所示，在自然因素影响下,Q R码图像中的识别目 标和背景的灰度值大不相同，因此，所提方法利用背景区域 和目标区域的灰度相关性，作为图像二值化的依据，进行局 部阈值分割处理。
a想情况
钥匙胚
图2理想与实际情况下的图像灰度直方图
若利用全局阈值对Q R码图像进行分割，不能兼顾到图 内的每个角落，进而影响图像的分割效果。为了拥有更好的 图像分割效果，首先利用高通滤波器对图像中的噪声点进行 剔除(6]，然后采用局部阈值法对Q R码进行二值化处理。
首先，采用高通滤波器对Q R码图像进行去噪处理，设 D 为截止频率，其定义如式（1)所示
—394 —
H(u，v)(1)
jO,D(uyv) ^D
U,D(u tv)> D
设r为一个阈值，关系表达如式(2)所示
T - ^-x^y^p i x^y)J(x ty)^T(2)
其中，点（x，y)的灰度级为/U，y)，该点的局部性质为p U，y)。
在图像/U，y)中，将满足的点均划分到同个
aaaaaaaaaaaaaaaaaa区域中，其余的点划分到另外的区域中。局部阈值如式（3) 所示
T(x,y)= (/•b)(x,y)(3)
其中，图像函数为/，结构元素为6。
阈值处理如式(4)所示
r i^T
l〇/(x,y)< T
给定局部阈值后，通过式(5)得到处理后的二值图像
g(x,y)⑷
(5)
综上可知，采用局部阈值法对Q R码图像进行二值化处 理[7]，可以使图像不受自然环境的影响变得更清晰，使感兴 趣的目标轮廓更加明显，提高识别的效率。经过二值化处理 后的Q R码图像，如图3所示。
二值化后Q R码图像
图3 Q R码图像二值化处理
2.2Q R码区域定位
经过二值化处理后，Q R码图像中的噪声点大部分都被 剔除。为了能够更加快速的识别Q R码标签信息，提高方法 的整体识别效率与信息识别率，引人投影法通过水平和垂直 投影计算确定Q R码的候选区域[8]，获取Q R码的准确位置。
将Q R码二值化图像中同一行、列像素之和进行归一化，关系表达式如下所示
histH[y]=
histvl=
^A x,y) ,0 ^y < /i
x=0^^0 ^0
h—l ui-1 A-l
y/(^,r)/y y/(^»r)^x < w
y=0 x=0r=〇
其中，第;c列与第y行归一化处理后的投影值为[幻
和
t o H[y]，Q R码二值化图像的高和宽为w和h。
如果垂直投影值小于水平投影值，那么[幻心[y]，则在像素点U,y)周围搜索领域内的其它像素值，如图 4所示，当搜索到结果存在/(l y) = 1，则将该点标识为候选 目标像素点。
5 6 7
图4 Q R码目标像素点搜索示意图
采用加权算术平均法对图像进行水平投影。首先，将水 平像素投影值看作离散数列，设为码二值化图
像中第X行的原始投影值，为码二值化图像中第X-1平滑后的投影值，一次指数的平滑数列计算方法 如式(7)所示
histvl= ahistyl J f]+ (1 - a)histvl X- 13 (7)其中，A i s t J1] = 0]，a=0•3。
由于(?《码区域的投影面积比较大，上下行区域附近的 投影值比较小，因此需要到水平投影值大于指定阈值的投 影区，定位出<?/?码的准确位置，计算方法如式（8)所示
rmax = max\f(x + i,y + j)|(^)
lmin = min|/(3t+ i,y + j)\
式中,0矣!'矣3;0句$3,m a x为一个窗口大小为4 *4的区域 内像素的最大值;min为一个窗口大小为4 *4的区域内像素 的最小值，图5内的红窗口为经过投影法计算后的标记出 的Q R码定位结果。
图5 Q R码定位结果示意图
3基于极化译码算法的Q R码标签信息识别
Q R码是以矩阵形式呈现出的图形化编码符号，对QR 码标签信息进行识别就是将图像化编码转换成有效的数据信息。
3.1 Q R码的标准译码流程
识别Q R码符号到输出译码的步骤是一种编码程序的3.2 Q R码标签信息识别算法
所提方法通过极化译码算法在译码流程的基础上寻
二值化图像中存在的符号，并对符号进行译码处理，主要流
程如下：
1) 通过Q R码二值化图像中存在的最大反射率和最小反射率确定阈值，根据阈值用浅的像素代替深的像素；
2) 确定寻像图形
Q R码中存在的寻像图形通常是由位置相同的三个探测
图构成。每个像素在探测图形中的相对宽度比例为1:1:3,
太阳能电池板制作—395—
图6 Q R码译码流程
逆过程，具体解码流程如下所示：
0首先以深模块与浅模块识别为“0”与“1”的阵列
定位并获取Q R码符号图像；
2) 识别格式信息与版本信息，确定Q R码符号的版本；
3) 根据Q R码中的模块排列规则，识别符号字符，回复 信息的数据与纠错码，并利用纠错级别信息相对应的纠错码
字检测错误，如果发现错误，立即进行纠错；
4) 根据模式指示符和字符计数指示符，将数据码字划为 多个部分；
5) 按照使用的模式译码得出数据字符并输出结果，图6 显示了 Q R码标准译码的具体流程。
又
用纠错码字
没
有
错
误
设每一个元素块宽度的允许偏差为0.5;
①如图7(a)所示，当搜索到预选区时，重点观察相同行 像素在Q R码图像中与位置探测图形外边缘相交的首位两 个点，并重复探测图形中存在的相邻像素，当所有经过方块 中心X轴位置的直线全部检测完毕后停止迭代；获得的计算值，反之，版本信息则按照下述步骤进行译码；
①当符号版本大于6时，计算模块尺寸CP2:
c p2= t r2/7 (11)
②如图9所示，出三个位置探测图像中心的导向线
然后根据式（11)确定版本信息1区域中每个模块 的取样网络；
回
图9 Q R版本信息
图7位置探测图形扫描线
②重复上述步骤，对所有穿过位置探测图形中心的像素 行进行识别；
③ 确定图形中心
通过在X轴方向穿过位置探测图形中心块连接A、B两
点，并用相同的方法以垂直方向画一条直线为Y轴，则X轴
与Y轴的交点为位置探测图形的中心，如图7 (b)所示；
④ 按照步骤1)至步骤3)，确定Q R码中其它两个位置 探测图形的中心。
3) 将获取的3个位置探测图形中心的坐标进行分析，对
Q R码中处于左上角的位置探测图形进行识别；
4)设I T1、妒描述的是两个不同的探测图形，两个探测
图形之间存在的距离为探测图形如图8所示。③检测并修正版本信息，当容错量小于错误数时，对处
于左下角的图形宽度妒进行计算，并按照步骤①、②进行 译码。
8) 利用公式验证(?/?码字符的正确性，如式（12)所示
L L^1^6<(L±^1(12)
6 〇
9) 输出译码，完成识别。
综上所述，所提方法按照Q R码的标准译码流程，利用 参考译码算法确定探测图形和版本信息，实现Q R码标签信 息识别。
4实验分析
为了验证所提方法的整体有效性，如图10所示，实验利 用文献[2]、文献[3]、所提方法在分别对物料包装上的QR 码进行识别效果、识别效率、准确性对比测试，实验背景参数 如表1所示。
码中位置探测图形X轴的计算方法如式(9)所示
X = (W'+ W2)/14(9) 6)符号版本的初步确定计算，如式（10)所示
V =[(D/X)- 1〇]/4 (10) 7)当符号版本比6小时（包括6)，(?/?码的版本号即为
图10实验示例图
表1实验背景参数
操作平台PC
刺辊处理器Xeon E5606内存16 Gbit 主频 2. 13GHz
—396
—
图13记录了三种方法的Q R 码标签信息识别率。
图12不同方法的Q R 码识别效幸
如图12所示，是三种方法的识别效率对比结果。文献 [2]方法因为识别过程复杂，所以耗时最多；文献[3]方法没 有将Q R 码图像中的背景区域与目标区域分割开，识别时间 也随着图像内的像素点增加而增长；而所提方法利用背景区 域和目标区域的灰度相关性作为图像二值化的依据，并通过 局域阈值法进行了分割处理，增强了 Q R 码图像的清晰度, 使目标区域更加突出，因此，所提方法的识别效率不会受到 自然因素的影响而降低。4.3信息识别率
为了使本节实验的结果更加可靠.引人识别率计算公式 对三种方法的识别率进行计算分析。如式（13)所示
P = (AP /K )100%
(13)
式中，A P 为计算范围允许最大绝对误差，y 为量程输出。
(文献[3])
(所提方法）
图11不同方法的Q R 码识别效果
4.1识别效果
由图11可以看出，文献[2]方法因为未对Q R 码图像进 行预处理，所以不能进行有效的信息识别；文献[3 ]方法没有 对图像进行二值化，虽然能够对Q
R
码进行有效的信息识
别，但是细节处的识别效果还有所欠佳；而所提方法首先利 用高通滤波器剔除了 Q R 码图像中的噪声点，然后采用局部 阈值法对其进行了二值化处理，从而使图像内的目标轮廓更 加明显，所呈现的识别效果也更加优秀。4.2识别效率
Q R
码标签信息识别过程经常会在光照均匀的情况下进
行，如果没有将Q R
码图像中的背景区域与目标区域分割 开，就会大大影响识别效率。
•* 点/p <钢格板压焊机
图13不同方法的Q R 码信息识别率
由图13的实验对比结果可以看出，文献[3]方法的识别
过程相对稳定，经过式（13)计算，信息识别率为73. 5% ；文 献[2]方法的因识别过程繁琐，导致信息识别过程波动性较 大，经计算分析，信息平均识别率为61. 2% ；而所提方法对
Q R
码图像进行了二值化处理，并引人投影法通过水平和垂
直投影计算确定Q R 码的候选区域，获取Q R 码的准确位置, 因此，信息识别率一直保持在82.3%以上，明显高于其它 方法。5
结束语1)
为了提高物料自动分拣系统的运作效率，实现Q R 条
码标签信息快速、精准的识别，考虑到Q R 码是矩阵型呈现 的二维条码，识别时必须兼顾图内的各个角落，因此，采用局 部阈值分割法对Q R
码进行二值化处理，提髙（?R 码的清
晰度。
2)
引人投影法通过水平和垂直投影计算Q
R
码的候选
区域，获取Q R 码的准确位置，提高方法整体的信息识别率， 最后利用极化译码算法，按照
Q R
码的标准译码流程确定
Q R
码内的探测图形和版本信息，信息识别率一直保持在
82. 3%以上，实现Q R 码标签信息精准识别。实验对比结果 表明，所提方法在实践中拥有更好的识别能力。
参考文献：
[1]
张卫芬，汤文成.基于机器视觉的物料自动分拣系统研究[J ]. 组合机床与自动化加工技术，2019,(6) :34-37.
[2] 李少波，王铮，杨静，等.基于机器视觉的一维和二维条码高速
在线识别[J ].计算机集成制造系统，2020,264(4) :44 -53.[3] 丁伟利，王明魁，谷朝，等•一种多目标Q R 码图像快速校正方
法[J ].光学学报，2017,37(10) :98 -106.
[4] 孙洋洋，郭阳宽，张晓青.基于图像处理的多条形码检测方法
tvline
研究[J ]•仪表技术与传感器，2020,444(0:96-99.
[5] 甘志坚，陈哲，方俊彬，等.复杂光照下Q R 码图像二值化算法
研究及应用[J ]•应用光学，2018,39(5) :667 -673.[6]
钱润达，赵东，周慧鑫，等.基于加权引导滤波与时域高通滤波 的非均匀性校正算法[J ]•红外与激光工程，2018,47(12):
147-152.
(下转第466页）
—397
—
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议