复杂背景下形变qr码的取样算法研究(源码)
QR码被广泛应用于物流、仓储、邮政、交通运输等各个领域，给人们的生活带来了极大的便利。但是在QR码拍摄过程中，往往出现光照不均，复杂背景和图像失真形变等现象，降低了取样的准确率。针对上述问题，对QR码取样过程中涉及到的相关算法进行实现与比较并提出了改进。将灰度拉伸，分块的灰度均值二值化和改进的膨胀腐蚀算法相结合进行预处理；在传统的位置探测图形定位算法的基础上结合从内到外黑白区域面积比和其各自的面积周长比对干扰图形进行排除；通过 右边界和下边界拟合直线的交点，定位右下顶点；结合边缘“凹陷”填补和曲线拟合提取QR码边缘轮廓，改进后的算法提高了取样的准确率。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 选题背景1
1.1 问题的提出1
1.2 研究现况2
2 算法原理及优化2
2.1 图像预处理3
2.1.2 图像灰度化3
2.1.3 图像二值化5
2.1.4 图像去噪6
2.2 QR码区域提取7
2.2.1 位置探测图形定位7
2.2.2 旋转校正9
2.2.3 复杂背景下QR码区域提取10
2.3 图像校正13
2.3.1 边缘关键点提取13
2.3.2 校正图像对应点坐标16
2.3.3 图像校正18
2.4 图像取样19
2.4.1 传统取样19
2.4.2 自适应取样20
3 算法实现20
4 总结21
致谢22
参考文献22
复杂背景下形变QR码的取样算法研究
引言
引言
1 选题背景
1.1 问题的提出
随着现代科技的发展，QR码由于其识别速度快，信息保密性强等优点，在全世界得到普及[1]。然而，在QR码的采集过程中，往往由于复杂背景，光照不均，图像形变失真等问题，降低了取样的准确率，让解码过程变得极其困难。针对这一问题，对现有工作提出的解决 *好棒文|www.hbsrm.com +Q: @351916072@
方法进行实现与比较，并根据处理结果进行了优化，提高了取样的准确率。
1.2 研究现状
针对光照不均的问题，闫三虎，胡卫东和罗小平运用灰度估计公式计算图像背景的灰度值，将原图像减去背景图像得到亮度均匀的新图像[2]。孙百洋，冷建伟和栾昊等基于大津律法，利用局部阈值法和窗口逐像素滑动计算，消除光照的影响，与经典的大津律法相比，识别率提高了五倍[3]。陈威兵,杨高波和冯璐根据位置探测图像和校正图像的符号特征，对QR码区域进行大致定位，相比于传统的边缘检测和直线检测的手段，减小了几何失真和背景噪声的影响[4]。SUM M，FU L SH，YANG X T采用OTSU法求取阈值二值化QR码图像，采用梯度法提取QR码边缘，对其降低分辨率后用Hough变换定位条码[5]。张传栋，吴倩和孙飒爽等基于GBVS和Itti视觉机制，对复杂背景中的QR码进行分割[6]。杨絮采用两次约束步长算法（CRLA）结合区域增长算法对复杂背景下QR码区域进行了准确的提取，提出了“搭桥法”，以位置探测图像的边长为“桥”，求出代表QR码边缘轮廓的关键点，结合曲线拟合对QR码的边缘轮廓进行提取，并运用微积分知识计算扭曲QR码上关键点在校正图像上对应点的坐标，最后通过非线性变换关系得到校正图形，解决了现有软件无法识别非线性畸变QR码的问题[7]。宋贤媛,张多英提出自适应取样算法，根据相邻行（列）像素的匹配度，划分QR码的取样区域，解决了传统采用“网格”取样对模块宽度不均的QR码不适用的问题[8]。
2 算法原理及优化
对QR码的取样主要分成四个步骤：
图像预处理。针对图像采集中出现的光照不均和模糊问题，将灰度拉伸算法，灰度均值法和改进的膨胀腐蚀算法相结合，对图像进行预处理。
QR区域提取。QR区域提取包括位置探测图形定位，旋转校正和复杂背景下QR区域提取三个部分，其中，QR区域的提取采用了两个方案。方案一：采用两次约束步长法结合梯度算子提取边缘轮廓；方案二：采用SMG算法结合灰度幂次变换。
图像校正。先提取边界有代表性的像素点，然后计算像素点在校正图像上的对应坐标，运用映射函数完成图像校正。边缘关键点包括QR码的四个顶点，位置探测图像位于边界上的角点和四条边界拟合曲线。
图像取样。采取了传统取样算法与自适应取样算法两种方法。
整个流程如图1所示：
图1 取样过程流程图
2.1 图像预处理
在实际场合采集QR码图像时，常常出现光照不均、模糊等问题，引入了大量的噪声，通过图像预处理，可去除光照等干扰信息，同时保留QR码黑白模块信息。将灰度拉伸算法，加权平均值灰度化，分块的灰度均值二值化和改进的膨胀腐蚀算法相结合，对图像进行预处理。
2.1.1 图像灰度化
由于光线较暗，使得图像整体较暗，QR区域的黑白模块分界线较模糊，进行灰度化二值化处理后图像的失真率较大。按照公式（1），在灰度化前采取灰度拉伸算法，获得较为清楚的图像。如图2所示。
（1）
图2 灰度拉伸结果图（>1）
进行灰度拉伸处理后，可根据彩色图像的RGB值求得灰度值，使得RGB颜色分量的值都等于灰度值，从而实现对图形的灰度化。由于QR码区域由黑白模块构成，用彩色图像显示和储存并没有太大的意义，对图像进行灰度化可达到缩短计算时间以及节约存储空间的目的。
根据人眼对不同颜色具有不同的敏感度，根据公式（2），采用加权平均值法计算图像中各像素的灰度值，处理结果如图3。
（2）
图3 灰度化结果图
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 选题背景1
1.1 问题的提出1
1.2 研究现况2
2 算法原理及优化2
2.1 图像预处理3
2.1.2 图像灰度化3
2.1.3 图像二值化5
2.1.4 图像去噪6
2.2 QR码区域提取7
2.2.1 位置探测图形定位7
2.2.2 旋转校正9
2.2.3 复杂背景下QR码区域提取10
2.3 图像校正13
2.3.1 边缘关键点提取13
2.3.2 校正图像对应点坐标16
2.3.3 图像校正18
2.4 图像取样19
2.4.1 传统取样19
2.4.2 自适应取样20
3 算法实现20
4 总结21
致谢22
参考文献22
复杂背景下形变QR码的取样算法研究
引言
引言
1 选题背景
1.1 问题的提出
随着现代科技的发展，QR码由于其识别速度快，信息保密性强等优点，在全世界得到普及[1]。然而，在QR码的采集过程中，往往由于复杂背景，光照不均，图像形变失真等问题，降低了取样的准确率，让解码过程变得极其困难。针对这一问题，对现有工作提出的解决 *好棒文|www.hbsrm.com +Q: @351916072@
方法进行实现与比较，并根据处理结果进行了优化，提高了取样的准确率。
1.2 研究现状
针对光照不均的问题，闫三虎，胡卫东和罗小平运用灰度估计公式计算图像背景的灰度值，将原图像减去背景图像得到亮度均匀的新图像[2]。孙百洋，冷建伟和栾昊等基于大津律法，利用局部阈值法和窗口逐像素滑动计算，消除光照的影响，与经典的大津律法相比，识别率提高了五倍[3]。陈威兵,杨高波和冯璐根据位置探测图像和校正图像的符号特征，对QR码区域进行大致定位，相比于传统的边缘检测和直线检测的手段，减小了几何失真和背景噪声的影响[4]。SUM M，FU L SH，YANG X T采用OTSU法求取阈值二值化QR码图像，采用梯度法提取QR码边缘，对其降低分辨率后用Hough变换定位条码[5]。张传栋，吴倩和孙飒爽等基于GBVS和Itti视觉机制，对复杂背景中的QR码进行分割[6]。杨絮采用两次约束步长算法（CRLA）结合区域增长算法对复杂背景下QR码区域进行了准确的提取，提出了“搭桥法”，以位置探测图像的边长为“桥”，求出代表QR码边缘轮廓的关键点，结合曲线拟合对QR码的边缘轮廓进行提取，并运用微积分知识计算扭曲QR码上关键点在校正图像上对应点的坐标，最后通过非线性变换关系得到校正图形，解决了现有软件无法识别非线性畸变QR码的问题[7]。宋贤媛,张多英提出自适应取样算法，根据相邻行（列）像素的匹配度，划分QR码的取样区域，解决了传统采用“网格”取样对模块宽度不均的QR码不适用的问题[8]。
2 算法原理及优化
对QR码的取样主要分成四个步骤：
图像预处理。针对图像采集中出现的光照不均和模糊问题，将灰度拉伸算法，灰度均值法和改进的膨胀腐蚀算法相结合，对图像进行预处理。
QR区域提取。QR区域提取包括位置探测图形定位，旋转校正和复杂背景下QR区域提取三个部分，其中，QR区域的提取采用了两个方案。方案一：采用两次约束步长法结合梯度算子提取边缘轮廓；方案二：采用SMG算法结合灰度幂次变换。
图像校正。先提取边界有代表性的像素点，然后计算像素点在校正图像上的对应坐标，运用映射函数完成图像校正。边缘关键点包括QR码的四个顶点，位置探测图像位于边界上的角点和四条边界拟合曲线。
图像取样。采取了传统取样算法与自适应取样算法两种方法。
整个流程如图1所示：
图1 取样过程流程图
2.1 图像预处理
在实际场合采集QR码图像时，常常出现光照不均、模糊等问题，引入了大量的噪声，通过图像预处理，可去除光照等干扰信息，同时保留QR码黑白模块信息。将灰度拉伸算法，加权平均值灰度化，分块的灰度均值二值化和改进的膨胀腐蚀算法相结合，对图像进行预处理。
2.1.1 图像灰度化
由于光线较暗，使得图像整体较暗，QR区域的黑白模块分界线较模糊，进行灰度化二值化处理后图像的失真率较大。按照公式（1），在灰度化前采取灰度拉伸算法，获得较为清楚的图像。如图2所示。
（1）
图2 灰度拉伸结果图（>1）
进行灰度拉伸处理后，可根据彩色图像的RGB值求得灰度值，使得RGB颜色分量的值都等于灰度值，从而实现对图形的灰度化。由于QR码区域由黑白模块构成，用彩色图像显示和储存并没有太大的意义，对图像进行灰度化可达到缩短计算时间以及节约存储空间的目的。
根据人眼对不同颜色具有不同的敏感度，根据公式（2），采用加权平均值法计算图像中各像素的灰度值，处理结果如图3。
（2）
图3 灰度化结果图
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1662.html
