本發(fā)明屬于算法領域，涉及一種圖像處理方法，具體涉及一種二維碼圖像處理方法。

背景技術：

Data Matrix 是在國際制造領域廣泛使用的二維碼。 Data Matrix是二維碼的一個成員，與1989年由美國國際資料公司發(fā)明，廣泛用于商品的防偽、統(tǒng)籌標識。是一種可以直接標記在固體表面的編碼，該編碼可以像普通條形碼一樣被相應的掃描裝置自動讀取，很受制造業(yè)青睞。目前Data Matrix被廣泛用于產品標識、防偽、質量追蹤、自動倉儲、物流管理與控制等系統(tǒng)。Data Matrix采用了復雜的糾錯碼技術，使得該編碼具有超強的抗污染能力。即使編碼部分破損，一樣不會影響讀出全部信息。Data Matrix的印刷特征使得它成為目前唯一支持可以直接標記（印刷、刻制、光刻、腐蝕、沖壓等方式）在產品或零部件表面的編碼。它的高效容錯性能使它可以承受制造或流通過程中對零部件表面標識的污染，因此非常受制造業(yè)的歡迎。針對各種不同的應用，國際上已經頒布了多種形式的 Data Matrix 符號標準體系。Data Matrix的最小尺寸是目前所有條碼中最小的，尤其特別適用于小零件的標識，以及直接印刷在實體上。

Data Matrix又可分為ECC000-140與ECC200兩種類型，ECC000-140具有多種不同等級的錯誤糾正功能，而ECC200則透過Reed-Solomon演算法產生多項式計算出錯誤糾正碼，其尺寸可以依需求印成不同大小，但采用的錯誤糾正碼應與尺寸配合，由于其演算法較為容易，且尺寸較有彈性，故一般以ECC200較為普遍。Data Matrix碼密度高，尺寸小，信息量大，給這種識別提供了可能，國內對DM碼研究也較少。Data Matrix碼是一種矩陣式二維條碼，其最大特點就是密度高，其最小尺寸是目前所有條碼中最小的碼。DM碼可在僅僅25mm²的面積上編碼30個數(shù)字。DM采用了復雜的糾錯碼技術，使得該編碼具有超強的抗污染能力。Data Matrix因提供極小又高密度的標簽，且仍可存放合理的資料內容，故特別適用于小零件標識，商品防偽，電路標識等。由于其優(yōu)秀的糾錯能力，DM碼己成為韓國手機二維條碼的主流技術。相對QR而言，DM碼由于信息容量差異不多，應用簡單，被業(yè)內稱為“簡易碼”，對終端要求不高，30萬像素的手機就可識別，它更多的是基于WAP的增值。二維碼給手機上網帶來了新的入口，通過掃描各類條碼，用戶很快就能進入WAP網站，進行快速瀏覽。Data Matrix符號看起來像一個由深淺兩種顏色組成的國際象棋棋盤，每一個相同大小的黑色或白色方格稱為一個數(shù)據單位，Data Matrix符號就是由許多這樣的數(shù)據單位組成。在尋邊區(qū)外層有寬度為一個數(shù)據單位的靜區(qū)。尋邊區(qū)是“棋盤”的邊界，只用于定位和定義數(shù)據單位大小，而不含有任何編碼信息。被尋邊區(qū)包圍的數(shù)據區(qū)包含著編碼信息。

現(xiàn)有技術中使用Data Matrix大都印刷、刻制、光刻、腐蝕、沖壓等方式，這些方式生成的二維碼的識別方式較簡單，因為其邊緣的識別度較高，但是采用3D打印的方式，直接生成二維碼，其識別邊緣較模糊，較難實現(xiàn)定位，并且，由于材質原因，在光照條件下，對比度相對較差，將其處理識別時，難度較大，因此，研究一種能夠針對3D打印方法生成的二維碼進行圖像處理的方法，具有重要的意義。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題，是提供一種二維碼圖像處理方法，采用針對光照變化不敏感的二維碼，采用灰度拉伸的方法代替了現(xiàn)有技術中的平滑方法，使得識別度增加。

為解決上述技術問題，本發(fā)明所采取的技術方案是：

一種二維碼圖像處理方法，按照以下步驟順序進行：

1）獲取定位區(qū)域；

2）調獲得定位區(qū)域后，根據datamatrix二維碼的碼制標準，采用雙線性插值法調整圖像尺度為正方形；

3）用非線性灰度拉伸算法來提高圖像的對比度；

4）對步驟3）得到的結果進行腐蝕，以消除由光源偏差造成的陰影；

5）用二維高斯卷積算子對圖像f(x,y)按塊大小為q*q進行卷積；

6）對卷積后的圖像G(x,y)進行自適應閾值的二值化運算，從而得到處理好的datamatrix二維碼；

7）將得到的標準的datamatrix二維碼輸入進解碼器中進行解碼。

作為本發(fā)明的一種限定，所述的步驟2）的具體方法為：

（a）設新圖像像素位置為(m,n)，放大倍數(shù)分別為k,p, 則調整后像素位置在原圖像的對應位置為：；

（b）設原圖像四個點,f(i,j),f(i+1,j),f(i,j+1),f(i+1,j+1),計算四點區(qū)域的插值，得到新圖像對應位置處的像素值f(x,y)：

其中， ,b,且：

a=x-i；b=y-j；

（c）通過調整參數(shù)k和p，將圖像變成p*q寬度的正方形；其中，p為二維碼的碼字個數(shù)，q為將p擴展的尺度。

作為本發(fā)明的另一種限定，所述的步驟3）的具體方法為：

（a）設圖像f(x,y)的灰度最小值為min，灰度最大值為max,則圖像灰度均值為：

；

（b）根據灰度均值計算最小值E：

設定e1=0.05，e2=0.95， E= min(E1,E2)，eps為一個趨近于0的常數(shù)；

其中，；

（c）將得到的E帶入方程中計算，得到對比度增強后的圖像，設函數(shù)輸入圖像d=f(x,y),則計算方程為：。

作為上述限定的進一步限定，所述的步驟b）中eps為10^-26~10^-28。

作為本發(fā)明的第三種限定，所述的步驟4）的具體方法為：設置結構元素g對圖像f(x,y)進行腐蝕：

(fΘg)(s, t)=min{f(s+x, t+y)- g(s,t)|s+x, t+y∈Df , x+y∈Dg }

其中，g為結構元素，s為豎直方向的尺度，t為結構元素水平方向的尺度，Df為圖像f(x,y)垂直方向的邊界，Dg為圖像f(x,y)水平方向的邊界。

作為本發(fā)明的第四種限定，所述的步驟5）中卷積結果輸出一個12×12的矩陣，該矩陣中每個像素的值表示每一個塊的高斯加權均值；

其中高斯算子為： g(x,y)=；

設卷積后的圖像為G(x,y)，則：G(x,y)=g(x,y)*f(x,y)；其中，g(x,y)為高斯算子，f(x,y)為圖像，G(x,y)為卷積后的圖像，σ為高斯函數(shù)的標準差，σ=0.5，“*”為卷積運算符，高斯算子的尺度為q。

本發(fā)明還有一種限定，所述的步驟6）的具體方法為：

（a）將得到的12×12的矩陣應用最大類間方差法計算形成二值化區(qū)域；

（b）設區(qū)域內像素的取值范圍為min~max，該區(qū)域內像素總數(shù)目為N，設該區(qū)域二值化的最佳閾值為T，其中T∈min~max，閾值為Ti時：

i）若該區(qū)域灰度值大于Ti的像素數(shù)目為sum1，像素值的和為max1，則其灰度均值為：；其權值為： ；

ii）該區(qū)域灰度值小于Ti的像素數(shù)目為sum2，像素值的和為max2，則其灰度均值為：；其權值為：；

iii）得到該區(qū)域的整體灰度均值為：；

從而得到兩部分方差和為：；

遍歷所有的Ti，將得到最大方差值的閾值作為將該區(qū)域二值化的閾值。

由于采用了上述的技術方案，本發(fā)明與現(xiàn)有技術相比，所取得的技術進步在于：

本發(fā)明采用針對光照變化不敏感的二維碼，采用灰度拉伸的方法代替了現(xiàn)有技術中的平滑方法，使得識別度增加。

本發(fā)明適用于3D打印樹脂材料二維碼的識別。

本發(fā)明下面將結合說明書附圖與具體實施例作進一步詳細說明。

附圖說明

圖1為本發(fā)明實施例1步驟1）的示意圖；

圖2為本發(fā)明實施例1步驟2）的示意圖；

圖3為本發(fā)明實施例1步驟3）的示意圖；

圖4為本發(fā)明實施例1步驟4）的示意圖；

圖5為本發(fā)明實施例1步驟5）的示意圖；

圖6為本發(fā)明實施例1步驟6）的示意圖。

具體實施方式

實施例1 一種二維碼圖像處理方法

一種二維碼圖像處理方法，按照以下步驟順序進行：

1）獲取定位區(qū)域，如圖1所示；

2）調獲得定位區(qū)域后，根據datamatrix二維碼的碼制標準，采用雙線性插值法調整圖像尺度為正方形，如圖2所示；

（a）設新圖像像素位置為(m,n)，放大倍數(shù)分別為k,p, 則調整后像素位置在原圖像的對應位置為：；

（b）設原圖像四個點,f(i,j),f(i+1,j),f(i,j+1),f(i+1,j+1),計算四點區(qū)域的插值，得到新圖像對應位置處的像素值f(x,y)：

其中，,b,且：

a=x-i；b=y-j；

（c）通過調整參數(shù)k和p，將圖像變成p*q寬度的正方形；其中，p為二維碼的碼字個數(shù)，q為將p擴展的尺度。

3）用非線性灰度拉伸算法來提高圖像的對比度，如圖3所示，其方法為：

（a）設圖像f(x,y)的灰度最小值為min，灰度最大值為max,則圖像灰度均值為：

；

（b）根據灰度均值計算最小值E：

設定e1=0.05，e2=0.95， E= min(E1,E2)，eps為一個趨近于0的常數(shù)，eps為10^-26~10^-28。；

其中，；

（c）將得到的E帶入方程中計算，得到對比度增強后的圖像，設函數(shù)輸入圖像d=f(x,y),則計算方程為：。

4）對步驟3）得到的結果進行腐蝕，以消除由光源偏差造成的陰影，如圖4所示，具體方法為：設置結構元素g對圖像f(x,y)進行腐蝕：

(fΘg)(s, t)=min{f(s+x, t+y)- g(s,t)|s+x, t+y∈Df , x+y∈Dg }

其中，g為結構元素，s豎直方向的尺度，t為結構元素水平方向的尺度，Df為圖像f(x,y)垂直方向的邊界，Dg為圖像f(x,y)水平方向的邊界。

5）用二維高斯卷積算子對圖像f(x,y)按塊大小為q*q進行卷積，如圖5所示，卷積結果輸出一個12×12的矩陣，該矩陣中每個像素的值表示每一個塊的高斯加權均值；其中高斯算子為： g(x,y)=；

設卷積后的圖像為G(x,y)，則：G(x,y)=g(x,y)*f(x,y)；其中，g(x,y)為高斯算子，f(x,y)為圖像，G(x,y)為卷積后的圖像，σ為高斯函數(shù)的標準差，σ=0.5，“*”為卷積運算符，高斯算子的尺度為q。

6）對卷積后的圖像G(x,y)進行自適應閾值的二值化運算，從而得到處理好的datamatrix二維碼，如圖6所示，具體方法為：

（a）將得到的12×12的矩陣應用最大類間方差法計算形成二值化區(qū)域；

（b）設區(qū)域內像素的取值范圍為min~max，該區(qū)域內像素總數(shù)目為N，設該區(qū)域二值化的最佳閾值為T，其中T∈min~max，閾值為Ti時：

i）若該區(qū)域灰度值大于Ti的像素數(shù)目為sum1，像素值的和為max1，則其灰度均值為：；其權值為： ；

ii）該區(qū)域灰度值小于Ti的像素數(shù)目為sum2，像素值的和為max1，則其灰度均值為：；其權值為：；

iii）得到該區(qū)域的整體灰度均值為：；

從而得到兩部分方差和為：；

遍歷所有的Ti，將得到最大方差值的閾值作為將該區(qū)域二值化的閾值。

7）將得到的標準的datamatrix二維碼輸入進解碼器中進行解碼。

以上所述，僅是本發(fā)明的較佳實施例而已，并非是對本發(fā)明作其它形式的限定，任何熟悉本專業(yè)的技術人員可能利用上述技術內容作為啟示加以變更或改型為等同變化的等效實施例。但是，凡是未脫離本發(fā)明技術構思，依據本發(fā)明的技術實質對以上實施例所作出的簡單修改，等同變化與改型，仍屬于本發(fā)明權利要求的保護范圍。