论文部分内容阅读
条码(barcode)是将宽度不等的多个黑条和空白条，按照一定的编码规则排列，用以表达信息的图形标识符。条码主要分为一维条码和二维条码，其中二维条码(Two-dimensional Barcode)信息量大、纠错能力强且不依赖于数据库，主要用于生产自动化管理、物流管理、手机上网、生态研究等各个领域，具有广阔的应用前景。本课题以Data Matrix二维条码作为对象，研究二维条码的图像处理算法，提高复杂条件下条码的识别率。 本文设计的自动识别算法包括图像处理、条码网格划分和数据解析、纠错译码三部分。图像处理部分包括图像预处理、条码初定位、条码细定位、旋转校正。图像预处理部分包括图像的灰度化和二值化。针对二值化时光照不均的问题，本文分四区域采用最大类间方差法，解决了一定范围内光照不均图像的二值化问题。图像预处理后进行条码初定位，确定条码大概位置，再进行条码细定位，精确确定条码的位置和偏转角度，对偏转条码进行校正。条码细定位时，受内部边缘干扰，Hough变换检测二维条码“L”型定位符准确率较低。本文使用轮廓跟踪和Hough变换相结合的方法进行条码细定位。细定位后对条码进行网格划分、采样和数据解析，获取条码包含数据。在分割条码采样网格时，针对透视畸变条码图像采用逐行分割法，实现了透视畸变图像的准确分割。对获取到的数据运用Reed—Solomon纠错码进行纠错，最后译码输出，得到二维条码包含的信息，实现了二维条码的自动识别。 实验结果表明，采用本文设计的算法有效提高了在光照不均、旋转、透视畸变、污损条件下二维条码的识别率。