一种动态阈值数字化条形码影像的系统及方法与流程

本发明涉及数字化条形码影像的方法，尤其涉及一种通过动态阈值数字化条形码影像的方法。

背景技术：

随着技术的进步，越来越多的识别码在我们的日常生活中被采用。例如，条形码技术被普遍使用于商业产品、工业产品以及金融市场。条形码被用来识别超市的商品、书店的书、工厂的机器、银行发票以及员工识别卡等。一般来说，条形码通过长条的宽度以及栅条之间的空间来标识独一无二的信息。这些条形码具有唯一的维度，一般被认为是一维条码或者线性条码，比如欧洲物品编码(European Article Number)其中共计13位代码的EAN-13码、128码(CODE128)或39码(CODE128)。近来出现的可通过纵向维度及横向维度来存储信息的二维条形码，它们可存储更多的信息，这些二维条形码例如为二维码(QR Code)、高信息含量的便携式数据文件(PDF417)或49码(code 49)。

为了完成条形码的读取操作，例如扫描仪或条码阅读器等光扫描器被用来捕捉条形码影像并且提取条形码影像中的加密信息。一般来说，光扫描器需要相对投射至条形码的光轴倾斜一角度并垂直于条形码以避免发射造成读取误差。在光扫描器读取完条形码影像中的长条图案以及条形码间隙后，可通过对长条图案及条形码间隙进行解码以获取信息。

一般情况下，通过光扫描器捕获条形码影像会受到噪音、图像稳定性以及模糊度的影响。因此，传统的光扫描器会在数字化以提取信息之前优化条形码影像。然而，优化条形码影像以提升数值化的精确度是很复杂的而且处理过程需要消耗大量时间。而且，当数值化的侦测错误发生时，会因为错误连锁效应，而增加解码的错误率。

因此，有必要设计一种新的动态阈值数字化条形码影像的方法，以克服上述缺陷。

技术实现要素：

本发明的目的在于提供一种数值化条形码影像的系统及方法，其能够将模糊的条形码影像清晰化。

为达到上述目的，本发明提供了一种数值化条形码影像的方法，该数值化条形码影像的方法包含：利用图像传感器捕获条形码影像；依据该条形码影像形成至少一取样线；获取该至少一取样线的样本数据；形成第一参考线；依据该样本数据形成第二参考线；依据该第一参考线与该第二参考线的差及第一乘数因子形成该第二参考线的上界；依据该第一参考线与该第二参考线的差及第二乘数因子形成该第二参考线的下界；串插该样本数据对应的多个采样点以形成第一曲线；依据该第二参考线的该上界及该下界筛选该第一曲线的多个有效取样形状；识别每一有效取样形状对应的内部定点；串插多个该内部定点以形成第二曲线；以及通过对比该样本数据与该第二曲线以数值化该条形码影像成二进制数值。

较佳的，该样本数据包括灰度级，该上界对应的值大于该下界对应的值，该第一乘数因子与该第二乘数因子均为小于1的正数。

较佳的，该数值化条形码影像的方法还包括：侦测该条形码影像的位置；确定该条形码影像的周边区域；以及依据该条形码影像的该周边区域的平均灰度级形成该第一参考线。

较佳的，该数值化条形码影像的方法还包括：侦测该条形码影像的位置；依据该条形码影像区域内该至少一取样线的该样本数据形成该第一参考线。

较佳的，该数值化条形码影像的方法还包括：通过锐化处理、滤噪音处理及/或提升色彩饱和度处理以优化该条形码影像。

较佳的，该样本数据包括灰度级，依据该样本数据形成该第二参考线为依据该灰度级的平均值形成该第二参考线。

较佳的，定义UBV为该上界对应的值，则UBV＝L2+α×(L1-L2)，其中，L2为该第二参考线对应的值，L1为该第一参考线对应的值，α为该第一乘数因子。

较佳的，定义LBV为该下界对应的值，则LBV＝L2-β×(L1-L2)，其中，L2为该第二参考线对应的值，L1为该第一参考线对应的值，β为该第二乘数因子。

较佳的，当该第一曲线的部分大于该上界时，该第一曲线的部分中的最大值对应的采样点被选择以形成该有效取样形状。

较佳的，当该第一曲线的部分小于该下界时，该第一曲线的部分中的最小值对应的采样点被选择以形成该有效取样形状。

较佳的，当该第一曲线的部分介于该上界与该下界之间时，选择该第一曲线的部分内除边界点外的局部最大采样点及局部最小采样点以形成该有效取样形状。

较佳的，识别该每一有效取样形状对应的该内部定点包括：获取该每一有效取样形状的宽度与高度；以及依据该宽度占比及该高度占比确定该内部定点的位置。

较佳的，当该有效取样形状为凸型取样形状，该高度为局部最大采样点与自局部最小采样点沿水平延伸的底部之间的垂直距离，该宽度为该底部的长度，该局部最小采样点为该局部最大采样点侧旁的两个局部最小采样点的较大值。

较佳的，当该有效取样形状为凹型取样形状，该高度为局部最小采样点与局部最大采样点沿水平延伸的底部之间的垂直距离，该宽度为该底部的长度，该局部最大采样点为该局部最小采样点侧旁的两个局部最大采样点的较小值。

较佳的，该有效取样形状为凸型取样形状且该第一曲线的部分大于该上界，该高度为最大采样点与局部最小采样点沿水平延伸的底部之间的垂直距离，该宽度为该底部的长度，该局部最小采样点为具有比该上界低的两个局部最小采样点的较大值且位于该局部最大采样点侧旁。

较佳的，该有效取样形状为凹型取样形状且该第一曲线的部分小于该下界，该高度为最小采样点与局部最大采样点沿水平延伸的底部之间的垂直距离，该宽度为该底部的长度，该局部最大采样点为具有比该下界高的两个局部最大采样点的较小值且位于该局部最小采样点侧旁。

较佳的，该宽度占比系数为1/2，该高度占比系数为2/5。

较佳的，通过对比该样本数据与该第二曲线以数值化该条形码影像成二进制数值包括：当该至少一取样线的一采样点超出该第二曲线时，输出第一二进制数值；以及当该该至少一取样线的一采样点低于该第二曲线时，输出第二二进制数值。

为达到上述目的，本发明还提供一种数值化条形码影像的系统，该数值化条形码影像的系统包括：图像传感器用以捕获条形码影像；存储单元用以存储样本数据；输出装置用以输出解码数据；以及处理单元，耦接该图像传感器、该存储单元以及该输出装置，该处理单元用以处理该条形码影像；其中，在该条形码影像被该图像传感器捕获后，该处理单元依据该条形码影像形成至少一取样线，该处理单元获取该至少一取样线的该样本数据并将该样本数据存储至该存储单元中，该处理单元形成第一参考线，该处理单元依据该样本数据形成第二参考线，该处理单元依据该第一参考线与该第二参考线的差及第一乘数因子形成该第二参考线的上界，该处理单元依据该第一参考线与该第二参考线的差及第二乘数因子形成该第二参考线的下界，该处理单元串插该样本数据对应的多个采样点以形成第一曲线，该处理单元依据该第二参考线的该上界及该下界筛选该第一曲线的多个有效取样形状，识别每一有效取样形状对应的内部定点，该处理单元串插多个该内部定点以形成第二曲线，该处理单元通过对比该样本数据与该第二曲线以数值化该条形码影像成二进制数值，该处理单元解码该二进制数值并控制该输出装置输出该解码数据。

较佳的，该样本数据包括灰度级，该上界对应的值大于该下界对应的值，该第一乘数因子与该第二乘数因子均为小于1的正数。

较佳的，当该第一曲线的部分大于该上界时，该第一曲线的部分中的最大值对应的采样点被选择以形成该有效取样形状。

较佳的，当该第一曲线的部分小于该下界时，该第一曲线的部分中的最小值对应的采样点被选择以形成该有效取样形状。

与现有技术相比，本发明提供的用于数值化条形码影像的系统及方法，可产生用于将条形码影像数字化成长条部和间隙部的动态阈值，该动态阈值是由多个采样点所确定，通过使用该动态阈值进行数值化，可将模糊的条形码图像转换成无干扰的条形码影像，清晰化条形码影像以降低解码误差率。

附图说明

图1为本发明实施例的数值化条形码影像系统的结构框图；

图2为本发明实施例的用于图1所示数值化条形码影像系统的方法流程图；

图3A为本发明实施例识别出条形码部分的位置及周边区域的位置时至少一取样线形成于条形码影像上的示意图；

图3B为本发明实施例未识别出条形码部分的位置及周边区域的位置时至少一取样线形成于条形码影像上的示意图；

图4为本发明实施例的第一参考线、第二参考线及所有采样点的关联示意图；

图5为本发明实施例的第一参考线、第二参考线、上界、下界的关联示意图；

图6A为本发明实施例的有效取样形状与第一曲线关联示意图；

图6B为对图6A所示取样形状的简化示意图；

图6C为本发明实施例的第一曲线的部分高于上界时形成有效取样形状的示意图；

图6D为本发明实施例的第一曲线的部分低于下界时形成有效取样形状的示意图；

图6E为本发明实施例的第一曲线的部分介于上界与下界之间时形成有效取样形状的示意图；

图7A为本发明实施例内部定点位于凹型有效取样形状的位置示意图；

图7B为本发明实施例内部定点位于凸型有效取样形状的位置示意图；

图8为本发明实施例串插有效取样形状的所有内部定点以形成第二曲线的示意图；

图9为本发明实施例的数值化过程示意图；

图10为本发明实施例的条形码影像经过数值化处理前后的效果示意图。

具体实施方式

为使对本发明的目的、构造、特征、及其功能有进一步的了解，兹配合实施例详细说明如下。

在说明书及权利要求书当中使用了某些词汇来指称特定的元件。所属领域中具有通常知识者应可理解，制造商可能会用不同的名词来称呼同一个元件。本说明书及权利要求书并不以名称的差异来作为区分元件的方式，而是以元件在功能上的差异来作为区分的准则。在通篇说明书及权利要求当中所提及的「包括」为开放式的用语，故应解释成「包括但不限定于」。

图1为数值化条形码影像系统100的结构框图。数值化条形码影像系统100包括图像传感器10、处理单元11、存储单元12以及输出装置13。图像传感器10用来捕获条形码影像。图像传感器10可以为光阅读器、红外感测器、单行激光扫描仪、具有电荷耦合器件的镜头、具有互补金属氧化物半导体的镜头。存储单元12用于存储该条形码影像的样本数据。存储单元12可以为随机存取存储器、非易失性存储器或硬盘等。输出装置13用于输出对应于该条形码影像的解码数据。输出装置13可以为通讯单元，例如通用串行总线端口、蓝牙收发器、或Wi-Fi收发器。处理单元11耦接于图像感测器10、存储单元12以及输出装置13以处理该条形码影像。处理单元11可为控制单元、中央处理单元、微处理单元或者其他任何可运行程序的设备。特别的，处理单元11可使用任何通讯设备以在图像感测器10、存储单元12以及输出装置13之间进行数据通讯。例如，处理单元11可通过无线传输或者输入/输出控制总线(I/O总线)以在图像感测器10、存储单元12以及输出装置13之间进行数据通讯。为了数值化该条形码影像，一些编程函数可被引用至处理单元11中。例如，影像捕获功能函数可被引用至处理单元11中以驱动并控制图像感测器10获取该条形码影像。条形码位置识别函数可被引用至处理单元11中以侦测条形码的位置。图像处理编程函数可被引用至处理单元11中以优化该条形码影像以及执行数值化步骤。一维/二维条形码解码编程函数可被引用至处理单元11中以获取该条形码影像的数值并执行纠错处理。这里所述条形码影像中的条形码可为128码(CODE128)、39码(CODE128)、全球通用码(GSI CODE)、快速响应码、数据阵列、便携式数据文件(PDF417)。当然，数值化条形码影像系统100并不局限于识别上述编码。下面将介绍一种用于数值化条形码影像系统100的数值化条形码影像方法。

图2为本发明实施例的用于数值化条形码影像系统100的方法流程图；图3至图10为进一步说明图2所示流程。数值化条形码影像的方法包括步骤S201至步骤S212。需要说明的是，步骤S201至步骤S212的顺序并不以此为限制。举例来说，步骤S211可先于步骤S204。数值化条形码影像的方法的步骤如下所示。

步骤S201：图像传感器10捕获条形码影像；

步骤S202：处理单元11依据该条形码影像形成至少一取样线S1、S2、S3；

步骤S203：处理单元11获取该至少一取样线S1、S2、S3的该样本数据并存储该样本数据至存储单元12中；

步骤S204：处理单元11形成第一参考线R1；

步骤S205：处理单元11依据该样本数据形成第二参考线R2；

步骤S206：处理单元11依据第一参考线R1与第二参考线R2的差及第一乘数因子α形成第二参考线R2的上界UB；

步骤S207：处理单元11依据第一参考线R1与第二参考线R2的差及第二乘数因子β形成第二参考线R2的下界LB；

步骤S208：处理单元11串插该样本数据对应的多个采样点P1～PM以形成第一曲线C1；

步骤S209：处理单元11依据第二参考线R2的上界UB及下界LB筛选第一曲线C1的多个有效取样形状SP1～SPN；

步骤S210：处理单元11识别每一有效取样形状对应的内部定点；

步骤S211：处理单元11串插多个该内部定点IP1～IPN以形成第二曲线C2；

步骤S212：处理单元11通过对比该样本数据与第二曲线C2以数值化该条形码影像成二进制数值。

每个步骤的详细说明如下所述。于步骤S201中，图像传感器10捕获条形码影像。去除失真的概率，被图像传感器10捕获的该条形码影像可看作为参杂着噪音的模糊条形码影像。该条形码影像被图像传感器10捕获后，于步骤S202中，处理单元11依据该条形码影像形成至少一取样线S1、S2、S3；参见图3A、图3B示出了至少一取样线S1、S2、S3形成于条形码影像上的示意图。需强调的是，该条形码影像包括条形码部分BC与周边区域PR。于步骤S202中，处理单元11首先侦测并识别条形码部分BC的位置及周边区域PR的位置。参见图3A，若条形码部分BC的位置及周边区域PR的位置被成功识别出，处理单元11于该条形码影像BI1的条形码部分BC处生成取样线S1、S2、S3；参见图3B,若条形码部分BC的位置及周边区域PR的位置未被成功识别出，处理单元11横穿该条形码影像BI1生成取样线S1、S2、S3。一些因数将影像位置识别的准确度，例如环境光线、图像传感器10的灵敏度等。于步骤S203中，处理单元11获取该至少一取样线S1、S2、S3的该样本数据并存储该样本数据至存储单元12中；其中，每一取样线包括多个采样点。每一采样点相当于周边区域PR的对应的灰度级，条形码部分BC的长条对应的灰度级，或者条形码部分BC的间隙对应的灰度级。需要说明的是，该样本数据可包括所有采样点对应的灰度级并且可被存储于存储单元12中以用于统计分析。

于步骤S204中，处理单元11生成第一参考线R1。参见图4为第一参考线R1与所有采样点P1～PM的关联示意图。于图4中，Y轴表示灰度级值，X轴为每一采样点的指数。需说明的是，若条形码部分BC的位置与周边区域PR的位置未被识别出(如图3B所示)，处理单元11通过计算采样点的灰度级与较高灰度级的平均值以生成第一参考线R1。举例说明，于步骤204中，第一参考线R1为于采样点P1～PM对应的灰度级中位于前25％的采样点对应灰度级的平均值。换句话说，采样点P1～PM对应的灰度级中位于前25％的采样点可为白色，第一参考线R1的值可以被认为是一个用户定义的“白”的灰度级。若条形码部分BC的位置与周边区域PR的位置可成功识别出(如图3A所示)，第一参考线R1可通过邻近取样线S1～S3两终端的采样点对应的灰度级生成第一参考线R1。举例来说，于步骤S204中，第一参考线R1的值等于对应于所述周边区域PR样本点P1～PM的灰度级平均值的70％。然而，产生第一参考线R1不限于采用上述算法。例如，若条形码部分BC和周边区域PR的位置未被成功识别，第一参考线R1也可以根据采样线S1至S3的两端附近的采样点的灰度级产生。

在步骤S205中，处理单元11根据该样本数据生成所述第二参考线R2。图4还示出了第二参考线R2和所有采样点P1至PM之间的相关性的示意图。于此，第二参考线R2是根据平均所有采样点P1至PM的灰度级产生的。换句话说，第二参考线R2的值可以被认为是灰度级的平均值。具体而言，第一参考线R1和所述第二参考线R2是根据灰度级产生的两个线性的、确定性的线。然后，在步骤S206中，处理单元11依据根据第一参考线R1与第二参考线R2的差以及第一乘数因子α生成第二参考线R2的上界UB。图5示出了第一参考线R1、第二参考线R2以及上界UB之间的相关性的示意图。具体地，上界UB的值被表示为UBV，第一参考线R1的值被表示为L1，第二参考线R2的值被表示为L2，值UBV可以写成UBV＝L2+α×(L1-L2)，其中，值UBV大于值L2且小于值L1。第一乘法因子α小于1的正值。第一乘法因子α可以是一个用户定义的参数。因此，上界UB介于第一参考线R1和第二参考线R2之间。换句话说，上界UB的值UBV可视为第二参考线R2的值L2与(L1-L2)的一个比例值的总和。例如，当第一乘数因子α为0.5时，值UBV的上界UB可以定义为UBV＝L2+0.5×(L1-L2)。

在步骤S207中，处理单元11根据第一参考线R1与第二参考线R2的差及第二乘数因子β生成第二参考线R2的下界LB。图5还示出了第一参考线R1、第二基准线R2以及下界LB的之间的相关性的示意图。具体地，下界LB的值被表示为LBV，第一参考线R1的值被表示为L1，第二基准线R2的值被表示为L2，值LBV可以写成LBV＝L2-β×(L1-L2)，其中，值LBV均比值L2、值L1以及值UBV要小，第二乘数因子β是小于1的正值，第二乘法因子β可以是一个用户定义的参数。因此，下界LB比第一参考线R1、第二参考线R2以及上界UB要低。换句话说，下界LB的值LBV可以视为由第二基准线R2的值L2扣除(L1-L2)的一个比例值。例如，当第二乘法因子β为0.5,下界LB的值LBV可以定义为LBV＝L2-0.5×(L1-L2)。

在步骤S208中，处理单元11串插该样本数据对应的所有采样点P1～PM以形成第一曲线C1。于此，串插程序可以是线性内插法或非线性内插法。图5还示出了通过串插所有采样点P1至PM生成第一曲线C1。具体而言，第一曲线C1可以是由线性内插程序产生的线性曲线。第一曲线C1也可为通过三次插值、多项式插值或者样条插值产生的非线性曲线。为便于呈现，这里的第一曲线C1被认为是在数值化条形码影像系统100中的线性曲线。在步骤S209中，处理单元11的根据上界UB和第二基准线R2的下界LB生成相对第一曲线C1的多个有效取样形状SP1至SPN。图6A示出了有效取样形状和第一曲线C1之间的相关性的示意图。在图6A中，有效取样形状SPn到SPN是拟合第一曲线C1的三角形。当然，在步骤S209中有效取样形状亦可以是多边形，以提高拟合精度。具体地，有效取样形状SPn至SPN可以被归类为基于凸型的取样形状及基于凹型的取样形状。有效取样形状的生成过程如下所述。

图6B是图6A的简化示意图。于此，为简单起见，仅考虑有效取样形状SP1至SP6。具体地，有效取样形状SP 1、SP 3及SP 5是基于凸型的取样形状。有效取样形状SP2、SP4及SP6是基于凹型的取样形状。此外，第一曲线C1的部分POR1超出上界UB。第一曲线C1的部分POR2小于下界LB。第一曲线C1的其余部分介于上界UB和下界LB之间。生成的有效取样形状SP1至SP6满足以下规则，图6C示出了当第一曲线C1的部分POR1超出上界UB时生成有效取样形状SP3的示意图。当有效取样形状SP3是作为基于凸型的取样形状且第一曲线C1的部分POR1比上界UB更大，部分POR1内只有一个最大采样点PMAX1被选择以产生有效取样形状SP3。例如，在图6C，该部分POR1具有两个局部最大采样点PMAX1和PLMAX1。具体地，当采样点PMAX1的值比采样点PLMAX1的值大时，采样点PMAX1也是部分POR1内全局最大采样点。因此，采样点PMAX1被选择以产生有效取样形状SP3。换句话说，采样点PMAX1的值等于取样形状SP3的顶点值。由于部分POR1(比上界UB更大)内仅有一个采样点(最大采样点)被选择时，没有多余的取样形状被引入，致使噪声降低。进一步的，当有效取样形状SP3是一个基于凸型的取样形状且第一曲线C1的部分POR1比上界更大时，高度H3是采样点PMAX1和采样点PL1沿水平延伸的底部BS3之间的垂直距离。采样点PL1是两个局部最小采样点PL1和PL2其中一个的较大值，该两个局部最小采样点PL1和PL2为比上界UB低且位于采样点PMAX1右侧。宽度W3为底部BS3的长度。

图6C示出了当第一曲线C1的部分POR2低于下界LB时生成有效取样形状SP3的示意图。当一个有效取样形状SP6是作为基于凹型的取样形状且第一曲线C1的部分POR2小于下界LB，部分POR2内仅有一个最小采样点PMIN1被选择以产生有效取样形状SP6。例如，在图6D中，部分POR2具有两个局部最小采样点PLMIN1和PMIN1。具体地，当采样点PMIN1的值比采样点PLMIN1的值还小时，采样点PMIN1亦为部分POR2内的全局最小采样点。因此，采样点PMIN1被选择为产生的有效取样形状SP6。换句话说，采样点PMIN1的值等于取样形状SP6的底部顶点的值。由于部分POR2(低于下界LB)内仅有一个采样点(即最小采样点)被选择时，没有多余的取样形状被引入，致使噪声降低。特别是，当有效取样形状SP6是一个基于凹型的取样形状且第一曲线C1的部分POR2小于下界LB，高度H6是采样点PMIN1和从采样点PM1沿水平延伸的底部BS6之间的垂直距离。采样点PM1是两个局部最大采样点PM1和PM2其中一个的较小值，该两个局部最大采样点PM1和PM2为比下界LB高且位于采样点PMIN1右侧。宽度W6为底部BS6的长度。

图6E示为当第一曲线C1的部分POR3介于上界UB和下界LB之间生成有效取样形状SP4和SP5的示意图。于此，仅选择局部最大采样点和局部最小采样点来生成有效取样形状SP4和SP5。例如，局部最大采样点PM3被选择以生成基于凸型的取样形状SP5。局部最小采样点PL3被选择以生成基于凹型的取样形状SP4。具体地，当有效取样形状SP4是基于凹型的取样形状，所述高度H4是局部最小采样点PL3和自局部最大样本点PM3沿水平延伸而成的底部BS4之间的垂直距离。宽度W4是底部BS4的长度。当有效取样形状SP5是一个基于凸型的取样形状，所述高度H5是局部最大采样点PM3和自从本地最小采样点PL3沿水平延伸而成的底部BS5之间的垂直距离。宽度W5是底部BS5的长度。以此类推，可以按照图6C，图6D和图6E所示的规则生成的所有有效取样形状。

在步骤S209中，由于可生成有效取样形状SP1至SPN，当第一曲线C1的部分比上界UB高或低于下界LB，数值化条形码影像系统100可以因为没有多余的取样形状被引入而达到降低噪音的效果，在步骤S210中，处理单元11识别每一有效取样形状对应的内部定点。图7A是一个基于凹型的有效取样形状内的内部定点IP位置的示意图。图7B是一个基于凸型的有效取样形状内的内部定点IP位置的示意图。于此，有效取样形状可以是基于凸型的取样形状或基于凹型的取样形状。在上一步骤S209中，每个有效取样形状的高度H和宽度W可被计算出。在步骤S210中，处理单元11可以根据高度H和宽度W的一比例识别每个有效取样形状的内部定点IP。例如，每个有效样本形状的内部点的IP可以根据于X轴上的长度VX和于Y轴上的长度VY被定位。具体地，长度VX和宽度W的比例可为1/2。长度VY和高度H的比例可为2/5。当然，处理单元11可以根据高度H和宽度W任何预定比例确定有效取样形状的内部定点IP，内部定点IP可以是一个质心点或取样形状的内切圆心点。此外，在图6C中基于凸型的取样形状的顶部顶点和选择的最大值PMAX1之间的偏移落入在一容许距离内。例如，高度H3的5％可以被定义为该容许距离。在图6D中基于凹型的取样形状的顶部顶点和选择的最小值PMIN1之间的偏移落入在一容许距离内。例如，高度H6的5％可以被定义为该容许距离。

在步骤S211中，处理单元11通过串插有效取样形状的所有内部定点IP1至IPN以生成第二曲线C2。于此，串插程序可以是线性内插法或非线性内插法。图8示出了通过内插所有内部定点IP1至IPN以产生第二曲线C2的示意图。具体而言，第二曲线C2可以是由线性内插程序产生的线性曲线。第二曲线C2也可为通过三次插值、多项式插值或者样条插值产生的非线性曲线。为便于呈现，图8所示第二曲线C2被认为是在数值化条形码影像系统100中的线性曲线。第二曲线C2可以是非单调函数已使样取样形状(有效取样形状)的内部定点的位置可以动态地改变。换句话说，第二曲线C2与所有有效取样形状相关。

在步骤S212中，处理单元11通过对比该样本数据与第二曲线C2以数值化该条形码影像成二进制数值。图9示出了数值化处理的示意图。在图9中，当生成了第二曲线C2时，采样点P1至PM的灰度级与第二曲线C2进行比较。然后，数值化条形码影像系统100可以生成数值化数据。例如，采样点PM，PM+1，PM+2，和P+3位于第二曲线C2的上方，第一曲线C1包括采样点PM，PM+1，PM+2，和P+3的区域DO1被定义为白色部分(即间隙部)。采样点PM+4和P+5位于第二曲线C2的下方。第一曲线C1包括采样点PM+4和P+5的区域DO2被定义为黑色部分(即长条部)。换句话说，第二曲线C2被视为将条形码影像数值化成两种判定设定的动态阈值。

图10为原始条形码影像RAWBC和数值化条形码影像DBC之间的效果的示意图。在图10中，原始条形码影像RAWBC可能介入噪声影响，图像稳定性影响以及模糊度的影响。在步骤S212中，将条形码影像数值化成两个判定设定(即长条的判定设定及间隙的判定设定)之后，数值化条形码影像DBC再没有干扰影响。因此，数值化条形码影像DBC具有非常低的解码错误率。具体地，处理单元11可采用二进制表示法以用于输出数值化数据。例如，处理单元11可以使用第一二进制值“0”来表示间隙部分。处理单元11可以使用第二二进制值“1”来表示长条部分。借此，数值化条形码影像DBC可以表示成一个二进制序列。处理单元11可解码该二进制序列、提取数值并通过输出装置13输出。例如，处理单元11可以解码二进制序列“110101101”，并依据解码表如Code 39,Code128，处理单元11可获得对应于代码“110101101”的产品价格数据等有用的资讯并输出，上述虽以第一二进制值“0”来表示间隙部分以及使用第二二进制值“1”来表示长条部分，然熟知此技艺人士可简单以”0”与”1”相互替代。

如图3A和图3B所示，该条形码影像可以包括条形码部分BC和周边区域PR。当生成穿过该条形码影像(如图3B所示)的取样线时，位于边缘位置的取样线的数值化数据与周边区域PR是相关联的。为了提升解码精度，可采用匹配滤波器或修正器以忽略位于周边区域PR的二进制数据以解决初始解位元的地址的决定问题。例如，当一个数字化的二进制序列“0000000011010110100000”被赋予且代码“110101101”可有效反应的产品的价格信息，则匹配滤波器采用移动窗口以匹配有效码字与数数值化二进制序列。当该码字与数字化的进制序列的特定子序列匹配时，数据(产品的价格)即被提取。

综上所述，本发明公开了一种用于数字化条形码影像的系统。该系统可产生用于将条形码影像数字化成长条部和间隙部的动态阈值。具体地，该动态阈值是由多个采样点所确定。通过使用该动态阈值进行数值化，模糊的条形码图像可被无干扰的条形码影像所取代。因此，能够减少解码误差。

本发明已由上述相关实施例加以描述，然而上述实施例仅为实施本发明的范例。必需指出的是，已揭露的实施例并未限制本发明的范围。相反地，在不脱离本发明的精神和范围内所作的更动与润饰，均属本发明的专利保护范围。