本发明涉及计算机信息处理技术领域，尤其是一种快递单条形码的角度校正方法。
背景技术：
由于条形码技术具有准确、快速、方便、经济的特点，因此很容易渗透到自动化管理的各个领域，并且关于一维的条形码识别的算法也层出不穷。但不论以哪种识别算法对条形码进行识别处理，用户以识别装置捕获条形码图像时，往往都不是从最佳的角度对条形码图像进行捕获，从而会导致出现识别失败的情况，为了提高对条形码的识别准确率，这些算法都需要进行角度的校正。
传统的方法是先用形态学的膨胀和腐蚀算法对捕获到的图像进行条形码区域的定位，然后用对提取的条形码进行倾斜校正。但由于快递单的背景多变复杂，使用传统的方法对快递单条形码进行识别定位时，容易受到快递单复杂多变的背景噪声的干扰，从而容易出现对快递单条形码定位不准确的问题。
技术实现要素：
为解决上述问题，本发明的目的在于提供一种快递单条形码的角度校正方法，能够更好地对快递单条形码的背景噪声进行处理，从而能够更好地降低背景噪声对快递单条形码的干扰，从而提高对快递单条形码的定位准确度。
本发明解决其问题所采用的技术方案是：
快递单条形码的角度校正方法，包括以下步骤：
a、输入图像；
b、打开目标图像；
c、对目标图像进行二值化，接着对二值化后的目标图像中的各个连通域的长宽比进行计算，根据计算结果对目标图像进行去噪处理；
d、对各个连通域进行radon或hough变换；
e、求取进行radon或者hough变换后的最大值；
f、获取最大值的列坐标，该列坐标对应着目标图像的倾斜角度；
g、根据倾斜角度对目标图像进行旋转校正。
进一步，步骤a中的输入图像，首先根据目标文件名，在文件系统里面查找出该文件的文件地址，如果找不到该文件则退出，如果找到该文件则执行步骤b。
进一步，步骤c中根据计算结果对目标图像进行去噪处理，若计算结果小于给定的阈值，则把该计算结果所对应的连通域删除，从而在保留条形码的基础上把背景去除，完成去噪处理。
本发明的有益效果是：快递单条形码的角度校正方法，通过利用条形码的形状特征对快递单条形码的背景噪声进行处理，因此能够把快递单条形码的背景噪声处理得更加干净，从而能够更好地降低背景噪声对快递单条形码的干扰；另外，利用条形码是由一组长度相等并互相平行的条状区域组成的特点，通过hough变换或者radon变换对快递单条形码进行角度校正，从而能够提高对快递单条形码的定位准确度。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明的角度校正方法的流程图。
具体实施方式
参照图1，本发明的快递单条形码的角度校正方法，包括以下步骤：
a、输入图像；
b、打开目标图像；
c、对目标图像进行二值化，接着对二值化后的目标图像中的各个连通域的长宽比进行计算，根据计算结果对目标图像进行去噪处理；
d、对各个连通域进行radon或hough变换；
e、求取进行radon或者hough变换后的最大值；
f、获取最大值的列坐标，该列坐标对应着目标图像的倾斜角度；
g、根据倾斜角度对目标图像进行旋转校正。
本发明的快递单条形码的角度校正方法，通过利用条形码的形状特征对快递单条形码的背景噪声进行处理，因此能够把快递单条形码的背景噪声处理得更加干净，从而能够更好地降低背景噪声对快递单条形码的干扰。另外，利用条形码是由一组长度相等并互相平行的条状区域组成的特点，通过hough变换或者radon变换对快递单条形码进行角度校正，从而能够提高对快递单条形码的定位准确度。
具体地，步骤a中的输入图像，首先根据目标文件名，在文件系统里面查找出该文件的文件地址，如果找不到该文件则退出，如果找到该文件则执行步骤b。
具体地，步骤b中打开目标图像时，原本为彩色的目标图像通过下面公式被转化成灰度图像：
当原本为彩色的目标图像被成功转换成灰度图像后，在对灰度图像进行后续的处理。
具体地，步骤c中对目标图像中的各个连通域的长宽比进行计算，首先对目标图像进行二值化，再对各个连通域的长宽比进行计算。在图像中，最小的单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有2种：4邻接与8邻接。4邻接一共4个点，即上下左右4个点；8邻接的点一共有8个，除了上下左右4个点外，还包括对角线位置上的点。每两个邻接的像素点即为连通，因此，彼此连通的点形成了一个区域，而不连通的点形成了不同的区域。这样的一个所有的点彼此连通而构成的集合，即为连通域。在对目标图像进行二值化的过程中，首先设定灰度图像的灰度级为l，则其灰度范围为[0,l-1]，利用otsu算法把该灰度图像分割为前景和后景两部分，而对灰度图像进行分割的分割阈值由下式求得：
t＝max[w0(t)*(u0(t)-u)2+w1(t)*(u1(t)-u)2)]
其中，t为分割阈值，w0为背景比例，u0为背景均值，w1为前景比例，u1为前景均值，u为整幅图像的均值。使上式的值t求得最大值，即为对该灰度图像进行分割的最佳阈值，从而完成图像的二值化。对目标图像进行二值化后，能够获得很多连通域，每个连通域都不相同，分别能够表征用作目标图像的条形码和快递单上的背景噪声，因此，利用各个连通域的长宽比作为特征指标，能够对快递单上的背景噪声进行有效的去噪。
其中，步骤c中根据计算结果对目标图像进行去噪处理，若计算结果小于给定的阈值，则把该计算结果所对应的连通域删除，从而在保留条形码的基础上把背景去除，完成去噪处理。具体地，设定经过二值化的灰度图像的连通域表示为hi，其中1<i<n；设定ai表示连通域hi对应的长宽比；valuei表示连通域hi对应的像素大小；a为阈值。如果ai<a，则valuei＝0，即删除该连通域；否则valuei＝1，即保留该连通域。
具体地，步骤d中，由于条形码是长度相等且互相平行的条状区域，因此去噪后能够得到剩余的干净的连通域，接着，对这些剩余的连通域进行radon或者hough变换。具体地，以radon变换为例，连通域所对应的函数式为f(x,y)，则f(x,y)的radon变换是该函数沿着包含该函数的平面内的一组直线的线积分，公式为：
其中，δ(x)是dirac函数，其中
具体地，步骤h中根据倾斜角度对目标图像进行旋转校正，利用以下的方法实现：
设定(x0,y0)为目标图像中的一个原像素点，(x2,y2)为原像素点(x0,y0)经过旋转校正后得到的结果，首先，通过下式对原点(x0,y0)进行变换：
其中，(x1,y1)为经过上式对原像素点(x0,y0)进行变换所得到的变换结果，w为目标图像的宽度，h为目标图像的高度；接着，根据步骤g中求得的旋转角度θ，对上式的矩阵进行矩阵旋转，进行矩阵旋转的公式如下所示：
因此，根据步骤g中求得的旋转角度θ，能够对目标图像的原像素点(x0,y0)进行旋转校正，从而得到经过校正后的校正点(x2,y2)，所以，采用上述的方法对目标图像中的所有像素点进行旋转校正，即可获得经过角度校正调整的快递单条形码。
对比传统的条形码校正方式，本发明的角度校正方法，采用各个连通域的长宽比作为特征指标，能够更好地把快递单条形码的背景噪声去除，此外，通过连通域进行radon或者hough变换后所求的的解，能够更好地获得快递单条形码的倾斜角度，从而能够有效地对快递单条形码的倾斜角度进行合理的调整。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。