基于随机码提取方法与流程

本发明属于彩色设备的颜色复制领域，涉及一种基于随机码的图像采集方法。

背景技术：

随着社会的飞速发展，对高端的烟酒的需求也逐年上涨。为印刷企业带来的利益也飞速发展。但是在高价值商品流通过程中，如何防止产品被假冒、仿造是印刷企业的一项重要任务。本企业的产品被仿制，不仅仅损害了消费者的权益，也严重损害了商家的利益与名誉。对其进行防伪处理是保证企业利益的重要手段。

在印刷行业内常见的防伪方式有利用专色标志、条形码、防伪标签、二维码、彩色细微线和其它一些印刷技术。对于这些手段，大致可以分为两类。一是提高仿制的成本，从而减少仿制的收益，从而抑制盗版。二是利用条形码、二维码之类的承载信息，利用互联网可以随时随地的查询真伪信息。但是这两种方式都有他们的缺陷。第一种防伪技术也提高了印刷企业的成本，降低企业的效益。第二种信息查询方式是面向大众的，不法分子可以通过破解所携带信息的规律来实现对印刷品的仿制。从而使这样的技术失去防伪的作用。

在目前的防伪方式中，有利用新型图文进行防伪处理的(陈帅,方细玲,潘茹茹.新型图文防伪技术在卷烟包装中的应用[j].包装工程,2018,39(11):171-175.)，有借助于区块链技术进行溯源追踪的方式(刘家稷,杨挺,汪文勇.使用双区块链的防伪溯源系统[j].信息安全学报,2018,3(3).)，有借助数字水印技术进行防伪研究的(刘旭.抗任意旋转攻击的数字水印防伪技术探究[j].北京印刷学院学报,2018(3).)，有借助新型材料进行防伪的(谭海湖,谢少文,李娜,etal.色彩可调yb,er共掺杂nayf_4上转换荧光材料的合成及包装防伪应用[j].包装学报,2018(3).)。国外研究者有从光学特性上去检测是否假冒的(downingea.systemsandmethodsforcreatingopticaleffectsonmediatopreventcounterfeit[j].2017.)，也有借助特殊材料进行防伪研究的(liux,wangy,lix,etal.binarytemporalupconversioncodesofmn2+-activatednanoparticlesformultilevelanti-counterfeiting[j].naturecommunications,2017,8(1):899.)。

当前技术在大批量生产时，极大地提升了印刷成本，并且面对高精度的仿制时，不能很好的及时发现被仿制的状况，所以应用时并不能有效地减少印刷企业的成本与保护自身利益。

烟厂发明了一种利用喷墨印刷机印刷随机码的防伪技术。它利用对二维码加密的思想将随机码印刷在烟包上，这种码毫无规律可言，并且实现了一个烟包对应着一个随机码，如果出现重复的随机码，就意味着假冒产品的出现，从而从有效地杜绝了仿制的可能。

对于本项随机码技术，其原理是一个随机码对应着一个烟包，那么烟包的数量少则几百万，多则上亿。目前没有任何技术可以将该厂随机码记录下来，只能依靠手工截取。存在着严重的人力物力浪费。

技术实现要素：

本发明的目的在于提供一种自动提取随机码的方法。能够解决人工采集随机码耗时耗力的问题。

本发明提供了一种基于随机码提取方法，具体按照以下步骤实施：

步骤1：预处理

根据特点选取对其处理的内容与参数,具体内容与参数包括灰度化时各个通道的权重比、去噪声时周围像素点判别条件。并对图像进行处理；

步骤2：分割图像

经步骤1后，对于处理过的图像进行特征提取。利用提取的特征将图像分割成不同的区域；

步骤3：分配权重

利用步骤2得到的不同区域，根据区域特征分配其权重；

步骤4：提取随机码信息

根据步骤3中得到的不同区域的权重顺序，依次提取该区域内的随机码信息，直至全部提取出来。

步骤5：输出随机码信息。

本发明的特点还在于：

步骤1具体按照以下方法实施：

所述的处理的内容包括由鎏金造成的高光部分与烟包上的字体。参数包括将图像灰度化时各个通道所占的比重与将图像二值化时的阙值与对图像采集时产生的噪音进行处理。根据二值化之后的图像进行直线提取。

常用的灰度化的方法是将三通道值相加后除以三。针对于本烟包特点，将红色通道比例增强，以强调红色区域，弱化其它由于光照产生的影响，公式如下所示。

其中，r，g，b代表各个通道值，gray代表灰度值。

二值化的阙值采用其灰度数据的波谷处的灰度值。

进一步对图像进行去噪处理。传统的中值滤波、高斯滤波等去燥方式会将整幅图像模糊化，并且会影响下一步判断，因此在本初的滤波仅仅将图像变得更加均匀，并且减少下一步的工作量，公式如下所示。

g(x,y)＝g(x,y)*(g(x+1,y)+g(x-1,y)+g(x,y+1),+g(x,y-1))

其中，g(x，y)表示坐标(x，y)处的灰度值。

进一步对整幅图像进行霍夫变换，提取其中的直线。

步骤2具体按照以下方法实施；

获取霍夫变换的结果，霍夫变换将图像分解成为多个短直线，由于图像采集过程中烟包倾斜导致的特征直线分解成为了多个短直线。在步骤2中将短直线拼合成长直线。由于直线的表示方法如下式所示

y＝k*x+b

所以当符合以下公式

可判定二值是同一条直线。

进一步的，根据最长的四条直线将图像分割成为若干个部分。以供步骤3做进一步处理。

步骤3具体按照以下方法实施：

分析不同的区域，分析不同区域包含所需信息的权重。为不同区域分配权重将由以下三点参数决定：黑白像素数量比、细微直线k值分布状态、图像分区情况。

具体情况对应的权重如下表所示：

步骤4具体按照以下方法实施：

按照权重依次分析不同的区域，直至将所需信息提取出来。本步骤的提取方法按照由外而内的方式将周围无效信息依次剔除，最终留下随机码。如果没有找到随机码信息，将按照权重顺序依次向下寻找，直至提取出随机码，或者标识本图像未能获取随机码信息。

本发明的有益效果在于：

(1)本发明结合数字图像处理技术将图像进行预处理，使用较为快捷的滤波与二值化的方式将图像转换成为可以被本方法处理的二值图像，并且减少了后续工作量。

(2)本发明结合霍夫变换与烟包的特征进行图像分区处理。进一步的加快识别速度。

(3)本发明结合质量控制的思想，利用不同的控制参数将随机码域最大可能所在区勾选出来。为精确定位做准备。也可以为其它形式特殊码所借鉴。

(4)本发明可以节约大量人力物力，并且适用于基于移动端扫描随机码。

附图说明

图1是本发明基于随机码提取方法的流程图；

图2是本发明基于随机码提取方法实施例中灰度化后的结果图；

图3是本发明基于随机码提取方法实施例中去噪结果图；

图4是本发明基于随机码提取方法实施例中检测直线结果图；

图5是本发明基于随机码提取方法实施例中分割结果图；

图6是本发明基于随机码提取方法实施例中裁剪结果图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

基于随机码提取方法流程图，如图1所示，可以将本部分核心部分分为4个部分，分别是对图像进行预处理、分割图像、为不同区域分配权重和提取随机码。

基于随机码提取方法，具体按照以下步骤实施：

步骤1：预处理

根据特点选取对其处理的内容与参数,具体内容与参数包括灰度化时各个通道的权重比、去噪声时周围像素点判别条件。并对图像进行处理；

步骤2：分割图像

经步骤1后，对于处理过的图像进行特征提取。利用提取的特征将图像分割成不同的区域；

步骤3：分配权重

利用步骤2得到的不同区域，根据区域特征分配其权重；

步骤4：提取随机码信息

根据步骤3中得到的不同区域的权重顺序，依次提取该区域内的随机码信息，直至全部提取出来。

步骤5：输出随机码信息。

步骤1具体按照以下方法实施：

所述的处理的内容包括由鎏金造成的高光部分与烟包上的字体。参数包括将图像灰度化时各个通道所占的比重与将图像二值化时的阙值与对图像采集时产生的噪音进行处理。根据二值化之后的图像进行直线提取。

常用的灰度化的方法是将三通道值相加后除以三。针对于本烟包特点，将红色通道比例增强，以强调红色区域，弱化其它由于光照产生的影响，公式如下所示。

其中，r，g，b代表各个通道值，gray代表灰度值。

二值化的阙值采用其灰度数据的波谷处的灰度值。

进一步对图像进行去噪处理。传统的中值滤波、高斯滤波等去燥方式会将整幅图像模糊化，并且会影响下一步判断，因此在本初的滤波仅仅将图像变得更加均匀，并且减少下一步的工作量，公式如下所示。

g(x,y)＝g(x,y)*(g(x+1,y)+g(x-1,y)+g(x,y+1),+g(x,y-1))

其中，g(x，y)表示坐标(x，y)处的灰度值。

进一步对整幅图像进行霍夫变换，提取其中的直线。

步骤2具体按照以下方法实施；

获取霍夫变换的结果，霍夫变换将图像分解成为多个短直线，由于图像采集过程中烟包倾斜导致的特征直线分解成为了多个短直线。在步骤2中将短直线拼合成长直线。由于直线的表示方法如下式所示

y＝k*x+b

所以当符合以下公式

可判定二值是同一条直线。

进一步的，根据最长的四条直线将图像分割成为若干个部分。以供步骤3做进一步处理。

步骤3具体按照以下方法实施：

分析不同的区域，分析不同区域包含所需信息的权重。为不同区域分配权重将由以下三点参数决定：黑白像素数量比、细微直线k值分布状态、图像分区情况。

具体情况对应的权重如下表所示：

步骤4具体按照以下方法实施：

按照权重依次分析不同的区域，直至将所需信息提取出来。本步骤的提取方法按照由外而内的方式将周围无效信息依次剔除，最终留下随机码。如果没有找到随机码信息，将按照权重顺序依次向下寻找，直至提取出随机码，或者标识本图像未能获取随机码信息。

实施例

步骤1具体按照以下方法实施：

所述的处理的内容包括由鎏金造成的高光部分与烟包上的字体。参数包括将图像灰度化时各个通道所占的比重与将图像二值化时的阙值与对图像采集时产生的噪音进行处理。根据二值化之后的图像进行直线提取。

常用的灰度化的方法是将三通道值相加后除以三。针对于本烟包特点，将红色通道比例增强，以强调红色区域，弱化其它由于光照产生的影响，公式如下所示。

其中，r，g，b代表各个通道值，gray代表灰度值。

灰度化后的结果如图2所示。

二值化的阙值采用其灰度数据的波谷处的灰度值。

进一步对图像进行去噪处理。传统的中值滤波、高斯滤波等去燥方式会将整幅图像模糊化，并且会影响下一步判断，因此在本初的滤波仅仅将图像变得更加均匀，并且减少下一步的工作量，公式如下所示。

g(x,y)＝g(x,y)*(g(x+1,y)+g(x-1,y)+g(x,y+1),+g(x,y-1))

其中，g(x，y)表示坐标(x，y)处的灰度值。

去噪后的结果如图3所示。

进一步对整幅图像进行霍夫变换，提取其中的直线。

步骤2具体按照以下方法实施；

获取霍夫变换的结果，霍夫变换将图像分解成为多个短直线，由于图像采集过程中烟包倾斜导致的特征直线分解成为了多个短直线。在步骤2中将短直线拼合成长直线。由于直线的表示方法如下式所示

y＝k*x+b

所以当符合以下公式

可判定二值是同一条直线。

检测直线结果如图4所示，以红色的线标识：

进一步的，根据直线将图像分割成为若干个部分。以供步骤3做进一步处理。由于烟包的特殊形状，根据产生的竖线将图像分割成为三个部分，选取左侧两个部分中的横线将图像分割成为九个部分。

分割结果如图5所示，以蓝色线作为边界：

步骤3具体按照以下方法实施：

分析不同的区域，分析不同区域包含所需信息的权重。为不同区域分配权重将由以下三点参数决定：黑白像素数量比、细微直线k值分布状态、图像分区情况。

具体情况对应的权重如下表所示：

根据以上规则，为不同区域分配权重。

步骤4具体按照以下方法实施：

根据权重分配的结果，按照区域5、6、9、2、7、1、3、4、8的顺序依次检索，直至将所需信息提取出来。本步骤的提取方法按照由外而内的方式将周围无效信息依次剔除，最终留下随机码。如果没有找到随机码信息，将按照权重顺序依次向下寻找，直至提取出随机码，或者标识本图像未能获取随机码信息；裁剪后的结果如图6所示。