码的识别匹配方法与流程

本发明涉及图像处理，具体涉及一种码的识别匹配方法。

背景技术：

1、现有码包括两种：条形码和二维码，码上的各种图案为码的标识符，通过扫描码上的图案从而调取与之匹配的信息，达到识别条形码或二维码的目的。

2、现有对于码的识别，均采用图像识别算法，通过拍摄码的图像数据，提取码的特征，进行特征匹配，实现对码的识别。现有采用神经网络算法来提取码的特征和进行特征匹配，但神经网络计算量大，占用内存空间大，并不普遍适用于大多数设备。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种码的识别匹配方法解决了现有码的识别匹配方法存在计算量大的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种码的识别匹配方法，包括以下步骤：

3、s1、采集码图像，得到原始码图像；

4、s2、对原始码图像进行滤波处理，得到滤波码图像；

5、s3、剥离滤波码图像的背景图像，得到标准码图像；

6、s4、对标准码图像进行位置矫正，得到矫正码图像；

7、s5、对矫正码图像进行灰度处理，得到灰度码图；

8、s6、提取灰度码图上的图像特征；

9、s7、采用图像特征与存储码进行匹配，得到识别信息。

10、进一步地，所述s2包括以下分步骤：

11、s21、构建一个滤波块，滤波块的大小为，其中，为滤波块的长度，表明其能填充的像素值数量；

12、s22、从原始码图像的边缘开始，将原始码图像中同一区域范围的像素点的像素值填充至滤波块；

13、s23、根据滤波块中像素值，计算滤波值；

14、s24、标记原始码图像中最近被填充过的像素点为滤波点，其他历史滤波像素点所在区域为滤波区域，剩余区域为未滤波区域；

15、s25、取原始码图像中滤波点的邻域范围内的任一未滤波像素点的像素值填充至滤波块，并跳转至步骤s23中，直到无未滤波区域，得到滤波码图像。

16、进一步地，所述s23中计算滤波值的公式为：

17、，，，

18、其中，为第次滤波后的像素值，为滤波因子，为滤波块中最新输入的像素值，为双曲正切函数，为第次滤波后的像素值，为固定常数，为滤波块的长度，为滤波块中除像素值外的第个像素值。

19、进一步地，所述s3包括以下分步骤：

20、s31、取滤波码图像中多个边缘的像素点，作为表征点；

21、s32、计算每个表征点的邻域范围内其他像素点与对应表征点的距离；

22、s33、找到距离超过距离阈值的像素点，标记为码像素点；

23、s34、根据码像素点的分布，对滤波码图像进行切割，分离背景像素点，得到标准码图像。

24、进一步地，在s32中计算每个表征点的邻域范围内其他像素点与对应表征点的距离的公式为：

25、，，，，其中，为一个表征点的邻域范围内一个像素点与对应表征点的距离，为一个表征点的邻域范围内像素点的通道值，为一个表征点的邻域范围内像素点的通道值，为一个表征点的邻域范围内像素点的通道值，为表征点的通道值，为表征点的通道值，为表征点的通道值，为通道权重，为通道权重，为通道权重。

26、进一步地，所述s6包括以下分步骤：

27、s61、将灰度码图进行分块，得到图像块；

28、s62、在每个图像块上提取图像特征。

29、进一步地，在s62中每个图像块上提取图像特征包括：像素点灰度值分布特征和像素点梯度特征；

30、像素点灰度值分布特征的公式为：，其中，为像素点灰度值分布特征，为图像块中第个像素点的灰度值，为图像块中像素点的数量；像素点梯度特征的公式为：，其中，为像素点梯度特征，为图像块上像素点的横坐标，为图像块上像素点的纵坐标，为常数，为分辨率因子。

31、进一步地，所述s7包括以下分步骤：

32、s71、将多个图像块的像素点灰度值分布特征和像素点梯度特征分别构建为灰度值分布特征序列和梯度特征序列；

33、灰度值分布特征序列为：，其中，为第1个图像块的像素点灰度值分布特征，为第个图像块的像素点灰度值分布特征，为第个图像块的像素点灰度值分布特征，为图像块的数量；

34、梯度特征序列为：，其中，为第1个图像块的像素点梯度特征，为第个图像块的像素点梯度特征，为第个图像块的像素点梯度特征；

35、s72、计算灰度码图的灰度值分布特征序列与存储码的灰度值分布特征序列的匹配度，得到第一匹配度；

36、s73、计算灰度码图的梯度特征序列与存储码的梯度特征序列的匹配度，得到第二匹配度；

37、s74、在第一匹配度大于第一匹配度阈值时，且第二匹配度大于第二匹配度阈值时，图像特征与存储码匹配成功；

38、s75、根据匹配成功的存储码，获取对应的识别信息，完成码的识别匹配。

39、进一步地，在s72中第一匹配度的计算公式为：，，其中，为第一匹配度，为灰度码图的灰度值分布特征序列中第个像素点灰度值分布特征，为存储码的灰度值分布特征序列中第个像素点灰度值分布特征，为灰度码图的灰度值分布特征序列中像素点灰度值分布特征的均值，为存储码的灰度值分布特征序列中像素点灰度值分布特征的均值，为第一比例系数，为图像块的数量。

40、进一步地，在s73中计算第二匹配度的公式为：，，其中，为第二匹配度，为灰度码图的梯度特征序列中第个像素点梯度特征，为存储码的梯度特征序列中第个像素点梯度特征，为灰度码图的梯度特征序列中像素点梯度特征的均值，为存储码的梯度特征序列中第个像素点梯度特征的均值，为第二比例系数，为图像块的数量。

41、综上，本发明的有益效果为：

42、1、本发明在采集码图像后先进行滤波处理，提高剥离背景图像精度，避免一些噪声点影响剥离精度。

43、2、本发明在不采用神经网络的情况下，通过剥离背景和矫正图像等处理手段提高了识别精度，且解决了采用神经网络进行码的识别匹配存在计算量大的问题。

44、3、本发明在提取图像特征时，将灰度码图进行了分块，在每个图像块中分别提取两种特征：像素点灰度值分布特征和像素点梯度特征，通过这种分块处理，并在每个块上提取特征的方式，精确捕捉每个图像块上的特征，从而使得在后面进行特征匹配时，进一步的提高识别匹配的精度。

技术特征：

1.一种码的识别匹配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的码的识别匹配方法，其特征在于，所述s2包括以下分步骤：

3.根据权利要求2所述的码的识别匹配方法，其特征在于，所述s23中计算滤波值的公式为：

4.根据权利要求1所述的码的识别匹配方法，其特征在于，所述s3包括以下分步骤：

5.根据权利要求4所述的码的识别匹配方法，其特征在于，在s32中计算每个表征点的邻域范围内其他像素点与对应表征点的距离的公式为：

6.根据权利要求1所述的码的识别匹配方法，其特征在于，所述s6包括以下分步骤：

7.根据权利要求6所述的码的识别匹配方法，其特征在于，在s62中每个图像块上提取图像特征包括：像素点灰度值分布特征和像素点梯度特征；

8.根据权利要求7所述的码的识别匹配方法，其特征在于，所述s7包括以下分步骤：

9.根据权利要求8所述的码的识别匹配方法，其特征在于，在s72中第一匹配度的计算公式为：

10.根据权利要求8所述的码的识别匹配方法，其特征在于，在s73中计算第二匹配度的公式为：

技术总结
本发明公开了一种码的识别匹配方法，属于图像处理技术领域，通过采集码图像，并滤波、剥离背景、位置矫正和灰度处理，得到灰度码图，提取灰度码图上的图像特征，本发明在提取图像特征时，将灰度码图进行了分块，在每个图像块中分别提取两种特征：像素点灰度值分布特征和像素点梯度特征，通过这种分块处理，并在每个块上提取特征的方式，精确捕捉每个图像块上的特征，从而使得在后面进行特征匹配时，进一步的提高识别匹配的精度。

技术研发人员：宁家川,霍之刚,褚风波,张春燕,邱春晓,任剑,朱睿,赵昕,孟庆泽
受保护的技术使用者：青岛冠成软件有限公司
技术研发日：
技术公布日：2024/1/16