[发明专利]一种基于视觉图像的条形码检测识别方法

说明书

技术领域

本发明涉及图像目标检测与识别技术领域，特别涉及一种基于视觉图像的条形码检测识别方法。

背景技术

在计算机视觉相关实时视觉系统应用领域，对获取的视觉图像中目标的检测与识别是首要的步骤。目标检测算法的好坏直接影响到对后续识别等进一步的视觉处理。由于实际场景的复杂多变导致现有的算法普遍比较复杂，计算量大，内存容量要求高，不适合资源有限的实时视觉系统。因此，针对于实时视觉系统的目标检测算法必须首先考虑算法效能的问题，要尽可能减少计算量和存储容量。

发明内容

本发明的目的在于提供一种基于视觉图像的条形码检测识别方法，以有效地减少条形码检测识别过程中占用的系统内存和处理时间。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于视觉图像的条形码检测识别方法，所述的方法包括以下步骤：

S1.对包含条形码的图像进行采集；

S2.将采集的条码图像转换为灰度图像，构建压缩感知模型，对灰度图像进行压缩；

S3.对压缩后的条码图像进行轮廓检测，搜寻条码图像中最大轮廓的区域，将最大轮廓的区域认定为条形码所在区域；

S4.对条形码所在区域中的条形码进行识别和解码，输出条码数据。

进一步地，所述的构建压缩感知模型的具体过程为：以M行N列大小的测量矩阵Φ对灰度图像x进行测量，按照公式(1)计算得到压缩后的测量值y：

y＝Φx(1)

其中，M<<N。

进一步地，以50％的压缩率对灰度图像进行压缩感知。

进一步地，所述的步骤S3具体包括以下步骤：

S31.建立边缘检测计算模型，对压缩后的图像进行梯度运算，得到梯度图像；

S32.进行均值滤波运算，对梯度图像进行滤波处理；

S33.对滤波后的图像进行二值化处理；

S34.将二值化后的条码图像进行形态学运算以搜寻图像中最大轮廓的区域。

进一步地，所述的步骤31具体为：对压缩后的图像分别进行横向方向和纵向方向上的标准Sobel算法检测，

假设I_Sx为横向方向Sobel算法检测运算结果，I_Sy为纵向方向Sobel算法检测运算结果，按照公式(2)计算梯度图像I_G，

I_G＝|I_Sx-I_Sy| (2)。

进一步地，所述的形态学运算包括：至少5次迭代的腐蚀运算和膨胀运算。

进一步地，所述的步骤S4包括：

S41.对条形码进行线性扫描；

S42.统计图像中黑色像素和白色像素的位置和个数，计算条形码的黑白宽度编码；

S43.识别条形码中的起始符和终止符，根据起始符和终止符判别条码符号和扫描方向；

S44.根据编码规则对条形码进行解码，输出条形码数据。

进一步地，利用红外线摄像头或CMOS摄像头对包含条形码的图像进行采集。

本发明由于采用以上技术方案，使之与现有技术相比，具有以下的优点和积极效果：

本条形码检测识别方法在条码检测之前先通过构建压缩感知模型对图像进行压缩，在保留原始图像信息的同时，可大幅减少像素数量，从而提高后续处理过程中的算法计算效率，并采用高效条码检测算法进行条码检测，相对于传统的条形码检测识别算法，能大幅度减少条形码检测识别过程中的内存容量和处理时间，计算简单，可获得较好的目标检测结果并且具有较强的抗干扰性，适合于嵌入式系统等计算量小和内存容量要求低的应用场景。

附图说明

图1是本发明的流程示意图；

图2是本发明中步骤S3的具体流程示意图；

图3是本发明中步骤S4的具体流程示意图；

图4是本发明与其他方法的平均每帧处理时间比较示意图。

具体实施方式

以下结合附图和具体实施例对本发明提出的技术方案进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用于方便、明晰地辅助说明本发明实施例的目的。