[发明专利]一种基于机器视觉的复杂背景下条形码分割与识读方法

说明书

本发明公开了一种基于机器视觉的复杂背景下条形码分割与识读方法，通过利用条形码图像所具有的梯度方向的一致性特征，运用基于局部梯度信息融合的条形码分割方法将条形码从复杂背景下精确提取出来；而后对获得的条形码区域进行校正与采样，运用结束码定标的方法得到条形码最小单位宽度，再采用动态阈值法对条形码进行条空界定，最终进行条形码解码、容错和检验。

技术领域

本发明属于图像处理技术领域，更为具体地讲，涉及一种基于机器视觉的复杂背景下条形码分割与识读方法。

背景技术

条形码技术的广泛使用为不同国家和地区的贸易往来提供了统一且简便的语言，利用条形码的标识信息，很容易便可将其转化为可识的电子数据，从而达到快速读入的目的，也避免了手动输入容易出错的问题。一维条形码虽然表现形式、储存数据的方式各有不同，但其基本的特征是一致的，都是靠不同宽度的黑白相间的条纹组合来表示信息。在当前电子制造业中，条形码的读取主要还是通过人工手持传统的激光式条形码扫描器进行读取，这个虽然操作不复杂，但是工人的操作熟练度也会对扫描条形码效率有所影响，因为手持式条形码扫描器需要将激光线对准要扫描的条形码，有时候会需要多次调整扫描的方位、距离等才能正确将条形码扫出。尤其现在国内用工成本日益增加，生产线产量迫切提高的情况下，开发出基于数字图像的条形码解码方法迫在眉睫。

通过数字式图像的方式对条形码进行扫码，必然包括两个步骤：条形码的定位和条形码解码。尤其对于复杂背景如电路板、曝光不足、光照不均匀、电路板反光等条件下，条形码定位的效果好坏直接决定了最后是否能成功扫码。

条形码的定位经常会用到其几何形状、方向梯度、边缘方向、直方图这几大特征较为直观的定位做法便是将采集到的图像转换为灰度图，然后进行去噪操作、二值化，对得到的图像进行直线检测，得到众多平行直线。该方法虽然从理论上来说是较完善的，但实际效果极不稳定，不具备工业的应用价值。

在条形码识读方面，目前大多是基于在很好分割了条空界限的基础上所做的相关解码操作，然而根据不同的环境，不同的分割条形码条空界限的方法带来的效果大不相同，相关的研究相对较少。尤其在光照条件等不均匀的情况下，采用普通的固定阈值来确定条形码的条空界限就会存在问题，界限分割不正确将直接导致各宽度比例发生变化，最终导致解码失败。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于机器视觉的复杂背景下条形码分割与识读方法，具有较强的鲁棒性。

为实现上述发明目的，本发明一种基于机器视觉的复杂背景下条形码分割与识读方法，其特征在于，包括以下步骤：

(1)条形码分割

(1.1)、计算灰度图I的梯度信息形成梯度幅值图T，并将其归一化到[0,255]；

其中，C(x,y)表示(x,y)处像素值大小，G_x(x,y)表示(x,y)处x方向梯度值，G_y(x,y)表示(x,y)处y方向梯度值，G(x,y)表示(x,y)处近似梯度幅值，θ(x,y)表示(x,y)处梯度方向；

(1.2)、对梯度幅值图T进行分块，并进行梯度直方图统计

(1.2.1)、设置大小为m*n的滑动窗口，m为滑动窗口的长，n为滑动窗口的宽；设置滑动步长step；

从梯度幅值图T的左上角顶点出发，以步长step滑动，每滑动一次得到一图像块patch，用符号I_p表示，p＝1,2,…,L，L表示图像块的个数；

(1.2.2)、对L个patch进行梯度直方图统计；