[发明专利]一种基于宽度学习的QR码图像检测方法

说明书

本发明公开了一种基于宽度学习的QR码图像检测方法，通过输入含有QR码和不含QR码的原始图片，并分别对其做不同的标记，再对原始图片进行灰度化和二值化，利用QR码寻像图形的图形轮廓特征筛选出含有类似QR码寻像图形的轮廓特征的图片后，作为宽度学习模型的输入，通过对宽度学习模型进行训练建立QR码检测模型，最终将待检测的图片输入到已经训练好的QR码检测模型中，即可判断待检测的图片中是否含有QR码。采用先提取已知图片构建模型，再对模型训练的方式，可以实现判断图片是否含有QR码。利用宽度学习模型进行训练可以快速地进行训练，并且最后用来测试判断其他图片时能够达到较高的精确度。

技术领域

本发明涉及QR码技术领域，尤其是一种基于宽度学习的QR码图像检测方法。

背景技术

随着时代的变更，科学的发展，QR码已经渗入我们的日常生活中，各种包装袋上，广告牌上，商品标签，电子设备以及各种app上都有QR码的存在，QR码的存在给我们的生活带来了大大的方便，我们可以通过QR码实现付款，读取信息，防伪等功能。

QR码技术是当前一项普及热门的技术，该图形是由黑白相间的模块按照一定的规律形成的，里面包含着丰富的信息量。它能够存储汉字、数字和图片等各种复杂的信息，满足了大数据存储的需求。同时，QR码本身具有较强的加密和容错功能，并且成本低，持久度高，使的它能够稳定的存在和发展。QR码应用的场景特别广，可以用到商场购物支付，公交车上，菜市场和医疗行业等等。现在很多QR码都被打印在图片上，QR码检测设备大多数都是直接对QR码进行扫描读取，但即使图片上没有QR码，检测设备也会运行扫描程序，最终才提示扫描失败，特别是当图片包含大量元素的时候，会极大地浪费检测设备的资源。因此先判断图片是否含有QR码，再启动扫描程序，才能有效节省检测设备的资源。但是目前大多数的方法都是针对如何读取QR码的信息做改进，未能有效地对图片是否含有QR码进行判断。

发明内容

为解决上述问题，本发明的目的在于提供一种基于宽度学习的QR码图像检测方法，能够判断图片是否含有QR码。

本发明解决其问题所采用的技术方案是：

第一方面，本发明实施例提出了一种基于宽度学习的QR码图像检测方法，包括：

输入含有QR码的图片和不含QR码的图片作为原始图片；

分别对含有QR码的图片和不含QR码的图片做不同的标记；

对原始图片进行灰度化和二值化的预处理；

利用QR码寻像图形的图形轮廓特征从预处理后的原始图片中筛选出含有类似QR码寻像图形的图形轮廓的目标图片；

将目标图片作为宽度学习模型的输入，利用宽度学习模型进行训练，建立QR码检测模型；

利用所述QR码检测模型判断待检测图片是否含有QR码。

进一步，采用不同的二进制数分别对含有QR码的图片和不含QR码的图片做标记。

进一步，所述对原始图片进行灰度化和二值化的预处理，包括：

将原始图片的图像转换成灰度图像；

采用局部自适应阈值的方式将灰度图像转换成二值化图像；

对二值化图像进行滤波和去噪。

进一步，所述图形轮廓特征为：含有一个轮廓，该轮廓外部没有其他轮廓包围、内部只嵌套两个其他轮廓。

进一步，所述将目标图片作为宽度学习模型的输入，利用宽度学习模型进行训练，建立QR码检测模型，包括：

将目标图片转换成矩阵的形式，构建宽度学习模型的输入矩阵；