1. 研究目的与意义（文献综述包含参考文献）

1．课题的研究意义和应用价值

一维条码所能存储的信息量非常少，仅是对商品的标识，若想实现对商品信息具体描述，则需要数据库，同时一维条码对汉字的标识有困难，效率低。二维码因具有信息量大、可靠性高、超高速全方位识读、高效汉字表示等优点被广泛的应用，包括证件管理、政府公共部门、商品流通、电子票务、火车票等领域。目前二维条码的识读器主要可分为激光读取式和图像读取式2类，激光读取式受限于条码的制式，而图像读取式可以使用非专用识读器。但是使用设备采集得到的条码图像，很容易受到噪声、光照不均匀或遮挡的影响，造成条码模糊并产生一定程度的黑白混叠现象，从而影响二维条码的准确识读。另外，条码在使用过程中易受到磨损、污损、划痕以及畸变等问题的干扰，影响条码的识别效率。这些问题都会导致很多低质量二维码的出现，给快速有效译码带来很大的困难，甚至导致无法准确识别。因此，在光线不均匀场景下实现低质量二维码的稳定识别对于二维码的实际应用具有重要的研究价值和现实意义。

2．国内外研究现状

（1）复杂背景下图像分割算法研究现状

在二维码识别过程中，首先要对采集的复杂背景图像进行图像分割，消除复杂背景对其识别的不利影响，有利于稳定快速识别二维码。因此图像分割的处理效果对最终能否稳定快速识读出二维码内的信息至关重要。针对复杂背景下目标区域分割的研究，宿丁(2007)等人针对复杂背景下多源多目标图像的分形分割问题提出融合多特征的分割算法。李敏花(2009)等人提出利用条件随机场的图像文本抽取方法来处理复杂背景图像中的文本抽取问题。王萍(2012)等人针对复杂背景下非规则带状区域提取问题，提出了探测窗协同加深印象算法。叶业(2016)等人针对复杂背景下激光图像三维表面重建中光条中心坐标提取问题，提出了改进差影法。

（2）二维码图像去噪算法研究现状

AndriaG(2012)提出小波线性滤波器对超声医学图像的去噪处理，可能损失图像中的细节信息。Lee(2015)等人提出一种各向异性的Lee滤波算法。Yu(2012)等人提出旋滤波。Goldstein(2011)等人将频域的方法引入干涉相位滤波。Zha(2014)人等提出了基于小波包变换和维纳滤波的干涉相位滤方法。Buades(2015)等人提出了一种非局部平均滤波的算法。处理效果。廖东方(2018)等人讨论了各种噪声影响下的QR码数字图像的处理和识别软件的算法。罗学刚(2015)等人提出一种选择性计算的快速非局部均匀去燥算法，利用LZ范数逐次消元法，剔除大量相似性地的像素点，其算法提高了去噪速度。黄光亚(2015)等人提出3维轴距的去噪算法。霍沛军(2018)等人提出自适应分数阶微分与双边滤波相结合的图像去噪算法。郭强(2015)等人利用图像的低秩特性和最小方差估计理论，提出迭代去噪算法，能有效抑制残留噪声。

（3）二维码图像二值化算法研究现状

图像二值化处理时灰度阈值的选择是至关重要的一点，为了能够找到合适的分割阈值，研究人员进行了多方面研究，提出了各种改进算法，有阈值法、区域生长法、边缘检测法等(Joseph et al.1994;shellhammer et al.1999;Dong et al.2008)。Luiz F.F(2011)为解决光照不均影响二维码识别的问题，提出改进的基于背景灰度估计的算法。针对全局阈值算法的缺点，赵海(2018)等人提出了一种自适应阈值算法，对二维码进行分四块处理，减小全局阈值进行二值化产生误判的可能性，能够在较短的时间内分离出目标与背景，但此种算法只有在目标图像处于中心位置时识别率较高。针对亮度不均匀的码图像，张雯(2018)等人提出了一种改进的局域背景灰度估计的校正算法，该算法根据图像大小进行分块处理，在此基础上计算各部分的灰度值，然后利用双线性内插法设置每块灰度值为估计值，最后利用原图检出背景图像得到校正图像，由此克服了光照不均对阈值选取的影响，但此种算法只适用于背景较为简单的图像二值化。

3．课题研究方法    

为了克服复杂背景干扰、光照不均、条码倾斜等问题，实现现场中二维条码的快速识别，结合机器视觉、图像处理等技术，运用Python语言编写程序来做，基于OpenCV工具来完成识别，针对强光或者弱光场景下扫描，初级能够识别图片中的二维码，高级能够识别视屏中二维码。本课题的研究方法如下：

(1) 二维码预处理。首先，将输入图像转换为灰度图像，通过 otsu阈值分割方法提取二值图像。      

(2) 二维码定位与识别。将二值图像使用轮廓，根据二维码三个区域的特征，对轮廓进行面积与比例的过滤，找出最小包围矩阵，从原图中扣出，即可框出二维码大致位置，将扣下来的图片用自适应阈值处理，放入zbar识别，从而得到最终结果。     

(3) 二维码算法测试。对该算法进行了实现与测试，测试了该算法的正确性。用Python语言实现该识别系统，调试及优化该程序，测试算法功能模块，并在OpenCV平台上对该识别系统进行了性能方面的测试:识别正确率测试、可靠性测试、实时性测试。

(4) 总结与展望，总结所做工作和对二维码以及识别的广阔市场和前景的展望。    

参考文献：

[1]廖东方.二维码电子标签的安全技术研究[D]. 北京邮电大学 2018

[2]叶业.基于嵌入式的工业二维码提取与识别算法研究[D]. 深圳大学 2016

[3]杨絮.扭曲二维码的识别算法研究与实现[D]. 复旦大学 2013

[4]段金亮.自助取餐系统设计与实现[D]. 成都理工大学 2017

[5]顾志奇.面向快消品行业的二维码营销决策支持系统研究[D]北京化工大学 2018

[6]赵海.基于加密二维码的隐私保护技术研究与实现[D]. 西安电子科技大学 2018

[7]张雯.基于物联网应用的二维码标签智能化管理系统[D].山东大学 2018

[8]周爽.出版物二维码编码标识构建基础研究[D]. 北京印刷学院 2018

[9]霍沛军.基于安全二维码的物品溯源系统关键技术研究与应用开发[D]. 北京印刷学院 2018

[10]付铮.图书二维码应用模式比较研究[D].北京印刷学院 2018

[11]刘慧, 郭强, 张云峰, et al. 基于最小方差估计的图像低秩去噪[J]. 计算机辅助设计与图形学学报, 2015(12):2237-2246.

[12]薛延学, 薛延学, 刘敏, et al. 复杂背景下基于二维OTSU和肤色分割结合的掌纹图像分割方法[J]. 西安理工大学学报, 2015(3):353-359.

[13]张武, 黄帅, 汪京京, et al. 复杂背景下小麦叶部病害图像分割方法研究[J]. 计算机工程与科学, 2015, 37(7).

[14] 李博, 谢巍. 基于自适应分数阶微积分的图像去噪与增强算法[J]. 系统工程与电子技术, 38(1). 

[15]黄光亚, 曾水玲, 张书真, et al. 基于三维轴距的图像去噪算法[J]. 电子与信息学报, 2015(3).

[16]Karthika M , James A . A Novel Approach for Document Image Binarization Using Bit-plane Slicing[J]. Procedia Technology, 2015, 19:758-765.

[17]Andria G , Attivissimo F , Cavone G , et al. Linear filtering of 2-D wavelet coefficients for denoising ultrasound medical images[J]. Measurement, 2012, 45(7):1792#8211;1800.

[18]Dong L, Ge Y, Ogunbona P, et al. An efficient iterative algorithm for image thresholding[J]. Pattern Recognition Letters, 2004, 29(9):1311-1316.

2. 研究的基本内容、问题解决措施及方案

一 本课题所研究的问题

    因为二维码是一种矩阵式二维条码，对其识别主要分为三个步骤，一是采集二维码图像；二是对采集到的二维码进行图像分割与预处理三是对预处理后的二维码进行译码，获得识别结果，所以可以采用数字图像处理的方法对其进行加工处理，以增强其自身质量，提高对其的识别能力。
因二维码在使用过程中，容易引起各种问题，比如说:磨损、划痕、噪声、复杂背景、光照不均、阴影遮盖、图像畸变等影响，因此需要通过数字图像处理相关算法对这些问题加以解决。

二 具体做法可以概括如下：

对于因二维码本身的少量磨损和划痕等问题，通过二维码本身的容错机制解决。

							剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付