专利名称：一种用于污染及多视角情况下DataMatrix码的精确定位方法
技术领域：
本发明涉及模式识别技术领域，具体为一种用于污染及多视角情况下DataMatrix码的精确定位方法。
背景技术：
直接零件标识DPM(Direct Part Marking)技术是一种可直接在产品的表面形成包括文字、符号或图案等形式的永久标识技术，利用DPM技术在产品表面形成的一维条码或二维条码符号，是实现产品可追溯性标识的重要技术手段，在条码符号的选择上，考虑到产品表面面积有限、提高符号识读率等因素，目前多选用DataMatrix条码作为产品的二维条码永久标识，这是因为DataMatrix条码编码容量大、密度高、纠错能力强。二维条码精确定位是指已知图像中存在二维条形码，对条码的四条边缘进行精确识别，从而精确定位二维条码区域。以金属零件或金属刀具为背景二维条码，在车间流通环境下，通常会有下列精确定位问题1、长期恶劣环境使用下金属会有腐蚀生锈，磨损划痕污染等干扰；2、由于金属本身的形状材质各异，条码与背景对比度有高有低，且存在背景粗糙，噪声污染大等问题。3、如果光照不理想的话，可能会有高光反光覆盖掉条码部分边缘，或者存在光照不均造成条码边缘不易识别。4、二维条码在图像中的旋转角度任意，相机拍摄角度任意，造成二维条码存在刚性形变或透视形变，加大了二维条码四条边缘精确定位的难度。目前对于二维条形码的精确定位主要分为两步，第一步为通过硬件辅助检测方法或软件检测方法粗定位条码区域，譬如申请号为“200410076815”，名称为“用于定位二维条形码的方法和设备”与申请号为“200610060244”，名称为“一种二维条码移动终端辅助定位方法”的发明专利，基于特定的硬件平台，用半自动化的方法来定位二维条码区域；申请号为“201110310325. 6”，名称为“复杂金属背景下DataMatrix条码区域定位方法”的发明专利，利用机器学习与级联检测联合的方法定位DataMatrix条码区域。第二步为利用二维条码边缘的几何性质，精确定位条码区域，譬如申请号为“200710050434”，名称为“一种二维条码系统及其定位方法”与申请号为“200610086966”，名称为“一种基于定为圆形的可快速定位的二维条码系统”的发明专利，都是利用二维码特有的格式与几何形态精确定位数字图像中的二维条码。但这些方法都只是初等方法，只适用于印刷在纸张上的背景环境好、二维条码边缘没有遭到污染破坏及无透视形变的二维条码图像，难以推广到复杂的二维条码应用识别场景。
发明内容
要解决的技术问题本发明的目的是为了解决存在生锈腐蚀、高反光覆盖边缘、磨损划痕污染等污染干扰及存在刚性或透视形变的DataMatrix码精确定位的问题。本发明在条码粗定位的基础上，提供一种通过提取DataMatrix码的四条边缘特征及内部边缘的hough域分布特征，利用多特征融合的方法鲁棒的定位出DataMatrix码的四条边缘的方法。技术方案本发明的技术方案为所述一种用于污染及多视角情况下DataMatrix码的精确定位方法，其特征在于包括以下步骤步骤I :对含有DataMatrix码的输入图像A进行预处理，所述输入图像A的宽度为w像素，高度为h像素步骤I. I :采用“选择式掩模平滑”方法遍历输入图像A，得到平滑后的图像为A1 ；对图像A1求取“灰值形态学梯度”得到灰值梯度图像A2 ;对图像A2进行“大津阈值分害Γ得到二值化的梯度图像A3;步骤I. 2 :在图像A2中选取像素值Pixi,」> T1的像素点Pi,」作为候选边缘点，其中Pixijj表示图像A2中第i行j列像素点Py的像素值，T1为步骤I. I中“大津阈值分割”时得到的大津阈值；对每个候选边缘点Py采取如下步骤步骤I. 2. I :建立候选边缘点Pi,」与8邻域像素点的角度对应关系Θ (Pijj, Pi,j-i) =-n/2= Ang[O] ； Θ (Pi；J, Pi；J+1) = π /2 = Ang[4]；θ (Pijj, Pi-I, J+i) = θ (Pijj, Pi+1, j-i) = - 31 /4 = Ang[l]；Θ (pi;j，Ph, p = Θ (Pi，」, Pi+1,」)=0 = Ang[2]；Θ (Pi，」, Pi+1, j+1) = Θ (Pijj, Pi-I, j-i) = π /4 = Ang[3]；其中，Θ函数代表点Pu与其8邻域像素点中对应点之间的角度对应函数；Ang[O] ^Ang[4]代表点Pi^.与其8邻域像素点中对应点的角度序号；步骤I. 2. 2 :计算候选边缘点Pi,」的sobel梯度方向Θ = arctan(dyijJ/dxi；J),其中(Iyiij = (Pixi-!, J+i+2pixi； J+1+pixi+1, J+1) - (piXi-i, j-i+2pixi； j-i+pixi+i, j-i)dxi；J = (pixi+1, J+1+2pixi+1； j+pixi+1； ^1) - (pix^, J+1+2piXi_1； j+pix^ ^1)步骤I. 2. 3:确定 0i;j 所在的角度区间为[Ang[a]，Ang[a+l]]，a 为
区间内的整数，则候选边缘点Pi,」在θ u正方向的像素值插值P^j为
权利要求
1.一种用于污染及多视角情况下DataMatriX码的精确定位方法，其特征在于包括以下步骤 步骤I :对含有DataMatrix码的输入图像A进行预处理，所述输入图像A的宽度为w像素，高度为h像素 步骤I. I :采用“选择式掩模平滑”方法遍历输入图像A，得到平滑后的图像为A1 ;对图像A1求取“灰值形态学梯度”得到灰值梯度图像A2 ;对图像A2进行“大津阈值分割”得到二值化的梯度图像A3; 步骤I. 2 :在图像A2中选取像素值Pixi,」> T1的像素点Pi,」作为候选边缘点，其中Pixi,j表示图像A2中第i行j列像素点Pu的像素值，T1为步骤I. I中“大津阈值分割”时得到的大津阈值；对每个候选边缘点Pu采取如下步骤 步骤I. 2. I :建立候选边缘点Pu与8邻域像素点的角度对应关系 θ (pi, j，pi, j-i) = - 31 /2 = Ang
； Θ (Pi；J, Pi； J+1) = π /2 = Ang[4]； ·9 (Pi, j- Pi-ι, J+i) = 9 (Pi.j, Pi+i,j-i) = - π /4 = Ang[l]； ·9 (Pi, j- Pi-ι,j) = 9 (Pi’j，Pi+i’j) = 0 = Ang[2]； ·9 (Pijj, Pi+i,J+i) = 9 (Pi.j, Pi-i,j-i) = 31 /4 = Ang[3]； 其中，Θ函数代表点Pu与其8邻域像素点中对应点之间的角度对应函数；Ang
Ang[4]代表点Pu与其8邻域像素点中对应点的角度序号； 步骤I. 2. 2 :计算候选边缘点PiJ的sobel梯度方向QiJ = arctar^dyy/dXi，」)，其中 (Iyi, j — (Pixi-L J+1+2pixij j+1+pixi+1, J+1) _ (piXi—工，J_1+2pixi；j-i) (Ixi, j — (pixi+1 ’ j+1+2pixi+1 ’ j+pixi+1 ’ ^1) _ (pixj_1； J-+1+2pixi_1； j+pixj_1； ^1) 步骤I. 2. 3:确定Qi j所在的角度区间为0i je [Ang[a]，Ang[a+1]]，a为
区间内的整数，则候选边缘点Pi,」在Θ i,」正方向的像素值插值P1, Uj为··
全文摘要
本发明提出了一种用于污染及多视角情况下DataMatrix码的精确定位方法，采用基于梯度边缘方向检测出亚像素级的边缘，利用快速Hough变换方法求得两主方向然后判断候选目标点的归属梯度方向容错区间，然后两个梯度方向容错区间内的边缘目标点分别在各自主方向容错区建立进行Hough累加，去除大量干扰噪声点，再基于先验知识过滤及预定义边缘组合，提取边缘组合的多特征，最后利用D-S证据理论方法融合多特征进行DataMatrix码边缘精确识别。本发明的效果为对于存在生锈腐蚀、高反光覆盖及磨损划痕干扰等污染及透视形变在20°之内的金属上的DataMatrix码都有较高的四边缘精确定位率，精确定位正确率在85%以上。
文档编号G06K9/46GK102930268SQ20121031897
公开日2013年2月13日 申请日期2012年8月31日 优先权日2012年8月31日
发明者何卫平, 王伟, 雷蕾, 郭改放, 曹西征, 林清松 申请人:西北工业大学