【《基于树莓派的二维码矫正识别系统设计》12000字(论文)】_第1页
【《基于树莓派的二维码矫正识别系统设计》12000字(论文)】_第2页
【《基于树莓派的二维码矫正识别系统设计》12000字(论文)】_第3页
【《基于树莓派的二维码矫正识别系统设计》12000字(论文)】_第4页
【《基于树莓派的二维码矫正识别系统设计》12000字(论文)】_第5页
已阅读5页,还剩27页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于树莓派的二维码矫正识别系统设计目录摘要 1第一章绪论 31.1研究的背景及以意义 31.2国内外研究现状 3第二章QR二维码概述 52.1QR二维码的结构 52.2.1位置探测图形 52.2.2定位图形 62.2.3校正图形 62.2.4格式信息 72.2.5编码区域 72.2QR二维码编码过程 92.2.1数据分析 92.2.2数据编码 92.2.3纠错编码 102.2.4构造最终二维码数据信息 112.2.5构造矩阵 112.2.6覆盖掩摸 122.2.7格式和版本信息 12第三章设计理论分析 123.1图像灰度化 123.1.1分量法 133.1.2最大值法 133.1.3平均值法 133.1.4加权平均法 133.2滤波降噪 143.2.1高斯滤波 143.2.2统计中值滤波 143.2.3双边滤波 153.3反二值化 153.4腐蚀膨胀处理 163.4.1膨胀 163.4.2腐蚀 163.5Canny边缘检测 173.6Hough变换 203.6.1直线检测 203.6.2极坐标参数空间 213.7仿射变换 22第四章基于树莓派的QR二维码矫正与识别系统设计与实现 244.1系统总体设计 244.1.2系统实现功能 254.1.3系统的运行平台 254.2算法主要流程 264.2.1对比度亮度调整 264.2.2滤波降噪 274.2.3反二值化 284.2.4腐蚀膨胀处理 284.2.5Canny边缘检测 284.2.6Hough算子拟合直线 284.2.7计算二维码四个顶点坐标 294.2.8利用顶点坐标进行仿射变换 304.2.9对处理过的二维码进行识别 31第五章实验结果分析 32总结 33参考文献 34摘要本设计是基于树莓派的二维码矫正识别系统。随着移动互联网的快速发展与不断普及,二维码通信技术对其发展也已经有了显著性的提高,二维码通信技术在各行业实际应用的覆盖范围在不断壮大扩展,传统的二维码识别技术普遍存在对畸变二维码识别错误或无法识别的问题。本设计采用树莓派硬件平台,搭配摄像头,通过一系列对图像的算法变换达到可以矫正识别大部分畸变二维码,提高二维码的识别精度。系统在图像处理的基础上,通过对QR二维码图形特征的提取,对QR二维码的矫正与识别流程进行了研究,经过大量理论研究与多次实验分析,采用了双边滤波算法、膨胀腐蚀算法与霍夫变换,结合仿射变换,将不规则畸变二维码矫正为规则二维码,并通过树莓派进行识别。关键词:二维码识别;树莓派;图像处理;QR二维码第一章绪论1.1研究的背景及以意义随着互联网的发展与普及,二维码技术的发展也有了很大的进步。以中国各类移动支付应用为标志,二维码技术产业的应用范围不断扩大。二维码在各行各业中占有重要地位,二维码技术也逐渐成熟。树莓派作为一台电脑,有着常见51单片机与STM32单片机无法比拟的处理速度,可以运行一些定制的操作系统,可以完成普通的单片机无法完成的复杂的任务管理与调度。与电脑相比,树莓派又有着丰富的IO口,且只有信用卡大小,因此可以灵活运用在各种场景,为了各个行业开发者提供了更灵活的应用空间。1.2国内外研究现状a.常用二维码相对于一维码,二维码的文字信息传输密度与安全度都已经有了比较大的幅度改进,例如copdf417的密码信息安全密度也就是cocode39的20多倍。在此基础上,二维码的使用范围也更加广泛,诸如PDF417码、QR二维码码、49位码、16位码等都属于我们日常生活中常见且大量使用的二维码。此外,在二维码处理设备配件开发设计研制、生产方面,美国、日本等由我国的条码设备配件制造商开发生产的条码识读处理设备、符号编码生成处理设备,已广泛应用于各类新型二维码设备应用管理系统,为二维码的应用提供了强大的技术支持。自二维码技术诞生以来,世界上许多发达国家就把发展目光主要投向这种全新的能对信息进行存储、传递和信息识别的新技术,中国也不例外。1993年,中国研究小组成员开始积极深入进行对手机二维码图像扫描合成技术的相关科学基础研究与相关技术创新探索。随着中国网络信息技术市场经济的不断完善和应用现代网络信息以及电子技术的迅速发展进步创新发展,国内对手机微信扫描二维码这一新一代信息技术的研发应用需求与日俱增。在长期系统研究消化国外相关国家标准相关网络行业规范技术标准相关资料的基础上,我国制定了二维码网格矩阵码(SJ/T11349-2006)和二维码紧密矩阵码(SJ/T11350-2006)两大标准。随着国家对这两大标准的逐步优化,两大标准为拥有知识产权产业高新技术的二维码研发以及应用推广提供了重要理论依据和重要技术基础保障,是中国自主研发二维码道路上的重要支撑。b.二维码分类就二维码的格式来说,其分为一维码二维码三维码以及条形码。就码制的编码而言,通常分为二类:(1)线性堆叠式二维码:编码行列原则设计是根据用户需要以一维度的条码行列为设计基础的,它通常是由两个或两个以上的条码行列所组成的。它虽然继承了一个一维条形码软件设计的一些基本特点,控制条码原则,然而,由于条码行数的不断增加,必须重新确定条码读写的模式等,解码软件算法不同于完全相同的解码软件都是单维码的条形码。典型的编码是二维数字条形码例如PDF417、code16K、code49等。如图1所示:图1常见线性堆叠式二维码类型(2)矩阵式二维码:矩阵式二维码的数字条码是一种主要建立在结合现代应用计算机数字图像图形符号信息处理自动编码系统技术、组合图形符号处理编码技术、运算逻辑原理等相关技术理论基础上的一种新型图形符号自动编码信息识读以及信息处理的数字条码制。矩阵式二维条码的信息存储方式为通过黑白像素矩阵不同的排列分布方式进行编码与存储。通过黑白两种颜色的矩形像素可以存储二进制形式的“0”与“1”,当需要对矩阵式二维码进行解码时,只需要确定对应区域所代表的二进制码意义,再进行信息转换即可。常见的矩阵式二维码有DataMatrix、QRCode等。如图2所示:图2常见矩阵式二维码类型第二章QR二维码概述2.1QR二维码的结构QR二维码具有数据解码准确速度快、容错率高,且可以同时存储大量类型,因此目前被广泛使用在各种场景。QR二维码基本结构:主要功能区域分为扫码识别功能区与二维编码功能区两个大部分。图3QR二维码结构2.2.1位置探测图形在QR二维码图形内存在三个黑色矩形与白色矩形组成的正方形图案区域,被称为位置探测图形。三个位置探测图形分别位于QR二维码的左上角、左下角、右上角,其主要功能是用来发现判断一个图像是否是二维码的最重要的特征。在对QR二维码扫描与检测过程中,第一步要做的就是寻找被扫描图像中是否包含三个位置探测图形,如果成功在被扫描图像内探测到三个位置检测图形,则表示被检测图像内包含一个QR二维码。不管QR二维码的角度及颜色如何变化,三个探测图形是最显著的特征,通过这个特征可以判断体图像内是否含有二维码。如图4所示:11:1:3:1:1图4二维码位置探测图形2.2.2定位图形定位图形:QR二维码内两条黑白交替点带图案为定位图形,位置探测图形只有一单元宽度,点带起点像素与结束像素都为黑色,连接了三个位置探测图形。不同类型二维码的定位器和图形在其大小或者规格可能会因此有较大的差异,但是对每个定位QR二维码来说,定位后的图形和图形的中心位置都应该是固定并且存在的,定位图形体现了QR二维码的表示密度,同时也用来初步建立坐标系。2.2.3校正图形校正图形:QR二维码有多个版本,但并不是所有的QR二维码都包含校正图形,只有Version2版本及以上的QR二维码才会包含校正图形,校正图图形形状与位置探测图形相似,但大小与数量与位置探测图形有很大区别,往往QR二维码版本越高,所包含校正图形越多,校正图形用于对由定位图形初步建立的QR二维码坐标系进行进一步校正与调整。2.2.4格式信息格式信息:格式信息图像主要用来存储QR二维码的容错级别(分为L、M、Q、H四个级别)与所包含数据的数据掩码,此部分还存储了自身格式信息区域的容错码,此区域的存在进一步提高了二维码的纠错能力。2.2.5编码区域QR码编码通过码元根据个数不同分40个的不同编码版本,每个不同版本都必须具备固有的码元个数结构。(码元素点是指元素构成的以QR编码的小正方形点或黑白点。)如图5所示:图5几个不同版本二维码对于不同版本QR二维码,其数据存储量、数据存储类型、数据容错率都有对应版本的具体数值,且数据存储量不可超过对应版本最大数据存储量,如果需要存储更多数据,则需要增加码元数目。图6几个不同类型二维码结构QR二维码的纠错:QR二维码的编码区域内包含了具有"纠错功能"纠错码字。纠错码字区别于QR二维码内人为输入的信息,是QR二维码生成时自动添加并生成,当被检测QR二维码出现编码破损、扫描不完全、编码丢失等情况时,可通过纠错码字自动重新恢复原有数据。纠错码字的纠错等级分为L、M、Q、H四个级别,当生成二维码时,可以根据不同使用环境与需求选择一个相应的纠错码字级别。纠错码字级别越高,QR二维码容错率越高。如果调高编码级别,纠错编码能力会相应得到提高,但纠错数据量会随之增加,编码尺寸也会变大。纠错码字的比率是指全部纠错码的码字与可以全部码字的比率。表1不同版本二维码的纠错QR版本码元数纠错级别数据量数字字符二进制汉字121x21LMQH152128104724134271725201610171411710874225x25LMQH2722241761287763482447382920322620142016128329x29LMQH440352272208127614735776147355342322432262015不同字符类型总比特数的计算方法。如图7所示:模式指示符模式指示符字符数指示符4数字:10英文字母与数字:8二进制:8汉字:8数据总数据比特数数字:10x(位数除以3所得的商)+0(余数为0时)或4(余数为1时)或7(余数为2时)英文字母与数字:11x(位数除以2所得的商)+0(余数为0时)或6(余数为1时)二进制:8x位数汉字:13x位数图7总比特数的计算方法2.2QR二维码编码过程2.2.1数据分析对要进行编码的数据进行分析,选择对应的编码字符类型,并根据相应的字符集将其转换为符号字符;QR二维码纠错等级越高,实际数据的容量越低。2.2.2数据编码数据内字符被转换成比特流,一个码字由8位比特组成,存储在二维码中的数据可以通过数据码字序列的定义来知道。表2二维码容量二维码容量格式容量数字最多7089字符字母最多4296字符二进制数(8bit)最多2953字节日文汉字最多1817字符中文汉字最多984字符(采用UTF-8)中文汉字最多1800字符(采用BIG5)表3二维码模式编码模式编码数字0001结构链接0011字母数字0010FNCI0101(第一位置)8位字节01001001(第二位置)日本汉字1000终止符(信息结尾)0000中文汉字1101ECI0111在对二维码进行编码时,可根据需求选择二维码版本,再根据编码规则进行编码以提高解码效率。如:需要存储的数据为12345678进行编码(版本1-H),a.转成二进制:123→01111011456→01000101011078→01111000b.序列:0111101101000101011001111000c.字符数转成二进制:8→0000001000d.表示数字编码莫模式指示符为0001:0001000000100001111011010001010110011110002.2.3纠错编码表4二维码纠错水平纠错等级纠错水平L7%字码修正M15%字码修正Q25%字码修正H30%字码修正对于一个QR二维码,如果其纠错码的规格和每个纠错码的错误等级都已经完全确定,则纠错二维码中所有可能直接容纳的纠错编码和正文字段的数量及其总数和每个根据纠错码的等级确定的纠错字数也完全确定。2.2.4构造最终二维码数据信息在对数据处理完成且明确构造的QR二维码规格后,把处理过的数据码字序列按照指定顺序放入二维码不同的编码分区中。紧接着把数据分块并分别进行计算,计算生成对应的纠错码字,将由纠错码字区块按顺序构成的序列添加到处理好的数据码字序列后面。2.2.5构造矩阵将自动定位探测输入定位数字图形、分隔符、定位输入探测码制图形、校正输入定位探测图形和自动探测码制输入定位数字六个输入模块分别安排放在一个输入矩阵中。如图8所示:图8二维码数据存储分布2.2.6覆盖掩摸将无遮掩模式的图案编码应用于特殊符号的数字编码显示区域,以便在QR二维码图案中以最佳比率分布暗颜色范围和亮颜色范围。2.2.7格式和版本信息将处理生成的数据格式信息和对应二维码版本信息放入对应的二维码信息编码区域内。QR二维码版本7到二维码版本40都包含了版本信息,没有版本信息的全为0。QR二维码上两个位置包含了版本信息。QR二维码中,有18位的数据序列存储版本信息,这些版本信息被存储在一个6x3的二维矩阵扫码图形内,其中前6位为数据位,数据位的版本信息时000110,其余后12位为纠错信息位。第三章设计理论分析图为QR二维码矫正识别流程的理论分析:图9基于树莓派二维码矫正识别流程3.1图像灰度化在进行图像变换前,为减少后期处理难度,可先对图像进行灰度化处理。灰度图像上每个像素的颜色值又称为灰度,指黑白图像中点的颜色深度,范围一般从0到255,白色为255,黑色为0。所谓灰度值是指色彩的浓淡程度,灰度直方图是指一幅数字图像中,对应每一个灰度值统计出具有该灰度值的象素数。灰度就是没有色彩,RGB色彩分量全部相等。现在大部分的彩色图像都是采用RGB颜色模式,处理图像的时候,要分别对RGB三种分量进行处理,实际上RGB并不能反映图像的形态特征,只是从光学的原理上进行颜色的调配。图像灰度化作为图像处理的初级阶段,为图像识别和图像分析做准备。3.1.1分量法对彩色图像中的三个色彩分量进行处理,将三分量的亮度分别作为三个灰度图像的灰度值,三种灰度值都可作为参考。GrayGrayGray3.1.2最大值法对彩色图像文件中的三个不同色彩亮度分量分别进行灰度处理,将三个亮度分量中彩色亮度的最大参数值作为灰度图的灰度值。Gray3.1.3平均值法对彩色图像中的三个色彩进行处理,将三个分量亮度求平均值作为灰度图的灰度值。Gray3.1.4加权平均法加权平均法以不同的权重平均三个分量。可以在对RGB的三个分量按照0.299、0.578、0.114进行加权和平均,以获得更合理的灰度图像。三分量的系数也可自定。Gray3.2滤波降噪滤波降噪处理主要作用是为了减少图像中所包含的噪声,降低对后续图像处理过程的干扰。不同的噪声类型,可以采用不同的滤波方法,包括高斯滤波、中值滤波、甚至自定义滤波方法。3.2.1高斯滤波高斯滤波器是图像处理中一种线性滤波器,是矩形窗口内所有像素点的像素值加权和,只不过其权重与均值滤波不一样。随着距离中心像素点的距离增加,高斯滤波器矩阵的权重显示衰减的转换特性。这样的优点是距离运算符中心远的像素点的作用小,能够在一定程度上维持图像的边缘特性。通过调整高斯平滑参数,可以在图像特征过于模糊和不光滑之间获得折衷。A3.2.2统计中值滤波中值滤波是图像处理中一种非线性滤波方式,进行中值滤波时首先确定一个含有奇数个像素的滤波窗口,然后将取值窗口内的像素值按灰度由小到大或者由大到小进行单调排序,最后取其序列中值代替原窗口中心的像素值,使周围的像素值接近的真实值,从而消除图像中的噪声。如图10所示:图10中值滤波3.2.3双边滤波双边滤波是图像处理中一种非线性边缘滤波方式,在高斯滤波基础上引入了像素值权重项。在处理的同时考虑空域信息和值域信息来达到保留边缘和去噪的目的,即邻域滤波时的加权系数不仅仅考虑几何距离,而且考虑灰度相似性。双边滤波中一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。gω3.3反二值化图像的二值化处理,就是将图像上的像素点颜色设置为便于进行视觉对比的两个值,一般设置为0或255,图像二值化后会呈现出明显的只有黑和白的视觉对比效果。

3.4腐蚀膨胀处理膨胀与腐蚀能实现多种多样的功能如:消除图像中的噪声,从图像中分割出独立的图像元素,在图像中连接相邻的元素,寻找图像中的明显的极大值区域或极小值区域以及求出图像的梯度。腐蚀和膨胀主要对图像高亮部分进行操作。对图像中的高亮部分进行区域扩张的操作称为膨胀,原图经过膨胀形成的效果图拥有比扩张前更大的高亮区域。对原图中的高亮部分进行区域收缩的操作称为腐蚀,效果图拥有比原图经过腐蚀形成的效果图拥有比收缩更小的高亮区域。3.4.1膨胀膨胀的数学表达式:dst(x,y)的值可以用(x,y)邻近区域(x+x',y+y')内的最大值代替。3.4.2腐蚀腐蚀对于图像的处理方式与膨胀的处理方式相反,腐蚀对局部求最小值。在进行腐蚀操作时,通过选取每一个位置的矩形邻域内值的最小值作为该位置的输出灰度值。位置的邻域结构可以是矩形结构、十字交叉形结构等,这个01二值矩阵结构称为为结构元。给定一个矩阵:33给定一个十字交叉结构元:0在对(1,1)点处的灰度做处理时,在所定义的十字邻域内找最小值,赋值给(1,1)。33783.5Canny边缘检测1986年由JohnF.Canny提出的一种多级检测算法——Canny边缘检测算子,并且规定了边缘检测的三大准则。Canny检测器中的最优函数由高斯函数的一阶导数来近似。它可以使用四个指数项的和来描述。在目前常用的边缘检测方法中,Canny边缘检测算法是具有严格定义的,由于它具有满足边缘检测的三个标准和实现过程简单的优势,可以提供良好可靠检测的方法之一。Canny边缘检测算法是比较出色的算法,它包含以下四个步骤:a.高斯滤波滤波的主要目的是降噪,一般的图像处理算法都需要先进行降噪。而高斯滤波主要使图像变得平滑(模糊),同时也有可能增大了边缘的宽度。高斯函数是一个类似与正态分布的中间大两边小的函数。对于一个位置(m,n)的像素点,其灰度值(这里只考虑二值图)为f(m,n)。那么经过高斯滤波后的灰度值将变为:gb.计算梯度值和梯度方向边缘就是灰度值变化较大的像素点的集合。一道黑边一道白边中间就是边缘,它的灰度值变化是最大的,在图像中,用梯度来表示灰度值的变化程度和方向。在Canny算法中通过对四个梯度算子计算水平方向梯度、垂直方向梯度与对角线方向梯度。也可以采用边缘差分算子计算水平差分和垂直方向差分。G=θ=arctan2梯度角度θ范围从弧度-π到π,分为四代表水平,垂直和两个对角线方向(0°,45°,90°,135°)。可以以±iπ/8(i=1,3,5,7)分割,落在每个区域的梯度角给一个特定值,代表四个方向之一。c.非极大值抑制对梯度图像中每个像素进行非极大值抑制的算法是:将当前像素的梯度大小与沿正负梯度方向的两个像素进行比较。如果当前像素的梯度大小与其他两个像素相比最大,则该像素点被保持为边缘点,如果当前像素的梯度大小与其他两个像素相比最小,则像素点被抑制。为了更准确的计算,在横跨梯度方向的两个相邻像素之间使用线性内插来确定要比较的像素梯度。NNSWEABCDNWNESWSEMN图11梯度方向将梯度为E、NE、N、NW、W、SW、S、SE八个方向,其中A代表0~/4,B代表/4~/2,C代表/2~3/4,D代表3/4~。像素点M和N的梯度线性插值为:tanGMG对非极大值抑制的伪代码表示:ifG≥GGisanedgeelseGshouldbepressedd.双阈值检测应用非极端值抑制后,剩余像素更准确地表示图像中的实际边缘。但是,由于噪音和颜色的变化,仍有一些边缘像素。为了解决这些偏离响应,可以通过选择高阈值和低阈值来实现过滤,因为边缘像素必须用弱梯度值进行过滤,并保留具有高梯度值。如果边缘像素的梯度值高于高阈值,则将其标记为强边缘像素;如果边缘像素的梯度值小于高阈值并且大于低阈值,则将其标记为弱边缘像素;如果边缘像素的梯度值小于低阈值,则会被抑制。对于不同的图像,其阈值的选择取也不同。它设置两个阀值,分别为高阈值与低阈值。其中大的都被检测为边缘,而低的都被检测为非边缘。对于中间的像素点,如果与确定为边缘的像素点邻接,则判定为边缘;否则为非边缘。HighHighLow图12双阈值检测对双阈值检测伪代码表示:ifG≥HighGishighedgeelseifG≥LowGislowedgeelseGshouldbepresse3.6Hough变换霍夫变换在图像处理中是检测断点边界形状方法中比较重要的一种变换方式。通过霍夫变换将一条曲线和一个直线的空间拟合的方法为将一张图片每个坐标上的空间转换成另一个参数坐标空间。3.6.1直线检测1.1直线坐标参数空间经过坐标分别为(xi,yi)的直线,可以在坐标点的空间中取其表示形式为式17:y其中,参数a为斜率,b为截矩。由表示形式可知,通过坐标点的直线可以有分别对应不同斜率和截距的无数条直线。如果将xi和yi视为两个赋值常数,而将其中对于方程式中原本的两个赋值参数变量类型视为a和b分别可以看作两个常数变量,则式子变换到了ab相关的参数空间,此次变换就是对原式的Hough变换,可以表示为:b=−a该二次直线方程是图像参数坐标中点(xi,yi)与(xj,yj)在一个参数坐标空间的唯一二次方程。考虑到图像中的坐标参数空间公式中的两个坐标(xm,ym)它在一个参数直线空间中也应该有一个相应的一条参数直线:b=−a这条参数直线与一个点(xi,yi)在一个参数向量空间的一个直线面上相交于一点(P1,P2),如图所示:((xi,yi)(xm,ym)yxob=-xia+yibaob=-xma+ymP2P1图像坐标空间参数空间图13直角坐标中的Hough变换图像坐标空间中过点(xi,yi)和点(xm,ym)的直线上的每一点在以ab为参数的坐标空间上各自对应一条直线,这些直线都相交于点(P1,P2),而P1与P2就是图像坐标以xy为参数的空间内xy中点(xi,yi)与(xm,ym)所确定的直线的参数。反之,在坐标参数向量空间中的相交于一个同一点的所有两条直线,在整个图像中的坐标参数空间都不会有一个共线的点与之互相对应。根据这个点的特性,给定一个图像中的坐标在点空间的一些边缘点,就我们可以通过使用hough变换来确定用于连接这些点的一个直线夹角方程。3.6.2极坐标参数空间极坐标中,用如下参数方程表示一条直线:l=l=在图13中,原点到直线之间的垂直距离通过l-l来表示,x轴到直线之间的垂线形成的角由θ表示,θ取值范围为±/2。((xi,yi)(xj,yj)yxo(θ,ρ)ob0a0直线的参数表示笛卡尔坐标映到参数空间θρρθ图14极坐标坐标中的Hough变换与直角坐标的坐标转换相同,极坐标内图像坐标空间中的点通过Hough变换转换到参数空间中。3.7仿射变换图像的几何变换主要分为二类:刚性变换和透视变换:原图原图刚性变换透视变换图15图像的几何变换将一个透视图形的二维模型坐标经过一系列的图形坐标点仿射变化后再转变后成为另一个二维图形坐标的变换过程又被称为仿射变换。图像的线性变换性质是仿射变换的本质,图像经过仿射变换后它可以保持图像的平行性,图像的平直性也不会遭到破坏。图像在经过仿射变换后与原图像相比只是图像中线条位置发生变化。仿射变换为透视变换的一种,其基本变换形式包括平移变换、旋转变换、翻转变换等。投影投影点原图像投影图像图16透视变换的原理以上便是透视变换的原理图,即将源图像通过投影映射,从原图像平面变换到新图像平面。通用的变换公式为:X设(X,Y,Z)为平面坐标点内原图像坐标,(X’;Y’;Z’)为原图坐标点经过变换后的图像平面坐标点,由于原图为二维图像,令Z’=1,并将变换后的图像坐标除以Z’,将图片由三维降维为两维,然后可以得到以下方程:XX令a33=1(方便得到X’,Y’),使方程3等号左侧分母为1),展开上面公式,得到一个点的情况:X方程中共有8个未知数a11,a12,a13,a31a32,a21,a22,a23,对上方程组求解,首先列八组方程,分别在原图像和目标图像上选择图像的四个顶点。在原图像上选择四个顶点坐标点,分别为P:(m0,n0),(m1,n1),(m2,n2),(m3,n3)在目标图像上选四个顶点坐标点,分别为Q:(m’0,n’0),(m’1,n’1),(m’2,n’2),(m’3,n’3),代入方程中求解:第四章基于树莓派的QR二维码矫正与识别系统设计与实现4.1系统总体设计4.1.1系统模块功能基于树莓派二维码识别系统主要分为三个部分:二维码采集、图像预处理、二维码识别。第一个部分是二维码采集模块,树莓派调用摄像头对二维码图像进行采集与保存,直接进入预处理部分。第二部分是图像预处理部分,针对自然情况下采集到的透视畸变、噪声图像,通过图像处理算法对图像进行灰度化、滤波降噪、反二值化、膨胀与腐蚀、边缘拟合、定位和校正等一系列操作。第三部分则是解码部分,通过二维码识别模块识别出所包含的信息。图17系统总体框架4.1.2系统实现功能基于树莓派的二维码识别系统主要包括二维码图像校正与二维码识别,可以对一些倾斜角度过大导致无法识别的二维码图像进行矫正,使矫正后的图像可以正常被识别。4.1.3系统的运行平台操作系统:MicrosoftWindows10、RaspbianOS编程必备语言:C语言运行平台:树莓派3B+编程环境:VS20154.2算法主要流程图18算法主要流程4.2.1对比度亮度调整通过对比度亮度调整,增加二维码和背景的分离度。首先将图片resize到500x500,减小后续图片处理的计算量。 resize(srcImage,srcImage,Size(500,500));为对图像对比度及亮度进行调整,需要对图像对比度因子与亮度因子进行调节。MatcontrastImage=Mat::zeros(srcImage.size(),srcImage.type());//亮度与对比度调节 doublealpha=1.8;//对比度因子intbeta=-30;//亮度因子for(inty=0;y<srcImage.rows;y++){for(intx=0;x<srcImage.cols;x++){for(intc=0;c<3;c++){contrastImage.at<Vec3b>(y,x)[c]= saturate_cast<uchar>(alpha*(srcImage.at<Vec3b>(y,x)[c])+beta);}}}4.2.2滤波降噪通过滤波降噪,以去除部分图像噪点,较少后续处理干扰。先对图像进行灰度化cvtColor(contrastImage,grayImage,COLOR_BGR2GRAY);随后对处理过的灰度图进行滤波,主要作用是为了降低噪声。这里不采用中值滤波,而是采用双边滤波算法做滤波处理以更好保留边缘信息与细节。 bilateralFilter(grayImage,filterImage,13,26,6);//双边滤波4.2.3反二值化反二值化,进一步强化边界,增强分离度;同时为腐蚀膨胀做铺垫。二值化这一步,将二维码部分与背景进一步分离。同时对结果进行反色,即二维码黑色部分变成白色,背景变成黑色,以便于对后续图像进行腐蚀膨胀等操作。 threshold(filterImage,binaryImage,210,255,THRESH_BINARY_INV);4.2.4腐蚀膨胀处理腐蚀操作处理图像上小的污点;膨胀操作勾画二维码大致轮廓区域(近似四边形)。首先通过一到两次的腐蚀处理,原本图像上非二维码区域的小污点将被清理掉; erode(binaryImage,erodeImage,Mat(),Point(-1,-1),2);//腐蚀化随后进行多次膨胀操作,勾画二维码所在位置的大致区域,表现为一个近似的四边形。 dilate(erodeImage,dilateImage,Mat(),Point(-1,-1),19);//膨胀化4.2.5Canny边缘检测Canny边缘检测可以对膨胀处理生成的轮廓区域进行边缘勾画。 Canny(dilateImage,cannyImage,10,100,3,false);//canny边缘检测4.2.6Hough算子拟合直线利用Hough算子可以对轮廓边缘线进行近似拟合,生成多个拟合直线。利用Hough算子对上述结果图进行直线拟合,找到近似四边形的所有近似边的直线,并画出所有直线。(可以通过修改参数以提高或者降低拟合程度,保证每条边至少能拟合一条直线)vector<Vec2f>lines;HoughLines(allLinesImage,lines,5,CV_PI/180,100);for(size_ti=0;i<lines.size();i++){floatrho=lines[i][0];floattheta=lines[i][1];doublea=cos(theta),b=sin(theta);doublex0=a*rho,y0=b*rho;Pointpt1(cvRound(x0+1000*(-b)),cvRound(y0+1000*(a)));Pointpt2(cvRound(x0-1000*(-b)),cvRound(y0-1000*(a)));line(allLinesImage,pt1,pt2,Scalar(255),1,8);}4.2.7计算二维码四个顶点坐标利用对图像处理算法在对图像进行算子拟合处理过后的多条闭合直线中,找到满足条件的四根拟合边界线,并根据拟合边界线计算图像的四个直线交点坐标:1.从对所有拟合出的直线进行算法处理,去除相似程度大的直线,对距离远且差距较大的直线进行保留。通过删除与保留得出图像四条边线。算法实现:对拟合出的直线分别两两比较,如果某两条直线角度之差以及距离原点距离之差都分别小于某一确定的阈值,则认为这两条直线相似,需要删去其中一条直线。比较完毕后,若发现剩余直线数量大于4,则提高阈值,继续进行新一轮的比较算法,直到剩余直线数量为4。图19直线交点公式求边界2.依据找到的四条直线,计算出四边形的四个顶点坐标算法思路就是:利用直线交点公式,求出所有不同直线的交点。为了得到四个顶点,仅需要求出领边交点即可,因此对于对边的交点,我们需要通过一定手段进行排除。我们发现,四边形的对边一般相交于图片界面外非常远的位置,因此我们可以对交点加以范围限制,以找到符合要求的四个交点。这里我将交点范围设置为图片外延至短边的1/5,超出这个范围,则认为是对边的交点。4.2.8利用顶点坐标进行仿射变换对四个顶点进行顺时针排序,并按照顶点顺序进行仿射变换。这里分为两步:1.依据计算出的四个顶点坐标,对四个坐标进行顺时针排序其算法思路就是:首先根据横坐标找到最左边顶点,以这个顶点作为排序起点;随后依次求出该点与其余所连直线的斜率(Δy/Δx),按照斜率从小到大,依次进行排列即可。如图20,即排序为0,1,2,3。图20顶点排序2.依据四个顶点,按照顺序进行仿射变换需要注意的是,仿射变换的映射模型,需要原始的顺时针点对应变换后的顺时针点,即0123对应左上角顶点、右上角顶点、左下角顶点、右下角顶点。4.2.9对处理过的二维码进行识别第五章实验结果分析本设计所识别的二维码部分是在日常环境中随机采集,部分则是通过二维码生成程序生成,设计在对二维码进行操做时,先对图像进行大小处理以及灰度化处理。图像进行初步处理后对经过滤波降噪后的图像进行比对分析,归纳总结出在均值滤波、中值滤波、双边滤波基础上,设计采取了处理结果较好的双边滤波进行滤波降噪处理。矫正前矫正前矫正后图21矫正前与矫正后对比通过对实验结果分析,当被识别二维码图像包含噪声密度过高时,经过矫正算法处理后的二维码仍然可以被识别,对于被识别二维码背景复杂的图像采用矫正算法可以提高识别率,但提高程度不大;当图像发生斜视畸变时,经过处理后大大提高了识别率。从实验统计结果中显示,矫正算法大大提高了对QR二维码的识别率与识别精度,相对于传统二维码识别方法有更高的实用价值。总结论文的研究是在树莓派二维条码的基础上,结合了图像处理的二值化,滤波降噪、Hough变

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论