摘  要： 針對復雜背景下的二維條碼定位問題，單一特征提取已很難滿足其需要。為此提出一種將圖像二值化，然后采用基于數學形態學和kirsch邊緣檢測的算法濾去圖像背景，最后利用投影算法定位條碼區域。實驗結果表明，該方法簡單、快速、準確，很好地滿足了實際使用的需要。
關鍵詞： 二維條碼；kirsch算子；形態學；投影

　　目前，條碼技術在各個行業得到了廣泛的應用。但是一維條碼受到信息容量的限制，僅僅是對物品的標識，并且它的使用必須依賴數據庫的存在。二維條形碼是在水平和垂直方向的二維空間存儲信息的條碼，它不依賴于數據庫，信息容量大、可靠性高，因此必將得到廣泛的應用。二維條碼的種類很多，有QR、PDF417和Maxi code等。
　　二維條碼作為一種應用廣泛的自動識別技術，其核心是對條碼進行快速、準確地定位。紋理是條碼的一個顯著特征，目前，主流的算法是基于紋理特征的梯度檢測或頻域分析[1]來定位二維條碼。利用梯度特征進行條碼檢測與基于頻域分析的算法相比較，具有實時性強的特點， 適用于大多數圖像。
　　條碼本身紋理特征主要表現為黑白相間且邊緣方向一致的矩形塊。考慮各種可能出現的復雜背景情況，采用單一的梯度特征很難滿足二維碼精確定位的需要。本文提出了一種形態學和邊緣梯度信息相結合的方法來提取二維碼。該方法不同于大多數的條碼定位方法，其對條碼在圖像中的位置以及圖像背景的限制很少，而且綜合特征定位要比單一特征定位更符合人的視覺要求，因而定位效果更好，應用范圍更廣。本文將以QR條碼為例，進行條碼區域的提取。
1 二值形態學基本原理[2]
　　二值形態學運算是數學形態學的基礎，是一種針對圖像集合的處理過程。其基本思想是：用具有一定形態的結構元素去度量和提取圖像中的對應形狀，以達到對圖像分析和識別的目的。膨脹(Dilation)和腐蝕(Erosion)是2種最基本、最重要的變換，其他變換都由這2種變換的組合來定義。它們在二值圖像和灰度圖像中各有特點，還可以推導和組合成各種其他數學形態學算法。
　　按定義，二值圖像上目標邊界點是指位于目標內部，且至少有1個鄰點位于目標之外的像素。用B(x)代表結構元素，對工作空間A中的每1點x，腐蝕和膨脹的定義分別為：

　　  簡單的腐蝕是一種消除邊界點的過程，結果是使目標縮小、孔洞增大，因而可有效地消除孤立噪聲點。膨脹是將與目標物體接觸的所有背景點合并到物體中的過程，結果是使目標增大、孔洞縮小，可填補目標物體中的空洞，形成連通域。
    　一般情況下，腐蝕與膨脹是不可恢復的運算， 但通過腐蝕與膨脹可以構成開運算和閉運算。開運算和閉運算的定義如下：
　　

　　先腐蝕后膨脹的過程稱為開運算，它具有消除細小物體，并在纖細處分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過程稱為閉運算，它具有填充物體內細小空洞，連接鄰近物體和平滑邊界的作用。
2 條碼區域定位算法
2.1 圖像灰度化和對比度增強
　　條形碼本身是黑白條碼，不需要顏色信息，而且灰度圖像的處理速度快，占用空間少，因此首先將圖像進行灰度轉換。大部分采集二維碼的攝像設備性能一般，圖像的灰度可能會集中于某一小區間內，如圖像過亮或過暗，所以需要根據直方圖對圖像灰度進行拉伸使之覆蓋較大的區間，從而提高了圖像的對比度尤其是二維碼的黑白對比度，便于對圖像二值分割。圖1為所處理圖像的灰度化。

2.2 基于閾值選取的圖像分割
　　在使用閾值法進行圖像分割時，閾值的選取成為能否正確分割的關鍵，閾值過小容易造成過度分割，過大則不易濾除背景。本文將選用最大方差準則[3]確定最佳閾值，區域間的方差是差異的有效參數。分割后圖像如圖2所示。

2.3 二值形態學運算
　　數學形態學是以結構元素為基礎對圖像進行分析的數學工具。對于結構元素，其中大尺度的結構元素去除噪聲能力強，小尺度的結構元素能檢測到好的邊緣細節。至于窗口尺寸，在邊緣提取的形態變換中，一般采用3×3、5×5、7×7的窗口尺寸。本算法中形態學運算既要去噪(如圖像中的直線、表格、方方正正的文字及噪點等)，又要盡量少地影響邊緣細節。結合試驗分析，選定2個以中心為原點的3×3結構元素，對圖像進行腐蝕和開運算。腐蝕和開運算的結構元素3×3矩陣如下：

　　對于如圖1所示的有復雜背景(如文字等)的條碼圖像，采用形態學方法消除了影響進一步提取梯度特征的因素，變成了只有少量噪聲的圖像，而且濾去了毛邊，使圖像二維碼區域的梯度特征更加明顯，其運算結果如圖3所示。

2.4 利用方向邊緣強度確定條碼大致區域
　　條碼由黑的條和白的(空)組成， 黑白分界明顯，具有很強的邊緣強度，利用條碼的紋理特征，通過分區域對條碼邊緣方向的分析，可以濾去大部分的文本、圖案以及一些大的黑色塊狀區域干擾。在此過程中，將分區域進行了分析。
　    用分塊來進行處理，主要是考慮到所獲得的圖像大小分辨率通常是固定的，先對整幅圖像進行分塊，圖像中的每個塊都是一個特征區域，其中特征區域的大小如何確定將是研究的重點。確定的原則是既要盡量細致地反映二維碼區域特征，又要兼顧二維碼區域邊緣分布特征。針對設備的分辨率，把采集得到的灰度圖像按網格分割為m×n個子區域，分析每個子區域的邊緣強度特征，篩選出可能包含條碼的圖像子區域。
　　Kirsch算子具有8個方向的模板，有很好的方向性及很好的精度和抗噪性能。圖像中的每個點都用8個掩模進行卷積，每個掩模對某個特定邊緣方向做出最大響應。

2.5 水平和垂直投影定位條碼區域
　　經過上述處理以后，所存在的干擾就非常少了，然后對圖像進行水平(垂直)投影，確定最后的條碼區域。
　　首先，對圖像進行水平投影，其水平像素投影值可看作離散數列，為消除圖像中的毛刺或噪聲的干擾，可采用加權算術平均法。設Vi表示圖像中第i行的原始投影值，V′_i-1表示圖像中i-1行平滑后的投影值，則1次指數平滑數列[5]的構成為：

    　平滑后的水平投影如圖4(a)所示。由于二維碼區域的投影比較大，而在二維碼區域上下行附近的投影值也比較大，而且均有谷底存在，因此，找到2個谷底位置，確定上下邊界，從而完成第1次分割。

　　對第1次分割后的圖像做垂直方向的投影，平滑后的投影如圖4(b)所示。由于二維碼區域峰值比較集中，此時采用從兩頭尋找條碼區域的方法，即從兩頭分別先找到大于一定閾值的點，然后分別向下找到谷底，即為找到的條碼左右邊界，這樣就得到第2次分割結果。
　　通過2次投影分割，便確定了條碼區域的位置，實現了區域定位。若條碼區域發生旋轉或傾斜，可以進一步采用雙線性插值[1]將條碼旋轉至水平，從而實現條碼的精確定位。
    采用形態學腐蝕、開運算和求取梯度特征的方法， 最終通過投影算法從有復雜背景的條碼圖像中分割出條碼區域，為識讀軟件定位了二維條碼區域，達到了條碼自動識別的目的。實驗表明，同傳統的算法相比，該算法對圖像背景要求較少，簡單實用，不僅提高了定位速度，也提高了定位準確率，有效地滿足了二維條碼識別系統實時性的要求。
參考文獻
[1] 劉寧鐘，楊靜宇.基于波形分析的二維條碼識別[J].計算機研究與發展，2004，41(3)：463-469.
[2] 李俊山，李旭輝.數字圖像處理[M].北京：清華大學出版社，2007.
[3] 劉衛光.圖像信息融合與識別[M].北京：電子工業出版社，2008.
[4] 鄭翔，黃藝云.Kirsch邊緣檢測算子的快速算法[J].通信學報，1996，17(1):131-134.
[5] 郭捷，施鵬飛.基于顏色和紋理分析的車牌定位方法[J].中國圖像圖形學報，2002，7(5)：473-476.