基于机器视觉的二维条码质量检测技术研究_韩芸伊.pdf

第 14 卷 第 4 期2023 年 2 月黑龙江科学HEILONGJIANG SCIENCEVol.14Feb.2023基于机器视觉的二维条码质量检测技术研究韩芸伊(天津理工大学，天津 300000)摘要:为了客观评价二维条码质量，以二维码为研究对象，采用机器视觉检测技术，根据二维条码符号印刷质量检测标准和规范，实现了二维条码的质量检测。关键词:二维条码;图像定位;质量检测中图分类号:TP391.4文献标志码:A文章编号:1674 8646(2023)04 0018 04Research on Quality Detection Technology of QR Code Based on Machine VisionHan Yunyi(Tianjin University of Technology，Tianjin 300000，China)Abstract:In order to objectively evaluate the quality of QR code，the study takes QR code as the research object，adopts machine vision inspection technology，and achieves the quality test of QR code according to the standard andspecification for printing quality test of QR code symbols.Key words:QR code;Image location;Quality test收稿日期:2022 12 27作者简介:韩芸伊(2002 )，女，本科在读。1QR 码图像的采集使用网线将条形码图像采集设备连接到计算机，利用计算机编程配置接口，主要包括以下功能:一是构建一个与系统相关的编程环境。为了安装摄像头软件，开发计算机所需的标题文件、动态链接打印机和静态链接打印机，并将动态链接库地址添加到系统的环境更改路径中，开发环境中的 visual studio 正确插入库目录和目录路径1。二是初始化并枚举相机。调用接口准备初始化和检索资源，调用接口列出当前可用于获取图片的相机设备，并返回当前可用设备的数量，超过 0 时可执行图像采集，当用户离开应用程序时释放资源。三是打开该相机并显示实时的采集画面。计算机通过接口控制摄像机，打开相机后，实时图像可显示在与应用程序对应的窗口中，使用名称注册方式，通过接口发送图像采集命令，获取图像信息，将图像采集状态定义为连续采集，以便在相应窗口中查看图像。四是自动曝光设置。需考虑到待采集样品的背景亮度具有显著差异，且同一照明设备显示的图像存在显著差异，可能使整个图像的前景和背景信息无法正确区分，导致缺乏有效的图像信息。2QR 码区域的定位分割使用条形码图像采集设备获取的图像往往是大的窗口，为了在文档中获得单个二维码区域，收集了许多背景图像和文字，但这些不是检测二维码质量的有效信息。QR 码图像处理的目的是减少质量检测干扰数据，定位并保留 QR 码观察区域，以便分析和计算质量控制参数2。2.1QR 码的定位为了确定 QR 码在图像中的准确位置，使用 QR码的显著结构特征找到位置图像。二维码的位置可通过 3 个位置图形确定，为了便于识别图像特征，有必要对采集的图像进行预处理，以减少干扰数据。2.2形态学处理对于形态学处理，最重要的是选择结构元素，其大小决定了图像处理是否能达到预期效果。QR 域具有明显的结构特征，例如:它的标准形式是正方形，为了实现每个模块对 QR 码符号的融合效果，尽可能减少功能，构建了 5 5 正方形的结构元素，执行二次腐蚀，减少图像第 5 幅图像的第 6 次腐蚀，并结合位置检测图定义包含 QR 码符号3 的关联区域。2.3QR 码的旋转矫正允许一定误差且 QR 码没有产生明显形变时，仍将其看作一个正方形来计算，因此，等边直角三角形由813 个点构成。已知与右侧相应的角度为 45，根据几何图像计算方法，在图像中增加 2 条直线。通过这种方式可以获得旋转，如图 1 所示。图 1QR 码旋转角度Fig.1Rotation angle of QR codeQR 码区域的旋转矫正是以图像中心为圆心旋转，在平面坐标内，点 A 坐标是通过从点 0 顺时针旋转角度与中心点(x，y)获得的。反转点 A 的坐标为(x，y)，应根据旋转前每个图像的像素坐标计算旋转图像对应的像素坐标。同时，可从与旋转前的点对应的黑白点获得与每次旋转后的像素点对应的黑白点对应的点。将图 1 通过以上方法确定出旋转角度，旋转为水平状态，如图 2 所示。图 2经过旋转的 QR 码Fig.2Rotated QR code3QR 码区域图像的分析计算3.1译码3.1.1译码流程通过图像处理操作后，得到了 QR 码图像的待检测区域，这是后续使用参考译码算法对 QR 码成功译码的基础。译码流程依据 GB/T182842000 国家标准，即编码的逆向操作。步骤如下:a.确定距离。从左上角和左上角获得位置图中心坐标后，可根据这两点之间的坐标确定距离 D，还可计算两个位置的宽度，分别用 WUL和 WUR来表示，如图4 所示。b.模块宽度 X 的计算。X=WUL+WUR14(1)图 3QR 码译码流程Fig.3QR code decoding process图 4位置探测图形Fig.4Position detection pattern确定符号版本 V:V=()D/X 104(2)如果结果是 V6，那么版本号就是 V;如果结果是 V 6，此时的版本信息要通过以下步骤进行译码:公式(3)能够得到一个模块的尺寸宽度 CPUR:CPUR=WUR7(3)根据 3 个位置探测图形的中心点坐标，可画出两条相互垂直的直线 AC、AB，如图 5 所示。根据计算得到的模块尺寸宽度 CPUR和所有位置探测图形的中心位置，得到右上角上版本信息的取样网格。版本信息的解码，确定 QR 码版本的等级并修复错误的版本信息模块，纠错机制基于 RS 纠错原理。3.1.2建立采样网格建立采样网格需针对两种不同情况:一种是版本91图 5版本大于 6 的 QR 码版本信息Fig.5QR code version information larger than 6号为 1，此时的 QR 码没有校正图形;另一种是版本号大于等于 2，此时的 QR 码结构中有校正图形。QR 码版本号为 1:扫描 x 轴方向的位置探测图形，计算深色和浅色模块中心点的水平距离 X，扫描 y轴方向的位置探测图形，同理，计算出深色和浅色模块中心点的垂直距离 Y。穿过 x 轴方向上的位置探测图形，画一条水平直线，把这条直线记为水平参考线。做出该直线的 6 条平行线，且平行线的垂直间距为 Y，与之平行的水平线由符号版本来决定。同理，y 轴方向上也能做出相互平行的线，形成一个采样网格，模块个数由版本号决定，如图 6 所示。图 6版本为 1 的采样网络Fig.6Sampling network of version 1QR 码版本号为 2 及以上时:由于版本等级更高，QR 码图像的模块变得更多，单纯根据位置探测图形建立采样网格不够准确，此时校正图形就能发挥出重要的作用，利用位置探测图形，结合校正图形，将整个QR 码分成几个区域，在每一个区域上实现采样网格的建立。如图 7 所示，利用该图形来说明具体方法。采样网格建立:与版本号为 1 时的思路相似，利用P1，P2，P3这 3 个校正图建立左上角部分的采样网格，P1，P3，P4这 3 个校正图形建立右上角部分的采样网格，同理，左下角和右下角部分也能得到采样网格。具体步骤如下:图 7校正图形和位置探测图形Fig.7Graphics of correction graphics and position detection模块的宽度 CPUL:CPUL=WUL7(4)已知中心点 A 的坐标，能计算出 P1，P2这 2 个校正图形的中心点坐标。当 P1，P2和 A 的坐标都是已知条件，在左上角部分就能得到 P3的中心点坐标。当 QR 码的版本号不同时，校正图形 P1和 P3中心点的间距也不同，用 Ly表示，P2和 P3中心点的距离也是这种情况，可用 Lx表示。对确定的某一版本号的 QR 码，校正图形 P1和 P3中心点的间距也是固定的模块数，将这个间距记为值 AP，那么在左上角这部分中，下边 2 个校正图形和右边 2 个校正图形的模块间距分别为 CPx和 CPy:CPx=LxAP(5)CPx=LyAP(6)如图 8，得到左上角区域上边和左边的模块间距CPx和 CPy:图 8QR 码的左上区域Fig.8Upper left area of QR code02CPx=Lyp1中心模块列坐标 PUL中心模块列坐标(7)CPy=Lxp2中心模块列坐标 PUL中心模块列坐标(8)由上一步所得数值可建立采样网络，将 QR 码分为若干个模块，形成若干个采样点。3.1.3消除掩膜根据掩模图案比较和对应掩模图案的生产条件构造掩模图案，将编码区域的 QR 码模块放置在掩模图案序列中的对应位置，执行 XOR 处理。遮罩图案与深度模块和二维码区域创建的矩阵大小和数量一致3。其中，遮罩图案中的所有条号和列号如果满足一定的判断条件，则为暗，如果不满足一定的判断条件，则为亮。判断条件由相应的掩码公式参考确定，每个版本的二维码中都有两种类型的伪装图案。根据判断条件，两个数据都以零开始，行数从上到下依次增加，列数从左到右依次增加。表 1掩膜图形参考及其对应的掩膜图形判断条件Tab.1Mask figure reference and corresponding maskfigure judgment conditions掩膜图形参考条件000(i+j)mod2=0001imod2=0010jmod2=0011(i+j)mod3=0100(idiv2)+(jdiv3)mod2)=0101(i+j)mod2+(i，j)mod3=0110(i，j)mod2+(i，j)mod3)mod2=0111(i，j)mod3+(i，j)mod2)mod2=03.2符号反差与调制比在 QR 码图像中，反射率是由灰度值来表现的。按照对符号反差和调制比的解释，结合 QR 码图像的结构特点，版本号 V 决定了模块个数，均匀选取(V 1)4+21 行直线作为扫描路径，统计(V 1)4+21 行的灰度信息。针对每一行得到的反射率曲线，最大和最小灰度值在最高和最低反射时间表示。比较(V 1)4+21 行的 QR 编码图像具有最高和最低的反射率。将最高和最低反射率之和的 1/2 手动选定为整体阈值(GT)，根据建立采样网格的方法，将 QR 码网格化，得到每一个交点(即采样点，每个模块的计算反射率(中心)、每个模块与总阈值相比的反射率、最接近总阈值的反射率)，根据公式(9)计算调制比值。MOD=2|R GT|SC(9)式中:MOD 为调制比，R 为反射率最接近总阈值的模块，GT 为整体阈值，SC 为符号反差。由此计算得到 QR 码图像质量检测参数中的符号反差和调制比，对参数进行等级判断。4结束语根据二维条码质量检测技术的发展现状，将机器视觉检测技术应用于二维条码质量检测，使检测技术更高效，操作更便捷。选择日常生活应用范围最广的QR 码，应用此方法完成质量检测程序的搭建，得到了检测数据。参考文献:1 朱光.基于机器视觉的卡证识读系统D 合肥:合肥工业大学，2011.2 原渊.基于机器视觉的一维和二维条码高速在线识别问题探析 J 电脑知识与技术(学术版)，2021，17(20):2.3 李少波，王铮，杨静，等.基于机器视觉的一维和二维条码高速在线识别 J 计算机集成制造系统，2020，264(04):4453.(上接第 17 页)10 刘莹，李琳，张喜艳.中国区域经济协同网络演变及成因分析以 20032017 年中国 40470