Caijia Ling 1, Xujian Liang 1, 2 désignent Chengfei
(Collège des sciences de l'information et de l'ingénierie, Ocean University of China, Qingdao 266100, Chine; 2. Premier Institut d'océanographie, Administration océanique d'Etat, Qingdao 266061, Chine)
: Le positionnement de code à barres est une tâche difficile avec la reconnaissance de codes à barres à chaud, mais aussi d'améliorer une base importante et sauvegarde des taux de reconnaissance de codes à barres. Maintenant, il y a beaucoup d'algorithmes pour le positionnement d'un code à barres, mais l'effet de l'application de ces algorithmes dans les échantillons de l'océan dans la photo est pas idéal. code-barres de l'échantillon photo Ocean a une petite zone par rapport à l'arrière-plan est un éclairage complexe, inégale, les distorsions graves dans la situation actuelle, un positionnement précis du code à barres avait une perturbation grave. Pour la situation actuelle, nous avons proposé une simple et des méthodes de positionnement de codes à barres pratiques et robustes. Le procédé combine la morphologie de base, gradient de bord de code à barres classique et les caractéristiques de l'énergie de gradient pour positionner le code à barres. Les résultats expérimentaux montrent que cette méthode a un meilleur effet de positionnement, ont également une référence pour d'autres applications pratiques.
: Code à barres, l'emplacement, gradient d'énergie; océan photo échantillon
: TP391.4 Code du document: ADOI: 10,19358 / j.issn.1674-7720.2017.04.005
Format de référence : Caijia Ling, Xujian Liang, en attendant de voler dans l'échantillon de l'océan photo technique d'orientation de code à barres [J] SES APPLICATIONS, 2017,36 (4): 14-17.
0 introduction
les photos de l'échantillon de l'océan sont une partie très importante des données de l'échantillon de l'océan. Avec l'étude mise à jour de l'océan ainsi que des dispositifs d'échantillonnage en cours, goûtez le taux de croissance encore améliorée, et l'expression visuelle de l'échantillon de photos échantillon gestion de l'information pour augmenter encore la difficulté. Pour mieux gérer la photo, dans l'échantillon réel la gestion des données à des échantillons de codage des échantillons pris des photos de renommage. Échantillon codé avec 30 long, photographie nommée artificielle est évidemment un effort de longue haleine, tâche fastidieuse et sujette à erreur. L'échantillon est un échantillon qui contient un code à barres codé avec la prise de vue. Par conséquent, afin d'améliorer l'efficacité, réduire la consommation des ressources humaines, envisager d'utiliser le programme reconnaît automatiquement les codes-barres pour obtenir l'image de codage des échantillons et des photos de renommage. Dans le processus de reconnaissance de codes à barres, il est important de garantir un positionnement précis d'augmenter le taux de reconnaissance de codes à barres, mais aussi l'un des principaux défis que doit relever le travail de code à barres d'identification. Cet article se concentre sur le positionnement du code à barres, de jeter les bases pour le suivi pour identifier le travail.
Avec l'utilisation généralisée des codes à barres dans la vie et de production, code à barres technologie d'identification automatique est devenu un champ de recherche à chaud. Au cours des dernières décennies, des photos numériques positionnement rapide et précis du code à barres a été une recherche difficile et chaude. Il existe de nombreux algorithmes maintenant positionnés pour les codes-barres, comme méthode morphologique de base [14] méthode de détection de ligne [5], la méthode de gradient d'image [2,67], les filtres de Gabor [8] et l'analyse harmonique [9]. code à barres photo échantillon en raison de sa taille relativement petite, l'arrière-plan est un éclairage complexe, inégale, et donc il y a rotation, les distorsions de problèmes pratiques graves pour ses poses de positionnement précis d'un défi sérieux. L'effet des algorithmes existants dans cette application n'est pas satisfaisante, principalement parce que ces algorithmes analysent le code de cas pour l'utilisation des téléphones mobiles. Dans ce cas, le code à barres à partir du téléphone cible est généralement proche, grande zone de balayage de codes à barres dans la zone de boîte occupée. Le but des photographies de l'échantillon de l'océan pour enregistrer l'information d'échantillon, de ne pas lire le code à barres. besoin du personnel à prendre sur la totalité de l'échantillon, et souvent la lentille se concentre sur le corps de l'échantillon, donc une zone relativement petite des échantillons de codes à barres, et susceptible de causer floue. En outre, la plupart des algorithmes existants pour les petits UPC, le ratio d'aspect et EAN13 autre code produit [36], on peut facilement trouver la ligne de balayage entier à travers la région de code à barres. Océan et les échantillons étaient de code Code93, et codant pour les 30 échantillons de temps, rapport d'aspect élevé (Figure 1). Lorsque la déformation de flexion du code à barres, il est difficile de trouver une lignes de balayage de codes à barres Intersection avec toutes les lignes.
En plus de l'algorithme de localisation, il y a un certain paquet prêt en algorithmes de vision industrielle, comme Halcon Allemagne MVTec développé pour fournir un algorithme de positionnement de code à barres valide, il a été constaté que l'effet est pas très satisfaisant [10].
Ici pour intégrer les algorithmes existants améliorés, et dans les applications pratiques, une meilleure méthode de positionnement. La méthode utilise les opérations morphologiques de base, caractéristique de gradient de bord classique, les caractéristiques énergétiques de la région de code à barres et de positionnement caractéristiques de l'image réelle, simple, robustesse pratique et bon.
1 positionnement de code à barres
Positionnement du code à barres est divisé en deux étapes, la première zone candidate de code à barres est déterminé, puis sélectionnez la zone de code cible de la zone candidate. Ici pour identifier les zones candidates dans le code-barres de l'image par des caractéristiques de texture de codes à barres, et les caractéristiques de l'énergie de liaison de la vraie région cible du code à barres, la zone de code à barres.
Afin de réduire la quantité de calcul et de faciliter le processus de photo subséquente, première gradation d'image et de traitement de normalisation de la taille.
1.1 déterminer la direction du code à barres
Afin de mieux refléter la taille de l'échantillon, prise lors de la prise de vue sera échelle avec l'échantillon, et la règle est resté parallèle avec le code à barres, qui est un échantillon de norme de travail de gestion des données océaniques. Une pluralité de niveaux de gris sont connectés alternativement à chacune de forme rectangulaire, rectangulaire avec le nombre d'échantillons est légèrement dimensions différentes, ont des arêtes vives, comme représenté sur la Fig. La direction générale du code à barres identifiées ici (ci-après l'étape de déterminer la direction exacte du code à barres), à savoir l'horizontale ou la direction verticale à l'aide des spécifications de caractéristiques de bords et de l'échelle.
Afin de déterminer la direction générale du code à barres, la référence de la littérature de l'article [3], en utilisant le code à barres pour déterminer la direction de l'opération d'ouverture. Cependant, avec la littérature [3] La différence est due à un nombre d'échantillons océaniques au-dessus de la station de photographie code à barres, le texte, et a donc une caractéristique de texture de fond complexes similaires à un code à barres, et déterminer ne peut donc pas avec précision la zone de code à barres est simplement basé sur la luminosité de l'image et son ouverture direction. L'échelle avec deux côtés parallèles de la longueur de code à barres, et sensiblement droite, l'océan est de photographies d'échantillons très typiques, des caractéristiques importantes, comme le montre la figure. Par conséquent, on utilise une caractéristique de bord pointu à grande échelle, combinée à 0 °, 45 °, 90 ° opération d'ouverture et de calcul 135 ° quatre directions pour déterminer l'orientation du code à barres, l'effet tel que représenté à la Fig. Après de nombreuses expériences, on utilise les éléments de structure 11 × 1, les quatre images de direction pour obtenir l'ouverture. réglage, puis le seuil de longueur de ligne, l'ouverture de la direction verticale de l'image correspondant au nombre de lignes dépasse le seuil est la direction du code à barres. Ici, le seuil de longueur de ligne est réglé à bon escient correspondant à 1/4 de la taille de l'image. La figure 3 montre, à plus de 90 ° ouvert dans l'image correspondant au nombre de lignes, une direction perpendiculaire à celle-ci, à savoir sensiblement dans la direction horizontale est la direction du code à barres.
1.2 Sélection de la région de code à barres candidat
Après l'obtention d'une direction générale du code à barres sur l'image d'origine rotation correspondant, dans un état sensiblement horizontal de telle sorte que le code à barres. Puisque le code typique de barre présentant un gradient de niveau élevé, les caractéristiques de gradient vertical de bas [7], et par conséquent, la valeur absolue de l'image de gradient horizontal en soustrayant la valeur absolue des gradients verticaux pourraient être éliminés plus de la zone d'interférence, de faciliter les résultats des traitements ultérieurs de la figure 3, la zone de code de luminance est très grande. Depuis 1,1 par opération d'ouverture dans quatre directions pour déterminer l'orientation du code à barres, l'image de code à barres est mis en rotation de sorte l'angle de déviation de 22,5 ° dans le procédé de recherche d'une différence de gradient de l'image de code à barres de l'angle d'inclinaison de cette gamme a plus de bons résultats. Pour cette section 1.1 et la carte du gradient, on utilise Sobel [11] opérateur bord d'extraction d'informations.
En plus de la caractéristique importante des informations de code à barres de nombreux bords est une zone vide entourant le code à barres. Barcode région de puits de zone de blanc isolé d'un échantillon peut être vu à partir de. La figure 3, autour du code à barres est sensiblement zone noire. Grâce à cette fonctionnalité, nous utilisons la méthode de communication pour acquérir la région candidate de la zone de code à barres. Entre les lignes de codes à barres ayant un intervalle prédéterminé, et l'interférence due à un éclairement faible, le flou, la distorsion et d'autres facteurs, de la carte de gradient de bord ne sont pas nécessairement la même ligne continue, de sorte que toute la surface du code à barres est pas une zone de communication. Et le fonctionnement en expansion peut facilement bien gérer le problème.
Lissage d'image élimine les détails de l'image, les lignes de raccordement bord adjacent. Du fait que les côtés gauche et droit de la région des barres en blanc, et la distance entre les bords parallèles relativement grand, et la zone située sous la partie supérieure du code à barres avec la plus étroite vide, la distance entre la ligne de bord verticale plus étroite interrompue, ainsi qu'il est employé ici lissage de noyau de convolution est de 11 × 3, peut connecter la plupart des lignes de bord.
Cependant, en raison des facteurs d'ambiguïté, la partie de bord de l'information est perdue, l'opération de lissage de hauteur ne donne pas une large mesure sur le bord, de sorte que l'utilisation de l'opération d'expansion pour obtenir l'effet désiré. Expansion besoin pour fonctionner sur une image binaire, il est nécessaire d'utiliser Otsu [12] algorithme de lissage figure processus de binarisation. Selon la situation réelle, la valeur seuil ajustée de façon appropriée, ce qui réduit les informations de bord de l'image que possible. Lissée image et de l'expansion comme représenté sur la Fig. OpenCV utilisé ici, la zone de communication cvFindContours fonction recherche, et le rectangle de délimitation minimal est établi avec la zone de communication fonction cvMinAreaRect2, pour donner le candidat de la zone de code à barres.
échantillon symbologie de code à barres est utilisé Ocean Code93, le code à barres de chaque échantillon représente 34 caractères. Après avoir constaté que le rapport d'aspect du code à barres est d'environ 9: 1. rapport Barcode également par rapport à l'ensemble du tableau 000 compris entre 1/1 à 1/50. Selon ce qui précède décrit deux conditions peut exclure un grand nombre de zone non-code à barres, la zone restante du candidat de code à barres pour un examen plus poussé.
1.3 déterminer le code à barres cible
région de bord de codes à barres a une richesse d'informations tout au long de la direction de gradient de chaque point de contour sur la ligne de balayage à travers le code à barres sur la même ligne, et un gradient de polarité opposée à des points adjacents sur le bord. [6] utiliser cette fonction pour localiser le code à barres. Mais pour l'image floue, la zone de code à barres sur l'orientation du gradient du point de bord adjacente à l'arrière ne sont pas nécessairement, une partie de l'information de bord peut être perdu. Pour la déformation et les cas graves, vous ne pouvez pas trouver une ligne de balayage sur l'ensemble du code à barres, ou même trouver une telle ligne de balayage, mais la direction des points de bord modifiés par déformation. Par conséquent, cette partie médiane sélectionnée région candidate, calculer la direction du gradient de rapport d'orientation du code à barres de point de bord sensiblement dans le même des points de bord en ligne droite au total. Le ratio maximum théorique est très probablement la zone de code à barres. Dans lequel l'angle précis du code à barres en fonction du sens de rotation du rectangle de délimitation minimale de la région connectée est déterminée.
Cependant, dans une expérience réelle, nous avons trouvé que, lorsque le code à barres sévère direction du gradient de la déformation du point de bord le code à barres de ligne du code à barres avec le grand écart global. Et au-dessus de la chaîne de code à barres stations, code à barres de texte ayant des caractéristiques de texture similaires, en raison de l'ampleur des caractéristiques de pointe d'éclairage de zone rectangulaire présentent des bords de codes à barres similaires de ces zones peuvent interférer avec le positionnement précis du code à barres. Ainsi, le présent document pour déterminer les points de contour horizontaux et la proportion de la région de caractéristique de gradient d'énergie. chaîne de stations, le texte et l'échelle de l'énergie gradient beaucoup plus petite que la zone rectangulaire est une zone de code à barres. Pour une autre région candidate grand gradient d'énergie, la proportion de petits points dont le bord horizontal. En conséquence, les points de bord et le rapport de surface tel que déterminé en multipliant la base de gradient totale d'énergie, le produit pour répondre à un certain seuil, et un maximum de la zone de code à barres cible. Lequel le seuil est une valeur empirique obtenue expérimentalement sur le grand nombre d'échantillons, pour déterminer l'efficacité du ciblage, réduire les risques de mauvais positionnement
expérience 2
Les données expérimentales utilisées ici sont China Ocean Pavilion plusieurs échantillons 1195 photos d'échantillons de voyage sur l'océan. Ces photos des échantillons couvrant tous les grands océans bibliothèque de type échantillons et les conditions de stockage, pour l'arrière-plan complexe, éclairage inégal, une zone relativement petite du code à barres, le flou, la déformation, etc. sont graves bien représentés. Pour ces cas, l'algorithme a une bonne robustesse.
L'algorithme mis en uvre dans l'environnement Visual Studio. La figure 5 compare l'article [7], et Haclon bar algorithme de localisation de code. La figure 5 montre que, pour des photos de bonne qualité de codes à barres, la précision du positionnement de trois algorithmes différence est pas grande. [7] L'algorithme de localisation 312 situé avec succès la photo 300, Haclon situé avec succès l'algorithme de localisation 295, et l'algorithme est positionné jusqu'à 100% de la vitesse. Cet écart est dû à l'arrière-plan du code à barres est plus complexe, et il y a zone d'interférence du texte, chaîne, etc., affectent le positionnement précis du code à barres. En ce qui concerne les photos de qualité de code-barres pauvres, une différence marquée dans la performance trois algorithmes. Le positionnement de l'algorithme a atteint 98,41%, par rapport à la littérature [7] positionnement algorithme localise plus de 238 photographies et plus de algorithme de localisation Halcon localise 357. La raison principale est le code illumination inégale, des facteurs tels barre distorsion floue manquante détails importants, et la région d'interférence et présente des caractéristiques similaires à une région de code à barres, conduisant à positionner erreur augmente. De plus, l'algorithme de localisation Halcon ne gère pas la zone de code à barres est relativement très faible. A partir des résultats expérimentaux pour les photos de l'échantillon de l'océan de cette pratique, l'algorithme proposé a de meilleures performances.
3 Conclusion
Ce document met l'accent sur l'algorithme de code à barres d'application de positionnement dans l'échantillon de l'océan d'identité avec photo, dessin sur les algorithmes de localisation existants, combinée avec les caractéristiques réelles de la photo, nous vous proposons un algorithme simple mais efficace de positionnement. En premier lieu, avec l'opération d'ouverture du code à barres est déterminée sensiblement. Ensuite, en utilisant une image de gradient, le lissage et l'expansion, et trouver la région candidate de code à barres Code93 selon la taille du code se présente. Enfin, la consistance et la concentration des caractéristiques d'énergie du code à barres à l'aide d'une zone de code à barres détermination d'une direction de gradient de bord. Les résultats expérimentaux montrent que l'algorithme proposé peut bien placé Prélevez les photographies du code à barres, a jeté les bases pour le travail d'identification après. De plus, l'article a également une référence algorithme de localisation pour d'autres applications. Des travaux ultérieurs se concentrera sur l'identification des codes à barres floue.
références
[1] CHAI D, HOCK F. Localisation et décodage des codes à barres EAN13 à partir d'images capturées par des caméras numériques [C] Cinquième Conférence internationale sur l'information, des communications et de traitement du signal, 2005 :. 1595-1599.
.. [2] Zhang Chunhui, Wang Jian, Han Shi, et al localisation automatique de code à barres realtime dans des scènes complexes [J] IEEE Conférence internationale sur Proceeding image 2006: 497500.
[3] Juett J, Qi X. localisation code-barres avec un filtre chapeau bas [J] .NSF Expérience de recherche pour les étudiants, 2015,19.
[4] KATONA M, L NYU'L G. efficace détection de codes à barres 1D et 2D en utilisant la morphologie mathématique [C] Morphologie mathématique et ses applications à signal et de l'image, Symposium international 2013 :. 464-475.
[5] R. ADELMANN téléphone portable interaction avec base quotidienne productson le feu [C] Conférence internationale sur la prochaine génération d'applications mobiles, services et technologies IEEE Computer Society 2007: .. 63-69.
[6] TEKIN E, J M. COUGHLAN Un algorithme permettant aux utilisateurs aveugles de trouver et de lire des codes à barres [C] Atelier IEEE sur les applications de vision par ordinateur, Snowbind, UT 2009 :. 1-8.
[7] GALLO O, codes à barres 1D Manduchi R. Lecture avec les téléphones mobiles en utilisant des modèles déformables [J] IEEE Transactions sur le modèle d'analyse et de la machine Intelligence, 2010, 33 (9) :. 1834-1843.
[8] KUTIYANAWALA A, X QI, TIAN J. Une simple et approche efficace pour la localisation de codes à barres [C] Procepding de la Conférence internationale sur l'information, des communications et de traitement du signal, 2009, ICICS'092009 :. 1-5.
[9] Wang Kongqiao, Zou Yanming, Wang Hao lecture 1D de codes à barres sur les téléphones appareil photo [J] International Journal of Image & Graphics, 2011, 7 (3): 529-550 ...
[10] Pi est bien éclairé, les techniques de reconnaissance à une dimension de code à barres Lvxi Sheng Halcon [J] Sur la base de l'ordinateur et la modernisation, 2013, 1 (4):. 73-76.
. [11] Li Jie, Tang Division Star, Jiang Yanjun Etude comparative de l'algorithme de détection de bord [J] Technologies de l'information, 2007 (9): 106-108.
[12] OTSU N. Procédé de sélection de seuil à partir des histogrammes grayscale [J] IEEE Transaction on Smc, 1979 (9) :. 62-66.
