- 相關(guān)推薦
Data Matrix二維碼圖像處理與應(yīng)用
摘要：以MeteorIIStandard圖像采集卡為基礎(chǔ)，以識別金屬零件上的DataMatrix二維碼為目的，對攝像頭采集的圖像進行處理。實現(xiàn)了該方法在工業(yè)流水線睥實時識別應(yīng)用。關(guān)鍵詞：二維碼DataMatrix圖像處理實時識別
二維碼是在平面二維方向上都記錄信息的符號。它充分利用了平面上的二維空間，大大提升了信息密度，使得在小面積上編碼大數(shù)據(jù)成為可能。其次由于它超強的糾錯能力，即使大面積受損也能被準確識別。目前二維碼應(yīng)用于工業(yè)自動化、物流、郵政、醫(yī)療、商業(yè)、金融、交通運輸、身份識別、政府管理、公共安全、海關(guān)及國防等領(lǐng)域。在我國，二維碼的應(yīng)用尚屬起步階段，應(yīng)用地區(qū)和領(lǐng)域也相當有限。但是可以預(yù)見，二維碼以其獨特的優(yōu)勢必將像條形碼一樣在我國的各個領(lǐng)域被推廣和應(yīng)用。
本文通過Matrox公司的圖像采集卡Meteor-IIStandard，利用MIL函數(shù)庫對氣動打印在金屬零件上的DataMatrix二維碼進行了實時捕捉識別，并對采集來的DataMatrix圖像進行具體的圖像處理，命名其達到被識別的要求。最后，通過實驗討論提高識別率的方法。
圖1
1DataMatrix概述
二維碼有多種類型，本文只討論矩陣式DataMatrix。
DataMatrix最大特點就是“小”，能在25mm2面積上編碼30個數(shù)字，因此被廣泛用于標示集成電路、藥品等小件物品。另外在制造業(yè)的流水線生產(chǎn)過程中，打印生成DataMatrix也較容易。
如圖1所示，DataMatrix符號看起來像一個由深淺兩種顏色組成的國際象棋棋盤，每一個相同大小的黑色或白色方格稱為一個數(shù)據(jù)單位。DataMatrix符號由許多這樣的數(shù)據(jù)單位組成。在尋邊區(qū)外層有寬度為一個數(shù)據(jù)單位的靜區(qū)。尋邊區(qū)是“棋盤”的邊界，只用于定位和定義數(shù)字單位的大小，而不含有任何編碼信息。被尋邊區(qū)包圍的數(shù)據(jù)區(qū)包含著編碼信息。矩陣中的0、1就是DataMatrix的黑白兩色小方格，即數(shù)據(jù)單位。
DataMatrix采用了Reed-Solomon交織交插編碼，編碼時加入了糾錯碼，使DataMatrix的糾錯性能比較強。以一個5位的流水號“12345”為例，通過編碼規(guī)則得到DataMatrix的3位碼字和5位糾錯碼，可糾錯2位碼字，糾錯率為2/8=25%。
2用MIL識別DataMatrix碼
Meteor-IIStandard是Matrox公司的一塊圖像采集卡，通過攝像頭采集外界圖像，然后實時地傳輸給主機內(nèi)存。MIL函數(shù)開發(fā)包是一個獨立于硬件的32位圖像處理函數(shù)庫，其中有大量基本的圖像處理函數(shù)。
2.1基本過程
DataMatrix識別的基本過程如圖2所示。通過MIL提供的函數(shù)采集圖像，并將采集的圖像以數(shù)字化方式存儲在圖像緩沖區(qū)中；對圖像進行增強處理，提高圖像的識別準確率。實驗中通過平滑濾波方法，減少圖像噪聲，很好地解決了采集金屬零件的DataMatrrix碼時，由于碼符號邊沿亮度過亮影響圖像分割問題；然后對圖像進行直方圖均衡化，擴大對比度的動態(tài)范圍，解決由于光照或攝像頭的原因，造成采集的圖像偏暗，對比度不夠顯著，引起圖像中明暗模糊不清的問題。
由于采集后的圖像有很多無用背景，DataMatrix符號所在區(qū)域只占整個圖像很上的比重。采用遮罩的方法，用一個固定位置的子緩沖區(qū)限制圖像處理區(qū)域，忽略區(qū)域外的圖像，實現(xiàn)DataMatrix的符號提取。最后用MIL函數(shù)直接譯碼，并將譯碼結(jié)果放在指定的字符串中，用顯示語句在屏幕上打印結(jié)果。
2.2DataMatrix符號的膨賬
金屬零件上的DataMatrix碼是氣動打印而成的成點陣式，與標準的DataMatrix符號不完全一樣，其點間空隙大。如對這種碼毫無處理地進行識別，則識別率會很低。為了解決這個問題，采用數(shù)學(xué)形態(tài)學(xué)的膨脹算法。為了提高識別準確度，可以將DataMatrix符號膨脹若干次，縮小數(shù)據(jù)單位之間的空隙。這樣，計算機在“尋找”DataMatrix的“L”型尋邊區(qū)時就容易準確得多。
2.3偽實時識別的實現(xiàn)
由于MIL本身不支持圖像的實時處理，所以要實現(xiàn)實時識別需要用一種叫做比緩沖的方法實現(xiàn)偽實時的圖像處理，CPU每次處理的圖像其實是攝像頭采集的上一幀圖像。
雙緩沖區(qū)使一邊采集圖像一邊處理圖像成為可能，如圖3所示。攝像頭將圖像采集到圖像緩沖區(qū)1中等待處理，與此同時CPU利用這段時間處理圖像緩沖區(qū)2中（上一幀）的圖像，完畢后兩個緩沖區(qū)的職能交換；CPU處理緩沖區(qū)1中采集的前一時刻的圖像，而此時緩沖區(qū)2中的圖像已被處理完畢，可以接收攝像頭下一幀的采集圖像。如此往復(fù)，兩個緩沖區(qū)互換，不間斷地運動便可實現(xiàn)偽實時處理。在處理環(huán)節(jié)上加DataMatrix識別功能，就能實現(xiàn)實時識別DataMatrix。采集圖像和處理圖像正好相差一幀，所以是“偽”實時的，但是假如計算機運算速度足夠快，時間延遲的影響便可忽略。
這種方法的優(yōu)點是既實現(xiàn)了實時性，又將采集和處理這兩項進程分開，讓CPU和攝像頭分別獨立并行地處理，充分利用了空閑時間。
3識別結(jié)果統(tǒng)計與分析
通過編程，實現(xiàn)了對金屬上的DataMatrix碼進行識別，并統(tǒng)計了總的采集幀數(shù)（f）、幀率（f/s）、識別成功的總幀數(shù)、識別率等信息。實驗證明在攝像頭焦距以及光源都相當理想的情況下，識別率很高。
DataMatrix識別的成功率與很多因素有關(guān)，首先是DataMatrix符號本身，打印在紙上與打印在金屬零件上的點陣式DataMatrix差異很大；其次是檢測時的運動失真，會影響識別成功率；再次是背景圖像的影響，DataMatrix符號與背景色反差越大，背景中干擾圖像越少，識別成功率越高；光源、符號的旋轉(zhuǎn)等都會對識別造成影響。
3.1運動檢測的影響
DataMatrix檢測常用在流水線上，這時需要考慮攝像頭與被檢測零件相對運動對識別的影響。在實驗中用固定零件、移動攝像頭的方法來模擬流水線中的運動檢測，記錄每次檢測時攝像頭的運動速度，以此找出零件上的DataMatrix能夠被識別的最大相對運行速度。
現(xiàn)通過實驗測得20組數(shù)據(jù)，以6mm×6mm的DataMatrix為考慮對象，結(jié)果如表1所示。
上結(jié)果，在光照和攝像頭焦理想的情況下，最大識別的相對速度為2.00cm/s，比該速度再快可能會因運動失真導(dǎo)致DataMatrix無法識別。
3.2干擾圖像的影響
在相同條件下，背景干擾少的圖像識別率較高，尤其當北京具有與DataMatrix類似矩形狀圖形時。在光照較好的條件下，測試金屬零件上的DataMatrix識別率。在有背景干擾的情況和用子緩沖區(qū)屏蔽一些背景干擾的情況各測得10組數(shù)據(jù)，分別如表2所示。
表1待測DataMatrix與攝像頭的相對運動對識別的影響
速度（cm/s）1.041.061.411.561.691.701.752.002.032.09能否識別√√√√√√√√×√速度（cm/s)2.142.232.322.382.522.522.632.642.702.71能否識別√√××××√×××
表2背景干擾對識別的影響
有干擾83%84%62%81%68%92%85%60%87%74%屏蔽干擾97%88%87%84%92%90%99%83%85%90%
可見，用于緩沖區(qū)屏蔽一些無用的背景圖像后，識別效果總體上要略好于未屏蔽。
3.3光源的影響
光源對識別成功率的影響反映在圖像整體的明暗對比度上。對金屬零件上的DataMatrix而言，其更多的是影響符號的清晰程度。光源位置如果選取不得當，由于金屬的反光特性，金屬表面會形成一片亮度特別大的鏡面反射區(qū)，給DataMatrix圖像造成強烈的干擾。
一種比較好的方法是用側(cè)光的方法。由于金屬零件上的DataMatrix碼是氣動打印產(chǎn)生的，打印處會有高低起伏，這些區(qū)域的反光是溫反射，不同于其他區(qū)域的鏡面反射光，側(cè)光助于把點陣與金屬反光的背景分開，將攝像頭避開了金屬的鏡面反光。圖4對比了側(cè)光和反射光下的二維碼狀態(tài)。
3.4識別程序的適應(yīng)性
識別程序的適應(yīng)性指適應(yīng)不同尺寸和打印類型DataMatrix的能力。本文中考慮的打印類型有金屬表面氣動打印、金屬表面電動針式打印和標準紙面激光打印三種。實驗結(jié)果表明，程序?qū)鈩邮酱蛴ataMatrix碼的識別能力普遍好于同樣是金屬材質(zhì)的電動針式打印DataMatrix碼。不同尺寸的識別率基本相等。打印在紙上的標準DataMatrix由于圖形標準、顏色穩(wěn)定、分辨率高等因素?zé)o需作太多的圖像增強和膨脹就能夠被計算機識別，識別率非常高。
【Data Matrix二維碼圖像處理與應(yīng)用】相關(guān)文章：
DMA在實時圖像處理中的應(yīng)用08-06
SVGA圖像處理08-06
圖像處理中分辨率的選取08-06
內(nèi)嵌ARM核的FPGA芯片EPXA10及其在圖像驅(qū)動和處理方面的應(yīng)用08-06
一種基于圖像處理的自動調(diào)焦系統(tǒng)08-06
掃描儀圖像采集與處理技術(shù)研究08-19