论文部分内容阅读
在我国,二维码已经广泛应用于各种行业,用普通的摄入设备拍摄二维码将其识别出来是二维码应用的一个重要的发展方向。本文介绍了二维码的编码规则,论述了二维码的解码过程,提出了一个基于手机拍摄方式的考生身份认证系统的QR码应用方案,针对摄像头拍摄的QR码图像,对比和研究了已有的图像处理方式识别条码的方法。已有的方法是利用Hough变换与边缘检测把条码图像从原始图像中分割出来,用Flourier滤波变换自适应地选取阈值去除噪声导致的无效边界,从而得到条码的基本模块,但对散焦模糊图像的检测效果不是很好,Flourier变换滤波的复杂度高且不能通用。本文通过灰度化、中值滤波、二值化、图像定位、旋转、分割、译码来完成识别。其中主要创新在于改进了中值滤波算法降低了噪声,以及在Hough变换前,划水平和竖直方向的直线,用直线探测点来减少运算量。在中值滤波中,本文结合极值中值滤波与自适应中值滤波的优点,改进了自适应中值滤波方法。主要思想是:将信号分为信号点和可疑噪声点进行二次处理,降低将某些信号误判为噪声的可能。对于低密度区和高密度区噪声区别处理,缓和了保护细节和滤噪的矛盾。对图像中的可疑噪声点采用二次检测窗口再次检测,提高了噪声检测的准确性,且不会对运算速度造成大的影响。对在第1层的滤窗中能找到中值,且在第2层中已被二次检测确定为噪声的像素点,采取8个典型纹理子窗口的窗口,根据滤窗内图像的纹理走向进行滤波。对在滤窗内可以找到中值的低密度噪声区的噪声点,可充分考虑其局部细节特征进行中值滤波。对于在第1层中滤窗尺寸取到最大时仍没有找到中值的高密度噪声区的像素点,如果在经典的自适应滤波算法的第2层的判定中被认定为可疑噪声点,则采用二次检测窗口对该点进行进一步检测。如果二次检测被判定为信号点则原灰度值输出,如果仍旧判定为噪声点则选择窗口内几个特定方向上像素的灰度值排序后的各中值的加权求和运算值输出。在Hough前增加一个处理步骤,在图像的竖直方向过所有像素列划直线,记录下每条直线遇到的第一个点,舍弃其他点,接下来的Hough变换就可以只对这些点做处理了,大大地减少了运算量。