改进二值化算法在QR码识别中的应用
完整版QR分解及其应用
《矩阵分析与应用》专题报告QR分解及应用——学生姓名：卢楠、胡河群、朱浩日月年20151125目录1 引言 (3)2 QR分解 (4)2.1QR分解的性质 (4)2.2 QR分解算法 (5)2.2.1 采用修正Gram-Schmidt法的QR分解 (5)2.2.2 Householder QR分解 (6)2.2.3 采用Givens旋转的QR分解 (8)3 QR分解在参数估计中的应用 (9)QR分解的参数估计问题 ................................ 93．1 基于Householder变换的快速时变参数估计 .................... 3. 2基于12Givens旋转的时变参数估计 ............................. 3. 3基于144 QR分解在通信系统中的应用 (16)4.1 基于QR分解的稳健干扰对齐算法 (16)MIMO QR置信传播检测器........................ 14.2基于分解的9总结 (21)参考文献 (22)1 引言矩阵分解是指将一个矩阵表示为结构简单或具有特殊性质的若干矩阵之积或之和，大体上可以分为满秩分解、QR分解和奇异值分解。
矩阵分解在矩阵分析中占有很重要的地位，常用来解决各种复杂的问题。
而QR分解是工程中应用最为广泛的一类矩阵分解。
QR分解是目前求一般矩阵全部特征值的最有效并广泛应用的方法，一般矩阵先经过正交相似变换成为Hessenberg矩阵，然后再应用QR分解求特征值和特征向量。
它是将矩阵分解成一个正交矩阵Q与上三角矩阵R，所以称为QR分解。
参数估计是在已知系统模型结构时，用系统的输入与输出数据计算系统模型参数的过程。
它在系统辨识和无线通信领域有着广泛的应用。
18世纪末德国数学家C.F.高斯首先提出参数估计的方法，他用最小二乘法计算天体运行的轨道。
20世纪60年代，随着电子计算机的普及，参数估计有了迅猛的发展。
数字图像处理算法在QR码识别中的应用
（ 杭 州 电 子科 技 大 学 计 算机 学院 ，浙 江 杭 州 ３ １ ０ ０ １ ８ ）
摘要 ： 介绍 了基 于数 字图像 处理的 Ｑ Ｒ码识 别算法。该方案综合运用 了图像灰度化 、 滤波去噪、 二值化 、 边缘检 测、 图
像 旋 转 等 多种 图像 处 理 方 法对 条 码 图像 进 行 预 处 理 。 理 论 分 析 和 实验 结 果 表 明 ： 该 算 法提 高 了识 读 的 灵 活 性 和 可 靠
有 以下几种 ：
１ ） 均 值 滤 波
均 值 滤 波 是 空 间域 平 滑 技 术 ， 取 图 像 各 像 素 点 的 矩 形 邻 域 内 的平 均 值 作 为 滤 波后 的 像 素 值 。含 有 噪 声 的 图像 ｇ （ ｘ ， Ｙ ）
全 国大规模 的推广 应用 ． Ｑ Ｒ码 识 别 设 备 也 得 到 了更 广 泛 的
应 用。 笔 者提出了一种 Ｑ Ｒ码 图像 的预处 理算 法 ． 可 以对 Ｑ Ｒ
性． 为 Ｑ Ｒ码 识 别提 供 了一 种 新 途 径 。
关键词 ：Ｑ Ｒ码 ；图像 处理 ；图像 定位 ；识别
中 图分 类 号 ： Ｔ Ｐ ３ ９ １ ． ４ 文献标识码 ： Ａ 文 章 编 号 ：１ ７ — ０ ３
Ｄｉ ｇ ｉ ｔ ａ ｌ ｉ ｍａ ｇ ｅ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｆ ｏ ｒ ＱＲ ｃ ｏ ｄ ｅ ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ
ＭＡ Ｃ ｈ ａ ｏ
（
ｏ ｆＣ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｈａ ｎ ｇ ｚ ｈ ｏ ｕ Ｄ ｉ ａ ｎ ｚ ｉ Ｕ ｎ ＆ ｅ ￣ｉ ｔ ｙ ， Ｈ ａ ｎ ｇ ｚ ｈ ｏ ｕ ３ １ ０ ０ １ ８ ， Ｃ ｈ ｉ ｎ ａ ）
QR码图像几何校正算法的研究
QR码图像几何校正算法的研究黄珂;薛月菊;陈瑶;陈汉鸣;李鸿生【摘要】When QR code images are filmed by the camera, the deviation of shooting angle will cause the collected QR code images generate geometric distortion and bring difficulties to QR code recognition. Local threshold method and mathe-matical morphology are used to binarize the collected QR code images which appears uneven illumination. Harris corner detection algorithm and convex hull algorithm are combined to find the outline of the QR code and the point on the out-line, using corner detection algorithm of this paper to find the corner of QR code. Finally, using perspective transformation algorithm to recover the distorted image, the results show that this method is effective to solve the problem of geometric distortion of the QR code.%用摄像机拍摄QR码图像时，由于拍摄角度的偏差，可能造成所采集到的QR码图像产生几何失真的情况，给QR码的识别带来了困难。
一种改进的QR码图像二值化算法
一种改进的QR码图像二值化算法张继荣;王利军【摘要】All white or all black error areas would occur to QR code image with uneven illumination after global binariza-tion processing. Pseudo-boundary would appear in the processing of local binarization,and the calculation time would be long. Aiming at the nonuniform illumination QR code image,an improved binarization algorithm is proposed,which is based on back-ground gray-level. Firstly,doing sub-block according to the size of the Qrcode image,and gray-level estimation formula is used for computing the gray-level value of each block. Secondly,joint interpolation algorithm is adopted to create the background gray-level image which is used to take the place of original image to get the corrected image. Finally,the Ostu algorithm is used for the corrected image binarization. Experiment result shows that the algorithm can effectively correct the uneven illumination QR code image and obtain a good binary image.%对光照不均的QR码图像进行全局二值化处理后，会出现全白或全黑的误差区域，在局部二值化过程中会出现伪边界情况，并且计算时间也会变长。
QR码算法的实现与优化
QR码算法的实现与优化随着移动支付的普及，二维码也变得越来越常见。
其中最常见的就是QR码，它是由日本DENSO公司于1994年开发出来的，现已成为一种国际标准。
QR码通常用于存储网址、文本、电话号码、电子邮件等信息，其优势在于存储量大、易识别、快速扫描等。
但是，QR码的实现和优化并不是一件简单的事情。
本文将从QR码的算法入手，探讨QR码的实现和优化。
一、QR码的算法QR码采用的是可纠错码（Reed-Solomon Code），这种码可以在一定程度上抵抗数据损坏。
每个QR码都由多个版本和多个纠错等级组成，根据不同需求可以选择不同版本和纠错等级。
QR码共有40个版本，从版本1到版本40，对应的编码长度从21个字节到177个字节。
版本1的尺寸为21×21个模块，而版本40的尺寸则为177×177个模块。
版本号越高，尺寸和存储能力越大，但同时也意味着扫描速度可能会变慢。
QR码的纠错等级分为L、M、Q、H四个级别，分别代表7%、15%、25%和30%的码字错误的恢复能力。
举个例子，如果QR码的纠错等级为M，则当二维码数据块受到不超过15%的损坏时，仍然可以被成功还原。
QR码的编码规则比较复杂，这里只简单介绍一下：首先将文本或数据转换为二进制码，然后通过一系列的算法，将二进制码映射到相应的数字和字母上，最终得到QR码。
二、QR码的实现1. QR码的生成Qt等多种库。
这些库封装了QR码的算法，使用起来非常方便。
以下是使用Python3的qrcode库生成QR码的简单示例代码：```import qrcodeqr = qrcode.QRCode(version=1,error_correction=qrcode.constants.ERROR_CORRECT_L,box_size=10,border=4,)qr.add_data("hello, world!")qr.make(fit=True)img = qr.make_image(fill_color="black", back_color="white")img.save("hello.png")```这段代码使用qrcode库生成版本1、纠错等级为L的QR码，数据为“hello, world!”，保存到hello.png文件中。
qr code 原理
qr code 原理
QR码的原理是利用二维编码来存储和传输信息。
它由黑白方块组成，可以被红外线扫描仪、激光扫描仪或手机相机等设备扫描并解码。
QR码的生成过程具体如下：首先，将需要编码的数据（例如文本、网址或其他信息）转换成二进制形式。
接下来，将二进制数据按照一定规律分配给QR码中的黑白方块，形成一个特定的二维编码模式。
每个方块代表一个数据单元，可以存储0或1的二进制值。
QR码的结构设计上采用了一种巧妙的纠错技术，即在编码中加入冗余信息，使得即使在一定程度的损坏或污损情况下，扫描仪仍然能够正确识别和解码信息。
这种纠错技术称为“Reed-Solomon”纠错码。
在扫描QR码时，扫描设备通过光源照射到码上，并接收反射回来的光信号。
然后，扫描设备解码接收到的信号，将其转换成二进制数据。
最后，通过解码软件将二进制数据解析为原始信息，例如网址、文本或其他数据。
由于QR码具有高密度存储信息、快速读取、纠错能力强等特点，广泛应用于商品包装、广告宣传、移动支付、票务管理等领域。
二维码识别与解码算法研究
二维码识别与解码算法研究在当今数字化的时代，二维码已经成为了日常生活中不可或缺的一部分。
它们广泛应用于各个领域，包括商业、物流、旅游、支付等等。
为了能够有效地利用和解码这些二维码，研究人员不断探索和改进二维码识别与解码算法。
本文将对二维码识别与解码算法进行研究，探讨其原理、应用和发展趋势。
二维码识别与解码是一项复杂而多学科交叉的技术，它主要涉及计算机视觉、图像处理、模式识别和数字信号处理等领域。
首先，了解二维码的生成原理对于理解其识别与解码算法至关重要。
简而言之，二维码是一种矩阵式的编码，通过黑白色块的排列组合来表示一定的信息。
为了进行二维码的识别与解码，我们需要将二维码图像进行处理，提取出其中的信息。
处理的第一步是图像的预处理，包括灰度化、二值化和去噪等操作。
这些操作有助于提高后续处理的准确性和效率。
接下来，我们需要对图像进行分割，将二维码的区域与其他背景进行区分。
这一步骤可以通过各种算法实现，例如边缘检测、阈值分割和连通域分析等。
在图像分割之后，我们需要对每个二维码模块进行识别和解码。
这一步骤涉及到图像的模式识别和信息解码两个关键任务。
对于模式识别，一种常用的方法是使用模板匹配算法，通过将二维码的模块与预定义的模板进行匹配，来确定每个模块的类型和位置。
而信息解码则包括错误检测和纠正，通过对模块之间的关系进行分析和解码来获得有效的信息。
在研究和应用中，二维码识别与解码算法面临着一些挑战和限制。
首先是图像质量的影响。
图像的清晰度、光照条件和扭曲程度都会对二维码的识别和解码造成影响。
研究人员需要不断改进算法，以适应各种复杂的图像环境。
其次，不同类型的二维码可能需要不同的识别和解码算法。
例如，QR码和Data Matrix码在编码方式和纠错能力上存在差异，需要针对性地设计算法。
此外，处理大规模数据和实时性要求也是算法优化的重要方向。
在实际应用中，二维码识别与解码算法已经得到了广泛的应用。
最常见的应用是移动支付和电子票务。
二维条码QR的图像预处理的开题报告
二维条码QR的图像预处理的开题报告1. 研究背景和意义随着移动互联网的发展，二维条码（QR码）已经成为现代人们日常生活中广泛应用的一种技术手段。
QR码具有高效率、高可靠性、节省空间、易读取等优点，被广泛应用于商品、票务、支付、物流等领域。
因此，如何高效准确地读取并解码QR码成为了一个重要的问题，而二维条码的图像预处理是解决这一问题的重要环节。
因此开展二维条码QR的图像预处理研究具有十分重要的现实意义和社会意义。
2. 研究内容和目标本文旨在研究二维条码QR的图像预处理算法，并实现一个高效准确的二维条码QR检测和解码系统。
主要研究内容包括：（1）QR码的特征分析。
研究QR码的编码结构、特征符号以及纠错码等内容，深入了解QR码的构成和特性。
（2）QR码的图像预处理。
运用数字图像处理技术对QR码图像进行预处理，包括去噪、二值化、形态学变换等步骤，提高QR码检测和解码的精度和鲁棒性。
（3）QR码的检测和解码。
通过对预处理后的图像进行QR码定位、校正、解码、纠错等步骤，实现一个高效准确的QR码检测和解码系统。
本文目标是实现一个高效准确的二维条码QR检测和解码系统，提高QR码检测和解码的精度和鲁棒性，以便更好地满足现代人们的需求。
3. 研究方法和步骤（1）资料调研和文献综述。
对于QR码的特征分析、图像预处理、定位、解码和纠错等步骤的研究现状进行资料调研和文献综述。
（2）QR码的图像预处理算法设计。
基于数字图像处理技术，设计适合QR码图像预处理的去噪、二值化、形态学变换等算法，提高QR码检测和解码的精度和鲁棒性。
（3）QR码的检测和解码算法设计。
设计QR码的定位、校正、解码、纠错等算法，实现一个高效准确的QR码检测和解码系统。
（4）系统实现和测试。
将设计好的QR码检测和解码算法实现为一个系统，通过实验和测试，验证其检测和解码的准确性和鲁棒性。
4. 前期工作和计划安排前期工作已经完成了QR码的特征分析、数字图像处理和QR码的定位算法研究。
qr分解的应用场景
qr分解的应用场景QR分解是一种数学方法，用于将一个复杂的矩阵分解成两个简单的矩阵的乘积。
它在许多应用场景中都有广泛的应用，本文将介绍其中几个重要的应用场景。
1. 矩阵计算QR分解在矩阵计算中起到了重要的作用。
通过QR分解，我们可以将一个复杂的矩阵分解成一个正交矩阵和一个上三角矩阵的乘积。
这种分解可以简化矩阵的计算，使得计算更加高效。
在线性代数、最小二乘问题等领域中，QR分解被广泛应用。
2. 最小二乘问题在最小二乘问题中，我们需要找到一个最优解来最小化误差的平方和。
QR分解可以帮助我们求解最小二乘问题。
通过将系数矩阵进行QR分解，可以将最小二乘问题转化为一个更简单的问题，从而得到最优解。
3. 特征值计算特征值计算是在分析矩阵的性质时非常重要的一部分。
通过QR分解，我们可以将一个矩阵分解成一个正交矩阵和一个上三角矩阵的乘积。
这种分解可以帮助我们计算矩阵的特征值和特征向量，进而了解矩阵的性质。
4. 图像压缩QR分解在图像压缩中也有重要的应用。
图像可以表示为一个矩阵，通过QR分解，我们可以将图像矩阵分解成一个正交矩阵和一个上三角矩阵的乘积。
由于正交矩阵具有良好的特性，可以用更少的数据表示图像，从而实现图像的压缩。
5. 信号处理在信号处理中，我们经常需要对信号进行分析和处理。
QR分解可以帮助我们分解信号矩阵，从而得到信号的特征和结构信息。
这对于信号的降噪、频谱分析等都有重要的意义。
6. 数据降维在大数据时代，数据处理变得越来越重要。
QR分解可以帮助我们对数据进行降维处理。
通过将数据矩阵进行QR分解，可以得到一个正交矩阵和一个上三角矩阵的乘积，从而减少数据的维度，提高数据处理的效率。
7. 机器学习在机器学习中，QR分解也有广泛的应用。
通过QR分解，可以将复杂的矩阵分解成两个简单的矩阵的乘积，从而简化机器学习算法的计算过程。
在特征选择、参数估计等方面，QR分解都可以发挥重要作用。
QR分解作为一种重要的数学方法，在许多领域中都有广泛的应用。
QR码图像预处理技术研究
１ Ｑ Ｒ码 图像 二值化
与Ｏｓ ￣ 值化 算 法 ｌ不 同 ，本 文提 出 的基于 背 景 ｔ ｕ ２ Ｊ 灰度 扩展 的二值 化 方法 ，是通 过 取适 当 的阈值 使被 阈
值分 开 的两 组 的方差 的 加权和 达 到最 小 ，这样 容易 将 ＱＲ 中的弱 目标合 并 到背景 中去 ． 码 文献 ［］ 自适应 亮 ３中 度 均衡 化采 用逐 行扫 描 ，这样 虽然 能达 到 比较好 的效 果 ，但 容易 引起 失真 ，不 能取 得满 意 的结 ．
选取 图像 中适 当大 小 的图形 块 ，计 算 该 区域 内 的
像素灰度均值 和标准差 （ ，以ｍｉ（ ｘ －３－ ） － ｎｍａ ， Ｉ ０ － ）
作为 该区域 的背 景灰度 ， 中 ｍａ 其 ｘ为该 区域像 素 的最
大灰度 值 ．
１ 对背 景灰度 矩 阵进 行 扩展 ． ２ 根据 得 到 的背景 灰度 矩 阵 ，将 背景 灰度 矩 阵扩展 成 和原 始 图像大 小相 同的矩 阵 ，从 而得 到背 景灰 度扩
第 ３ 卷 第 ６期 １
Ｖｏｌ ． ｏ ６ ３１ Ｎ
温 州 大 学 学 报 ・ 然 科 学 版 自
Ｊ ｕｒ ａ ｆＷ ｅ ｚ ｕ Ｕｎｉｅ ｓｔ ’ ｔ ａ ｉｎｃ ｓ ｏ ｎ ｌｏ ｎ ｈｏ ｖ ｒｉ ｙ Ｎａｕｒ ｌＳｃｅ ｅ
２１ ０ ０年 １ ２月
Ｄ ｅ ． ０１ ｃ２ ０
— — ＿ — ＿ — ＿ ＿ 。’一
类是激 光读 取式 ，一类 是 图像读 取式 ．激
光读 取式 因为 受限于 条码 的制式 ，其 发展 空 间变得 越来越 小 ． 图像 读取式 因其 二维 信 号的获 取优势 和 可脱离 专用 识读器 的特 点，具有 很大 的发展 空间 ． 目前 主要采 用 以下算 法对 二维条码 图
图像处理中二值化算法的应用场景
图像处理中二值化算法的应用场景图像处理是当今社会中一个广泛应用的领域，在工业生产、医学研究、安防监控等多个领域中得到了广泛的应用。
而其中，二值化算法是图像处理中的一项重要功能。
二值化算法可以将一幅彩色或灰度图像转换为黑白图像，将图像中的各个颜色值只保留黑色和白色两种颜色。
本文将对图像处理中二值化算法的应用场景进行探讨。
一、OCR识别OCR（Optical Character Recognition，光学字符识别）是指使用数字化手段将文本内容转换为可编辑文本的技术，是非常重要的一种应用。
而这种技术主要是通过图像处理技术来实现文字区域检测和字符分割的。
很多OCR软件中的二值化算法，可以有效地将文本区域和背景分离开来，达到了提高OCR识别率的目的。
二、印刷品质量检测印刷品质量检测是保证印刷品质量的重要手段，而黑白图像处理是印刷品质量检测中必不可少的一环。
二值化算法可以将印刷品上的文字、图像和背景分离开来，使得印刷品缺陷的检测和评价更加精准。
三、数字化档案管理数字化档案管理是指将各种纸质文档进行数字化转化，以减少存储空间，方便查询和共享。
而图像处理中的二值化算法可以将彩色或灰度的纸质文档转换为黑白图像，然后采用OCR等技术将其中的文字进行提取，从而达到数字化的目的。
四、安防监控领域在安防监控中，二值化算法常常被用来进行人脸或车辆的特征提取，从而实现身份识别或车辆识别。
而且，二值化算法可以很好地去除监控画面中的噪声，使得识别更加精确。
五、医学图像处理医学图像处理在现代医学领域中应用广泛，而其中一个重要的应用就是医学影像的二值化处理。
通过对医学影像的二值化处理，医生可以更加精细地观察医学影像中的重要结构。
六、文化遗产保护在文化遗产保护方面，图像处理可以通过二值化技术将照片、书籍及手稿的原始文本转换成数字字符，用来重建文化遗产资料的数字化。
以上就是图像处理中二值化算法的几个常见应用场景，随着技术的不断发展，二值化算法应用的领域也将不断扩张。
QR二维码的原理与识别方法
QR二维码的原理与识别方法一、QR码的原理：1.数据编码：QR码将信息编码为一系列黑白方块的模式。
它将输入的信息进行分段，并将每个字符转换为相应的二进制码，然后通过一系列的编码规则生成QR码的编码区域。
2. 误差校正：QR码通过内置的校验码来检测和纠正数据的错误。
它在编码区域中添加了一些特殊的模块，并使用Reed-Solomon纠错码来计算校验码，从而可以在一定程度上恢复和纠正编码中的错误。
3.定位模块：QR码中包含了多个定位模块，用来标识QR码的边界并帮助解码。
定位模块的位置和大小是固定的，解码器通过检测定位模块的位置和模式来确定QR码的边界。
4.数据密度：QR码的数据密度非常高，可以存储更多的信息。
通过增加编码区域的大小和模块的个数，可以有效提高QR码的存储容量和密度。
二、QR码的识别方法：2.定位模块检测：在图像中定位QR码的位置是识别QR码的重要步骤。
通常可以使用图像处理的方法，如边缘检测、轮廓检测等技术来检测QR码的定位模块，从而确定QR码的边界和角度。
4.数据解析与提取：在解码和校验码之后，可以将二进制数据转换为文本、数字或链接等特定的信息。
根据QR码的编码规则，将每个字符的二进制数据映射为相应的字符，从而提取和解析出最终的数据。
总结：QR码的原理是通过在二维平面上的黑白方块编码来存储信息，同时利用校验码和定位模块等机制来实现数据的校验和解析。
识别QR码的方法包括图像扫描、定位模块检测、解码校验码和数据解析与提取等步骤。
QR码已经在各个领域广泛应用，方便了信息的传递和存储。
基于OTSU处理不均匀光照图像改进算法研究
基于OTSU处理不均匀光照图像改进算法研究作者：刘明兴刘泽平李斌符朝兴孟含来源：《青岛大学学报（工程技术版）》2020年第03期摘要：为解决不均匀光照下图像二值化问题，提出一种基于最大类间方差法（OTSU算法）的改进二值化算法，将图片分为明亮区域和阴暗区域两部分，分别计算两部分最大类间方差对应的阈值，通过分析阴暗区域特征，判断每一像素点位于明亮区域还是阴暗区域，从而确定每一点的阈值。
实验结果表明，该算法可以解决OTSU算法处理光照不均匀图像丢失信息问题，可广泛应用于光照不均匀条件下的文本图像二值化处理，针对特殊情况较好，相对于其他算法适用性更强，本算法可通过提高OTSU算法的运算速度，缩减算法的运行时间。
该研究提取信息较为完整，可以作为字符识别及缺陷检测等工作的预处理方法，提高识别精度。
关键词：二值化; OTSU; 不均匀光照; 阈值分割; 最大类间方差; 全局阈值中图分类号： TP391.413文献标识码： A近年来，数字化图像技术在许多学科都得到了广泛应用[1]。
例如可以结合边缘检测对采煤沉陷、耕地作物绝产边界识别，结合快速行进方法完成风洞试验缺陷修复等[23]。
在对数字化图像进行二值化处理时，通过选取适当的阈值，将图像分为背景与目标，提取其中的特征和有效信息[45]。
作为图像处理的预处理手段，当背景光照均匀时，可以有效地过滤图像背景信息，不均匀光照的二值化算法可以有效提高自然光照下的文本识别和QR码识别等[67]工作的速度和准确度。
对光照均匀的图片进行二值化处理时，使用全局阈值方法可以将图片中的信息提取出来，并取得较好的效果。
全局阈值方法主要有灰度平均值法、基于谷底最小值的阈值、迭代法、OTSU法等[89]。
其中，OTSU算法计算简单快速，受亮度和对比度影响较小，应用较为广泛。
例如基于OTSU算法和HU不变矩进行信号灯识别、生物组织损伤辨识等[1011]。
目前，改进OTSU算法多针对OTSU算法时间复杂度高、实时性差的问题，对OTSU算法运行速度进行改进，王玉银等人[1214]基于狼群优化或粒子群算法，提高了OTSU算法的运行效率。
基于模糊发票QR二维码的识别技术研究
工程管理与技术现代商贸工业２０１９年第３０期２１２㊀㊀作者简介:徐爱鹏(１９９２－),男,汉族,本科,软件工程师,湖南大唐先一科技有限公司,研究方向:数字图像处理;朱杰(１９８０－),男,汉族,大专,软件工程师,湖南大唐先一科技有限公司,研究方向:数字图像处理;陈叶明(１９８０－),男,汉族,本科,软件工程师,湖南大唐先一科技有限公司,研究方向:信息化.基于模糊发票Q R 二维码的识别技术研究徐爱鹏㊀朱㊀杰㊀陈叶明(湖南大唐先一科技有限公司,湖南长沙４１００００)摘㊀要:主要针对谷歌二维码识别开源项目Z x i n g 项目进行改进,提出了I m p r o v e －Z x i n g 算法.其一,不同于Z x i n g 项目在全图上面寻找二维码的三个定位点来做二维码的定位,利用形态学等决策对二维码进行定位;其二,不同于Z x i n g 项目使用最大类间方差算法(O T S U )对图片全域进行二值化处理,仅对图片中二维码区域进行二值化计算.利用８３５张模糊发票二维码进行验证,发现改进的算法不仅能够减少二维码识别计算的时间,并且还能有效地提升模糊发票二维码图片的识别精度.关键词:Q RC o d e;模糊二维码识别;发票中图分类号:T B ㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀㊀d o i :１０．１９３１１/j．c n k i ．１６７２Ｇ３１９８．２０１９．３０．１０５１㊀引言随着当前信息技术的发展与变革,通过特定信息识别产品技术已经广泛地应用在人们的生产生活之中.例如超市中商品上的条形码,以及顾客在进行支付时扫描的二维码(Q u i c k R e s p o n s eC o d e ,Q R 码)等等,这些技术加快了信息获取速度,不仅节约了时间同时给人们生活带来了便利.二维码技术是综合信息编码㊁信息传递㊁数据加密等技术的综合体,其具有编码适用范围广㊁译码快而精准,生产快低成本等优点,因而发展迅速,应用广泛.目前二维码应用技术是中国信息社会中不可或缺的存在,社会的生产生活中已经愈发离不开二维码技术,快速识别二维码中的信息更为重要,因此开展二维码精准识别的研究,是有必要的.图１㊀发票样例图目前中国使用发票作为单位和个人在交易过程中所开具或者收取的业务凭证,其可以作为公司缴纳税务的凭证也可以作为员工进行报销的凭证.发票极其重要,其不仅是会计核算的原始凭证,也是审计机关㊁税务机关执法检查的重要依据.因此发票上的信息,对个人与公司都十分重要.目前中国发票存在两种形式,一种是纸质发票目前在慢慢过渡到等同性质的电子发票.但是电子发票目前尚不能完全取代纸质发票,因此快速识别纸质发票上的信息成了需要研究的焦点.从图１展示的增值税专用发票样例图上可以清楚的看到,在发票的左上角有一处二维码图样,该二维码就编码存储了该发票记录的信息,因此只需要使用二维码识别技术就能够将发票信息自动获取到电子设备上.然而由于当前仍然有许多纸质发票,这些纸质发票可能会经过一定程度的磨损,导致二维码图像变模糊,严重影响到二维码中信息的识别.因此针对模糊发票二维码的识别场景,本文对模糊Q R 二维码的识别技术展开了研究.２㊀相关技术Q RC o d e 是一种矩阵式二维码,１９９４年诞生于日本.由于Q RC o d e 信息存储量大㊁可针对文字㊁图像等符号进行编码㊁并且加密性强㊁纠错程度高㊁成本低廉㊁便于使用等优点,获得了各领域广泛使用.Q R C o d e 二维码一般为规则矩形,主要由编码区以及功能图形组成,其中编码区域主要用于对数据编码存储,包含了数据㊁格式㊁版本等信息;功能图形用于定义固定格式的信息,包括探测㊁定位㊁校正识别等.Q R C o d e 二维码结构如图２所示.现代商贸工业２０１９年第３０期２１３㊀图２㊀Q RC o d e 二维码结构图当前有众多关于二维码的学术研究,甘岚等人提出了基于亚像素边缘检测的二维码识别算法,该算法解决了二维码因边缘模糊导致的识别率下降问题.李军采用扫描边界点来确定畸变控制点的方法,实现了对Q RC o d e 二维码的曲面变形校正,使用该算法对曲面变形的Q RC o d e 二维码进行校正后,能够显著提高识别率.C h u 等人在智能手机上实现了运动模糊Q RC o d e 二维码的恢复,但是该算法耗时太大,难以在物流分拣中应用.这些算法应用场景很少有使用到模糊发票二维码识别中的,因此本文将针对模糊发票二维码的识别展开研究.３㊀改进方法与实验３．１㊀改进的I m p r o v e －Z x i n g 算法(１)关键点定位,本文先对二维码整体区域定位,然后再对关键点定位.Z x i n g 算法探测到１个定位点或者２个定位点,就停止定位点检测.本研究针对该缺陷修改了关键点定位,当关键点只定位到１个或者２个定位点时,会根据一个关键点到边缘的位置,推算到其他两个关键点的大概位置,然后根据连通域算法精确定位到关键点中心位置.(２)图片预处理,本研究去掉模糊二维码图像中出现的较小空洞以及连丝,同时针对图像二维码中的残缺,会检查边缘是否齐全,如果不齐全则会加上一条道当作边缘.不同于Z x i n g 项目使用最大类间方差算法(O T S U )对图片全域进行二值化处理,本文仅对图片中二维码区域进行二值化计算.３．２㊀实验与分析为了验证算法的精准度,本文选取８３５张模糊的发票Q RC o d e 二维码进行测验数据样本,二维码样例图参见图３.另外使用改进前算法与改进后的算法对模糊发票二维码数据样本依次进行实验,并以运行时间与识别结果作为评价指标.图３㊀模糊发票二维码部分样本对比实验结果如表１所示.表１㊀模糊Q RC o d e 二维码识别实验结果㊀㊀㊀㊀特征选择方法评价指标㊀㊀㊀㊀㊀㊀Z x i n gI m p r o v e －Z x i n g 运行时间６５２．２１９s５９２．３４２s识别率３６７/８３５＝４３．９５％５２９/８３５＝６３．３５％㊀㊀针对８３５张模糊二维码图片的识别过程中,其中Z x i n g 算法运行时间为６５２．２１９秒,I m p r o v e －Z x i n g 算法耗时５９２．３４２秒,总耗时I m p r o v e－Z x i n g 降低了５９．８７７秒,接近一分钟;在识别精度上,Z x i n g 成功识别了３６７张模糊发票二维码,识别率为４３．９５％.而I m Ｇp r o v e －Z x i n g 成功识别了５２９张模糊发票二维码,识别率为６３．３５％,识别率提升了１９．４％.实验表明I m Ｇp r o v e －Z x i n g 算法具有更高的精准度与更优的处理性能.４㊀总结本文主要针对模糊发票二维码识别场景,对模糊Q RC o d e 二维码的识别技术展开了研究.根据谷歌二维码识别开源项目Z x i n g 项目进行改进,并通过使用８３５张模糊发票二维码进行实验,结果表明本文改进的算法不仅能够减少二维码识别计算的时间,并且还能有效地提升模糊发票二维码图片的识别精度,这对模糊Q RC o d e 二维码识别技术进行了一个知识补充,同时给模糊发票的识别带来了更多的便利.参考文献[１]田洪娜．Q R 码研究及其在机器人自定位上的应用[D ]．沈阳:东北大学,２０１４．[２]李国栋,田国会,薛英花．基于Q R C o d e 技术的家庭服务机器人视觉伺服抓取操作研究[J ]．东南大学学报(自然科学版),２０１０,(S １):３０Ｇ３６．[３]张兴华．矩阵式快速Q R 码的研究和应用[D ]．成都:电子科技大学,２０１５．[４]蒲策．Q R 二维码编码译码算法研究及应用[D ]．成都:成都理工大学,２０１６．[５]于英政．Q R 二维码相关技术的研究[D ]．北京:北京交通大学,２０１４．[６]于英政,许宏丽．基于Q R 二维码的多级融合加密算法的设计与实现[J ]．计算机与数字工程,２０１４,(１２):２３６２Ｇ２３６４．[７]刘子鸣,林家骏．一种适用于Q R 码的抗打印扫描的水印算法[J ]．华东理工大学学报,２０１８,(１)．。
aruco原理
aruco原理Aruco是一种基于二维码的视觉标记系统，可以被用于机器人导航、增强现实、自动驾驶等领域。
本文将介绍Aruco的原理、特点、应用以及实现过程。
一、Aruco的原理Aruco的原理是基于二维码的视觉标记系统，用于在图像上寻找和识别二维码。
Aruco的特点是可以在不同的角度和距离下识别标记，并且可以同时识别多个标记。
Aruco的基本原理是通过相机捕获图像，然后识别图像中的二维码，最终确定相机的位置和姿态。
Aruco标记的形状是正方形，边缘上有黑白相间的条纹，其中黑白相间的条纹是二进制编码。
Aruco标记的编码方式是基于汉明码的，通过汉明码可以实现错误检测和纠正。
Aruco标记的编码方式可以根据需要进行修改和扩展，以适应不同的应用场景。
Aruco的工作原理是先将图像进行预处理，然后检测图像中的角点，最终确定标记的位置和姿态。
Aruco的预处理包括灰度化、二值化、去噪、边缘检测等步骤。
Aruco的角点检测采用的是Harris角点检测算法，通过对图像中的角点进行匹配，可以确定标记的位置和姿态。
二、Aruco的特点Aruco的特点主要有以下几个方面：1. 可以在不同角度和距离下识别标记。
Aruco标记的编码方式和角点检测算法可以实现对标记的快速和准确的识别，即使在不同角度和距离下也可以实现标记的识别。
2. 可以同时识别多个标记。
Aruco标记的编码方式和角点检测算法可以实现对多个标记的同时识别，可以实现对多个物体的定位和跟踪。
3. 可以根据需要进行修改和扩展。
Aruco标记的编码方式可以根据需要进行修改和扩展，以适应不同的应用场景。
4. 适用于机器人导航、增强现实、自动驾驶等领域。
Aruco可以实现对物体的定位和跟踪，可以应用于机器人导航、增强现实、自动驾驶等领域。
三、Aruco的应用Aruco的应用主要集中在机器人导航、增强现实、自动驾驶等领域。
1. 机器人导航。
Aruco可以实现对机器人的定位和跟踪，可以应用于机器人导航和路径规划。
图像处理在二维码识别中的应用
图像处理在二维码识别中的应用摘要：图像处理应用于二维码中能改善复杂的条件，本文以二维码为例，提出图像处理的方法，以提高二维码的识别能力。
关键词：图像处理；二维码；识别应用在识别技术中，二维码具有低成本、识别速度快、信息量丰富等特点，日益得到社会的广泛应用，随着物联网的迅速发展，二维码得到了更大的发展空间，二维码应用技术日趋成。
在通信的快速发展中，二维码与通信技术相互促进，使得二维码得到更深远的发展。
本文以二维码为例，就图像处理对二维码的分析处理展开研究，研究了解码的具体信息，为二维码的应用奠定坚实的基础。
一、二维码简介二维码表现出正方形，是黑白两色拼接而成的，在三个角落中是用于解码定位的回形图案，二维码是正方形的阵列，由编码区、寻像图形、分隔符、定位图形和校正图形组成[1]。
二维码目前在移动支付以及电子商务中应用广泛，具有良好的防伪能力，能够脱离数据库而存在，可以存储较多内容，包括汉字等不同类型的内容，实现了横向纵向的编码，所需的空间较小。
二维码的纠错效果较好，具有较高的可靠性，具有不同等级的纠错，可以灵活应对各种变化，实现全方位的信息识读。
通信技术以及移动终端的发展，二维码的应用日益普及，扫描和识别是二维码的关键，受到光照等因素的干扰，二维码的图像准确性难以保证，移动终端受容量以及分辨率的影响，这就延长了图像处理的时间，影响了图像的准确性。
想要切实提高二维码识别的水平，就要从图像识别入手，进行针对性的研究，以有效的提高二维码识别的质量，切实推动图像处理技术的改革，探索二维码识别的创新模式。
本文的主要研究方向就是针对图像处理在二维码识别中的应用的探索，尝试找到更符合当前时代要求的图像处理方法，并紧密结合二维码的创新发展，探索符合时代需求的二维码技术，以推动图像处理的升级。
二、图像处理在二维码识别的应用使用设备采集二维码图像中，容易受到外界因素的影响，需要先对图像进行预处理，以防止增加译码难度，切实提高识别率，只有经过有效的处理，才能做出有效识别。
二维码编解码技术的研究与应用
二维码编解码技术的研究与应用
条码技术是一种融编码、印刷、数据采集和处理于一体的自动识别技术,条码又分为一维码和二维码,二维码除了具备一维码成本低、传播方便等优点外,还具有信息容量大、可靠性高、可表示多种形式数据、保密防伪性强等优点。
论文首先通过分析多种二维码编码标准,总结了二维码编码技术的一般步骤,并对编码过程中的数据编码技术、纠错码生成和掩模技术进行详细分析。
然后分析了基于图像处理的二维码解码算法的一般过程,并对图像预处理、二维码的定位与校正以及数据纠错过程中涉及到的关键算法进行分析比较。
针对快速响应矩阵码(QR code),详细设计基于图像处理的QR码解码算法,为了降低算法复杂度并提高识别效率,改进了二维码图像的二值化算法和QR码定位算法,并对算法改进后的执行效率以及容错性能进行分析,结合算法执行时间分析结果对关键算法进行优化。
实验结果表明,改进的QR码解码算法执行效率较高而且稳定,并且在光照不均、存在噪声以及图像变形等情况下均可以正确解码。
随后针对二维码的应用特点,设计基于嵌入式的QR码识别系统,为了简化图像采集流程并精简系统,详细设计了基于S3C2440和OV7620的图像采集子系统。
最后利用天嵌科技的TQ2440开发平台实现基于嵌入式的QR码识别系统,完成实时图像采集、循环接收用户解码请求、解码并返回结果等功能。
一种快速有效的QR码定位方法
一种快速有效的QR码定位方法王景中;贺磊【摘要】为解决在复杂背景下，由于QR码无法定位而导致的识别率较低的问题，提出了一种新的QR条码定位方法。
考虑到QR码的结构特征，先对QR码进行轮廓定位，确定QR码可能所在的区域，然后对QR码进行精确定位。
QR码轮廓定位是用Hough变换检测近似正方形的区域，然后合并嵌套的正方形区域，最后进行区域调整。
精确定位的过程利用了KMP算法的思想，提高了寻找满足特定比例线段的速度，从而提高了精确定位的速度。
实验结果表明，相比于传统的QR码定位的方法，该方法可以准确快速地定位QR条码，整体的识别速度和识别率都有了较大的提高，同时具有很高的实用价值。
%To solve the low recognition rate of QR code under complex background caused by the invalidlocalization,propose a new ap-proach for QR code localization. Taking the structure of QR code into account,the first step is contour localization that determines the possible regions of QR code and the second step is accurate localization. Contour localization applies Hough transform to detect regions approximate to square,then merge those squares which are nested and made region adjustment at last. The thought of KMP algorithm is used in the process of accurate localization to enhance the speed of finding the special ratio line,improving the speed of localization. The results of experiments show that this method is able to locate the QR code fast and precisely and the speed of recognition as well as recog-nition rate are greatly improved compared with the conventional method and has high practical value as well.【期刊名称】《计算机技术与发展》【年(卷),期】2015(000)008【总页数】6页(P84-89)【关键词】QR码定位;Hough变换;正方形检测;KMP算法【作者】王景中;贺磊【作者单位】北方工业大学信息工程学院，北京 100144;北方工业大学信息工程学院，北京 100144【正文语种】中文【中图分类】TP3010 引言QR(Quick Response)码［1］是由日本 Denso 公司于1994年9月研制的一种矩阵式二维条码，不仅保持了一维条码及其他二维条码所具有的信息容量大、可靠性高之外，还具有可表示汉字及图像等多种文字信息、保密防伪性强等优点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
算法 ，该算法 给出了不同光 照下二值化最 佳阈值的选 取方法 ，对于受不均匀光照影响的 Ｑ 码 图像 ，首先 Ｒ
使用改进 的基 于背景 灰度估 计的光 照不均 匀校正算法 进行灰度不均匀校正 ， 然后利用 Ｏ ｓ ｔ ｕ算法对校正的图 像进行 二值化 ，可得 到 良好 的二值 化的图像 。最后通
ｏ ｅ ｓｚ ｆｏ ｉ ｉ ａ ｍａ ｅ ｔ ｅ ｖ ｌ ａｅ ｈ ｒ ｙ ｖ ｌｅ ｏ ａ ｈ ｂ ｏ ｋ ａ ｄ ｓ ｔｂ ｏ ｋ’ ｒ ｙ ｖ ｕ ｔ ｅ ｂ ｌ ｅ ｒ ｎ ｔ ｉｅ ｏ ｒｇ ｎ ｌｉ ｇ ， ｎ ｅ ａｕ ｔｓｔ ｅ ｇ ａ ・ ａｕ ｆｅ ｃ ｌ ｃ ｎ ｅ ｌ ｈ ｈ ｃ Ｓｇ ａ — ａ ｅｗｉ ｔ ｉｉ ａ ｌ ｈ ｈ ｎ ｉ ｔｒ ｏ ａｉ ｎ ｍｅｈ ． ｉｄ ｙ ｉ ｕ ｒ ｃｓｔ ｅｅ ｔ ｔ ｄ ｂ ｃ ｇ ｏ ｎ ｇ ｒ ｍ ｒｇ ｎ Ｂ ｖ ｎｉｌ ｍｉ ａ ｏ ｍａ ｅｇ ｔ ｎ ｅｐ ｌｔｏ ｔ ｏ Ｔｈ ｒ ｌ ， ｔｓ ｂｔａ ｔ ｓｉ ｅ ａ ｋ ｒ ｕ ｄ ｉ ｄ ｈ ｍａ ｍａ ｅ ｆｏ ｏ ｉ ｉ ａ ｕ ｅ ｅ ｌｕ ｎ ｔ ｎ ｉ ｇ ｅ ｌ ｉ
ｌ 引言
快速响应矩 阵码 （ Ｒ 码 ）是 由日本的 Ｄ ｎｏ公 Ｑ ｅｓ 司于 １９ ９ ４年研制的一种矩阵式二维条码，于 ２０ ０ １年 被认定为 中国 国家标准“ Ｂ Ｔ１２ ４２０ ”“ Ｇ ／ ８ —０ ０ 【。由于它 ８
基础上［ ］ 出了一种改进的 Ｑ ２提 － ９ Ｒ码 图像 自适应二值化
不均对二值化 阈值选取的影响 。实验证 明，该算法 能够对灰度变换范围较大、光照 不均 的 Ｑ Ｒ码图像进行有效的
校 正 ，得 到 良好 的二 值 化 图 像 。 关 键 词 ：Ｑ Ｒ码 ； 二值 化 ；背 景 灰 度 估 计
Ｉ ｒ ｖ ｄＢ ｎ ｒ ａｉｎＡｌｏ ｉ ｍ ｒ ｍｐ ｏ ｅ ｉａ ｉ ｔ ｇ ｒ ｈ ｆ ｏ ｅ ｅ ｏ ｎｔ ｎ ｚ ｏ ｔ ｏ ＱＲ Ｃ ｄ ｃ ｇ ｉｏ Ｒ ｉ
２１ ０ １年 第 ２ Ｏ卷 第 ６ 期
ｈｔ：ｗｗ ＣＳ ．ｒ． ｔ ／ ｗ． ・ ｏｇｃ ｐ／ ・ａ ｎ
计 算 机 系 统 应 用
在 ＱＲ
闰三 虎 ， 胡卫 东 ，罗 小 平
（ 南 石 油 大 学 计 算 机 科 学 学 院 ，成 都 ６ ０ ０ ） 西 １５ ０
①
摘
要： 究了Ｑ 研 Ｒ码 图像二值化技术 ，针对 光照不均的 Ｑ Ｒ图像提 出了一 种改进 的基于背景灰度估计的校 正算 一
Ｅ ｐｒ ｎ ｈ ｗ ｔａ ｔｅａｇ ｒｈ Ｃ ｅ ａｂｔ ｒＱ ｉａｙｉ ｇ ｆ ｃ ｖｌ ｆｒＱＲ ｃ ｄ ｇ ｈｃ ａｍａｅｅｆ ｔ ｅ ｏ ｏ ｅｉ ｅｗ ｉｈｈｓ ｍｅ ｓ ｈ ｔ ｎ ｔ ｅｉ ｙ ｍａ
Ａｂ ｔａ ｔ ｈｓｐ ｐ ｒｓ ｄｅ ｈ ｉａｉａｉｎ ｔｃ ｎｑ ｅ ｏ ｓｒ ｃ ：Ｔ ｉ ａ ｅ ｔ ｉｓｔｅｂｎ ｒｚ ｔ ｅｈ ｉｕ ｆＱＲ ｏ ｅ ｉ ｇ ｎ ｒ ｐ ｓｓａｌｉ ｒ ｖ ｄ ｂ ｃ ｇ ｏ ｎ ｕ ｏ ｃ ｄ ｍａ ｅａ ｄ ｐ ｏ ｏ ｅ ｌ ｍｐ ｏ ｅ ａ ｋ ｒ ｕ ｄ ｇａ — ｖ ｌ ａｅ ｌｏ ｔｍ ｒ ｎ ｖ ｎｉ ｕ ｎ ｔ ｎＱＲ ｏ ｅｉ ｇ ． ｉ ｔ ，ｔ ｕｓ ｈ ｉ ｇ ｓ ｅ ｅａ ｌｃ ｓｂ ｓｄ ｒｙｌ ｅ ｓｄａｇ ｒ ｈ ｆ ｅ ｅ ｌｍｉａｉ ｃ ｄ ｅ ｂ ｉ ｏｕ ｌ ｏ ｍａ ｅ Ｆｒ ｌ ｉｃ ｔ ｔｅＱＲ ｓｙ ｍａ ｅａ ｖ ｒｌ ｏ ｋ ａｅ ｓ ｂ
ＹＡＮ ｎ Ｈｕ ＨＵ ｅ— ｎ ， Ｓａ — ， Ｗ ｉＤｏ ｇ ＬＵＯ ａ — ｎ Ｘｉｏ Ｐｉ ｇ
（ ｏｌ ｅ ｆ ｏ ｕｅ ｃ ｎ ｅ ｎ ｅ ｈ ｏｏ ｙ Ｓ ｕ ｈ ｅ ｔ ｅ ｏｅ ｍ ｉｅｓ ｙ Ｃ ｅ ｇ ｕ６ ０ ０ ， ｈｎ ） Ｃ ｌ ｇ ｍｐ ｔｒ ｉ ｃ ｄ ｃ ｎ ｌｇ 。 ｏ ｔｗ ｓ Ｐ ｔ ｌ ｅ ｏＣ Ｓ ｅ ａ Ｔ ｒ ｕ Ｕｎ ｒ ｔ， ｈ ｎ ｄ １ ５ ０ Ｃ ｉａ ｖ ｉ
法 。 该 算 法 首 先 根 据 原 图像 大 小 进 行 分 块 处 理 ，在 此 基 础 上 利用 改 进 的 灰 度 估 计 公 式 计 算 分 块 的灰 度 值 ， 然 后 利 用 双 线 性 内 插 法 设 置 区 块 灰 度 值 为估 计 值 ， 最 后 用 原 图像 减 去 估计 背 景 图 像 得 到 校 正 图像 ， 以此 克 服 了光 照
ｔ ｅｃ ｒｅ ｔｄ ｉ ａ ｅ ａ ｄ ｗｉｈ ｔｉ ｅ ｏ ｏ ｅｉ ｎ ｔ ｅｂａ ｆｅ ｔ ｎ ｆ ｒｂ ｎ ｒｚ ｔ ｎ ｆｏ ｎ ｎ ｎ ｆ ｒ ｌ ｍ ｉ ａｉ ｎ ｈ ｏｒ ｃ ｅ ｍ ｇ ， ｎ ｔ ｈ ｓｍ ｔ ｄ ｔ ｌｍｉ ａｅｔ ｄ ａｆ ｃｉ ｏ ｉ ａ ｌａｉ ｒ ｍ ｏ ｕ ｏ ｍ ｉｌ ｈ ｈ ｏ ｏ ｉ ｕ ｎ ｔｏ ．