散焦模糊的畸变QRbarcode图像复原技术

散焦模糊的畸变QR barcode图像复原技术
第19卷第8期
2007年8月
计算机辅助设计与图形学
JOURNAL0FCOMPUTER—AIDEDDESIGN&COMPUTERGRAPHICS
V o1.19.No.8
Aug.,2007
散焦模糊的畸变QRbarcode图像复原技术
明安龙马华东赵庆鹏
(北京邮电大学智能通信软件与多媒体北京重点实验室北京100876)
(*********************)
摘要根据散焦模糊的QRbarcode(QR码)图像特点,采用自适应阈值方法滤除模糊效应,通过轮廓查找算法初
步定位4个顶点和消除噪声,利用2次反透视变换结合双切线逼近的方法初步复原图像,使用自适应栅格划分法进
行中心点采样,得到最终的复原图.实验结果证明:该方法简单易行,对散焦模糊或具有复杂背景的QR码图像的复
原取得了较好的效果.
关键词快速矩阵响应码;轮廓;反透视变换;图像处理
中图法分类号TP751.1 ACorrectionTechniquetoDefocusedandDistortedQRBarcodeImages MingAnlongMaHuadongZhaoQingpeng (BeOingKeyLaboratoryofIntelligentTelecommunicationsSoftwareandMultimedia,Beij ingUniversityofPostsandTelecommunications
Beijing100876) AbstractAtechniqueisproposedtoeliminatetheillegibleeffectbythebinarizationwithself —adaptive
thresholdingaccordingtothefeaturesofdefocusedQRcodeimage.Thecornerpointsareiniti allylocatedby
contoursearchalgorithms,andaQRcodeimageisrebuiltfromadistortedonebyusingadoubl etangents
methoddesignedtoapproximatetheright—bottompointwithdoubleinverseperspectivetransformations.A
novelself—adaptivegridsgenerationalgorithmforsamplingisdesignedtogeneratethefinalcodeimage. Experimentalresultsshowthatourmethodissimpleandworkable,especiallyfordefocuseda nddistorted
QRbarcodeimages.
KeywordsQRcode;contours;inverseperspectivetransformation;imageprocessing
QR码(quickresponsecode)是由日本Denso公
司于1994年9月研制的一种矩阵二维码符号,对于
数字,字母,汉字编码有特定的压缩模式.我国2000
年12月发布了快速响应码的标准——GB/T
18284--2000.QR码具有高容量,高密度,纠错能力
强,安全强度高等特点_lJ,可以广泛应用于身份验
证,安全防伪,电子商务等众多领域.
QR码符号是许多小正方形模块组成的一个正
方形阵列,由格式信息,位置探测图形,校正图形,数
据和纠错字码组成,符号的周围为空白区,其结构如
图1所示.条码识别的一般方法是先对条码图像进
行一阶差分,找出条码图像的边界位置.但是,当使
用无自动调焦的手机等光学系统成像后,条码边缘
将变得异常模糊,再加上环境噪声的影响(如图2所
收稿日期:20060914;修回日期:20070302.基金项目:国家"八六三"高技术研究发展计划(2006AA01Z304);国家自然科学基金
(90612013);高等学校博士点基金(20050013010);教育部新世纪人才支持计划.明
安龙,男,1979年生,博士研究生,主要研究方向为多媒体系
统,模式识别,网格计算.马华东,男,1964年生,博士,教授,博士生导师,CCF高级会员,主要研究方向为多媒体网络与系统,传感器网络,网格
计算,形式化技术等.赵庆鹏,男,1983年生,硕士研究生,主要研究方向为多媒体系统,模式识别.
8期明安龙等:散焦模糊的畸变QRbarcode图像复原技术1O81
示),传统的条码识别方法将不再适用.
图1OR码符号的结构图2散焦OR码图片
息.首先找出图像的最大/最小灰度值,将最大/最小
灰度值之问的每一个灰度值设为阈值,从而把图像
的灰度值集合分为2类;计算2类问方差并将其存
入一个一维方差数组内,下标为当前分割的灰度值;
对于方差数组,查找最大类问方差,其下标即为所求
的阈值.图3所示为滤除散焦模糊后的效果图.
本文以手机拍摄的散焦模糊的畸变QR码图像
为例,研究了在一定复杂度限制下的图像复原技术,
提出包括自适应阈值的方法滤除散焦模糊效应,轮
廓查找算法初步定位4个顶点和消除噪声,2次反
透视变换结合小窗口内双切线逼近的方法初步复原
图像和自适应栅格划分法进行中心点采样4个步骤
的解决方案,得到最终的复原图.2顶点定位
1滤除散焦模糊
根据成像原理,如果物距",焦距厂,透镜到像
平面的距离,满足
+=了1(1)
r
则生成清晰的物体图像,称为聚焦图像.如果三者
不满足式(1),则生成散焦图像.处理散焦图像的一
般方法是建立散焦模型,用聚焦图像与散焦函数来描述图像的模糊效应,然后通过某些先验的知识进行反卷积以达到恢复图像的目的.用这种方法处理散焦图像有很大的局限性:1)不同设备拍摄的图片
模糊效应不同,需要有针对性地进行相应的反卷积;
2)算法复杂度高,需要增加额外的计算量.
考虑到QR码图形本身的特点,即它是由许多
小正方形模块组成的一个正方形阵列,每个小正方形模块称为一个cel1.那么可以预见对于每一个cell,无论散焦模糊效应的程度如何,其散焦模糊后
在平面的投影必定是这个正方形的变形,并且散焦图像的模糊主要集中在cell的边缘.如果拍摄的角度是垂直于QR码平面的,那么正方形的变形在各方向上应该是近似均匀的,如变形成一个圆形,即中心的颜色是不变的;否则,可以通过下文所述的反透视变换恢复成垂直的情况.
基于这个推断,我们采用Ostu自适应阈值二值
化的方法_3j直接去掉边缘信息,保留cell中心的信图3滤除散焦模糊
2.1初始定位
因为待处理的QR码图像是畸变的,即在平面
内和垂直平面方向有一定角度的旋转,所以需要定位出4个顶点,以便将图像恢复成正则的,如图4所示.刘宏伟等|1利用Hough变换与Sobel边缘检测来进行顶点定位,但是Hough变换不仅复杂度高,
而且对散焦模糊图像的检测效率非常不稳定. Ohbuchi等l2J对QR码区域的4个顶点定位采取多条直线试探扫描,但是这种扫描对图像中的噪声非常敏感,而且右下角顶点的获取精度不高.
实际存在的3个顶点==二=二二留
t
可能不存在,需要估计的顶点
图4OR码的4个顶点
鉴于QR码本身就有定位性质的位置探测图形
(分别位于左上角,右上角和左下角),本文采用外部
边缘轮廓查找算法来检测这3个小正方形畸变后的
12个顶点,以达到初步定位畸变QR码的4个顶点
的目的.Suzuki等l4J提出了一种外部轮廓检测算
法,本文使用该算法来检测所有的外部四边形,然后
加上四边形凸凹性和角度的过滤,可以快速地定位
出位置探测图形的12个顶点.
算法1.顶点查找算法
输入.一张包含QR码的图像,角度0/,,0/^.
8期明安龙等:散焦模糊的畸变QRbarcode图像复原技术l083 码图像,如图6a所示
a2次透视变换后效果图b平均法栅格划分
c自适应栅格线的滑动d自适应栅格划分
针对这种现象,本文提出一种自适应栅格划分
法,其主要思想是当画每条栅格线时,在平均法的基
础上适当左右移动竖线或上下移动横线到一个最佳
位置(如图6C中的绿色竖线)以画竖线为例,设第
列从上至下像素的灰度值组成一个列向量:
V(,,…,,Ⅲ为QR码图像区域所有列的
平均长度,的取值范围为QR码图像区域所有列的
平均长度.定义从第列移动到i+1列的代价值为
,一1
()=∑0l(2)J一0
式(2)可理解为相邻cell列的异或.当i位于2
个cell列的交线上时,(i)取峰值.设定一个极小
值s,根据平均法求出步长,得到最佳栅格线的大概区域,如图6C中的2条红色虚线所夹的区域,在这个区域内从左至右进行滑动,滑动时计算(i):当()<￡时,继续滑动;否则,当前位置为最佳位置. 图6d所示为自适应栅格划分的效果图.从中
可以较为直观地看出相对于平均法的.改进.在此基e栅格划分后中点采样f最终复原的QR码
图6QR码图像采洋与复原
3图像采样
得到初步复原的QR码图像后,结合QR码的
编码规则,可以准确地求出QR码图像的版本号,即cell的个数.如图6a中的这个版本由53×53个深色或浅色的cell组成,如果用ceII的个数"表示QR 码边长,那么此例中=53.通常利用平均法对每
个cell的中心进行取样:将正方形区域的边长除以"得到每个cell的边长,以此为步长画"+1条竖线和"+1条横线形成栅格,如图6b所示.然而,此时
许多应该处于栅格内部的深色模块发生了偏移,有的甚至跨越了2个栅格,所以平均法采样易失败. 其原因一是计算机的浮点误差,图像的长度以像素的个数(整数)计量,而正方形区域的边长除以"通
常是一个浮点数,如12.6个像素,计算机仅取整数部分作为步长,产生累积误差;二是2次反透视变换造成的变形.
4.1实验结果
复原成功定义为:复原后的QR码图像可以被
正确的解码.用cell的个数"表示QR码图像边长
以区分不同版本.为了测试本文算法的效果,我们
用不同的手机拍摄了2个QR码测试集进行测试, 33≤≤65.
第一个测试集共有各类手机图片138张,垂直
平面的倾斜角度小于45.,但是平面旋转限制在45. 以内,通过本文算法共成功复原125张,总复原成功率为90.58%.
第二个测试集共有各类手机图片133张,垂直
平面的倾斜角度小于45.,而平面内旋转无限制,通过本文算法共成功复原115张,总复原成功率为86.47%.
而文献[1—2]方法在上述2个测试集上均不能
得到正确的复原图像.
4.2分析
文献[1]中,Hough变换对散焦模糊图像的检测
效率非常不稳定,Flourier变换进行滤波复杂度高且不能通用.非散焦QR码图像的识别方法l2J对图像
1084计算机辅助设计与图形学2007正
中的噪声非常敏感,而且右下角顶点的获取不稳定, 不是一个通用的解决方案.因此文献[1—2]方法在测试集上不能得到正确的复原图像.
本文采用Ostu自适应阈值二值化进行散焦模
糊过滤,其结果与拍摄器械无关,可基本保证无损过滤,同时二值化运算复杂度相对较低;采用外部轮廓检测结合Canny边缘检测来定位3个小四边形,可以准确地定位QR码图像区域的3个顶点并估计第
4个顶点,无需考虑被检测QR码图像区域在空间
中的旋转,反而根据检测结果可以判断出QR码图
像区域的旋转类型,根据QR码编码规则可以直接
求出当前QR码图像的版本号.这样免去了求版本
号的复杂计算,并且因使用的是图像处理中的成熟
算法,复杂度低且可以控制;采用自适应栅格法采样
可以逼近最佳的采样结果.
5结论
本文论述了散焦模糊的畸变QR码图像复原的
解决方案,所举实例主要是但不限于手机拍摄的散
焦图像.随着防伪领域的数码信息标识载体产业的
发展,该方案在移动扫描终端的二维条码识别领域
将有广泛的应用前景.
参考文献
[1]LiuHongwei,MiaoDong,LiZhigang,eta1.Approachfor recognitionoftwo—dimensionalbarcode[J].Control& Automation,2004,20(4):7275(inChinese)
(刘宏伟,苗东,李志刚,等.二维条码的识别方法[J].微
计算机信息:测控仪表自动化,2004,20(4):72—75)
[2]OhbuchiEisaku,HanaizumiHiroshi,HockLimAh.Barcode readersusingthecameradeviceinmobilephones[C]
//Proceedingsofthe2004InternationalConferenceon Cyberworlds,Tokyo,2004:260—265
[3]ChenQiang,ZhuLixin,XiaDeshen.Imagebinarizationbased onCanny'8operator[J].JournalofComputerAidedDesign& ComputerGraphics,2005,17(6):1302—1306(inChinese)
(陈强,朱立新,夏德深.结合Canny算子的图像二值化[J].计算机辅助设计与图形学,2005,17(6):1302
1306)
[4jSuzukiSatoshi,AbeKeiichi.Topologicalstructuralanalysisof
digitizedbinaryimagesbyborderfollowing[J]Computer Vision,GraphicsandImageProcessing,1985,30(1):3246 [5]CannyJ.Acomputationalapproachtoedgedetection¨].IEEE TransactionsonPatternAnalysisandMachineIntelligence, 1986.8(6):679-698。