條形碼的識別圖像處理報告(共26頁)

1、華僑大學廈門工學院 圖像(t xin)通信 課程設(shè)計報告(bogo) 題 目： 基于(jy)數(shù)字圖像處理的條形碼識別 專業(yè)、班級： 學生姓名： 學 號： 指導(dǎo)教師： 分 數(shù) : 目 錄 HYPERLINK C:UsersLHMDesktop畢業(yè)設(shè)計(b y sh j)3.doc l _Toc328643139#_Toc328643139 一、設(shè)計(shj)任務(wù)及要求3 HYPERLINK C:UsersLHMDesktop畢業(yè)設(shè)計(b y sh j)3.doc l _Toc328643144#_Toc328643144 二、設(shè)計原理及設(shè)計方案3 HYPERLINK C:UsersLHMDesk

2、top畢業(yè)設(shè)計3.doc l _Toc328643145#_Toc328643145 2.1、條碼譯碼原理3 HYPERLINK C:UsersLHMDesktop畢業(yè)設(shè)計3.doc l _Toc328643146#_Toc328643146 2.2條碼譯碼方案4 HYPERLINK C:UsersLHMDesktop畢業(yè)設(shè)計3.doc l _Toc328643155#_Toc328643155 三、設(shè)計步驟與結(jié)果10 HYPERLINK C:UsersLHMDesktop畢業(yè)設(shè)計3.doc l _Toc328643175#_Toc328643175 3.1設(shè)計步驟10 HYPERLINK C

3、:UsersLHMDesktop畢業(yè)設(shè)計3.doc l _Toc328643176#_Toc328643176 3.2結(jié)果分析11四、課程設(shè)計總結(jié) HYPERLINK file:/C:UsersLHMDesktop畢業(yè)設(shè)計3.doc l _Toc328643177#_Toc328643177 15五、心得體會15六、參考文獻16附錄一、源程序17附錄二、成績評定表25設(shè)計(shj)任務(wù)及要求 本課程設(shè)計研究的是基于數(shù)字圖像處理的EAN-13條形碼識別算法，通過工具平臺MATLAB實現(xiàn)(shxin)。其中圖像處理部分是條碼識別重要的前期工作，利用MATLAB強大的圖象處理工具箱實現(xiàn)(shxin)

4、圖像的讀入、加噪仿真、濾波、二值化處理等工作，最終得到高質(zhì)量的二值化圖像。條碼識別就是在二值圖像的基礎(chǔ)上實現(xiàn)，二值圖像的質(zhì)量直接關(guān)系到條碼能否正確識讀。設(shè)計原理及設(shè)計方案2.1、條碼譯碼原理：如圖1-1所示是EAN-13條碼的一個字符。條、空寬度的定義如下：圖中、表示每個字符中四個相鄰條、空的寬度，T表示一個字符的寬度。圖1-1 EAN-13條碼寬度的定義設(shè)一個字符中單位模塊的寬度為n，則單位模塊的寬度:n=/7T=+由于條碼條、空寬度、已知，設(shè)條碼條、空分別占單位模塊的個數(shù)為,則：=/n(其中i取1、2、3、4)因此，由mi可知道條碼的編碼。例如：（1）若=2、=2、=2、=1;條碼的排列為

5、條-空-條-空，則可知條碼編碼為1100110，是右側(cè)(yu c)偶性字符1；（2）若=1、=2、=1、=3;條碼的排列為空-條-空-條，則可知條碼編碼(bin m)為0110111，是右側(cè)奇性字符8。2.2條碼譯碼方案(fng n)： 方案一：寬度測量法在圖像方式的譯碼過程中，寬度的測量不再采用傳統(tǒng)的脈沖測量法，而是通過記錄每個條或空的寬度中所含象素的個數(shù)來確定實際的條/空寬度，從而確定整個條碼符號所代表的信息。方案二：平均值法對條碼符號圖像中從起始符到終止符整個寬度進行測量，然后除以95(標準寬度)，求出單位模塊所含的像素列寬，再分別測量各個條空的實際寬度(此寬度以單位寬度為單位計算)。方

6、案三:相似邊距離的測量方法這種方法的設(shè)計思路是通過對符號中相鄰元素的相似邊之間距離的測量來判別字符的邏輯值，而不是由各元素寬度的實際測量值來判別。前兩種方案對條碼圖像的要求非常高，因為它們都是測量各元素符號的實際寬度，然后根據(jù)查表法得到所代表的碼值。如果實際測量值與標準值存在一點偏差，就不能實現(xiàn)正確譯碼。而第三種方案正是有效的解決了這一問題，因此本文采用相似邊距離測量的方法來實現(xiàn)譯碼功能。下面就簡要說明一下這一方法。由原理知，要想辨識一個條碼，必須先測量條碼條、空寬度、以及一個字符的寬度。條碼圖像經(jīng)過預(yù)處理后得到的是二值圖像，該點的顏色信息在閾值變換時已經(jīng)定義，用255和0表示白和黑色。我們從

7、條碼的左邊開始取點，若遇到點的灰度值由255變到0即由點的顏色由白色變?yōu)楹谏瑒t表示檢測到條，記錄下該點的坐標值，如果點的顏色由黑色變?yōu)榘咨?，則表示檢測到空，記錄下該點的坐標值。這樣經(jīng)過掃描后得到各個顏色變化點的坐標，然后將相鄰兩點的橫坐標相減得到各個條、空的寬度.由前面所述EAN-13條碼的組成知:一個由占3個條空的起始符、3個條空的終止符、4個條空的左側(cè)數(shù)據(jù)符、5個條空的中間分隔符、20個條空的右側(cè)數(shù)據(jù)符、4個條空的校驗符組成。所以，整個條碼字符占的條空總數(shù)為59，若條碼字符沒有發(fā)生幾何畸變，一行掃描應(yīng)記錄的坐標數(shù)為60個。而對于有幾何畸變的條碼圖像，例如條碼污染、條碼斷裂、條碼瑕疵等，該

8、掃描行的坐標數(shù)將肯定大于60或小于60，這時將不記錄該掃描行，對此行不處理。這樣利用圖像統(tǒng)計方法，逐行掃描圖像，獲取條碼圖像信息，比起只由一行獲取信息的方式可靠性更高，這樣即使個別噪聲點存在并不影響圖像信息的獲取。（1）條碼寬度(kund)的計算：設(shè)條碼字符(z f)顏色由黑變?yōu)榘谆蛴砂鬃優(yōu)楹冢ㄓ伞?”變?yōu)椤?”或由“1”變?yōu)椤?”）的各點坐標(zubio)為、 、。則一行掃描的條空寬度（像素）分別為：=-、=-、=-。由上述圖像條碼譯碼理論可總結(jié)出條碼條空寬度計算步驟，如圖1-2所示:圖1-2 條碼條空寬度(kund)計算在MATLAB中采用讀取像素的方法實現(xiàn)。經(jīng)過二值化后得到(d do)一

9、個二值化圖象矩陣bw。簡單起見，可以讀取矩陣bw的中間一行，得到一個向量A。為了提高可靠性，我們也可逐行掃描。h,l=size(bw); %得到二值圖像(t xin)bw的大小A=bw(round(h/2),:); A中只有0和1表示黑與白。讀取其中的元素，發(fā)生變化記下坐標（像素）存入另一個向量x中，x元素前后依次相減存入向量y中得條碼寬度。（2）條碼字符的判別相似邊距法：理論上條形碼字符的邏輯值應(yīng)該由條形碼的實際寬度來判斷，而相似邊距離方法的設(shè)計思想通過對符號中相鄰元素的相似邊之間距離的測量來判別字符的邏輯值，而不是由元素寬度的實際值來判別。此種方法的優(yōu)點是:即使條碼質(zhì)量存在缺欠，使得實際測

10、量值和條碼應(yīng)該具有的理論值有較大的偏差，仍然可以根據(jù)相似邊的距離能夠正確解釋。圖1-3給出了相似邊之間的距離，則圖中，（歸一化值）為條形碼相似邊距離。本文采用歸一化理論，用一種相似邊距離歸一化的方法對字符進行判別。該方法即使條碼印刷質(zhì)量有偏差，仍能正確對條碼進行識讀。 圖1-3 相似(xin s)邊之間的距離 圖1-4 條碼字符(z f)寬度示圖首先(shuxin)見圖1-4各種寬度的定義: , , , 表示每個字符中四個相鄰條、空的寬度，表示一個字符的寬度，為相似邊之間的距離，則用下列值 (i=1,2)來定義與的歸一化值。測量7個寬度值，；然后將測量值，轉(zhuǎn)換為常數(shù)值，即序列值，它代表了這些測

11、量值的整數(shù)模塊寬，以下方法用于i序列值的求取:若1.52.5，那么=2若2.53.5，那么=3若3.54.5，那么=4若4.55.5，那么=5表1-1列出了正向譯碼時，EAN-13條碼字符值與歸一化值(，)的對應(yīng)關(guān)系。表1-1中“E”表示(biosh)偶字符，“O”表示(biosh)奇字符。EAN-13碼字符(z f)編碼與歸一化值(，)的對應(yīng)關(guān)系見表1-2。表1-1 EAN-13條碼字符與歸一化值表1-2 EAN-13字符編碼與歸一化值可以看到條形碼編碼和歸一化值在多數(shù)情況下呈現(xiàn)一一對應(yīng)的關(guān)系(gun x)，只要確定了歸一化值就能確定字符值，但是有四種情況例外，在表1-2中知，左側(cè)奇字符和右

12、側(cè)偶字符1，7歸一化值均為44，左側(cè)奇字符和右側(cè)偶字符2，8歸一化值均為33，左側(cè)偶字符1，7歸一化值均為34，左側(cè)偶字符2，8歸一化值均為43。這兩種情況(qngkung)可以在判別字符時根據(jù)，進一步判別(pnbi)，根據(jù)它們條空寬度特點進行判別。有1728字符標準條空寬度值的特點知：對于左側(cè)奇字符、右側(cè)偶字符1和7可通過與作比較，者為字符1，反之為7；對于左側(cè)奇字符、右側(cè)偶字符2和8可通過與作比較，者為字符8，反之為2；對于左側(cè)偶字符1和7可通過與作比較，者為字符7，反之為1；對于左側(cè)偶字符2和8可通過與作比較，者為字符2，反之為8。由上述條碼字符識別理論可總結(jié)出相似邊距離測量法的一般步驟

13、。由條碼寬度的計算我們得到了各個條、空的寬度（像素），并通過計算n=/7，=+得到單位模塊的寬度（像素）。各個條空的寬度除以單位模塊的寬度就是歸一化的條空寬度。而為了方便譯碼，我們除去起始符3個條空，中間分隔符5個條空，終止符3個條空，對剩下的48個條空每4個條空為一組進行譯碼。計算相似邊之間的距離、從而得到歸一化（，）。最后查表可得條碼字符。為檢驗譯碼的正確性利用校驗位對碼字進行校驗。流程圖如圖1-5和1728判別子程序流程如圖1-6。圖1-5 字符(z f)判別流程圖圖1-6 1728判別(pnbi)子程序流程圖設(shè)計步驟(bzhu)與結(jié)果3.1設(shè)計(shj)步驟對于一個條碼圖像我們先要對其

14、進行一定的處理才能達到正確譯碼的目的。而要對其進行處理，首先是要將其讀入。由于有噪聲的存在，必須對其進行濾波。也可以人為地加入一定類型的噪聲仿真，然后用合適的濾波方法進行濾波，這樣有助于理解各種濾波方法所針對的噪聲類型。最后就是要二值化，得到二值圖像。條碼圖像預(yù)處理流程圖如圖1-7所示。圖1-7 條碼圖像預(yù)處理流程圖 MATLAB中利用函數(shù)imread來實現(xiàn)圖像文件的讀取操作。圖1-8是首次需要處理的條碼圖片。圖1-8 需要處理的條碼一般情況下，通過imread函數(shù)讀取的大多數(shù)圖像都是8位的。當把這些圖像加載到內(nèi)存中時，MATLAB就將其存儲在類uint8中。此外，MATLAB還支持16位的P

15、NG和TIFF圖像。當用戶讀取這類圖像時，MATLAB就將其存儲在類uint16中。而對于索引圖像來說，即使圖像矩陣的本身為uint8或uint16，imread函數(shù)仍將顏色映射表讀取并存儲在一個雙精度浮點類型的矩陣中。例如：I=imread(008.bmp);該語句可將條碼圖像讀入內(nèi)存，并以矩陣形式存儲。 MATLAB的圖像處理工具箱提供imnoise函數(shù)，可以用該函數(shù)給圖像添加不同種類的噪聲。該函數(shù)的調(diào)用(dioyng)格式如下： J=imnoise(I,type,parameters)表1-3列出了imnoise函數(shù)能夠產(chǎn)生的五種噪聲(zoshng)及其對應(yīng)參數(shù)。表1-3 imnoise

16、函數(shù)支持(zhch)的噪聲種類及參數(shù)說明例如：J=imnoise(I,salt & pepper,0.01);該語句實現(xiàn)在條碼圖像I中加入椒鹽噪聲。 條碼圖像被采集進入計算機，由于設(shè)備、以及傳輸過程中的各種因素的影響，一些噪聲將會對圖像的質(zhì)量產(chǎn)生影響。任何一幅未經(jīng)處理的原始圖象，都存在一定程度的噪聲干擾。不同的噪聲干擾，處理方法不同。影響條碼圖像質(zhì)量最典型的噪聲是椒鹽噪聲。椒鹽噪聲的特點是此干擾在圖像中是以孤立點的形式存在的。針對噪聲的類型，采用中值濾波。中值濾波是一種非線性信號處理方法。可以克服線性濾波器如最小均方濾波，平均值濾波（平滑濾波）等所帶來的圖像細節(jié)模糊。而且對于脈沖干擾及點狀噪聲

17、有良好抑制作用，能較好保持圖像邊緣。它可以起到既消除噪聲又保持圖像細節(jié)的作用。為了達到好的濾波效果應(yīng)選擇合適的濾波窗口。從條碼圖像的特征來討論選擇采用的中值濾波窗口。條碼圖像的特點在于是由縱向一定寬度黑白條空組成，我們建立不同大小的模板，對含有噪聲的圖像進行濾波處理，比較它們?yōu)V除噪聲干擾的效果。在MATLAB中可以使用imfilter函數(shù)或filter2函數(shù)調(diào)用創(chuàng)建好的濾波器（可以是預(yù)定義濾波器，也可以是自定義濾波器）對圖像(t xin)進行濾波。 指定了一個(y )閾值T之后，將圖像中的像素與閾值作比較，如果圖像中某像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為0，否則灰度值設(shè)置為255。

18、按下式對圖像進行(jnxng)處理可得到二值圖像g(x,y): 在MATLAB中，通過使用函數(shù)graythresh和im2bw創(chuàng)建一個新的二值圖像bw：level=graythresh(L);bw=im2bw(L,level); 根據(jù)上述譯碼理論，采用相似邊距離測量方法對圖1-8預(yù)處理后的條碼圖像（二值圖像）進行譯碼，得到如下所示譯碼結(jié)果：圖1-9是第二張需要處理的條碼圖片。圖1-9 需要處理的條碼根據(jù)條碼圖像預(yù)處理的理論知識編譯相關(guān)的MATLAB程序，得到如圖1-10所示的圖像預(yù)處理結(jié)果。圖1-10 條碼圖像(t xin)預(yù)處理得到如下(rxi)所示譯碼結(jié)果：3.2結(jié)果(ji gu)分析誤碼

19、率方面，一般情況下條碼都能夠(nnggu)正確識讀。但在由一個字符的歸一化的相似邊距離、轉(zhuǎn)換為序列值、時，如果、的值為2.5、3.5、4.5之一，系統(tǒng)將不能正確的將其轉(zhuǎn)換為序列值，此時存在最大的誤碼率，條碼幾乎不能被正確識讀。所以應(yīng)該盡量避免此種情況的發(fā)生，這就要求我們做好圖像的預(yù)處理工作，防止條碼線條過度展寬或細化。需要指出的是，在實際的譯碼中還存在著正向譯碼和反向譯碼的情況，兩種情況下字符編碼對應(yīng)著不同的歸一化值。因此譯碼前需要判別譯碼方向。本設(shè)計直接采用正向譯碼。最后，譯碼是編碼的反過程，編碼技術(shù)的熟練掌握對譯碼工作有著事半功倍的效果。課程設(shè)計總結(jié) 通過多次對不同EAN-13條碼的識讀，

20、證明該條碼檢測系統(tǒng)速度快、效率高、而誤碼率卻很低，即使在圖像預(yù)處理上達不到理想的效果，條碼仍能正確識讀。這是因為我們選擇了相似邊距離測量的方法?？梢姡绊憲l碼識別效果的不僅僅是條碼圖像預(yù)處理效果，譯碼方法更是不可忽視的重要原因。相似邊距離測量方法有著其它譯碼方法無可比擬的優(yōu)勢，它不是根據(jù)條碼條空寬度的實際值來判別，而是通過所謂的相似邊距離來判別。因此，即使條碼質(zhì)量存在欠缺，仍然能夠根據(jù)相似邊距離正確解釋條碼，有著很強的對實際情況的適應(yīng)性。心得體會在對條碼圖像作相應(yīng)的圖像預(yù)處理之后，對得到的二值條碼圖像利用上述條碼識別算法在MATLAB軟件環(huán)境下編寫了相應(yīng)的軟件程序。通過實驗，識別效果不錯，誤碼

21、率低，提高了條碼的識別率。本次設(shè)計在譯碼方法上進行了比較選擇，確定了相似邊距離的測量方法的優(yōu)越性。這種方法的設(shè)計思路是通過對符號中相鄰元素的相似邊之間距離的測量來判別字符的邏輯值。另外用軟件實現(xiàn)條碼的識別比硬件具有更好的抗噪聲性能，且速度快，效率高。盡管如此，設(shè)計中也遇到了很多的問題有待進一步的解決和探索研究。本設(shè)計只是對質(zhì)量較好的條碼圖像(t xin)進行一般性處理，但實際中的圖像并都不是這么理想，例如條碼污染、條碼斷裂、條碼瑕疵等。這些需要進行特殊的圖像處理過程才能達到譯碼的目的。如果條碼被污染了要進行修復(fù)，條碼發(fā)生幾何畸變要進行圖像矯正等等。只有考慮到更多的方面才能提高系統(tǒng)的性能和適應(yīng)性

22、，對一定質(zhì)量范圍內(nèi)的條碼圖像都能進行有效的處理。在設(shè)計中，由于本人在圖像處理上的造詣不高，對很多細節(jié)、常識方面了解不夠?qū)е聠栴}的出現(xiàn)，而且沒能采取科學的方法進行錯誤分析、排查，使得問題小卻難以解決。今后在做類似的工作的時候要注重基礎(chǔ)知識的學習，并講究科學的方法。做軟件編程的對所用語言基礎(chǔ)要夠熟練掌握并能借助一定的參考資料進一步充實(chngsh)自己，提高自己。參考文獻1 鄒永星.條碼國家標準匯編M北京(bi jn)中國標準出版社.2004：12-212 中國自動識別技術(shù)協(xié)會.條碼技術(shù)基礎(chǔ)M .武漢武漢大學出版社.2008：15-163 黃紅, 黃才駿.條碼的奧秘M. 北京中國鐵道出版社.20

23、00：69-724 王雅靜.EAN-13 條碼圖像辨識方法的研究D.青島.山東科技大學.20035 唐莉，劉富強.條碼國家標準匯編M.北京.中國標準出版社.2004：11-256 張鐸，王耀球.條碼技術(shù)與電子數(shù)據(jù)交換M.北京.中國鐵道出版社.1998：13-167 薛紅.條碼技術(shù)及商業(yè)自動化系統(tǒng)-條碼技術(shù)M .北京.中國輕工業(yè)出版社2008：67-69附錄(fl)一、源程序%function code = barcode(pic)%條形碼識別(shbi)close allcheck_left = 13,25,19,61,35,49,47,59,55,11;.%左邊(zu bian)數(shù)據(jù)編碼，奇

24、 39,51,27,33,29,57, 5,17, 9,23;%左邊數(shù)據(jù)編碼，偶check_right = 114,102,108,66,92,78,80,68,72,116;%右邊數(shù)據(jù)編碼first_num = 31,20,18,17,12,6,3,10,9,5; %第一位數(shù)據(jù)編碼bar = imread(123.bmp); %讀輸入條形碼圖片bar_Gray = rgb2gray(bar); %將RGB圖片轉(zhuǎn)換灰度圖figure(1)imshow(bar)title(條形碼圖)figure(2)subplot(121),imshow(bar_Gray),title(灰度圖)subplot(

25、122),imhist(bar_Gray),title(灰度圖直方圖)bar_Gray= imnoise(bar_Gray, salt & pepper, 0.02);figure(3)subplot(121); imshow(bar); title(原圖像(t xin);subplot(122); imshow(bar_Gray); title(添加椒鹽(jioyn)噪聲圖像);bar_Gray = medfilt2(bar_Gray); %進行(jnxng)3*3模板中值濾波figure(4)imshow(bar_Gray)title(中值濾波之后圖片)%for i=1:m %對圖像進行二

26、值化處理 %for j=1:n % if bar_Gray(i,j)150 %選擇適當?shù)拈撝颠M行二值化處理 % bar_10(i,j) = 1; %else % bar_10(i,j) = 0; %end %end %enda_hist x = imhist(bar_Gray);hist_max = ;if a_hist(1)a_hist(2) hist_max = hist_max 1;endx = max(x);for i=2:x if a_hist(i)a_hist(i-1) & a_hist(i)a_hist(i+1) hist_max = hist_max i; endendif a

27、_hist(x)a_hist(x+1) hist_max = hist_max x+1;endm,n = size(hist_max);k = 0;max_1 = 0;max_2 = 0;for i=1:n if ka_hist(hist_max(i) k = a_hist(hist_max(i); max_1 = hist_max(i); end endtemp = a_hist(max_1);a_hist(max_1) = 0;k = 0;for i=1:n if kmax_2 k = max_1; max_1 = max_2; max_2 = k;endT = max_1;k = a_hist(max_1);for i=max_1:max_2 if ka_hist(i) k = a_hist(i); T = i; endendm,n = size(bar_Gray); %求灰度圖的大小(dxio)for i=1:m %對圖像進行(jnxng)二值化處理 for j=1:n if bar_Gray(i,j)T %選擇適當?shù)拈撝颠M行(jnxng)二值化處理 bar_10(i,j) = 1; else bar_10(i,j) = 0; end endend