路 陽(yáng)，高慧敏

(1.太原科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，太原030024；2.嘉興學(xué)院機(jī)電學(xué)院，浙江 嘉興314001)

隨著條碼技術(shù)的發(fā)展和社會(huì)信息化的普及，在人們?nèi)粘Ｉ畹脑S多領(lǐng)域都采用了條碼技術(shù)，使得條碼已經(jīng)無(wú)處不在，隨之產(chǎn)生的就是如何對(duì)進(jìn)行條碼快速有效的識(shí)別。條碼在生活中的不斷滲透和智能手機(jī)技術(shù)的發(fā)展，利用手機(jī)對(duì)條碼進(jìn)行讀取識(shí)別已經(jīng)成為可能，而不需要采用專(zhuān)業(yè)的條碼識(shí)讀設(shè)備，這為商品防偽等方面做出了巨大貢獻(xiàn)。然而利用手機(jī)識(shí)別條碼具有很大的局限性:采集的條碼圖像數(shù)據(jù)量不能過(guò)大，條碼圖像不能出現(xiàn)污損等。因此，為了條碼能夠得到快速有效識(shí)別，在解碼前還需要對(duì)攝像頭采集的條碼圖像進(jìn)行圖像預(yù)處理。

條碼圖像預(yù)處理影響著條碼能否正確識(shí)讀，是整個(gè)條碼識(shí)別系統(tǒng)的一個(gè)核心內(nèi)容之一。而條碼圖像的二值化是圖像處理過(guò)程中的一個(gè)關(guān)鍵步驟，圖像的二值化效果影響著條碼圖像后續(xù)的處理。通常我們用圖像采集終端拍攝得到的是彩色的條碼圖像，彩色圖像的存儲(chǔ)容量和數(shù)據(jù)量大，圖像處理速度緩慢，因此要對(duì)采集到的條碼圖像進(jìn)行二值化處理。二值化是指將圖像轉(zhuǎn)換為灰度值只有0和255的圖像，使得圖像呈現(xiàn)出明顯的黑白效果。圖像二值化算法有很多，國(guó)內(nèi)外也對(duì)二值化算法做了諸多改進(jìn)，以求達(dá)到最佳的處理效果。本文所用的Ostu算法是一種全局二值化算法，Bernsen算法是一種局部二值化算法，它是針對(duì)Ostu算法的全局性所做的一種改進(jìn)，Ostu算法是將整幅圖像最為處理對(duì)象，而B(niǎo)ernsen算法首先要將圖像分割為多個(gè)子圖像，分別選取各個(gè)子圖像的閾值對(duì)圖像進(jìn)行二值化處理。國(guó)內(nèi)的王廷杰、宋建中等人在二值化原理的基礎(chǔ)上提出實(shí)時(shí)自適應(yīng)二值化算法，但該算法需要統(tǒng)計(jì)圖像的灰度直方圖，而且該統(tǒng)計(jì)工作需要由硬件支持來(lái)完成，增加了算法實(shí)現(xiàn)的成本。正常狀態(tài)下的QR碼圖像只要根據(jù)條碼圖像的特性選擇合適的圖像算法都能達(dá)到預(yù)期的效果，但是在圖像采集和傳輸過(guò)程中，由于采集設(shè)備或者傳輸通道等方面的問(wèn)題會(huì)使得采集到得QR條碼圖像受到污損，圖像質(zhì)量下降。比如在復(fù)雜的光照條件下得到的QR碼圖像會(huì)出現(xiàn)不均勻光照、光異常反射，QR條碼所在商品(特別是金屬類(lèi))出現(xiàn)高光現(xiàn)象等，這些都會(huì)掩蓋一部分的條碼信息，條碼圖像質(zhì)量嚴(yán)重下降。如果二值化算法對(duì)這類(lèi)特殊狀態(tài)下的條碼圖像的處理不能令人滿(mǎn)意，將影響進(jìn)一步的處理效果?，F(xiàn)有的圖像二值化算法有很多，最大類(lèi)間方差算法是最常用的圖像二值化算法之一，但其對(duì)于低對(duì)比度和光照不均勻的圖像效果不佳，抗噪聲能力差，因而應(yīng)用范圍受到極大限制。針對(duì)算法的這一缺點(diǎn)，本文提出先用改進(jìn)同態(tài)濾波算法消除不均勻光照對(duì)條碼圖像的影響，然后使用最大類(lèi)間方差算法對(duì)光照不均的QR碼圖像進(jìn)行二值化處理。

1 QR碼圖像光照不均處理

用攝像頭采集條碼圖像，由于光照環(huán)境或條碼所在物體表面反光等原因容易造成所采集到的條碼圖像整體光照不均。光照不均在一定程度上影響了條碼圖像的本來(lái)面貌，不利于圖像的進(jìn)一步處理。

1.1 圖像光照不均問(wèn)題描述

通過(guò)分析條碼圖像的灰度直方圖，我們可以將光照不均問(wèn)題分為下面三種:如果圖像整體灰度值偏低，那么將會(huì)導(dǎo)致整個(gè)圖像無(wú)法辨認(rèn)，這種現(xiàn)象常在夜間圖像和紅外圖像[1]等中常見(jiàn);如果條碼圖像的局部灰度值偏低，而且圖像動(dòng)態(tài)范圍大，那么將會(huì)導(dǎo)致條碼圖像信息無(wú)法提取;如果條碼圖像所在物體表面為金屬等光滑表面，那么采集到的條碼圖像將有可能出現(xiàn)高光現(xiàn)象或者部分圖像有可能位于高光區(qū)內(nèi)。

(a)圖像的整體灰度值低

由于條碼圖像在采集時(shí)，周?chē)h(huán)境光照條件不理想或者圖像采集終端設(shè)備本身的問(wèn)題，將會(huì)導(dǎo)致采集到的條碼圖像出現(xiàn)整體灰度值偏低、圖像對(duì)比度低的現(xiàn)象，那么會(huì)難以識(shí)別條碼圖像的目標(biāo)區(qū)域，如紅外圖像[1]、夜間拍攝的圖像。

(b)圖像的局部灰度值低

如果圖像中一部分獲取光照不足或者圖像位于陰影區(qū)域，圖像的灰度直方圖將會(huì)呈現(xiàn)灰度值較低，那么該部分圖像將會(huì)與背景融合在一起，盡管與圖像的其他部分對(duì)比度高，但是由于圖像的動(dòng)態(tài)范圍擴(kuò)大，原始圖像中的這一部分信息將會(huì)難以提取出來(lái)。

(c)圖像出現(xiàn)反光現(xiàn)象

如果條碼圖像位于金屬光滑表面或者有弧度的物體表面，那么由于物體反光將會(huì)使得采集到的條碼圖像出現(xiàn)高光現(xiàn)象，如圖1所示。高光現(xiàn)象導(dǎo)致提取條碼圖像信息困難，圖像的原始面貌很大程度上改變，加大了后續(xù)圖像處理的困難度。

圖1 金屬表面高光現(xiàn)象Fig.1 High optical phenomena on metal surface

1.2 圖像光照增強(qiáng)方法

圖像光照不均勻是一個(gè)常見(jiàn)現(xiàn)象，因此有許多的算法可以解決這個(gè)問(wèn)題。常用的解決圖像光照不均問(wèn)題的算法主要包括灰度變換法(直方圖均衡化是灰度變換法中常用的算法之一)、基于照明—反射模型的同態(tài)濾波法、Retinex增強(qiáng)方法以及梯度域增強(qiáng)方法等。以直方圖均衡化法為代表的灰度變換法將會(huì)壓縮圖像的動(dòng)態(tài)范圍，使得圖像的灰度分布趨于均衡化，達(dá)到增強(qiáng)圖像對(duì)比度的效果;這種算法的缺點(diǎn)是沒(méi)有將圖像的頻率信息以及圖像細(xì)節(jié)信息考慮在內(nèi)，將會(huì)過(guò)度增強(qiáng)圖像的部分信息。頻域處理方法則針對(duì)圖像高頻和低頻代表圖像不同信息的特點(diǎn)，充分利用頻率信息通過(guò)對(duì)數(shù)變換將代表圖像基本原貌的低頻部分與代表圖像邊緣信息的高頻部分相分離。基于照明一反射模型的同態(tài)濾波法是典型的頻率域處理算法。該算法將圖像分為高頻和低頻兩部分信息，通過(guò)低通濾波處理，使得圖像對(duì)比度得到增強(qiáng)，同時(shí)也使得圖像動(dòng)態(tài)范圍得到壓縮[3]。Retinex圖像增強(qiáng)方法是通過(guò)高斯平滑函數(shù)以此來(lái)估算原圖像的亮度分量，然后運(yùn)用光照補(bǔ)償方法來(lái)近似反射圖像。梯度域增強(qiáng)方法將圖像梯度信息考慮在內(nèi)，克服了頻域增強(qiáng)方法在增強(qiáng)圖像的同時(shí)模糊圖像邊緣信息的缺點(diǎn)，該算法是針對(duì)原圖像的梯度進(jìn)行處理，通過(guò)減小圖像的梯度值從而達(dá)到壓縮圖像動(dòng)態(tài)范圍的目的，通過(guò)增大圖像的局部梯度值來(lái)增強(qiáng)圖像的邊緣。

本文采用改進(jìn)的基于照明一反射模型的同態(tài)濾波法對(duì)圖像進(jìn)行光照補(bǔ)償。

1.3 同態(tài)濾波增強(qiáng)方法

同態(tài)濾波是典型的頻率域圖像光照增強(qiáng)方法，能夠消除照度不均勻而引起的圖像質(zhì)量下降。圖像f(x，y)可以表示為照度分量 i(x，y)與反射分量r(x，y)的乘積，即 f(x，y)=i(x，y)r(x，y)。圖像的灰度由照射分量和反射分量合成。反射分量即低頻信息反映圖像內(nèi)容，隨著圖像細(xì)節(jié)不同在空間上發(fā)生快速變化。與反射分量相反，照射分量即高頻信息在空間上通常是緩慢變化的?？臻g的低頻區(qū)域是照射分量的頻譜所在區(qū)域，空間的高頻區(qū)域則是反射分量的頻譜所在區(qū)域。

傳統(tǒng)的同態(tài)濾波算法:

傳統(tǒng)的同態(tài)濾波需要進(jìn)行兩次傅里葉變換，孫賢慧、羅飛路、張玉華[2]對(duì)基于傅里葉變換的同態(tài)濾波算法進(jìn)行了一些改進(jìn)，提出了一種基于小波變換的同態(tài)濾波方法，采用快速小波變換代替?zhèn)鹘y(tǒng)的傅里葉變換，在變換域中對(duì)不同尺度上的小波變換進(jìn)行非線性增強(qiáng)，實(shí)現(xiàn)圖像對(duì)比度增強(qiáng)。不論是采用傅里葉變換還是快速小波變換，都涉及到空域與頻域的轉(zhuǎn)換，需要進(jìn)行兩次的傅里葉變換或小波變換，算法空間復(fù)雜度高，在轉(zhuǎn)換處理域上花費(fèi)時(shí)間。而一般的條碼識(shí)別設(shè)備對(duì)條碼的解碼速率和實(shí)時(shí)性要求較高，針對(duì)這一缺點(diǎn)而提出了改進(jìn)的空間域處理方法。

1.4 改進(jìn)的同態(tài)濾波算法設(shè)計(jì)

采用的空間域同態(tài)濾波方法不進(jìn)行FFT和IFFT操作，對(duì)QR碼圖像進(jìn)行低通濾波后，對(duì)濾波結(jié)果進(jìn)行反相處理，將反相結(jié)果作為補(bǔ)償模型來(lái)平衡圖像的非均勻光照[9]。

(a)利用取對(duì)數(shù)的方法將入射分量和反射分量分離:

(b)因?yàn)槿肷涔夥至繉?duì)應(yīng)圖像的低頻部分，而反射光分量對(duì)應(yīng)圖像的高頻部分，于是對(duì)g(x，y)進(jìn)行低通濾波后，就能近似地將入射光分量分離出來(lái):

(c)補(bǔ)償模型

(d)光照平衡

A、B 為加權(quán)值;

(e)因?yàn)殚_(kāi)始利用取對(duì)數(shù)將入射光和反射光分量分離，所以還要對(duì)結(jié)果做指數(shù)運(yùn)算，才能得到最后結(jié)果:

圖2 QR碼圖像同態(tài)濾波前后對(duì)比Fig.2 Effect figure of QR-Coded image homomorphic filtering

采用matlab做為算法實(shí)現(xiàn)工具，圖2是同態(tài)濾波算法的效果圖，由圖2可以看出，進(jìn)行同態(tài)濾波后的QR碼圖像的光照得到均衡。由于此時(shí)的條碼圖像是具有多個(gè)灰度級(jí)的灰度圖像，所以同態(tài)濾波后的圖像灰度級(jí)會(huì)增加，圖像背景發(fā)灰，但對(duì)圖像后續(xù)處理沒(méi)有影響，二值化后圖像將會(huì)呈現(xiàn)黑白分明的二值圖像(如圖3所示)。

2 QR碼圖像二值化

QR碼二值化算法即選擇一個(gè)恰當(dāng)?shù)拈撝?，將條碼與圖像進(jìn)行分離?，F(xiàn)有的閾值選取法主要有兩種:全局閾值法和局部閾值法。全局閾值法是根據(jù)整幅圖像的像素選取閾值，局部閾值法是將圖像分割為幾個(gè)子圖像，針對(duì)每個(gè)子圖像來(lái)確定閾值[5]。直方圖法、最大類(lèi)間方差法[4]是常用的整體閾值選取法，常用的局部閾值選取法主要有Bernsen 法、Kaneko 法[6]、Bruckstein 法[7]和 Pietikainen法[8]。整體閾值法由于是將整幅圖像作為處理對(duì)象，因此算法具有實(shí)現(xiàn)簡(jiǎn)單等特點(diǎn)，而局部閾值法由于需要首先將圖像劃分為若干子圖像，再對(duì)每個(gè)子圖像分別選取合適的閾值，算法復(fù)雜度較高。因?yàn)槭謾C(jī)條碼識(shí)別設(shè)備終端所能處理數(shù)據(jù)量有限，因此本文采用整體閾值法中的Ostu算法。

最大類(lèi)間方差法的推出是基于判決分析最小二乘法原理的基礎(chǔ)上的。其算法實(shí)現(xiàn)簡(jiǎn)單，是一種常用的閾值選取方法。該算法的基本思想是:假設(shè)選取的閾值將圖像灰度值分割成兩組，一組灰度對(duì)應(yīng)目標(biāo)圖像，另一組灰度對(duì)應(yīng)圖像背景，選取的閾值使得這兩組灰度值的類(lèi)內(nèi)方差最小，兩組類(lèi)間方差最大。最好的閾值應(yīng)該是被所選取的閾值分開(kāi)的兩組的方差的加權(quán)達(dá)到最小。其中每組的加權(quán)系數(shù)就是改組的概率(其實(shí)就是該組像素?cái)?shù)目占總像素?cái)?shù)目的比例)[4]。對(duì)圖像Image，記t為目標(biāo)與背景的分割閾值，目標(biāo)像素?cái)?shù)占圖像比例為ω0，平均灰度為μ0;背景像素?cái)?shù)占圖像比例為ω1，平均灰度為μ1.圖像的總平均灰度為:μ =ω0(t)μ0(t)+ω1(t)μ1(t).從最小灰度值到最大灰度值遍歷t，當(dāng)t使得值g= ω0(μ0- μ)2+ ω1(μ1- μ)2最大時(shí)，t即為分割的最佳閾值。對(duì)大津法可作如下理解:該式實(shí)際上就是類(lèi)間方差值，閾值t分割出的目標(biāo)和背景兩部分構(gòu)成了整幅圖像，而目標(biāo)取值μ0，概率為ω0，背景取值 μ1，概率為 ω1，總均值為 μ，根據(jù)方差的定義即得該式。因方差是灰度分布均勻性的一種度量，方差值越大說(shuō)明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)點(diǎn)錯(cuò)分為背景或部分背景點(diǎn)錯(cuò)分為目標(biāo)點(diǎn)都會(huì)導(dǎo)致兩部分差別變小，因此使類(lèi)間方差最大的分割意味著錯(cuò)分概率最小。算法描述如下:

假設(shè)閾值t將具有L級(jí)灰度的圖像劃分為兩類(lèi):C0∈[0，t]，C1∈[t+1，L-1]。并對(duì)圖像直方圖進(jìn)行歸一化，由此可得:I，其中N為圖像總像素?cái)?shù)，ni為灰度為i的像素?cái)?shù)。則C0和C1類(lèi)出現(xiàn)的概率及均值分別為:

C0和C1類(lèi)的類(lèi)間方差為:

最佳閾值t應(yīng)該使類(lèi)間方差最大，即:

3 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證本文所提出方法的有效性，使用攝像頭設(shè)備采集QR碼圖像，分辨率為640*480，分別用Ostu算法和同態(tài)濾波Ostu算法對(duì)采集到的條碼圖像進(jìn)行二值化處理，使用Matlab編程，結(jié)果對(duì)比如圖3所示。

圖3 不同二值化處理方法結(jié)果對(duì)比Fig.3 Comparsion results from different algorithms of binary

從圖3(a)可以看出，QR碼的上半部分圖像基本處于陰影區(qū)域，光線獲取不足，導(dǎo)致條碼圖像部分信息被掩蓋。圖3(b)是直接運(yùn)用Ostu算法對(duì)原始圖像進(jìn)行二值化后的處理結(jié)果，一部分條碼信息的灰度值被徹底賦于255，條碼信息無(wú)法完全提取。圖3(c)是經(jīng)過(guò)同態(tài)濾波后二值化的效果圖，可以看出，經(jīng)過(guò)對(duì)原始圖像光照補(bǔ)償后進(jìn)行二值化，能夠較好地增強(qiáng)被陰影遮掩的QR碼圖像的上半部分細(xì)節(jié)信息，保持條碼圖像的完整性。

4 結(jié)束語(yǔ)

采用改進(jìn)的空間域同態(tài)濾波Ostu算法消除了QR碼圖像的不均勻光照影響，達(dá)到了增強(qiáng)圖像的效果，利于條碼圖像的進(jìn)一步處理。

[1]康志亮.基于小波的紅外圖像增強(qiáng)算法研究[D].成都:電子科技大學(xué)，2005.

[2]孫賢慧，羅飛路，張玉華.基于小波變換和同態(tài)濾波的內(nèi)窺圖像增強(qiáng)算法[J].探測(cè)與控制學(xué)報(bào)，2008(5):32-34.

[3]FATTAL R，LISCHINSKI D，WERMAN M.Gradient domain high dynamic range compression[C]//Proc of the 29th Annual Conference on Computer Graphica and Interactive Techniques.New York:ACM Press，2002:249-256.

[4]OSTU N.A threshold selection method from gray-level histograms[J].IEEE Transictions Oil Systems:Man and Cybernetics，1979，9(1):62-66.

[5]呂俊哲.圖像二值化算法研究及其實(shí)現(xiàn)[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2004(12):24-26.

[6]陳丹，張峰，賀貴明.一種改進(jìn)的文本二值化算法[J].計(jì)算機(jī)工程，2003，29(13):85-86.

[7]YANOWITZ S D，BRUCKSTEIN A M.A new method for image segmentation[J].Computer Graphics:Vision and Image Processing，1989，46:82-95.

[8]SAUVOLA J，PIETIKAINEN M.Adaptive document image binarization[J].Pattern Recognition，2000，20(33):225-236.

[9]肖俊，宋壽鵬，丁麗娟.空域同態(tài)濾波算法研究[J].中國(guó)圖像圖形學(xué)報(bào)，2008，13(12):2302-2306.

[10]劉喜榮，田啟川.數(shù)字圖像信息安全保密方法研究[J].太原科技大學(xué)學(xué)報(bào)，2011，32(1):1-5.