朱玥，郭依正，詹雪敏

（南京師范大學(xué)泰州學(xué)院，江蘇泰州，225300）

0 引言

隨著智能手機(jī)和通信網(wǎng)絡(luò)技術(shù)的發(fā)展，二維碼（二維條碼）識(shí)別技術(shù)已廣泛應(yīng)用于電子商務(wù)、物流、餐飲、交通、信息安全等領(lǐng)域[1-3]。而機(jī)器人工程是現(xiàn)在產(chǎn)業(yè)發(fā)展的主流方向之一，機(jī)器人的應(yīng)用領(lǐng)域也在逐步擴(kuò)大。讓機(jī)器人具有視覺(jué)能力，快速準(zhǔn)確的識(shí)別二維碼，也是諸多應(yīng)用場(chǎng)景的需要。

QR（Quick Response Code，快速響應(yīng)矩陣碼）二維碼具有存儲(chǔ)的信息量大、抗噪能力強(qiáng)、識(shí)別快、無(wú)需依附數(shù)據(jù)庫(kù)等優(yōu)點(diǎn)，是市場(chǎng)的主流，應(yīng)用最為廣泛。對(duì)QR碼的研究，目前主要集中在光照不均處理、噪聲的消除、斜視畸變校正等幾個(gè)方面[4]，比如對(duì)于二維碼去噪，高欣欣等人提出了一種迭代均值濾波算法[5]，比如對(duì)于二維碼畸變校正，歐福超等人提出結(jié)合透視變換和插值運(yùn)算的校正算法[6]，在二維碼定位算法方面，劉宏偉等人提出了一種基于Hough變換和投影算法定位二維碼邊界[7]。QR碼包括功能圖像和編碼區(qū)兩部分，如圖1所示。因?yàn)槎S碼已經(jīng)應(yīng)用的非常廣泛，如移動(dòng)支付、身份校驗(yàn)、數(shù)據(jù)下載、信息顯示、餐飲、物流等等，所以諸多軟硬件都集成了掃碼功能。本文以應(yīng)用最廣泛的QR碼為例，闡述了一種機(jī)器人系統(tǒng)結(jié)構(gòu)，及其基于此的二維碼的預(yù)處理、定位和識(shí)別過(guò)程，并且做了實(shí)驗(yàn)驗(yàn)證。

圖1 QR碼的結(jié)構(gòu)

1 系統(tǒng)結(jié)構(gòu)

如圖2所示，給出了一種典型的機(jī)器人系統(tǒng)結(jié)構(gòu)。該結(jié)構(gòu)分為四層，上層智能手機(jī)為操控端，通過(guò)藍(lán)牙、GPRS等連接樹(shù)莓派進(jìn)而發(fā)出相關(guān)指令，樹(shù)莓派（Raspberry Pi）通過(guò)讀取攝像頭獲取外部圖像并識(shí)別，Arduino單片機(jī)為下位機(jī)，可以連接各類(lèi)傳感器，典型的如溫濕度傳感器、火焰?zhèn)鞲衅鳌⒓t外接收傳感器、紅外熱釋電運(yùn)動(dòng)傳感器等等，最底層為機(jī)器人的機(jī)械裝置。

圖2 機(jī)器人系統(tǒng)結(jié)構(gòu)

要想在該系統(tǒng)結(jié)構(gòu)上實(shí)現(xiàn)基于OpenCV (Open Source Computer Vision Library)的機(jī)器人二維碼識(shí)別，需要熟悉樹(shù)莓派、Python、OpenCV等。樹(shù)莓派是一款基于ARM的微型電腦主板，以SD卡為硬盤(pán)，支持安裝類(lèi)Linux系統(tǒng)，體積小但功能齊全，可以完成一臺(tái)普通PC機(jī)能做的諸多事情，可謂是“麻雀雖小，五臟俱全”；Python是一種面向?qū)ο蟮慕忉屝统绦蛟O(shè)計(jì)語(yǔ)言，易學(xué)易用，既支持對(duì)數(shù)據(jù)進(jìn)行分析，也可以分析智能硬件，是目前人工智能、機(jī)器視覺(jué)等領(lǐng)域的首選語(yǔ)言；OpenCV是一種跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，對(duì)許多通用的圖像處理算法進(jìn)行了封裝，OpenCV還提供了Java、Python、CUDA等的接口，讓圖像處理和圖像分析的使用變得更加方便。

2 二維碼預(yù)處理

二維碼預(yù)處理是二維碼定位與識(shí)別的基礎(chǔ)，其主要工作包括圖像類(lèi)型的轉(zhuǎn)換、圖像邊緣檢測(cè)、數(shù)學(xué)形態(tài)學(xué)處理等。

（1）圖像類(lèi)型轉(zhuǎn)換是將采集的彩色圖像轉(zhuǎn)換為灰度圖像，可以使用OpenCV中的cv2.cvtColor()函數(shù)實(shí)現(xiàn)。當(dāng)攝像頭讀入圖像后，將讀取的幀轉(zhuǎn)為灰度圖。函數(shù)形式如下：

有兩個(gè)必選參數(shù)，src：原始圖像，code：顏色空間轉(zhuǎn)換方式。本示例中code取值為cv2.COLOR_BGR2GRAY。值得一提的是，在OpenCV中，彩色空間使用的BGR，即藍(lán)-綠-紅顏色空間。

（2）圖像邊緣檢測(cè)可以使用OpenCV自帶的cv2.Sobel()算子進(jìn)行濾波。Sobel算子是常用的一種邊緣檢測(cè)算子，對(duì)邊緣方向信息的提供比較精確，但由于不是完全精確的邊緣定位，在對(duì)精度要求不是很高的情況下被經(jīng)常采用。

Sobel算子是一個(gè)無(wú)方向的一階微分邊緣檢測(cè)算子，Sobel算子的表達(dá)式如下：

其中Dx、Dy分別表示水平方向算子和垂直方向算子。矩陣形式的模板表示如下：

在OpenCV中，Sobel算子的函數(shù)原型如下：

dst=cv2.Sobel(src,ddepth,dx,dy[,dst[,ksize[,scale[,d elta[,borderType]]]]])

其中前四個(gè)參數(shù)是必須的，其余的可選。src：原始圖像，ddepth：圖像像素深度，dx,dy：x和y方向上是否求導(dǎo)。

（3）數(shù)學(xué)形態(tài)學(xué)處理是對(duì)二值化后的圖像做開(kāi)運(yùn)算。二值化使用OpenCV中的cv2.threshold()函數(shù)實(shí)現(xiàn)，開(kāi)運(yùn)算主要作用是去毛刺、孤立點(diǎn)，同時(shí)基本保持原圖形狀信息不變，使用cv2.morphologyEx()函數(shù)實(shí)現(xiàn)。

在OpenCV中，cv2.threshold()的函數(shù)原型如下：

cv2.threshold(src,thresh,maxval,type[,dst])四個(gè)必選參數(shù)含義分別如下，src：原始圖像，thresh：分割閾值，maxval：大于閾值的點(diǎn)設(shè)置為maxval的值，type：算法類(lèi)型。本示例中type取值為cv2.THRESH_BINARY。

開(kāi)運(yùn)算一種復(fù)合運(yùn)算，它是對(duì)二值圖像先做腐蝕后做膨脹，公式表示如下所示，其中Θ代表腐蝕運(yùn)算，⊕代表開(kāi)運(yùn)算，X為待處理的二值圖像，B為結(jié)構(gòu)元素：

在OpenCV中，cv2.morphologyEx()的函數(shù)原型如下：

必選參數(shù)含義分別如下，src：原始圖像，op：運(yùn)算類(lèi)型，比如常見(jiàn)的開(kāi)閉運(yùn)算，op取值cv2.MORPH_OPEN時(shí)做的是開(kāi)運(yùn)算（先腐蝕后膨脹），op取值cv2. cv2.MORPH_CLOSE時(shí)做的是閉運(yùn)算（先膨脹后腐蝕），kernel：結(jié)構(gòu)元素。

3 二維碼定位與識(shí)別

現(xiàn)實(shí)中拍攝的二維碼圖像，或多或少的會(huì)包含一些背景信息。因此，在二維碼預(yù)處理后，需要進(jìn)行邊界提取從而定位出二維碼，繼而提高識(shí)別精度和速度。邊界的提取使用OpenCV中的cv2.findContours()函數(shù)實(shí)現(xiàn)[8,9]，該函數(shù)可以對(duì)二值圖像進(jìn)行輪廓檢索，然后返回檢測(cè)到的輪廓數(shù)。接著，計(jì)算邊界最小包圍正方形，就可以定位出二維碼區(qū)域。

在OpenCV中，cv2.findContours()的函數(shù)原型如下：

必選參數(shù)含義分別如下，src：原始圖像，mode：檢測(cè)邊緣的方式，method：輪廓的近似方法。本示例中mode取值cv2.RETR_EXTERNAL，method取值cv2.CHAIN_APPROX_SIMPLE。

最后一步是二維碼識(shí)別，二維碼識(shí)別需要使用zbar庫(kù)，需要在終端使用sudo命令安裝，在代碼實(shí)現(xiàn)上，只需要加載該庫(kù)，并使用zbar.ImageScanner()進(jìn)行掃描即可。

4 實(shí)現(xiàn)效果

為了驗(yàn)證方法的有效性，在仿人機(jī)器人上做了實(shí)驗(yàn)。如圖3所示，為機(jī)器人實(shí)物，并給出了樹(shù)莓派和攝像頭的連接。如圖4所示，給出了二維碼定位結(jié)果示例，進(jìn)而成功識(shí)別出二維碼信息為“你好”。實(shí)驗(yàn)較好的驗(yàn)證了本文所述的基于OpenCV的機(jī)器人二維碼識(shí)別方法的可行性和正確性。

圖3 機(jī)器人實(shí)物

圖4 二維碼定位示例

5 結(jié)束語(yǔ)

本文論述了一種基于OpenCV的機(jī)器人二維碼識(shí)別方法，在給出了系統(tǒng)結(jié)構(gòu)的基礎(chǔ)上，詳述了二維碼預(yù)處理、二維碼定位與識(shí)別等各個(gè)步驟，其中二維碼預(yù)處理重點(diǎn)講述了圖像類(lèi)型轉(zhuǎn)換、圖像邊緣檢測(cè)和灰度化后的二值圖像數(shù)學(xué)形態(tài)學(xué)處理，并做了仿真實(shí)驗(yàn)。對(duì)于開(kāi)發(fā)和設(shè)計(jì)需要二維碼識(shí)別功能的機(jī)器人提供了參考。