Data Matrix二維碼圖像處理與應用

Data Matrix二維碼圖像處理與應用

　　摘要：以MeteorIIStandard圖像采集卡為基礎，以識別金屬零件上的DataMatrix二維碼為目的，對攝像頭采集的圖像進行處理。實現了該方法在工業流水線睥實時識別應用。
　　關鍵詞：二維碼DataMatrix圖像處理實時識別
　　
　　二維碼是在平面二維方向上都記錄信息的符號。它充分利用了平面上的二維空間，大大提升了信息密度，使得在小面積上編碼大數據成為可能。其次由于它超強的糾錯能力，即使大面積受損也能被準確識別。目前二維碼應用于工業自動化、物流、郵政、醫療、商業、金融、交通運輸、身份識別、政府管理、公共安全、海關及國防等領域。在我國，二維碼的應用尚屬起步階段，應用地區和領域也相當有限。但是可以預見，二維碼以其獨特的優勢必將像條形碼一樣在我國的各個領域被推廣和應用。
　　
　　本文通過Matrox公司的圖像采集卡Meteor-IIStandard，利用MIL函數庫對氣動打印在金屬零件上的DataMatrix二維碼進行了實時捕捉識別，并對采集來的DataMatrix圖像進行具體的圖像處理，命名其達到被識別的要求。最后，通過實驗討論提高識別率的方法。
　　
　　圖1
　　
　　1DataMatrix概述
　　
　　二維碼有多種類型，本文只討論矩陣式DataMatrix。
　　
　　DataMatrix最大特點就是“小”，能在25mm2面積上編碼30個數字，因此被廣泛用于標示集成電路、藥品等小件物品。另外在制造業的流水線生產過程中，打印生成DataMatrix也較容易。
　　
　　如圖1所示，DataMatrix符號看起來像一個由深淺兩種顏色組成的國際象棋棋盤，每一個相同大小的黑色或白色方格稱為一個數據單位。DataMatrix符號由許多這樣的數據單位組成。在尋邊區外層有寬度為一個數據單位的靜區。尋邊區是“棋盤”的邊界，只用于定位和定義數字單位的大小，而不含有任何編碼信息。被尋邊區包圍的數據區包含著編碼信息。矩陣中的0、1就是DataMatrix的黑白兩色小方格，即數據單位。
　　
　　DataMatrix采用了Reed-Solomon交織交插編碼，編碼時加入了糾錯碼，使DataMatrix的糾錯性能比較強。以一個5位的流水號“12345”為例，通過編碼規則得到DataMatrix的3位碼字和5位糾錯碼，可糾錯2位碼字，糾錯率為2/8=25%。
　　
　　2用MIL識別DataMatrix碼
　　
　　Meteor-IIStandard是Matrox公司的一塊圖像采集卡，通過攝像頭采集外界圖像，然后實時地傳輸給主機內存。MIL函數開發包是一個獨立于硬件的32位圖像處理函數庫，其中有大量基本的圖像處理函數。
　　
　　2.1基本過程
　　
　　DataMatrix識別的基本過程如圖2所示。通過MIL提供的函數采集圖像，并將采集的圖像以數字化方式存儲在圖像緩沖區中；對圖像進行增強處理，提高圖像的識別準確率。實驗中通過平滑濾波方法，減少圖像噪聲，很好地解決了采集金屬零件的DataMatrrix碼時，由于碼符號邊沿亮度過亮影響圖像分割問題；然后對圖像進行直方圖均衡化，擴大對比度的動態范圍，解決由于光照或攝像頭的原因，造成采集的圖像偏暗，對比度不夠顯著，引起圖像中明暗模糊不清的問題。
　　
　　由于采集后的圖像有很多無用背景，DataMatrix符號所在區域只占整個圖像很上的比重。采用遮罩的方法，用一個固定位置的子緩沖區限制圖像處理區域，忽略區域外的圖像，實現DataMatrix的符號提取。最后用MIL函數直接譯碼，并將譯碼結果放在指定的字符串中，用顯示語句在屏幕上打印結果。
　　
　　2.2DataMatrix符號的膨賬
　　
　　金屬零件上的DataMatrix碼是氣動打印而成的成點陣式，與標準的DataMatrix符號不完全一樣，其點間空隙大。如對這種碼毫無處理地進行識別，則識別率會很低。為了解決這個問題，采用數學形態學的膨脹算法。為了提高識別準確度，可以將DataMatrix符號膨脹若干次，縮小數據單位之間的空隙。這樣，計算機在“尋找”DataMatrix的“L”型尋邊區時就容易準確得多。
　　
　　2.3偽實時識別的實現
　　
　　由于MIL本身不支持圖像的實時處理，所以要實現實時識別需要用一種叫做比緩沖的方法實現偽實時的圖像處理，CPU每次處理的圖像其實是攝像頭采集的上一幀圖像。
　　
　　雙緩沖區使一邊采集圖像一邊處理圖像成為可能，如圖3所示。攝像頭將圖像采集到圖像緩沖區1中等待處理，與此同時CPU利用這段時間處理圖像緩沖區2中（上一幀）的圖像，完畢后兩個緩沖區的職能交換；CPU處理緩沖區1中采集的前一時刻的圖像，而此時緩沖區2中的圖像已被處理完畢，可以接收攝像頭下一幀的采集圖像。如此往復，兩個緩沖區互換，不間斷地運動便可實現偽實時處理。在處理環節上加DataMatrix識別功能，就能實現實時識別DataMatrix。采集圖像和處理圖像正好相差一幀，所以是“偽”實時的，但是假如計算機運算速度足夠快，時間延遲的影響便可忽略。
　　
　　這種方法的優點是既實現了實時性，又將采集和處理這兩項進程分開，讓CPU和攝像頭分別獨立并行地處理，充分利用了空閑時間。
　　
　　3識別結果統計與分析
　　
　　通過編程，實現了對金屬上的DataMatrix碼進行識別，并統計了總的采集幀數（f）、幀率（f/s）、識別成功的總幀數、識別率等信息。實驗證明在攝像頭焦距以及光源都相當理想的情況下，識別率很高。
　　
　　DataMatrix識別的成功率與很多因素有關，首先是DataMatrix符號本身，打印在紙上與打印在金屬零件上的點陣式DataMatrix差異很大；其次是檢測時的運動失真，會影響識別成功率；再次是背景圖像的影響，DataMatrix符號與背景色反差越大，背景中干擾圖像越少，識別成功率越高；光源、符號的旋轉等都會對識別造成影響。
　　
　　3.1運動檢測的影響
　　
　　DataMatrix檢測常用在流水線上，這時需要考慮攝像頭與被檢測零件相對運動對識別的影響。在實驗中用固定零件、移動攝像頭的方法來模擬流水線中的運動檢測，記錄每次檢測時攝像頭的運動速度，以此找出零件上的DataMatrix能夠被識別的最大相對運行速度。
　　
　　現通過實驗測得20組數據，以6mm×6mm的DataMatrix為考慮對象，結果如表1所示。
　　
　　上結果，在光照和攝像頭焦理想的情況下，最大識別的相對速度為2.00cm/s，比該速度再快可能會因運動失真導致DataMatrix無法識別。
　　
　　3.2干擾圖像的影響
　　
　　在相同條件下，背景干擾少的圖像識別率較高，尤其當北京具有與DataMatrix類似矩形狀圖形時。在光照較好的條件下，測試金屬零件上的DataMatrix識別率。在有背景干擾的情況和用子緩沖區屏蔽一些背景干擾的情況各測得10組數據，分別如表2所示。
　　
　　表1待測DataMatrix與攝像頭的相對運動對識別的影響
　　
　　速度（cm/s）1.041.061.411.561.691.701.752.002.032.09能否識別√√√√√√√√×√速度（cm/s)2.142.232.322.382.522.522.632.642.702.71能否識別√√××××√×××
　　表2背景干擾對識別的影響
　　
　　有干擾83%84%62%81%68%92%85%60%87%74%屏蔽干擾97%88%87%84%92%90%99%83%85%90%
　　可見，用于緩沖區屏蔽一些無用的背景圖像后，識別效果總體上要略好于未屏蔽。
　　
　　3.3光源的影響
　　
　　光源對識別成功率的影響反映在圖像整體的明暗對比度上。對金屬零件上的DataMatrix而言，其更多的是影響符號的清晰程度。光源位置如果選取不得當，由于金屬的反光特性，金屬表面會形成一片亮度特別大的鏡面反射區，給DataMatrix圖像造成強烈的干擾。
　　
　　一種比較好的方法是用側光的方法。由于金屬零件上的DataMatrix碼是氣動打印產生的，打印處會有高低起伏，這些區域的反光是溫反射，不同于其他區域的鏡面反射光，側光助于把點陣與金屬反光的背景分開，將攝像頭避開了金屬的鏡面反光。圖4對比了側光和反射光下的二維碼狀態。
　　
　　3.4識別程序的適應性
　　
　　識別程序的適應性指適應不同尺寸和打印類型DataMatrix的能力。本文中考慮的打印類型有金屬表面氣動打印、金屬表面電動針式打印和標準紙面激光打印三種。實驗結果表明，程序對氣動式打印DataMatrix碼的識別能力普遍好于同樣是金屬材質的電動針式打印DataMatrix碼。不同尺寸的識別率基本相等。打印在紙上的標準DataMatrix由于圖形標準、顏色穩定、分辨率高等因素無需作太多的圖像增強和膨脹就能夠被計算機識別，識別率非常高。
　　

【Data Matrix二維碼圖像處理與應用】相關文章：

DMA在實時圖像處理中的應用08-06

SVGA圖像處理08-06

基于數據庫的JPG圖像處理08-06

圖像處理中分辨率的選取08-06

內嵌ARM核的FPGA芯片EPXA10及其在圖像驅動和處理方面的應用08-06

一種基于圖像處理的自動調焦系統08-06

掃描儀圖像采集與處理技術研究08-19

1394技術及其在圖像傳輸系統中的應用08-06

VHDL在高速圖像采集系統中的應用設計08-06