Data Matrix二维码图像处理与应用
167 浏览量
2020-12-13
08:37:09
上传
评论 1
收藏 163KB PDF 举报
Data Matrix二维码图像处理与应用二维码图像处理与应用
摘要：以Meteor II Standard图像采集卡为基础，以识别金属零件上的Data Matrix二维码为目的，对摄像头采集
的图像进行处理。实现了该方法在工业流水线睥实时识别应用。 关键词：二维码 Data Matrix 图像处理 实时识
别 二维码是在平面二维方向上都记录信息的符号。它充分利用了平面上的二维空间，大大提升了信息密度，使
得在小面积上编码大数据成为可能。其次由于它超强的纠错能力，即使大面积受损也能被准确识别。目前二维
码应用于工业自动化、物流、邮政、医疗、商业、金融、交通运输、身份识别、政府管理、公共安全、海关及
国防等领域。在我国，二维码的应用尚属起步阶段，应用地区和领域也相当有
摘要：以Meteor II Standard图像采集卡为基础，以识别金属零件上的Data Matrix二维码为目的，对摄像头采集的图像进
行处理。实现了该方法在工业流水线睥实时识别应用。 关键词：二维码 Data Matrix 图像处理 实时识别 二维码是在平面
二维方向上都记录信息的符号。它充分利用了平面上的二维空间，大大提升了信息密度，使得在小面积上编码大数据成
为可能。其次由于它超强的纠错能力，即使大面积受损也能被准确识别。目前二维码应用于工业自动化、物流、邮政、
医疗、商业、金融、交通运输、身份识别、政府管理、公共安全、海关及国防等领域。在我国，二维码的应用尚属起步
阶段，应用地区和领域也相当有限。但是可以预见，二维码以其独特的优势必将像条形码一样在我国的各个领域被推广
和应用。 本文通过Matrox公司的图像采集卡Meteor-II Standard，利用MIL函数库对气动打印在金属零件上的Data Matrix
二维码进行了实时捕捉识别，并对采集来的Data Matrix图像进行具体的图像处理，命名其达到被识别的要求。最后，通
过实验讨论提高识别率的方法。 图1 1 Data Matrix概述 二维码有多种类型，本文只讨论矩阵式Data Matrix。 Data
Matrix最大特点就是“小”，能在25mm2面积上编码30个数字，因此被广泛用于标示集成电路、药品等小件物品。另外在
制造业的流水线生产过程中，打印生成Data Matrix也较容易。 如图1所示，Data Matrix符号看起来像一个由深浅两种颜
色组成的国际象棋棋盘，每一个相同大小的黑色或白色方格称为一个数据单位。Data Matrix符号由许多这样的数据单位
组成。在寻边区外层有宽度为一个数据单位的静区。寻边区是“棋盘”的边界，只用于定位和定义数字单位的大小，而不
含 有任何编码信息。被寻边区包围的数据区包含着编码信息。矩阵中的0、1就是Data Matrix的黑白两色小方格，即数据
单位。 Data Matrix采用了Reed-Solomon交织交插编码，编码时加入了纠错码，使Data Matrix的纠错性能比较强。以一
个5位的流水号“12345”为例，通过编码规则得到Data Matrix的3位码字和5位纠错码，可纠错2位码字，纠错率为
2/8=25%。 2 用MIL识别Data Matrix码
Meteor-II Standard是Matrox公司的一块图像采集卡，通过摄像头采集外界图像，然后实时地传输给主机内存。MIL函数
开发包是一个独立于硬件的32位图像处理函数库，其中有大量基本的图像处理函数。 2.1 基本过程 Data Matrix识别的基
本过程如图2所示。通过MIL提供的函数采集图像，并将采集的图像以数字化方式存储在图像缓冲区中；对图像进行增强
处理，提高图像的识别准确率。实验中通过平滑滤波方法，减少图像噪声，很好地解决了采集金属零件的Data Matrrix码
时，由于码符号边沿亮度过亮影响图像分割问题；然后对图像进行直方图均衡化，扩大对比度的动态范围，解决由于光
照或摄像头的原因，造成采集的图像偏暗，对比度不够显著，引起图像中明暗模糊不清的问题。 由于采集后的图像有很
多无用背景，Data Matrix符号所在区域只占整个图像很上的比重。采用遮罩的方法，用一个固定位置的子缓冲区限制图
像处理区域，忽略区域外的图像，实现Data Matrix的符号提取。最后用MIL函数直接译码，并将译码结果放在指定的字
符串中，用显示语句在屏幕上打印结果。 2.2 Data Matrix符号的膨账 金属零件上的Data Matrix码是气动打印而成的成点
阵式，与标准的Data Matrix符号不完全一样，其点间空隙大。如对这种码毫无处理地进行识别，则识别率会很低。为了
解决这个问题，采用数学形态学的膨胀算法。为了提高识别准确度，可以将Data Matrix符号膨胀若干次，缩小数据单位
之间的空隙。这样，计算机在“寻找”Data Matrix的“L”型寻边区时就容易准确得多。
2.3 伪实时识别的实现 由于MIL本身不支
持图像的实时处理，所以要实现实时识别需要用一种叫做比缓冲的方法实现伪实时的图像处理，CPU每次处理的图像其
实是摄像头采集的上一帧图像。 双缓冲区使一边采集图像一边处理图像成为可能，如图3所示。摄像头将图像采集到图
像缓冲区1中等待处理，与此同时CPU利用这段时间处理图像缓冲区2中（上一帧）的图像，完毕后两个缓冲区的职能交
换；CPU处理缓冲区1中采集的前一时刻的图像，而此时缓冲区2中的图像已被处理完毕，可以接收摄像头下一帧的采集
图像。如此往复，两个缓冲区互换，不间断地运动便可实现伪实时处理。在处理环节上加Data Matrix识别功能，就能实
现实时识别Data Matrix。采集图像和处理图像正好相差一帧，所以是“伪”实时的，但是假如计算机运算速度足够快，时
资源评论
