二維條碼識讀中光照對圖像質量的影響

曹西征，何衛(wèi)平，王 偉，郭改放，牛晉波

（西北工業(yè)大學 現代設計與集成制造重點實驗室，陜西 西安 710072）

0 引言

刀具柱面直接標刻Data Matrix碼（簡稱DM碼）識讀系統對識讀的準確率有很高的要求。照明系統作為DM碼識讀系統的一個重要組成部分，其光強、光照穩(wěn)定性及均勻性都影響著圖像的成像質量以及最后的識讀結果。因此對于DM碼識讀系統，照明系統除了要滿足光學成像的基本要求之外，還要滿足DM碼識讀的要求。

DM碼的成像質量和幾何畸變是影響DM的圖像解碼率的2個重要因素，由于幾何失真大部分可通過逆透視變換得到糾正[1]，本文中主要對DM碼的成像質量進行評價。很多算法針對如何補償在不均勻照明條件下采集到的圖像進行了研究[2-5]，還有一些文獻討論了如何根據刀具柱面的特性設計相應的照明光源以達到最佳的照明效果[6]，在光源位置確定的前提下，光照強度對條碼的識讀率有重要影響。

隨著工業(yè)自動化程度的提高，對光源的控制不再僅僅局限于手動設置和調節(jié)。為了達到自動控制光源照度，保障高識讀率的目的，本文在假定光照穩(wěn)定、均勻的條件下，研究了照明光源對圖像成像質量的影響，以條碼的可識讀率作為評價照明光源等級的指標。通過對不同照明方式和照度下圖像特性的分析，找出了圖像質量與條碼識讀率的內在關系和規(guī)律，并在不同的照明方式下采用Logistic方程對圖像質量評價系統進行建模。將照度與條碼識讀率聯系起來，使得可以通過對圖像質量的分析來調整光源照度。

1 影響條碼識讀率的因素

刀具柱面直接標刻DM碼識讀系統由照明系統、定位調節(jié)系統、圖像采集系統、條碼解碼系統組成。其中，定位調節(jié)系統和圖像采集系統屬于硬件支撐平臺，控制采集的圖像的區(qū)域大??；條碼解碼系統的解碼算法對于條碼識讀率有至關重要的影響。然而，當上述系統都固定下來，并且解碼算法在一定條件下能實現順利解碼時，照明光源成為影響條碼識讀率的重要因素，其照度、穩(wěn)定性和均勻性都影響著最后條碼的識讀結果。

刀具表面的二維條碼一般是通過激光雕刻機（采用適當的能量的激光），在金屬表面形成一定深度的永久性條碼圖像[7]。當激光能量較小時，在只能去除金屬表面皮層，形成一層較淺的與金屬背景相比略顯白色（簡稱白碼）的標記；反之，當激光能量較大時，則會形成一層較深的氧化層，與金屬背景相比表現為黑色（簡稱黑碼）。如圖1所示：

圖1 激光標刻黑碼與白碼實例圖

針對刀具柱面直接標刻的白碼和黑碼的不同特性，對標刻的白碼采用暗視場照明方式，標刻的黑碼采用組合照明方式。采用暗視場照明，在這種光源照明下，不易達到很高的對比度，但是背景簡單，低噪聲。采用結構式組合光源照明，在這種光源照明下，易于獲得高對比度的圖像，突出條碼特征，但是刀具柱面的磨損、劃痕和銹斑會使得條碼圖像背景復雜，高噪聲。將兩種類型的碼都標刻在刀具柱面上，分別對其在對應光源的照明下的圖像質量的進行研究。圖2為圖1中兩種類型碼在本裝置光源下的圖像：

圖2 本裝置光源下黑碼與白碼實例圖

在光源的光照穩(wěn)定性和均勻性均能得到保證時，照明光強對測量結果有重要影響。由于圖像采集系統的最終積分電荷量與光源的光強和角度有關，因此，對于固定的圖像采集系統，若光源的照度過大，將使圖像采集系統達到飽和，而若光源的照度過低，所采集到的圖像將會被噪聲淹沒。由此可見，光源光強的變化會引起圖像質量的變化。

在基于機器視覺的條碼識讀系統中，主要通過對采集的條碼圖像進行處理獲得條碼信息。條碼的編碼信息對應于DM碼的黑白模塊的分布。因此圖像的黑白模塊邊緣兩側的對比度對條碼識讀結果有很大影響。另外，圖像的噪聲水平、平均亮度也是影響識讀準確性的因素。

本文中，圖像對比度C的計算采用灰度差[8]

對圖像噪聲的評價采用文獻[9]中的算法：先對圖像進行分塊，計算每塊中的標準差，根據標準差構造高斯核函數對圖像進行濾波，計算濾波后的塊與原塊之間的差值即為原圖像估計噪聲的標準差。

2 圖像質量評價系統建模

為了研究采集的刀具柱面直接標刻DM圖像質量與光源照明光強的關系，本文在暗視場照明、組合照明的條件下分別進行圖像采集和條碼可識讀率研究，將光源照度從全暗到全亮分為16級。在每一級照度下，采集標刻于不同刀具柱面的DM碼圖像100幅，進行不同直徑和表面特性DM碼的可識讀率實驗，對不同照度下的識讀率α進行分析。本實驗系統結構如圖3所示。由光源（組合照明光源、暗視場照明光源）、光學系統（鏡頭）、成像系統（CCD或CMOS攝像機）、圖像采集系統（圖像采集卡）和DM圖像信息處理系統（計算機）組成。

圖3 系統組成

2.1 組合照明

刀具柱面標刻的白色DM碼采用組合照明光源，圖4所示為組合照明時采集到的一組圖像。由圖4可見，由于光源置于物體前方，故光源只要達到一定的照度就很容易達到很高的對比度，但在極低照度的情況下，攝像系統采集到的圖像對比度降低，噪聲增大。

圖4 組合照明方式下采集到的圖像

通過對噪聲和對比度的相關性檢驗可知，噪聲與對比度基本呈負相關，在對比度較低的情況下，噪聲很大，這就極大地影響了后續(xù)圖像處理。由于噪聲與對比度有很強的相關性，因此僅采用對比度作為評價圖像質量的度量。圖5所示為組合照明條件下隨照明光強增大對比度C的歸一化變化曲線。由測量數據可見，C值最大為112，在對照明光強很低和很強的情況下，C值較小，意味著圖像質量較差；而在照明光強處于中間的情況下，且對比度達到一定閾值（C=45）后，DM碼圖像質量較好，可實現較高的DM碼識讀率。

本文首先闡述CCOS技術的原理及發(fā)展過程及CCOS技術的研究情況和實驗結果，隨后對幾項關鍵技術的研究成果及現狀進行綜述，最后對CCOS技術未來的發(fā)展趨勢進行展望。

圖5 組合照明時對比度與識讀率的關系曲線

采用Logistic模型擬合C-α關系，擬合結果為

對擬合的顯著性進行檢驗，復相關系數R2=0.994，模型擬合的顯著性很高，殘差平方和SSE=17.61。圖6為對比度與識讀率的擬合曲線。

圖6 圖像對比度與識讀率擬合曲線

2.2 暗視場照明

圖7 所示為在暗視場照明的情況下采集到的圖像。圖8所示為隨光源照明強度I增大，圖像對比度C的歸一化變化曲線。

由圖7、8可見，在這種照明方式下，圖像對比度C的最大值只有86，不易達到很高的對比度，并且對比度的變化并不一定是單調增加的。另外，對比度的變化還受刀具柱面紋理的影響。因此，對比度不能作為評價圖像質量的惟一指標。圖像的噪聲作為另一個很重要的指標，在暗視場照明的條件下也較難評價，因為與組合照明相比，若被測物的表面紋路比較雜亂，就不易得到一個穩(wěn)定的估算噪聲的方法。經過多次實驗，考慮到圖像的低頻分量表示圖像的平滑部分，高頻分量表示圖像的噪聲和邊緣點，本文提出用圖像低頻分量比作為評價圖像質量的指標。

圖7 暗視場照明方式下采集到的圖像

圖8 光源照明光強與對比度的關系曲線

根據頻率域圖像濾波的理論[10]，邊緣及其他尖銳變化（如噪聲）在圖像的灰度級中處于傅里葉變換的高頻部分。因此，要獲取圖像的低頻分量比，首先對圖像做傅里葉變換，再用一個理想低通濾波器將傅里葉變換中的高頻成分濾掉。低頻分量比定義為圖像中低頻部分的功率占圖像總功率的比值，即：

式中：PT為圖像的總功率；P（fu，fv）為以 fr為截止頻率的低頻分量的功率；fu、fv為二維圖像頻率。由于圖像90%以上的功率包含在較低的頻率范圍內。故fr取在低頻范圍內即可。本文中，取fr=15。圖9所示為圖像的識讀率α隨低頻分量比β變化而變化的曲線。根據曲線的特征，同樣采用Logistic模型進行擬合。其中，當β在0.65～0.85之間時，識讀率較高。擬合結果為：

圖9 圖像低頻分量比與識讀率的關系曲線

對擬合的顯著性進行檢驗，復相關系數R2=0.9840，擬合的顯著性很高，殘差平方和SSE=18.53。圖10為低頻分量比β與識讀率α的擬合曲線。由圖10可見，模型選用得比較恰當。

圖10 圖像低頻分量比與識讀率擬合曲線

在實際應用中為了達到自動控制光源照度的目的，需根據擬合曲線設定一定的閾值。根據實驗結果，在組合照明的情況下，通過計算對比度是否達到45來判斷是否達到規(guī)定的照明要求；在暗視場照明的情況下，當取fr=15時，則通過計算低頻分量比是否位于0.65～0.85之間來判斷是否達到規(guī)定的照明要求。低頻分量比的閾值隨取不同值而變化，但在實際應用中，只需設定一個固定的fr值并由此得到一個固定的閾值。擬合后的模型還可以用來對DM碼識讀準確率的預測，達到更好地控制光源的目的。

3 結語

本文通過對光源的照明方式及光強對圖像質量影響的分析，在照明系統、圖像采集系統和DM碼解碼系統均工作在較高準確度的情況下，以條碼的可識讀率作為評價光照強度優(yōu)劣的指標，找出圖像質量與條碼識讀率的關系。建立了圖像質量與條碼識讀率的模型。在組合照明與暗視場照明的條件下，分別用圖像對比度及圖像的低頻分量比對圖像質量進行評價，使得可以根據圖像對比度及低頻分量比來調整光源，以達到自動控制光源照度及保障刀具柱面直接標刻DM碼準確識讀的目的。

[1] 李夏霜，何衛(wèi)平，雷 蕾，等.刀具柱面Data Matrix碼幾何畸變的仿真分析[J].上海交通大學學報，2012，46（9）：1349－1354.

[2] Lai S H，Fang M.Novel illumination compensation algorithm for industrial inspection[J].Journal of Electronic Imaging，2001，10（1）：359－366.

[3] Soria－Frisch A，Ko¨ppen M.Image enhancement through intelligent localized fusion operators in the automated visual inspection of highly reflective surfaces[J].Information Fusion，2008，9（2）：142－155.

[4] 田涌濤，李 娟，王有慶，等.視覺檢測系統中亮度不均勻背景的一種去除方法[J].機床與液壓，2003，（2）：228－229.

[5] 杜 平，徐大為，劉重慶.光照和噪聲條件下的人臉識別[J].上海交通大學學報，2003，37（9）：1443－1451.

[6] 王紅霄，何衛(wèi)平，雷 蕾，等.刀具柱面二維條碼識讀發(fā)光二極管照明均勻度仿真分析[J].上海交通大學學報，2011，25（7）：946－948.

[7] 王蘇安，何衛(wèi)平，張 維，等.直接激光標刻和二維條碼技術在刀具標識中的應用研究[J].中國機械工程，2007，18（6）：676－680.

[8] Chen C，Kot A C，Yang H.A quality measure of mobile phone captured 2d barcode images[C]//Image Processing （ICIP），201017th IEEE International Conference on.IEEE，2010：329－332.

[9] Shin D H，Park R H，Yang S，et al.Block－based noise estimation using adaptive Gaussian filtering [J].Consumer Electronics，IEEE Transactions on，2005，51（1）：218－226.

[10] 岡薩雷斯，著.阮秋琦，阮宇智，譯.數字圖像處理（第2版）[M].北京：電子工業(yè)出版社，2005：132－133.