高噪聲環(huán)境下的快遞包裹條形碼的快速定位分割識(shí)別

王寧　姜全春　蔣林華

摘? 要： 隨著國(guó)內(nèi)物流行業(yè)的快速發(fā)展，人們對(duì)于快遞包裹派送信息的快速查詢的需求日益迫切，快遞單號(hào)的自動(dòng)化獲取有望解決該問題。該文針對(duì)復(fù)雜環(huán)境下的包裹單掃描件圖像中的條形碼/二維碼定位分割識(shí)別問題，提出了一套條形碼區(qū)域定位分割識(shí)別算法，將原始圖像從RGB空間轉(zhuǎn)換成HSV空間，之后使用MSRCR算法進(jìn)行增強(qiáng)處理。整個(gè)算法在實(shí)際快遞單掃描件圖像中進(jìn)行了充分測(cè)試，結(jié)果顯示本算法快速、準(zhǔn)確、誤碼率低，具有很強(qiáng)的實(shí)用價(jià)值。

關(guān)鍵詞： 快遞掃描件;MSRCR;HSV色彩空間

中圖分類號(hào)： TP391.41? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? DOI：10.3969/j.issn.1003-6970.2019.07.014

【Abstract】： With the rapid development of the domestic logistics industry， the demand for quick inquiry of express parcel delivery information is becoming more and more urgent， and the automatic acquisition of express delivery number is expected to solve this problem. This paper proposes a bar code region location segmentation recognition algorithm for bar code/QR code location segmentation recognition in a single scan image of a parcel in a complex environment. The original image is converted from RGB space to HSV space， and then MSRCR algorithm is used. Enhance processing. The whole algorithm is fully tested in the actual express single scan image. The results show that the algorithm is fast， accurate and has low bit error rate， and has strong practical value.

【Key words】： Scanned express form; MSRCR; HSV color space

0? 引言

隨著國(guó)內(nèi)物流與快遞產(chǎn)業(yè)的不斷發(fā)展[1]，人們對(duì)包裹派送信息快速查詢的需求與日俱增。傳統(tǒng)的基于手工輸入與查詢的辦法已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足當(dāng)今市場(chǎng)的迫切需求。目前多數(shù)物流及快遞公司都已具有快速掃描包裹單據(jù)的設(shè)備，因此，利用圖像處理與機(jī)器視覺技術(shù)[2]進(jìn)行快遞單掃描件的條形碼/二維碼定位分割識(shí)別具有重要意義。通過工業(yè)攝像頭抓

拍傳送帶上高速運(yùn)動(dòng)的快遞包裹，存在運(yùn)動(dòng)模糊，獲取的原始圖像亮度低，不清晰，圖像旋轉(zhuǎn)等現(xiàn)象。這些問題為后續(xù)的識(shí)別解碼帶來了困難，加之分揀和識(shí)別過程對(duì)實(shí)時(shí)性要求又高，因此快速、魯棒性強(qiáng)的快遞單圖像處理算法研究得到了越來越多的關(guān)注[3]。

1? 實(shí)驗(yàn)場(chǎng)景

快遞包裹分揀流水線，快遞包裹以40 cm/s的速度從檢測(cè)通道上通過安檢設(shè)備，在安檢通道上方

設(shè)置一到兩臺(tái)高速攝像頭，通過光電傳感器觸發(fā)攝像頭實(shí)現(xiàn)對(duì)快遞包裹自動(dòng)拍照，攝像頭通過網(wǎng)絡(luò)接口連接到本地計(jì)算機(jī)，獲取從通道上經(jīng)過的快遞包裹圖像，包裹通過時(shí)其貼有快遞單的一面朝上。保存包裹圖像并對(duì)快遞圖像進(jìn)行分割定位[4]，隨后識(shí)別出快遞單上的條形碼、二維碼等信息，并識(shí)別出包裹的大致形狀。之后對(duì)條形碼/二維碼進(jìn)行解碼操作，將解碼得到的快遞單號(hào)信息保存到本地?cái)?shù)據(jù)庫，以便于后續(xù)的快遞包裹物流信息的查詢。

2? Retinex理論

Retinex始于Edwin Herbert Land提出的一種被稱為色彩恒常的理論[5]，并基于此理論的圖像增強(qiáng)算法。Retinex這個(gè)詞是由兩個(gè)單詞合成的一個(gè)詞語，分別是retina和cortex，y意思是視網(wǎng)膜和皮層，表明Land他也不清楚視覺系統(tǒng)的特性究竟取決于這兩個(gè)生理結(jié)構(gòu)中的哪一個(gè)，或者是兩者都有關(guān)系。Retinex的基礎(chǔ)理論是物體的顏色是由物體對(duì)長(zhǎng)波（紅色）、中波（綠色）、短波（藍(lán)色）光線的反射能力來決定的，而不是由反射光強(qiáng)度的絕對(duì)值來決定的，物體的顏色不受光照非均勻性的影響，具有一致性。與傳統(tǒng)的線性、非線性變換、圖像銳化等方法只能增強(qiáng)圖像某一類特征的方法相比，Retinex可以在動(dòng)態(tài)范圍壓縮、邊緣增強(qiáng)和顏色恒常這三個(gè)方面達(dá)到一定的平衡，因此適合對(duì)各種不同類型的圖像進(jìn)行自適應(yīng)增強(qiáng)，在諸多領(lǐng)域到了廣泛應(yīng)用。Retinex算法發(fā)展歷程是從單尺度Retinex算法[6]，改進(jìn)成多尺度加權(quán)平均的MSR算法[7]，在發(fā)展成MSRCR算法[8-9]。

由于R是對(duì)數(shù)域的輸出，需要轉(zhuǎn)換成數(shù)字圖像，必須將他們量化為[0，255]的數(shù)字圖像范疇，對(duì)于這個(gè)量化的算法，有著極為重要的意義，他的好壞直接決定了最終輸出的圖像的質(zhì)量。

3? 條形碼定位分割識(shí)別算法

要定位首先要檢視這種條形碼的特點(diǎn)，這種圖像在X方向上的梯度肯定很明顯。同時(shí)，Y方向的梯度就沒這么明顯，所以第一步，我們應(yīng)該將圖像的灰度圖像分別計(jì)算梯度，用X方向梯度減去Y方向梯度，這樣可以保留X方向特征并且去除Y方向的干擾。二維碼對(duì)一維碼的定位形成了干擾，但是二維碼的空間漏洞相對(duì)一維碼多很多，于是我們進(jìn)行一次模糊并且二值化[10]。條形碼區(qū)域出現(xiàn)了黑色的縫隙，不利于定位完整區(qū)域，需要進(jìn)行一些形態(tài)學(xué)操作，去除黑色縫隙，使用閉運(yùn)算[11]。二維碼的區(qū)域連接面積還是很大，對(duì)于后面我們計(jì)算區(qū)域面積有影響，但是二維碼的連接區(qū)域明顯要比一維碼的連接區(qū)域要細(xì)很多，我們通過腐蝕操作斷開二維碼的連接，同時(shí)還保存一維碼的連接，然后在膨脹回來，二維碼的連接斷開就不會(huì)有大塊的區(qū)域連接了，同時(shí)膨脹和腐蝕的次數(shù)應(yīng)當(dāng)是一致的，保證得到結(jié)果區(qū)域的準(zhǔn)確性，本文選擇膨脹腐蝕四次。二維碼的影響基本消除了，現(xiàn)在我們需要先查找輪廓，然后計(jì)算圖像中每個(gè)輪廓的面積，選出面積最大的那個(gè)輪廓，計(jì)算這個(gè)輪廓的最小外包矩形，就能找到相應(yīng)的圖像區(qū)域，條形碼位置定位分割識(shí)別算法的流程：

（1）形態(tài)學(xué)梯度運(yùn)算，忽略Y方向梯度，主要針對(duì)X方向梯度。

（2）圖像模糊化，便于后期的圖像連接。

（3）圖像閾值化，加速算法處理，并合理使用模糊化的效果。

（4）形態(tài)學(xué)去除黑洞，閉運(yùn)算。

（5）膨脹腐蝕，斷開二維碼連接。

（6）查找輪廓，計(jì)算輪廓最大面積，擬合輪廓矩形，得到最終結(jié)果。

條形碼識(shí)別，可以使用zbar識(shí)別庫，識(shí)別出條形碼對(duì)應(yīng)的字符串，然后就可以調(diào)用網(wǎng)絡(luò)，數(shù)據(jù)庫等手段快速進(jìn)行后續(xù)操作。

4? 實(shí)驗(yàn)結(jié)果以及分析

4.1? 實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)是基于VS2015+Opencv 2.4.10+Zbar- 0.10編程實(shí)現(xiàn)的，選用通過攝像頭獲取的500張?jiān)紙D像作為測(cè)試圖像。原始圖像的大小為2448像素× 2048像素且是bmp格式的圖像，進(jìn)行預(yù)處理之前需要先將圖像進(jìn)行壓縮成jpg格式的圖像。

4.2? 算法過程

（1）獲取原始圖像

可以看出，實(shí)際的圖像并不理想，為了獲取清晰的運(yùn)動(dòng)圖像，必須通過改變攝像頭相關(guān)系數(shù)來實(shí)現(xiàn)，導(dǎo)致獲取的原始圖像亮度偏低，需要相應(yīng)的預(yù)

處理算法進(jìn)行增強(qiáng)。為了提高低亮度條件和背光條件下拍攝圖像的效果，嘗試了各種常規(guī)的數(shù)字圖像處理方法，包括線性變換、對(duì)數(shù)變換、直方圖均衡等，這些方法一定的效果，但是缺點(diǎn)也很明顯，色度恢復(fù)不夠，處理后的圖像泛白，色度飽和度降低，之后我們找到了帶顏色恢復(fù)的多尺度視網(wǎng)膜增強(qiáng)算法MSRCR（Multi-Scale Retinex with Color Restoration）。

（2）基于HSV空間的MSRCR增強(qiáng)算法

首先將原始圖像從RGB色彩空間轉(zhuǎn)換到HSV色彩空間[12]，之后對(duì)HSV圖像進(jìn)行MSRCR增強(qiáng)。傳統(tǒng)的MSRCR算法可以明顯增強(qiáng)亮度，但是圖片

會(huì)泛灰，基于HSV空間的MSRCR增強(qiáng)算法可以明顯提高亮度，同時(shí)增強(qiáng)圖片對(duì)比度和細(xì)節(jié)，有助于后續(xù)的條碼定位識(shí)別處理。傳統(tǒng)的MSRCR算法增強(qiáng)效果圖和基于HSV空間的MSRCR算法增強(qiáng)效果圖2如下。

（3）條形碼定位分割識(shí)別算法

對(duì)增強(qiáng)后的圖像進(jìn)行條形碼定位分割識(shí)別處理，可以將條形碼的具體位置框出，之后對(duì)框內(nèi)的條碼信息進(jìn)行解讀，可以解析出一串字符串，即為快遞單號(hào)，可用于物流信息的快速查詢。如圖3所示為條形碼定位分割示意圖以及識(shí)別結(jié)果。

5? 結(jié)論

本文根據(jù)HSV色彩空間和MSRCR增強(qiáng)算法的特點(diǎn)，提出了一種基于HSV空間的MSRCR增強(qiáng)算法。相較于傳統(tǒng)的MSRCR算法，可以明顯增強(qiáng)圖像對(duì)比度和細(xì)節(jié)，能改善傳統(tǒng)算法的圖像泛灰的問題，使圖像更加符合人眼視覺效果。我們下一步要做的是去除圖像中的光暈現(xiàn)象，減少后續(xù)條碼定位識(shí)別過程中的干擾。

參考文獻(xiàn)

[1] 陳文. 物流信息技術(shù) 第2版[M]. 北京： 北京理工大學(xué)出版社， 2017. 06.

[2] 帕科爾. 圖像處理與計(jì)算機(jī)視覺算法及應(yīng)用[M]. 2版. 景麗， 譯， 北京： 清華大學(xué)出版社， 2012.

[3] 范永法， 郭艷萍. 條碼圖像處理及識(shí)別的軟件開發(fā)[J]. 計(jì)算應(yīng)用研究， 2003（2）： 119-121.

[4] 劉鳴， 徐光柱， 何艷. 快遞單掃描圖像中的用戶手寫信息區(qū)域的定位與處理[J]. 電腦知識(shí)與技術(shù)， 2012， 8（32）： 7819-7821.

[5] E H， Land， JJ， McCann.Lightness and Retinex Theory[J]. Journal of the Optical Society of America， 1967， 57（1）： 1-11.

[6] Jobson D， Rahman Z， Woodell GA. Properties and Performance of a Center/Surround Retinex. IEEE Trans. on Image Processing， 1997， 6（3）： 451?462.

[7] Jobson D， Rahman Z， Woodell G A. A multi scale retinex for

bridging the gap between color images and the human observation of scenes. IEEE Trans. on Image Processing， 1997， 6（7）： 965?976.

[8] Rahman Z， Jobson DJ， Woodell G A. Multi-scale Retinex for Color Image Enhancement. Proc. of International Conference on Image Processing. Lausanne， Switzerland， 1996. 1003? 1006.

[9] Land EH. An alternative technique for the computation of the designator in the retinex theory of color vision. Proc. of the National Academy of Science of the United States of Amer?ica， 1986， 83（10）： 3078?3080.

[10] （美）岡薩雷斯. 數(shù)字圖像處理 第2版[M]. 北京： 電子工業(yè)出版社， 2007. 08.

[11] 王一丁， 李琛， 王蘊(yùn)紅. 數(shù)字圖像處理[M]. 西安： 西安電子科技大學(xué)出版社， 2015. 08.

[12] 趙謙， 侯媛彬， 鄭茂全. 智能視頻圖像處理技術(shù)與應(yīng)用[M]. 西安： 西安電子科技大學(xué)出版社， 2016. 09.