王 顥

（南京郵電大學(xué)通達(dá)學(xué)院，江蘇 揚(yáng)州225127）

0 引言

目前常用的條形碼識(shí)別方法是通過人工的方式將激光掃描裝置對準(zhǔn)待識(shí)別的條形碼[1]，這種識(shí)別方法的準(zhǔn)確率較高，但是識(shí)別結(jié)果會(huì)受到條形碼印刷質(zhì)量的影響，當(dāng)條形碼數(shù)量較多時(shí)也只能逐個(gè)識(shí)別，識(shí)別效率較低[2]?；趫D像處理的條形碼識(shí)別技術(shù)是采用圖像處理算法自動(dòng)搜索條形碼的位置、定位條形碼的邊界并完成條形碼的識(shí)別。如果一張圖片包含多個(gè)條形碼，可以同時(shí)定位并識(shí)別圖片中的所有條形碼，提高了條形碼識(shí)別的效率，而且條形碼的定位與識(shí)別過程不需要人工干預(yù)，真正做到了條形碼的自動(dòng)定位與識(shí)別。

1 條形碼的搜索定位

在復(fù)雜場景中，豐富多樣的圖案對條形碼的定位產(chǎn)生了極大的干擾，如何快速、準(zhǔn)確地搜索條形碼的位置及邊界是條形碼自動(dòng)識(shí)別技術(shù)的關(guān)鍵問題[3]。在條形碼的搜索定位過程中，既要排除相似圖案的干擾，又要保證圖像中所有條形碼區(qū)域都能被搜索到，因此要提取條形碼的特征，作為與其他圖案相區(qū)分的關(guān)鍵因素。

1.1 條形碼的圖像特征

EAN-13碼是目前應(yīng)用范圍最廣的條形碼之一，標(biāo)準(zhǔn)的EAN-13碼圖像是由一系列黑、白相間的豎直條紋構(gòu)成，因此水平方向存在明顯的灰度變化，但豎直方向的灰度基本保持不變，這一特征就是條形碼區(qū)別于其他圖案的關(guān)鍵特征[4]。另外，條形碼具有明顯的矩形特征，條形碼的寬度與高度之比約在2∶1到4∶1之間，這個(gè)特征可以用于進(jìn)一步排除相似圖案的干擾。而且條形碼的左右兩側(cè)各有一部分空白區(qū)域，也可以為條形碼的定位提供參考信息。

1.2 條形碼的特征提取

由于條形碼的水平方向存在黑、白顏色的突變，如果對同一行的相鄰像素進(jìn)行灰度差分，求得的橫向差分值會(huì)很大；而豎直方向的灰度幾乎保持不變，如果對同一列的相鄰像素進(jìn)行灰度差分，求得的豎向差分值幾乎為零，而橫向差分值與豎向差分值的比值將會(huì)更大，因此選擇橫向差分值與豎向差分值的比值作為特征參數(shù)，完成待識(shí)別圖像的特征提取。

如果單獨(dú)對圖像的每個(gè)像素進(jìn)行特征提取，得到的結(jié)果容易受到噪聲的影響而產(chǎn)生較大的誤差，因此可以將整幅圖像劃分為若干個(gè)子塊，子塊的大小與圖像中條形碼所占的比例有關(guān)。

1.3 條形碼區(qū)域的定位

對包含條形碼的圖像進(jìn)行特征提取后，可以得到以子塊為單位的橫縱差分比值，將各像素的特征參數(shù)作為該像素的像素值，則可以重構(gòu)出一幅與原始圖像大小相同的比值圖像。比值圖像中較亮的區(qū)域就是橫縱差分比值較大的區(qū)域，有可能就是條形碼所在的區(qū)域。

為了將條形碼區(qū)域準(zhǔn)確的分割出來，需要選擇一個(gè)合適的閾值對比值圖像進(jìn)行二值化處理[5]。閾值的選擇是二值化處理的關(guān)鍵步驟，直接決定條形碼定位的效果。為了適應(yīng)不同的圖像類型，本文基于統(tǒng)計(jì)學(xué)中的“3準(zhǔn)則”[6]將二值化的閾值確定為其中和分別為比值圖像中所有像素灰度值的平均值和方差。

對比值圖像進(jìn)行二值化處理后，再根據(jù)條形碼圖像的幾何特征進(jìn)行二次篩選，排除寬度與高度之比在2∶1到4∶1以外的區(qū)域，剩下的區(qū)域即為條形碼區(qū)域。

2 條形碼的識(shí)別

待識(shí)別的條形碼圖像一般存在于復(fù)雜背景中，每個(gè)條形碼所占的比例較小，黑色條紋和白色條紋的邊界并不清晰，而且各個(gè)條紋并不是完全豎直的，存在一定角度的傾斜，增加了條形碼識(shí)別的難度。

2.1 條形碼的編碼規(guī)則

EAN-13碼對應(yīng)一組13位的數(shù)字序列，除了第一個(gè)數(shù)字外，每個(gè)數(shù)字都對應(yīng)兩個(gè)白色條紋及兩個(gè)黑色條紋，每個(gè)條紋的寬度可能是1倍到4倍的基本模塊寬度，四個(gè)條紋的總寬度固定為7倍的基本模塊寬度，不同的條紋寬度組合對應(yīng)不同的數(shù)字。

EAN-13碼中有三部分的條紋長度明顯長于其他條紋，從左到右依次為起始符、中間分隔符和終止符，它們的條紋寬度都是1倍的基本模塊寬度。起始符和終止符分別代表?xiàng)l形碼的開始和結(jié)束，分別由一個(gè)白色條紋和兩個(gè)黑色條紋構(gòu)成。中間分隔符由三個(gè)白色條紋和兩個(gè)黑色條紋構(gòu)成，起到分隔左側(cè)數(shù)據(jù)符和右側(cè)數(shù)據(jù)符的作用。左側(cè)數(shù)據(jù)符對應(yīng)第2個(gè)到第7個(gè)數(shù)字，每個(gè)數(shù)字都由白色條紋開始，黑色條紋結(jié)束，共占42個(gè)模塊寬度。右側(cè)數(shù)據(jù)符對應(yīng)第8個(gè)到第12個(gè)數(shù)字，每個(gè)數(shù)字都由黑色條紋開始，白色條紋結(jié)束，共占35個(gè)模塊寬度。最后一個(gè)數(shù)字是校驗(yàn)符，起到校驗(yàn)識(shí)別結(jié)果的作用，與右側(cè)數(shù)據(jù)符一樣，由黑色條紋開始，白色條紋結(jié)束，共占7個(gè)模塊寬度。

2.2 條形碼的傾斜矯正

標(biāo)準(zhǔn)的條形碼在豎直方向幾乎沒有灰度變化，然而實(shí)際拍攝的圖像中，條形碼會(huì)存在一定程度的傾斜，豎直方向會(huì)存在較明顯的灰度變化，如果直接對傾斜的條形碼進(jìn)行識(shí)別，很有可能產(chǎn)生識(shí)別錯(cuò)誤。因此，在對條形碼進(jìn)行識(shí)別之前，需要對傾斜的條形碼進(jìn)行矯正。Hough變換是常用的圖像矯正算法，如果圖像的傾斜角度統(tǒng)一，Hough變換能夠得到較好的矯正效果。然而，實(shí)際拍攝的圖像中，即使是同一個(gè)條形碼圖像，傾斜角度也并不一致，因此不能用單一的角度對整個(gè)條形碼圖像進(jìn)行方向矯正。本文將條形碼圖像分為寬度相等的三個(gè)區(qū)域，分別求出三個(gè)區(qū)域的傾斜角度，并根據(jù)各區(qū)域的傾斜角度分別進(jìn)行方向矯正，以降低圖像傾斜對條形碼識(shí)別結(jié)果的影響。

2.3 條形碼的識(shí)別

條形碼識(shí)別的關(guān)鍵是準(zhǔn)確確定條形碼圖像中各個(gè)條紋的寬度，因?yàn)闂l形碼的編碼規(guī)則是由條紋的寬度決定的。標(biāo)準(zhǔn)的條形碼圖像中，黑色條紋和白色條紋的邊界清晰，易于確定各個(gè)條紋的寬度。然而，在包含復(fù)雜背景以及多個(gè)條形碼的圖像中，條形碼區(qū)域所占的比例很小，黑色條紋和白色條紋之間的灰度處于漸變的過程，無法用統(tǒng)一的閾值進(jìn)行二值化處理。

為了降低噪聲的影響，對條形碼圖像求取豎直方向的灰度平均值，由此獲得一組投影序列，這組序列反映了條形碼圖像在水平方向的灰度變化情況。由于實(shí)際拍攝的條形碼圖像中，黑色條紋和白色條紋的差異并不明顯，灰度值相差不大，難以區(qū)分它們之間的邊界。本文采用線性拉伸的方法提高白色條紋和黑色條紋的對比度，把白色條紋和黑色條紋中間位置的灰度值分別拉伸為255和0，其他位置的灰度值進(jìn)行線性拉伸。最后，用統(tǒng)一的閾值對拉伸后的投影序列進(jìn)行二值化處理，得到黑色條紋和白色條紋的寬度，完成條形碼的識(shí)別。

3 結(jié)語

基于圖像處理的條形碼定位與識(shí)別技術(shù)真正實(shí)現(xiàn)了條形碼的自動(dòng)化識(shí)別，為條形碼識(shí)別技術(shù)的發(fā)展指引了新的方向。然而，該項(xiàng)技術(shù)對圖像質(zhì)量的要求較高，對一些模糊的條形碼圖像識(shí)別率有所降低。隨著圖像采集技術(shù)以及圖像處理技術(shù)的發(fā)展，基于圖像處理的條形碼定位與識(shí)別技術(shù)將會(huì)日益完善，應(yīng)用范圍將會(huì)逐步擴(kuò)大。