摘  要： 以二維條碼Data Matrix在實際應用中的圖像為例,，采用一種基于圖像最優(yōu)閾值的SUSAN檢測算子,，將復雜背景圖像中的二維條碼圖像區(qū)域檢測出來,。使用這種方法可以在最大程度上忽略復雜背景的干擾，實現(xiàn)二維條碼的快速定位,。
關鍵詞： 二維條碼,；Data Matrix；最優(yōu)閾值,；SUSAN檢測算子

　自動化數(shù)據(jù)采集技術是信息采集和處理的關鍵技術[1],，條碼技術在自動化數(shù)據(jù)采集中占重要地位。二維條碼是在傳統(tǒng)的一維條碼基礎上發(fā)展起來的,。傳統(tǒng)的一維條碼由于受信息容量的限制必須依賴數(shù)據(jù)庫,，而二維條碼的信息密度高、信息容量大,，可以不依賴于數(shù)據(jù)庫,。二維條碼不僅可以將數(shù)字、字符等信息存入編碼,，而且可以將人臉,、指紋和虹膜等圖像信息存入條碼，因此二維條碼在證件識讀,、人事管理,、運輸包裝、POS系統(tǒng)和電子數(shù)據(jù)交換等方面得到廣泛的應用[2],。此外,，傳統(tǒng)的一維條碼只有校驗功能，沒有糾錯能力,，而二維條碼具有很強的錯誤校驗和錯誤糾正功能,，即使條碼符號有污點、殘缺,，也能被正確識別出。二維條碼的識別技術是其應用的關鍵技術,。由于二維條碼密度遠大于一維條碼,，其識別技術不同于一維條碼，如何快速準確地識別條碼成為了一個值得研究的問題,。
Data Matrix原名Data Code,，由美國國際資料公司于1989年發(fā)明，它是一種矩陣式二維條碼[3],。Data Matrix的最小尺寸是目前所有條碼中最小的,，尤其適合用于小零件的標識以及直接印刷在實體上。本文以Data Matrix條碼為例,，研究了基于SUSAN檢測算子的二維條碼識別算法,。
1 Data Matrix圖形結構
　Data Matrix的圖形結構如圖1所示,。Data Matrix是矩陣式二維條形碼的一種，它以一個矩形圖案表示數(shù)據(jù)信息,，通常,，黑色模塊表示“1”，白色模塊表示“0”,，或者使用相反的表示方法,。另外，在實際應用中,，可以采用不同的印制方式（如圖1中的圓形打點）,。Data Matrix圖形可分為定位圖形（尋邊圖形）和數(shù)據(jù)區(qū)兩部分。其中,，定位圖形由兩條實線邊組成的“L”形和與其相對的兩條虛線邊組成,；數(shù)據(jù)區(qū)是由1、0模塊組成的矩形,?；贒ata Matrix定位圖形的特性，將其與背景圖形區(qū)別開來,，并對“L”形的頂點進行精確定位,。

2 Data Matrix圖形區(qū)域定位
　在現(xiàn)實條件下拍攝到的二維條碼圖像往往受光線的明暗程度不同，粘貼,、印刷的位置不當,，或被遮蓋、污染,、出現(xiàn)褶皺等各種外界因素的干擾時,，均會直接影響條碼的識讀效果。因此首先需要從復雜的圖像背景中初步分離出條碼區(qū)域,。圖2所示為基于SUSAN檢測算子對Data Matrix圖形區(qū)域初步定位流程,。


3 Data Matrix圖形區(qū)域定位
3.1 圖像采集與預處理
　二維條形碼的獲取由光學照相或者掃描設備完成。本實驗使用一個普通的帶有攝像頭的手機（最大分辨率是300×300）,，在不配備特殊光源的情況下獲得二維條形碼,。最終獲得分辨率為300×300、尺寸為1 600×1 200,、位深度為24的RGB彩色圖像,。采用自然光照是考慮到降低成本以及適應惡劣的環(huán)境的需要。
原始圖像比較大,，如果使用原始圖像直接來做實驗,，處理速度極為緩慢且耗時。將原始圖像進行預處理，轉(zhuǎn)換為分辨率為72×72,、尺寸為178×178,、位深度為8的256級灰度圖像。
3.2 圖像分割
　經(jīng)過預處理得到的灰度圖像除了包含條形碼之外還包含其他的復雜背景,。由于Data Matrix符號的特征是由一個個小方塊構成的四邊形,，這一特征將它與其他圖形區(qū)別開來，可以清楚地看到條碼區(qū)域具有清晰的邊緣特征,，因此首先采用SUSAN算子對整幅圖像進行邊緣檢測,。
　本文使用SUSAN算子的37個像素的模板，檢測時將模板依次放在圖像中每個點的位置,，在每個位置,，將模板內(nèi)每個像素的灰度值與核的灰度值進行比較，這時需要閾值來確定此處的游程值,，試驗中選取的是灰度直方圖的極小點和最優(yōu)閾值兩種閾值,。圖3（a）是選用灰度直方圖的極小點作為閾值時的SUSAN檢測后的圖像，可以看到,，二維條碼區(qū)域粗略地被檢測出來,，但是對于背景中略大的文字噪聲卻很難濾除掉；圖3（b）是選取最優(yōu)閾值時SUSAN檢測后的圖像,，可以看到,，條碼區(qū)域的邊緣被清晰地檢測出來，并且可以很好地濾除掉背景中的文字噪聲,。

　對預處理后的灰度圖像經(jīng)過選用最優(yōu)閾值的SUSAN算子檢測邊緣,，可以觀察得出， Data Matrix符號的邊緣特征非常復雜和曲折,，與其他僅具有簡單邊緣的圖形大不相同,，因此其邊緣可以明確地分辨出來，同時對于背景中的噪聲有很好的濾除作用,。
3.3 邊緣圖像投影[5]
　二維條形碼的色塊組合在水平和垂直兩個方向都含有信息,。將得到的邊緣圖像分別在水平和垂直方向上投影，突出灰度變化頻繁的區(qū)域,，獲得條形碼圖像的粗定位,。
3.4 條碼區(qū)域最終定位
　將得到的邊緣圖像在水平和垂直方向上投影，即分別統(tǒng)計第m行（m<圖像高度）和第n列（n<圖像寬度）上的灰度值,，令統(tǒng)計值分別為Sm和Sn。由于Data Matrix圖像復雜的邊緣曲線在一定坐標范圍內(nèi)（m1<m<m2,，n1<n<n2）表現(xiàn)出較小且變化頻繁的投影值,，因此將水平與垂直方向的區(qū)域（區(qū)域[（m1，n1）,，（m1,，n2）,，（m2，n1）,，（m2,，n2）]）結合起來，便可以初步確定Data Matrix圖像在整個圖像中的大致位置,。為了避免計算誤差,，可以考慮在區(qū)域兩端留出一定量，對得到的區(qū)域進行幾何裁剪,，將Data Matrix圖像提取出來,。條碼區(qū)域最終定位圖如圖4所示。

　通過對圖像識別的研究,，實現(xiàn)了實際應用中二維條形碼Data Matrix的初步提取,。對實際圖片進行了實驗，利用本文提出的識別算法能有效地去除背景和噪聲的干擾,，達到快速,、準確識別的目的。
參考文獻
[1] SRIRAM T,， RAO V K. Applications of barcode technology in automated storage&retrieval systems[C]. IECON Proceedings,， 1996（1）：5-10.
[2] 張鐸，王耀球.條碼技術與電子數(shù)據(jù)交換[M].北京：中國鐵道出版社,，1998.
[3] 矯云起,，張成海.二維條碼技術[M].北京：中國物價出版社，1996.
[4] 章毓晉.圖像工程（第二版）[M].北京：清華大學出版社,，2007.
[5] 陳媛媛,，施鵬飛.二維條形碼的識別及應用[J].測控技術，2006,，25（12）.