EAN一13碼的圖像識別系統設計與實(shí)現

2．1．2 濾波
由于原圖像各部分亮度不均，背景圖像有不同的情況，得到的二值圖會(huì )有很多噪聲，條碼區域有，條碼區域外也有，為了后續部分的條碼提取和條碼譯碼，需要進(jìn)行濾波處理?？紤]到一維條碼的特征：豎直的條和空，采用中值濾波方法，中值濾波模板如圖3所示。被圈部分表示模板遍歷整幅圖時(shí)，所對應待檢像素的位置。取待濾波像素上下相鄰的4個(gè)像素值，共5個(gè)像素值進(jìn)行排序，用中間值覆蓋待濾波的像素值。此模塊能有效地濾除條碼區的椒鹽噪聲，背景區的噪聲能得到很大抑制。此模塊是根據一維碼的特征設計，可以適合各種一維碼。
2．1．3 邊緣檢測
常用的邊緣檢測算法有梯度算法、Roberts梯度法、Sobel算法和Laplaceian算法等，在充分研究一維條碼的特征后，借鑒各種檢測算法，在此自行設計了一種濾波算法。由于設計實(shí)驗時(shí)采用的是640×480或320×240的圖像，假設條碼占整個(gè)圖像的50 %以上，根據圖2可以算出每個(gè)模塊占的像素值為3到4個(gè)或l到2個(gè)，如果采用3×3或5×5之類(lèi)的邊緣檢測模板，加上圖像原本的變形，將會(huì )誤檢邊緣或邊緣丟失，同時(shí)考慮到一維條碼的特征：豎直的條和空，有明顯的豎直邊緣，因此設計了豎直邊緣檢測算法，邊緣檢測模板如圖4所示。

待檢像素的值由其鄰域內10個(gè)像素的值決定，這10個(gè)值按模板中的權值相加的絕對值為s(x，y)。由于進(jìn)行邊緣檢測的圖像是二值圖，非黑(0)即白(255)，設定邊緣檢測的閾值T1=255×4=1 020，即鄰域內至少有4處黑白突變才能說(shuō)明待檢像素為一邊緣值，按照下式得到邊緣檢測圖像h(x，y)。

2．2 圖像提取
圖像提取是把圖像中的條碼部分割出來(lái)，用于后續的條碼譯碼。圖像提取的步驟分為：上下分割和左右分割。根據條碼的特征，分別設計了上下分割和左右分割的算法。
2．2．1 上下分割
基于前文的假設，設計了如下分割算法，上下分割的流程如圖5(a)所示，此流程的設計應用了條碼的兩個(gè)特征：條空數為59個(gè)，即邊緣數為60個(gè)；條碼的上下部分都有空白區。當然一般情況下，條碼區域所在行肯定還會(huì )存在噪聲，因此邊緣數是肯定大于60的，而在條碼上下的空白區所在行經(jīng)過(guò)圖像預處理基本沒(méi)多少噪聲，邊緣數基本不會(huì )大于60，通過(guò)對100幅圖像的試驗只有背景很復雜的2幅圖例外。但是沒(méi)分割出來(lái)不代表沒(méi)譯碼出來(lái)，后面譯碼部分對分割有補充修正。根據各種圖像的不同，上下分割不會(huì )把整個(gè)條碼區域分割出來(lái)，但分割出來(lái)的圖像信息足以用來(lái)解碼。上下分割可以去除圖像中上下部分的非條碼區同時(shí)為譯碼減少了計算量。