吳成偉+吳靜+徐其文+張欣慧

摘 要：隨著物聯(lián)網(wǎng)的迅猛發(fā)展，QR碼作為數(shù)據(jù)載體被廣泛應(yīng)用。本文就農(nóng)化產(chǎn)品物流行業(yè)使用的二維碼易受光照影響并且容易損破的問(wèn)題提出了一個(gè)優(yōu)化的QR碼識(shí)別技術(shù)，采取同態(tài)濾波增強(qiáng)光照使得圖像能夠準(zhǔn)確灰度化，然后采取GA尋取全局灰度閾值實(shí)現(xiàn)精確二值化。經(jīng)實(shí)驗(yàn)證明，本文所采取的二維碼識(shí)別算法識(shí)別效率較高。同時(shí)，本文還建立了基于此優(yōu)化QR碼識(shí)別算法的農(nóng)化產(chǎn)品物流系統(tǒng)。

關(guān)鍵詞：QR碼；同態(tài)濾波；遺傳算法；二值化

中圖分類號(hào)：S-3 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.11974/nyyjs.20170931003

引言

在信息技術(shù)發(fā)展迅速的今天，物聯(lián)網(wǎng)不再僅僅局限于理論上的研究，許多物聯(lián)網(wǎng)應(yīng)用如雨后春筍般出現(xiàn)在市面上。數(shù)據(jù)采集端也不再是局限于傳感器、RFID（Radio Frequency Identification）等昂貴的硬件設(shè)施，而是能夠載存物品特征的條碼，特別是能夠載存復(fù)雜信息的QR（Quick Response）碼。QR碼技術(shù)被廣泛運(yùn)用在物品溯源、物流追蹤等熱門物聯(lián)網(wǎng)行業(yè)，成為大數(shù)據(jù)的收集源泉。

一般的物流行業(yè)對(duì)QR碼要求不高，因?yàn)槲锲吩谶\(yùn)輸過(guò)程中QR碼不易受到破損，掃碼環(huán)境在室內(nèi)也就不會(huì)受到光照等因素的影響。但是農(nóng)化產(chǎn)品例如農(nóng)藥、化肥等物品在運(yùn)輸過(guò)程中極容易因?yàn)閿D壓、刮擦等原因受到破損，同時(shí)由于這些產(chǎn)品在物流過(guò)程中基本上在室外就要掃描登記，所以在光照不均勻的情況下，QR碼的二值化效果很差，識(shí)別效率因此變得極低。針對(duì)這些問(wèn)題，許多文獻(xiàn)給出了相關(guān)解決方案。文獻(xiàn)[1-2]針對(duì)光照不均的QR圖像提出了一種改進(jìn)的基于背景灰度估計(jì)的校正算法，該算法在對(duì)原圖像進(jìn)行分快處理的基礎(chǔ)上利用改進(jìn)的灰度估計(jì)公式計(jì)算分塊的灰度值，克服了光照不均對(duì)二值化閾值選取的影響。文獻(xiàn)[3]針對(duì)Ostu算法在不均勻光照下對(duì)QR碼圖像二值化處理效果不佳的缺點(diǎn)，提出首先使用改進(jìn)的同態(tài)濾波去除QR圖像的不均勻光照的影響，提高了條碼識(shí)別率。文獻(xiàn)[4]提出了一種適用于嵌入式系統(tǒng)的改進(jìn)的QR碼圖像二值化算法來(lái)處理不均勻光照的情況，它在J. Sauvola提出的自適應(yīng)局部二值化算法的基礎(chǔ)上調(diào)整了所選閾值，并利用積分圖像來(lái)縮短計(jì)算時(shí)間。文獻(xiàn)[5]針對(duì)發(fā)生缺失、破損的QR碼設(shè)計(jì)了一種基于計(jì)算機(jī)視覺技術(shù)的QR碼商品信息識(shí)別系統(tǒng)，通過(guò)中值濾波、Ostu二值化算法和改進(jìn)的RS糾錯(cuò)算法實(shí)現(xiàn)去噪、定位及解碼等處理。文獻(xiàn)[6]提出使用一種改進(jìn)的Hopfield神經(jīng)網(wǎng)絡(luò)對(duì)污損的QR二維碼圖像進(jìn)行復(fù)原，在污損面積小于23%的情況下基本能被正確識(shí)別。文獻(xiàn)[7]通過(guò)引入二進(jìn)制模式約束，使用從多個(gè)低分辨率圖像生成高分辨率圖像的超分辨率技術(shù)來(lái)提高低分辨率的二維碼識(shí)別性能。文獻(xiàn)[8]基于溯源系統(tǒng)的獨(dú)特性，提出了一種分別利用加權(quán)平均值算法、中值濾波算法、sobel算法、圖像二值化算法對(duì)圖像的灰度化、濾波處理、邊緣檢測(cè)以及二值化進(jìn)行處理的二維碼算法，該算法實(shí)現(xiàn)了在復(fù)雜環(huán)境中二維碼均可被清晰識(shí)別。

本文采用一種基于同態(tài)濾波與GA（Genetic Algorithm）優(yōu)化的QR碼識(shí)別算法，利用同態(tài)濾波增加光照，然后利用GA選擇最優(yōu)全局閾值，最后進(jìn)行QR碼精確二值化，減少了QR碼因?yàn)楣庹蘸推茡p而不能被識(shí)別的概率。本文方法在克勝農(nóng)業(yè)集團(tuán)實(shí)際項(xiàng)目中研究發(fā)現(xiàn)，并且最終將被運(yùn)用到集團(tuán)的溯源項(xiàng)目中，因此可見此技術(shù)具有一定的實(shí)際應(yīng)用價(jià)值。

1 基于同態(tài)濾波與GA優(yōu)化的QR碼識(shí)別算法

QR碼是溯源、物流系統(tǒng)中數(shù)據(jù)的載體，雖然因?yàn)槠涑杀静桓邚亩艿搅讼嚓P(guān)行業(yè)的追捧，但是其極易受損并且對(duì)掃碼環(huán)境要求較高等因素在一定程度上限制了它的發(fā)展。所以，推動(dòng)QR碼的應(yīng)用關(guān)鍵在于改進(jìn)QR碼識(shí)別算法，一個(gè)成熟的QR碼識(shí)別算法應(yīng)該能夠抵抗惡劣的掃描環(huán)境并且能夠具有一定的糾錯(cuò)能力。

1.1 QR碼圖像預(yù)處理

從攝像采集QR碼到解碼錄入數(shù)據(jù)之間需要進(jìn)行一系列的預(yù)處理工作，預(yù)處理的質(zhì)量直接決定了QR碼識(shí)別的精確率。一般的QR碼圖像預(yù)處理流程包括下面幾步：

Step1：QR碼圖像灰度化。采集到的QR碼圖像一般是彩色的，所以需要對(duì)它進(jìn)行灰度化，將圖像的每個(gè)像素點(diǎn)根據(jù)R、G、B 3個(gè)函數(shù)值以及相應(yīng)比例求取灰度值，一幅圖像的灰度值取1～256。

Step2：濾波法去噪。由于QR碼圖像在物品運(yùn)輸或者拍攝過(guò)程中會(huì)產(chǎn)生許多噪聲，如果不剔除這些噪聲，將會(huì)給圖像二值化處理帶來(lái)大量誤差，一般采取中值濾波方法。

Step3：QR圖像二值化。這個(gè)過(guò)程就是將灰度化后的圖像根據(jù)某一閾值變?yōu)橹缓?，1兩值的特征圖像，例如公式（1）。此過(guò)程是整個(gè)QR碼識(shí)別算法的核心，光照與碼破損對(duì)它的影響也是最大的。

其中是原圖像在處的灰度值，是二值化后的值，是選取的閾值，此值的選取是整個(gè)識(shí)別技術(shù)的關(guān)鍵。

Step4：QR碼的定位校正，此流程一般是為了防止QR碼存在傾斜現(xiàn)象，方法就是通過(guò)小波分析進(jìn)行邊緣提取，然后進(jìn)行定位校正。

上述的4個(gè)步驟是QR碼圖像識(shí)別技術(shù)的核心流程，也是圖像預(yù)處理的基本流程。其中QR碼圖像二值化是否能夠精確計(jì)算，決定了最后的解碼階段是否能夠被準(zhǔn)確識(shí)別，因此解決光照與破損造成的閾值選取不當(dāng)問(wèn)題是QR碼識(shí)別技術(shù)的關(guān)鍵所在。

1.2 基于同態(tài)濾波的QR碼圖像光照增強(qiáng)

同態(tài)濾波是一種典型的頻率域圖像光照增強(qiáng)方法，用它可以消除照度不均勻而引起的圖像質(zhì)量下降問(wèn)題。圖像同態(tài)濾波的作用是對(duì)圖像的灰度范圍進(jìn)行調(diào)整，通過(guò)增強(qiáng)暗區(qū)的圖像細(xì)節(jié)，同時(shí)又不損失亮區(qū)的圖像細(xì)節(jié)，從而來(lái)消除圖像上照明不均的問(wèn)題。

假設(shè)對(duì)處于光照環(huán)境下的QR碼進(jìn)行灰度處理后，處的灰度值為，由于每個(gè)像素點(diǎn)都同時(shí)存在入射光與反射光，因此可以表示成照度分量與反射分量的乘積，即：

照度分量可以表示為灰度的恒定分量，相當(dāng)于頻域中的低頻信息；而反射光與物體的邊界性質(zhì)是相關(guān)的，相當(dāng)于頻域中的高頻信息，增強(qiáng)反射光就可以起到提高圖像對(duì)比度的作用。所以需要利用濾波函數(shù)增強(qiáng)反射分量，即增強(qiáng)高頻分量，具體方法如下：endprint

兩邊同時(shí)取對(duì)數(shù)：

最后求解的既減弱了照射分量，又加強(qiáng)了反射分量，因此可以很大程度地避免了光照不均帶來(lái)的影響。

1.3 基于GA的圖像二值化全局閾值選取

圖像二值化處理是圖像精準(zhǔn)分析的基礎(chǔ)，同樣QR碼圖像二值化的效果直接影響了識(shí)碼的質(zhì)量與效率。去除上一節(jié)中光照影響QR碼圖像二值化效果的因素，本節(jié)將利用GA選取圖像二值化所需的全局閾值，有效避免QR碼破損導(dǎo)致的閾值選取不當(dāng)?shù)膯?wèn)題。

傳統(tǒng)的Otsu方法利用窮舉法在圖像的256個(gè)灰度值中選取某一最優(yōu)灰度值，使得類間方差公式（8）最?。?/p>

其中是前景像素點(diǎn)所占比例，是背景像素點(diǎn)所占比例，是前景像素點(diǎn)灰度值的平均值，是背景像素點(diǎn)灰度值的平均值，顯然，是關(guān)于前景與背景劃分閾值的函數(shù)。傳統(tǒng)窮舉法極易受到碼體破損的影響，使算法容易陷入局部最優(yōu)，所以，本文在此基礎(chǔ)上提出基于GA的閾值選取方法，步驟如下。

1.3.1 染色體編碼

本算法的解區(qū)域是1～256個(gè)灰度值，因此可以將解區(qū)域中的每個(gè)解即灰度值轉(zhuǎn)化為二進(jìn)制編碼，就是8位0，1二進(jìn)制數(shù)，解區(qū)域即為00000000～11111111。二進(jìn)制編碼避免了實(shí)數(shù)編碼的偶然性，可以更加有效地搜索最優(yōu)解。由于本算法的解區(qū)域不算太大，選擇二進(jìn)制編碼方式十分合適。

1.3.2 初始化種群

在解區(qū)域中隨機(jī)選?。ㄒ话闳?0～14，為偶數(shù)）個(gè)解作為初始化種群。選擇方式可以采取偽隨機(jī)方法，即將解區(qū)域等分為個(gè)區(qū)域，在第一個(gè)區(qū)域中隨機(jī)選取一個(gè)解，然后依次加 取得其他-1個(gè)解，這樣擴(kuò)大了解的搜索范圍。

1.3.3 適應(yīng)度函數(shù)與選擇算子

本算法依然選擇Otsu的類間方差如公式（8）作為適應(yīng)度函數(shù)，作為每次衡量解是否優(yōu)質(zhì)的標(biāo)準(zhǔn)。同時(shí)，每輪迭代后都要重新選取個(gè)最優(yōu)解，選擇方式非常重要，可以有效地避免局部最優(yōu)，因此本算法采取經(jīng)典的輪盤賭選擇策略。

1.3.4 交叉算子

本算法采取二進(jìn)制多點(diǎn)交叉法，即隨機(jī)生成2個(gè)實(shí)數(shù)作為交叉點(diǎn)，將個(gè)解兩兩組成父串。在一組父串進(jìn)行交叉時(shí)，將之間的串相互交換即可，示意圖如下：

1.3.5 變異算子

本算法的變異算子比較簡(jiǎn)單，即隨機(jī)產(chǎn)生一個(gè)實(shí)數(shù)，同時(shí)隨機(jī)選擇一個(gè)解，將其位置取反，即如果原來(lái)是0，就變成1，如果原來(lái)是1，就變成0。

1.3.6 迭代停止條件

一般GA的迭代停止條件是超過(guò)最大迭代次數(shù)時(shí)停止。本算法采取2個(gè)迭代停止條件，即2次迭代最優(yōu)值差的絕對(duì)值小于或者超過(guò)最大迭代次數(shù)則停止迭代。

1.4 識(shí)別算法總流程

通過(guò)上述內(nèi)容，本文所提出的識(shí)別算法已經(jīng)敘述完畢。QR碼識(shí)別技術(shù)中的關(guān)鍵部分就是QR碼圖像預(yù)處理，預(yù)處理部分中的QR碼二值化最為重要。整個(gè)QR碼識(shí)別流程可以這樣理解：利用攝像機(jī)收集QR碼圖像，對(duì)圖像進(jìn)行灰度化；灰度化的圖像需要通過(guò)增強(qiáng)光照來(lái)消除光照不均的影響，因此采取同態(tài)濾波算法進(jìn)行光照增加；利用GA選擇全局最佳閾值，避免QR碼破損帶來(lái)的識(shí)別錯(cuò)誤；利用選取的閾值進(jìn)行QR碼圖像二值化，同時(shí)進(jìn)行校正定位；利用解碼函數(shù)解讀出QR碼的內(nèi)容。算法流程如下：

2 優(yōu)化的QR碼識(shí)別算法實(shí)驗(yàn)驗(yàn)證

為了證明本文提出的基于同態(tài)濾波與GA優(yōu)化的QR碼識(shí)別算法具有一定的有效性與實(shí)用性，實(shí)驗(yàn)驗(yàn)證分為2個(gè)部分：本節(jié)的優(yōu)化QR碼識(shí)別算法的實(shí)驗(yàn)仿真部分與第四節(jié)的嵌入本識(shí)別算法的物流系統(tǒng)展示部分。

優(yōu)化的QR碼識(shí)別算法的仿真實(shí)驗(yàn)利用MATLAB軟件編程，用于驗(yàn)證算法的有效性。數(shù)據(jù)集采用了一批通過(guò)人工光照處理和模糊處理的實(shí)驗(yàn)QR碼50個(gè)，使用本文提出的優(yōu)化算法與基于傳統(tǒng)Ostu二值化的QR碼識(shí)別算法進(jìn)行識(shí)別，通過(guò)對(duì)比2種算法的識(shí)別結(jié)果來(lái)驗(yàn)證本算法的有效性，同時(shí)抽取某一幅特殊樣例進(jìn)行細(xì)致分析。

通過(guò)以上2幅圖片的對(duì)比，可以明顯發(fā)現(xiàn)本文提出的優(yōu)化算法的二值化實(shí)驗(yàn)結(jié)果較為清晰，當(dāng)由于光照不均使原圖存在模糊不清的情況下，本算法能夠正常識(shí)別，基于傳統(tǒng)Ostu二值化的算法則不能正常識(shí)別。另外，對(duì)于50幅QR碼的正確識(shí)別率，本文提出的優(yōu)化算法可達(dá)85%，基于傳統(tǒng)Ostu二值化的算法只有20%，故本算法的有效性通過(guò)了驗(yàn)證。

3 基于優(yōu)化識(shí)別算法的物流系統(tǒng)驗(yàn)證

為了證明本文提出的優(yōu)化識(shí)別算法具有一定的實(shí)用性，將本優(yōu)化算法嵌入到實(shí)際系統(tǒng)當(dāng)中對(duì)QR碼進(jìn)行掃描，利用了Spring+MVC框架開發(fā)的B/S系統(tǒng)向用戶展示界面，系統(tǒng)操作環(huán)境均為Windows7.0。所開發(fā)的系統(tǒng)截圖如圖5所示，具有工廠關(guān)聯(lián)、入庫(kù)以及出庫(kù)操作。

圖5 基于優(yōu)化的QR碼識(shí)別算法的物流系統(tǒng)

本系統(tǒng)的應(yīng)用環(huán)境主要是農(nóng)化產(chǎn)品的物流產(chǎn)線，優(yōu)化的識(shí)別算法被嵌入在視覺識(shí)別硬件儀器上。每箱農(nóng)化產(chǎn)品與每瓶農(nóng)化產(chǎn)品都有標(biāo)識(shí)身份的QR碼，在工廠處，可以用識(shí)別儀器采集箱碼與箱中的瓶碼實(shí)現(xiàn)工廠關(guān)聯(lián)。與當(dāng)每箱產(chǎn)品從經(jīng)銷商倉(cāng)庫(kù)流動(dòng)時(shí)，識(shí)別儀器可以利用優(yōu)化的識(shí)別算法采集箱QR碼的內(nèi)容，記錄某箱農(nóng)化產(chǎn)品是否入庫(kù)或者出庫(kù)。綜上，本系統(tǒng)可以利用本文提出的優(yōu)化QR碼識(shí)別算法實(shí)現(xiàn)所有農(nóng)化產(chǎn)品的物流信息精確記錄。

4 總結(jié)

由于農(nóng)化產(chǎn)品物流行業(yè)使用的二維碼易受光照影響并且容易損破，本文提出了一種基于同態(tài)濾波與GA優(yōu)化的QR碼識(shí)別算法，首先利用同態(tài)濾波增強(qiáng)光照使得圖像能夠準(zhǔn)確灰度化，隨后采取GA尋取全局灰度閾值實(shí)現(xiàn)精確二值化，減小了QR碼因?yàn)楣庹蘸推茡p而不能被識(shí)別的概率。

實(shí)驗(yàn)仿真證明，與基于傳統(tǒng)Ostu二值化的QR碼識(shí)別算法相比，本優(yōu)化算法的二值化實(shí)驗(yàn)結(jié)果較為清晰，對(duì)經(jīng)過(guò)模糊處理的QR碼的正確識(shí)別率高達(dá)85%，具有一定的有效性與實(shí)用性。本算法在克勝農(nóng)業(yè)集團(tuán)實(shí)際項(xiàng)目中研究發(fā)現(xiàn)，并且最終將被運(yùn)用到集團(tuán)溯源項(xiàng)目的物流系統(tǒng)子模塊中。在物流系統(tǒng)的運(yùn)行過(guò)程中，工廠源頭可以高效率地實(shí)現(xiàn)瓶箱關(guān)聯(lián)，并且準(zhǔn)確性較高；在物流過(guò)程中，產(chǎn)品的物流信息被精確記錄，因此本系統(tǒng)實(shí)用性較高。

參考文獻(xiàn)

[1]閆三虎，胡衛(wèi)東，羅小平.改進(jìn)二值化算法在QR碼識(shí)別中的應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，20（6）：165-168.

[2]張繼榮，王利軍.一種改進(jìn)的QR碼圖像二值化算法[J]. 現(xiàn)代電子技術(shù)，2014（7）：56-58.

[3]路陽(yáng)，高慧敏.光照不均QR碼圖像二值化研究[J].太原科技大學(xué)學(xué)報(bào)， 2012， 33（5）：396-400.

[4] Zhang W， Yang T. An Improved Algorithm for QR Code Image Binarization[C]// International Conference on Virtual Reality and Visualization. IEEE Computer Society， 2014：154-159.

[5]劉卓夫，羅中明，趙東陽(yáng)，等.機(jī)器視覺技術(shù)實(shí)現(xiàn)缺損QR條形碼識(shí)別[J]. 哈爾濱理工大學(xué)學(xué)報(bào)，2014，19（4）：117-121.

[6]袁紅春，侍倩倩.Hopfield神經(jīng)網(wǎng)絡(luò)在二維碼污損復(fù)原中的應(yīng)用[J]. 傳感器與微系統(tǒng)，2016，35（8）：151-154.

[7] Kato Y，Deguchi D，Takahashi T，et al. Low Resolution QR-Code Recognition by Applying Super-Resolution Using the Property of QR-Codes[C]// International Conference on Document Analysis and Recognition. IEEE Computer Society，2011：992-996.

[8]呂長(zhǎng)銀.基于二維碼識(shí)別技術(shù)的化肥溯源信息管理平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D].中國(guó)科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院）， 2016.endprint