批量二维码的识别方法及识别终端.pdf

《批量二维码的识别方法及识别终端.pdf》由会员分享，可在线阅读，更多相关《批量二维码的识别方法及识别终端.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010557070.2 (22)申请日 2020.06.18 (71)申请人 福州富昌维控电子科技有限公司 地址 350000 福建省福州市鼓楼区软件园F 区6号楼5层 (72)发明人 游冠宜欧新木黄继波付春启 (74)专利代理机构 福州市博深专利事务所(普 通合伙) 35214 代理人 张明 (51)Int.Cl. G06K 7/14(2006.01) (54)发明名称 一种批量二维码的识别方法及识别终端 (57)摘要 本发明涉及二维码技术领域， 尤其涉及一种 批量二维码。

2、的识别方法及识别终端。 通过在二值 化处理后的图像数据中提取所有的轮廓数据， 解 析所有的轮廓数据， 得到每个轮廓数据对应的最 内层轮廓， 并分别计算得到每个所述最内层轮廓 的质心坐标； 并分别计算每个所述最内层轮廓的 质心坐标与其他所述最内层轮廓的质心坐标的 距离以及角度关系， 将距离和角度均相等的质心 坐标划分为同一二维码区域； 根据同一二维码区 域的质心坐标所对应的最外层轮廓， 进而实现二 维码的定位。 在识别过程中主要是利用二维码的 定位点特征实现单图多个二维码的分割提取， 从 而实现批量二维码的识别。 权利要求书2页 说明书9页 附图2页 CN 111783493 A 2020.10。

3、.16 CN 111783493 A 1.一种批量二维码的识别方法， 其特征在于， 包括以下步骤： S1、 获取一待识别的图像数据， 将所述图像数据进行二值化处理； S2、 在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每 个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； S3、 分别计算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标的距 离以及角度关系， 将距离和角度均相等的质心坐标划分为同一二维码区域； S4、 根据步骤S3得到的同一二维码区域的质心坐标所对应的最外层轮廓， 定位二维码。 2.根据权利要求1所述的批量二维码的。

4、识别方法， 其特征在于， 步骤S4之后还包括： S5、 重复步骤S3-S4， 直至识别出所有区域的二维码， 完成识别操作。 3.根据权利要求2所述的批量二维码的识别方法， 其特征在于， 步骤S2还包括： 将计算 得到每个所述最内层轮廓的质心坐标存储至内存； 步骤S5具体为： 将内存中已被识别出的二维码所对应的质心坐标删除， 重复步骤S3-S4对其余质心坐 标进行计算， 直至识别出所有区域的二维码， 完成识别操作。 4.根据权利要求1所述的批量二维码的识别方法， 其特征在于， 步骤S1具体为： 获取一待识别的图像数据， 先将所述图像数据进行灰度化处理， 再将灰度化处理后的 图像数据进行二值化处理。

5、。 5.根据权利要求1所述的批量二维码的识别方法， 其特征在于， 步骤S2具体为： 使用基于边界跟踪方法的数字化二值图像拓扑结构分析方法对二值化处理后的图像 数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标。 6.一种批量二维码的识别终端， 其特征在于， 包括存储器、 处理器以及存储在所述存储 器上并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现以下 步骤： S1、 获取一待识别的图像数据， 将所述图像数据进行二值化处理； S2、 在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮。

6、廓数据， 得到每 个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； S3、 分别计算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标的距 离以及角度关系， 将距离和角度均相等的质心坐标划分为同一二维码区域； S4、 根据步骤S3得到的同一二维码区域的质心坐标所对应的最外层轮廓， 定位二维码。 7.根据权利要求6所述的批量二维码的识别终端， 其特征在于， 所述处理器执行所述计 算机程序时还实现以下步骤： S5、 重复步骤S3-S4， 直至识别出所有区域的二维码， 完成识别操作。 8.根据权利要求7所述的批量二维码的识别终端， 其特征在于， 所述处理器执行所述计。

7、 算机程序时进一步实现以下步骤： 将计算得到每个所述最内层轮廓的质心坐标存储至内存； 将内存中已被识别出的二维码所对应的质心坐标删除， 重复步骤S3-S4对其余质心坐 标进行计算， 直至识别出所有区域的二维码， 完成识别操作。 9.根据权利要求6所述的批量二维码的识别终端， 其特征在于， 所述处理器执行所述计 权利要求书 1/2 页 2 CN 111783493 A 2 算机程序时进一步实现以下步骤： 获取一待识别的图像数据， 先将所述图像数据进行灰度化处理， 再将灰度化处理后的 图像数据进行二值化处理。 10.根据权利要求6所述的批量二维码的识别终端， 其特征在于， 所述处理器执行所述 计算。

8、机程序时进一步实现以下步骤： 使用基于边界跟踪方法的数字化二值图像拓扑结构分析方法对二值化处理后的图像 数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标。 权利要求书 2/2 页 3 CN 111783493 A 3 一种批量二维码的识别方法及识别终端 技术领域 0001 本发明涉及二维码技术领域， 尤其涉及一种批量二维码的识别方法及识别终端。 背景技术 0002 现有二维码检测方案， 在单幅图像中检测多个二维码时， 往往只能检测到其中随 机的一个， 无法完全检测出来。 对于一些需要批量识别二维码的场景， 就无法得。

9、到有效应 用。 发明内容 0003 本发明所要解决的技术问题是： 提供一种批量二维码的识别方法及识别终端， 能 够实现批量识别二维码且识别精度高。 0004 为了解决上述技术问题， 本发明采用的一技术方案为： 0005 一种批量二维码的识别方法， 包括以下步骤： 0006 S1、 获取一待识别的图像数据， 将所述图像数据进行二值化处理； 0007 S2、 在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得 到每个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； 0008 S3、 分别计算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标 的。

10、距离以及角度关系， 将距离和角度均相等的质心坐标划分为同一二维码区域； 0009 S4、 根据步骤S3得到的同一二维码区域的质心坐标所对应的最外层轮廓， 定位二 维码。 0010 本发明采用的另一技术方案为： 0011 一种批量二维码的识别终端， 包括存储器、 处理器以及存储在所述存储器上并可 在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现以下步骤： 0012 S1、 获取一待识别的图像数据， 将所述图像数据进行二值化处理； 0013 S2、 在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得 到每个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述。

11、最内层轮廓的质心坐标； 0014 S3、 分别计算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标 的距离以及角度关系， 将距离和角度均相等的质心坐标划分为同一二维码区域； 0015 S4、 根据步骤S3得到的同一二维码区域的质心坐标所对应的最外层轮廓， 定位二 维码。 0016 本发明的有益效果在于： 0017 本发明提供的批量二维码的识别方法及识别终端， 通过在二值化处理后的图像数 据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每个轮廓数据对应的最内层轮廓， 并 分别计算得到每个所述最内层轮廓的质心坐标； 并分别计算每个所述最内层轮廓的质心坐 标与其他所述最内层轮廓的质心坐。

12、标的距离以及角度关系， 将距离和角度均相等的质心坐 标划分为同一二维码区域； 根据同一二维码区域的质心坐标所对应的最外层轮廓， 进而实 说明书 1/9 页 4 CN 111783493 A 4 现二维码的定位。 在识别过程中主要是利用二维码的定位点特征实现单图多个二维码的分 割提取， 从而实现批量二维码的识别， 即对单幅图像进行一次拍照就能够提取多个二维码， 有效减少相机拍照次数， 提高检测效率。 附图说明 0018 图1为本发明的批量二维码的识别方法的步骤流程图； 0019 图2为本发明的批量二维码的识别终端的结构框图； 0020 图3为本发明的二维码的定位点的示意图； 0021 图4为本发。

13、明的识别出批量二维码的示意图； 0022 标号说明： 0023 1、 存储器； 2、 处理器。 具体实施方式 0024 为详细说明本发明的技术内容、 所实现目的及效果， 以下结合实施方式并配合附 图予以说明。 0025 请参照图1， 本发明提供的一种批量二维码的识别方法， 包括以下步骤： 0026 S1、 获取一待识别的图像数据， 将所述图像数据进行二值化处理； 0027 S2、 在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得 到每个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； 0028 S3、 分别计算每个所述最内层轮廓的质心坐标与其他所。

14、述最内层轮廓的质心坐标 的距离以及角度关系， 将距离和角度均相等的质心坐标划分为同一二维码区域； 0029 S4、 根据步骤S3得到的同一二维码区域的质心坐标所对应的最外层轮廓， 定位二 维码。 0030 由上述描述可知， 本发明的有益效果在于： 本发明提供的批量二维码的识别方法， 通过在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每个 轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； 并分别计 算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标的距离以及角度关 系， 将距离和角度均相等的质心坐标划分为同一二维码区域； 根据同一二维。

15、码区域的质心 坐标所对应的最外层轮廓， 进而实现二维码的定位。 在识别过程中主要是利用二维码的定 位点特征实现单图多个二维码的分割提取， 从而实现批量二维码的识别， 即对单幅图像进 行一次拍照就能够提取多个二维码， 有效减少相机拍照次数， 提高检测效率。 0031 进一步的， 步骤S4之后还包括： 0032 S5、 重复步骤S3-S4， 直至识别出所有区域的二维码， 完成识别操作。 0033 由上述描述可知， 通过上述步骤， 实现批量二维码的识别。 0034 进一步的， 步骤S2还包括： 将计算得到每个所述最内层轮廓的质心坐标存储至内 存； 0035 步骤S5具体为： 0036 将内存中已被识。

16、别出的二维码所对应的质心坐标删除， 重复步骤S3-S4对其余质 心坐标进行计算， 直至识别出所有区域的二维码， 完成识别操作。 说明书 2/9 页 5 CN 111783493 A 5 0037 由上述描述可知， 根据上述具体步骤， 实现批量二维码的识别。 0038 进一步的， 步骤S1具体为： 0039 获取一待识别的图像数据， 先将所述图像数据进行灰度化处理， 再将灰度化处理 后的图像数据进行二值化处理。 0040 由上述描述可知， 由于获取的图像通常为数据量较大的彩色图像， 而二维码图像 仅依靠黑白两色就能够进行识别， 因此将图像由彩色转为灰度化图像， 在提高二维码辨识 的精准度的同时，。

17、 也能够简化数据量。 0041 进一步的， 步骤S2具体为： 0042 使用基于边界跟踪方法的数字化二值图像拓扑结构分析方法对二值化处理后的 图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每个轮廓数据对应的最内层 轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标。 0043 由上述描述可知， 使用基于边界跟踪方法的数字化二值图像拓扑结构分析方法能 够分析出轮廓数据， 进而实现二维码的定位点特征的确定。 0044 继续参阅图2， 本发明还提供的一种批量二维码的识别终端， 包括存储器1、 处理器 2以及存储在所述存储器1上并可在所述处理器2上运行的计算机程序， 所述处理器2执行所 述。

18、计算机程序时实现以下步骤： 0045 S1、 获取一待识别的图像数据， 将所述图像数据进行二值化处理； 0046 S2、 在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得 到每个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； 0047 S3、 分别计算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标 的距离以及角度关系， 将距离和角度均相等的质心坐标划分为同一二维码区域； 0048 S4、 根据步骤S3得到的同一二维码区域的质心坐标所对应的最外层轮廓， 定位二 维码。 0049 由上述描述可知， 本发明的有益效果在于： 本发明提供的批。

19、量二维码的识别终端， 通过在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每个 轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； 并分别计 算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标的距离以及角度关 系， 将距离和角度均相等的质心坐标划分为同一二维码区域； 根据同一二维码区域的质心 坐标所对应的最外层轮廓， 进而实现二维码的定位。 在识别过程中主要是利用二维码的定 位点特征实现单图多个二维码的分割提取， 从而实现批量二维码的识别， 即对单幅图像进 行一次拍照就能够提取多个二维码， 有效减少相机拍照次数， 提高检测效率。 005。

20、0 进一步的， 所述处理器执行所述计算机程序时还实现以下步骤： 0051 S5、 重复步骤S3-S4， 直至识别出所有区域的二维码， 完成识别操作。 0052 由上述描述可知， 通过上述步骤， 实现批量二维码的识别。 0053 进一步的， 所述处理器执行所述计算机程序时进一步实现以下步骤： 0054 将计算得到每个所述最内层轮廓的质心坐标存储至内存； 0055 将内存中已被识别出的二维码所对应的质心坐标删除， 重复步骤S3-S4对其余质 心坐标进行计算， 直至识别出所有区域的二维码， 完成识别操作。 0056 由上述描述可知， 根据上述具体步骤， 实现批量二维码的识别。 说明书 3/9 页 6。

21、 CN 111783493 A 6 0057 进一步的， 所述处理器执行所述计算机程序时进一步实现以下步骤： 0058 获取一待识别的图像数据， 先将所述图像数据进行灰度化处理， 再将灰度化处理 后的图像数据进行二值化处理。 0059 由上述描述可知， 由于获取的图像通常为数据量较大的彩色图像， 而二维码图像 仅依靠黑白两色就能够进行识别， 因此将图像由彩色转为灰度化图像， 在提高二维码辨识 的精准度的同时， 也能够简化数据量。 0060 进一步的， 所述处理器执行所述计算机程序时进一步实现以下步骤： 0061 使用基于边界跟踪方法的数字化二值图像拓扑结构分析方法对二值化处理后的 图像数据中提。

22、取所有的轮廓数据， 解析所有的轮廓数据， 得到每个轮廓数据对应的最内层 轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标。 0062 由上述描述可知， 使用基于边界跟踪方法的数字化二值图像拓扑结构分析方法能 够分析出轮廓数据， 进而实现二维码的定位点特征的确定。 0063 请参照图1、 图3和图4， 本发明的实施例一为： 0064 在实际应用过程中， 经常存在重复使用的快递盒子上会存留多个二维码信息， 通 过本发明提供的技术方案， 能够通过一次拍照， 分离出各个二维码供给后续的信息筛选。 0065 本发明提供的一种批量二维码的识别方法， 包括以下步骤： 0066 S1、 获取一待识别的图像数。

23、据， 将所述图像数据进行二值化处理； 0067 在本实施例中， 步骤S1具体为： 获取一待识别的图像数据， 先将所述图像数据进行 灰度化处理， 再将灰度化处理后的图像数据进行二值化处理。 0068 其中， 图像数据为二维图像数据， 由于获取的图像通常为数据量较大的彩色图像， 而二维码图像仅依靠黑白两色就能够进行识别， 因此将图像由彩色转为灰度化图像， 在提 高二维码辨识的精准度的同时， 也能够简化数据量。 0069 对图像进行二值化， 区分图像的二维码目标和背景。 0070 本方案利用最大类间差算法设定二值化阈值。 其中最大类间差算法按照图像的灰 度特性， 将图像分割成背景和前景两个部分。 0。

24、071 例如， 对于一个WH大小的图像， 将目标和背景的分割阈值记为T， 则图像中像素 的灰度值小于阈值T的像素个数记为目标像素点个数n， 占图像中所有像素点个数的比例记 为0， 平均灰度为 0； 像素的灰度值大于阈值T的像素个数记为背景像素点个数m， 占所有像 素点个数的比例为1， 平均灰度为 1； 图像的总平均灰度记为 ， 类间方差记为g。 则它们满 足以下公式： 0072 0 0+1 1 公式1 0073 g0( 0- )2+1( 1- )2 公式2 0074 将公式1带入公式2， 得到等价公式： 0075 g01( 0- 1)2； 0076 而类间方差g越大， 代表二维码图像目标与背景。

25、的差别越大， 则二维码辨识的精准 度就越高， 采用遍历的方法便能够得到使类间方差g最大的阈值T。 0077 在设定了阈值T后， 遍历二维码图像的像素值， 将大于或等于阈值T的像素值设置 为255， 小于阈值T的像素值设为0， 这样便能让二维码图像的目标与背景用黑白效果明显地 区分出来。 说明书 4/9 页 7 CN 111783493 A 7 0078 S2、 在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得 到每个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； 将 计算得到每个所述最内层轮廓的质心坐标存储至内存； 0079 在本实施例中， 步。

26、骤S2具体为： 0080 使用基于边界跟踪方法的数字化二值图像拓扑结构分析方法对二值化处理后的 图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每个轮廓数据对应的最内层 轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标。 0081 其中， 上述的轮廓数据包含双重向量， 向量内每个元素都保存一组由连续的点构 成的点的集合， 每一组点集代表着一个轮廓， 向量的数量代表着轮廓的数量。 0082 层级数据是与轮廓一一对应的向量， 向量内每个元素保存了一个包含4个整型的 数组， 分别表示当前轮廓的后一个轮廓、 前一个轮廓、 父轮廓和内嵌轮廓的索引编号。 如果 当前轮廓没有对应的关系轮廓， 则。

27、相应的位被设置为-1。 0083 如图3所示， 为二维码的一个定位点， 则轮廓的层级如下所示： 0084 0-1,-1,-1,1； 0085 1-1,-1,0,2； 0086 2-1,-1,1,3； 0087 3-1,-1,2,-1。 0088 在本实施例中， 即为遍历提取的轮廓数据的格式进行解析， 找到所有的最内层轮 廓， 即内嵌轮廓位置为-1的轮廓， 将最内层轮廓数据记录到内存； 计算提取到的最内层轮廓 的质心坐标记录到内存。 0089 S3、 分别计算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标 的距离以及角度关系， 将距离和角度均相等的质心坐标划分为同一二维码区域； 00。

28、90 在本实施例中， 对于一个WH大小的图像f(i,j)， 其p+q阶几何矩mpq和中心矩 pq 分别为： 0091 0092 0093 其中f(i,j)为图像在坐标点(i,j)处的灰度值， 若将m00看作图像的灰度质量， 则质 心坐标为： 0094 0095 遍历步骤2中提取到的质心坐标， 分别使用点到点的距离公式计算各个质心坐标 间的距离， 利用两点直线方程构造各两个质心之间的直线方程， 利用两条直线夹角公式计 算各个质心之间的角度； 0096 其中， 点到点的距离公式为： 假设有A(a,b)、 B(c,d)两点， 则AB点之间的距离公式 为： 0097 说明书 5/9 页 8 CN 11。

29、1783493 A 8 0098 两点直线方程为： 已知两点A(x1,y1)、 B(x2,y2)， 则直线方程为： 0099 0100 两条直线夹角公式为： 已知两直线的斜率k1、 k2， 则： 0101其中 为两条直线夹角。 0102 需要说明的是， 根据实际识别精度要求， 可以根据实验得到误差阈值在01.5之 间， 若距离差值在此阈值内， 则认定距离相等； 同理， 角度与90度的差值在此阈值内， 也认定 角度相等。 将距离与角度相等的质心归为同一个二维码区域。 0103 S4、 根据步骤S3得到的同一二维码区域的质心坐标所对应的最外层轮廓， 通过遍 历最外层轮廓中的所有点， 取x坐标最小的。

30、点为最左点(x1,y1)， x坐标最大的点为最右点 (x2,y2)； 取y坐标最小的点为最上点(x3,y3)， y坐标最大的点为最下点(x4,y4)。 过最上点和 最下点分别作水平线， 过最左点和最右点分别作垂直线， 取四条线的交点坐标分别为(x1, y3),(x2,y3),(x1,y4),(x2,y4)， 连接四条交点绘制矩形框， 完成二维码的定位。 0104 上述步骤S4之后还包括： 0105 S5、 将内存中已被识别出的二维码所对应的质心坐标删除， 即为将分离出的二维 码包含的质点从上述提取的质心坐标中删除， 接着， 重复步骤S3-S4对其余质心坐标进行计 算， 直至识别出所有区域的二维。

31、码， 即为循环定位所有区域的二维码， 如图4所示， 完成识别 操作。 0106 请参照图2、 图3和图4， 本发明的实施例二为： 0107 本发明还提供的一种批量二维码的识别终端， 包括存储器1、 处理器2以及存储在 所述存储器1上并可在所述处理器2上运行的计算机程序， 所述处理器2执行所述计算机程 序时实现以下步骤： 0108 S1、 获取一待识别的图像数据， 将所述图像数据进行二值化处理； 0109 所述处理器执行所述计算机程序时还实现以下步骤： 获取一待识别的图像数据， 先将所述图像数据进行灰度化处理， 再将灰度化处理后的图像数据进行二值化处理。 其中， 图像数据为二维图像数据， 由于获。

32、取的图像通常为数据量较大的彩色图像， 而二维码图像 仅依靠黑白两色就能够进行识别， 因此将图像由彩色转为灰度化图像， 在提高二维码辨识 的精准度的同时， 也能够简化数据量。 0110 对图像进行二值化， 区分图像的二维码目标和背景。 0111 本方案利用最大类间差算法设定二值化阈值。 其中最大类间差算法按照图像的灰 度特性， 将图像分割成背景和前景两个部分。 0112 例如， 对于一个WH大小的图像， 将目标和背景的分割阈值记为T， 则图像中像素 的灰度值小于阈值T的像素个数记为目标像素点个数n， 占图像中所有像素点个数的比例记 为0， 平均灰度为 0； 像素的灰度值大于阈值T的像素个数记为背。

33、景像素点个数m， 占所有像 素点个数的比例为1， 平均灰度为 1； 图像的总平均灰度记为 ， 类间方差记为g。 则它们满 足以下公式： 0113 0 0+1 1 公式1 说明书 6/9 页 9 CN 111783493 A 9 0114 g0( 0- )2+1( 1- )2 公式2 0115 将公式1带入公式2， 得到等价公式： 0116 g01( 0- 1)2； 0117 而类间方差g越大， 代表二维码图像目标与背景的差别越大， 则二维码辨识的精准 度就越高， 采用遍历的方法便能够得到使类间方差g最大的阈值T。 0118 在设定了阈值T后， 遍历二维码图像的像素值， 将大于或等于阈值T的像素。

34、值设置 为255， 小于阈值T的像素值设为0， 这样便能让二维码图像的目标与背景用黑白效果明显地 区分出来。 0119 S2、 在二值化处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得 到每个轮廓数据对应的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； 所 述处理器执行所述计算机程序时进一步实现以下步骤： 将计算得到每个所述最内层轮廓的 质心坐标存储至内存； 0120 在本实施例中， 所述处理器执行所述计算机程序时进一步实现以下步骤： 使用基 于边界跟踪方法的数字化二值图像拓扑结构分析方法对二值化处理后的图像数据中提取 所有的轮廓数据， 解析所有的轮廓数据， 得到每。

35、个轮廓数据对应的最内层轮廓， 并分别计算 得到每个所述最内层轮廓的质心坐标。 0121 其中， 上述的轮廓数据包含双重向量， 向量内每个元素都保存一组由连续的点构 成的点的集合， 每一组点集代表着一个轮廓， 向量的数量代表着轮廓的数量。 0122 层级数据是与轮廓一一对应的向量， 向量内每个元素保存了一个包含4个整型的 数组， 分别表示当前轮廓的后一个轮廓、 前一个轮廓、 父轮廓和内嵌轮廓的索引编号。 如果 当前轮廓没有对应的关系轮廓， 则相应的位被设置为-1。 0123 如图3所示， 为二维码的一个定位点， 则轮廓的层级如下所示： 0124 0-1,-1,-1,1； 0125 1-1,-1,。

36、0,2； 0126 2-1,-1,1,3； 0127 3-1,-1,2,-1。 0128 在本实施例中， 即为遍历提取的轮廓数据的格式进行解析， 找到所有的最内层轮 廓， 即内嵌轮廓位置为-1的轮廓， 将最内层轮廓数据记录到内存； 计算提取到的最内层轮廓 的质心坐标记录到内存。 0129 S3、 分别计算每个所述最内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标 的距离以及角度关系， 将距离和角度均相等的质心坐标划分为同一二维码区域； 0130 在本实施例中， 对于一个WH大小的图像f(i,j)， 其p+q阶几何矩mpq和中心矩 pq 分别为： 0131 0132 0133 其中f(i,j)为。

37、图像在坐标点(i,j)处的灰度值， 若将m00看作图像的灰度质量， 则质 说明书 7/9 页 10 CN 111783493 A 10 心坐标为： 0134 0135 遍历步骤2中提取到的质心坐标， 分别使用点到点的距离公式计算各个质心坐标 间的距离， 利用两点直线方程构造各两个质心之间的直线方程， 利用两条直线夹角公式计 算各个质心之间的角度； 0136 其中， 点到点的距离公式为： 假设有A(a,b)、 B(c,d)两点， 则AB点之间的距离公式 为： 0137 0138 两点直线方程为： 已知两点A(x1,y1)、 B(x2,y2)， 则直线方程为： 0139 0140 两条直线夹角公式。

38、为： 已知两直线的斜率k1、 k2， 则： 0141其中 为两条直线夹角。 0142 需要说明的是， 根据实际识别精度要求， 可以根据实验得到误差阈值在01.5之 间， 若距离差值在此阈值内， 则认定距离相等； 同理， 角度与90度的差值在此阈值内， 也认定 角度相等。 将距离与角度相等的质心归为同一个二维码区域。 0143 S4、 根据步骤S3得到的同一二维码区域的质心坐标所对应的最外层轮廓， 通过遍 历最外层轮廓中的所有点， 取x坐标最小的点为最左点(x1,y1)， x坐标最大的点为最右点 (x2,y2)； 取y坐标最小的点为最上点(x3,y3)， y坐标最大的点为最下点(x4,y4)。 。

39、过最上点和 最下点分别作水平线， 过最左点和最右点分别作垂直线， 取四条线的交点坐标分别为(x1, y3),(x2,y3),(x1,y4),(x2,y4)， 连接四条交点绘制矩形框， 完成二维码的定位。 0144 在本实施例中， 所述处理器执行所述计算机程序时还实现以下步骤： 0145 S5、 将内存中已被识别出的二维码所对应的质心坐标删除， 即为将分离出的二维 码包含的质点从上述提取的质心坐标中删除， 接着， 重复步骤S3-S4对其余质心坐标进行计 算， 直至识别出所有区域的二维码， 即为循环定位所有区域的二维码， 如图4所示， 完成识别 操作。 0146 综上所述， 本发明提供的一种批量二。

40、维码的识别方法及识别终端， 通过在二值化 处理后的图像数据中提取所有的轮廓数据， 解析所有的轮廓数据， 得到每个轮廓数据对应 的最内层轮廓， 并分别计算得到每个所述最内层轮廓的质心坐标； 并分别计算每个所述最 内层轮廓的质心坐标与其他所述最内层轮廓的质心坐标的距离以及角度关系， 将距离和角 度均相等的质心坐标划分为同一二维码区域； 根据同一二维码区域的质心坐标所对应的最 外层轮廓， 进而实现二维码的定位。 在识别过程中主要是利用二维码的定位点特征实现单 图多个二维码的分割提取， 从而实现批量二维码的识别， 即对单幅图像进行一次拍照就能 够提取多个二维码， 有效减少相机拍照次数， 提高检测效率。 0147 以上所述仅为本发明的实施例， 并非因此限制本发明的专利范围， 凡是利用本发 明说明书及附图内容所作的等同变换， 或直接或间接运用在相关的技术领域， 均同理包括 说明书 8/9 页 11 CN 111783493 A 11 在本发明的专利保护范围内。 说明书 9/9 页 12 CN 111783493 A 12 图1 图2 说明书附图 1/2 页 13 CN 111783493 A 13 图3 图4 说明书附图 2/2 页 14 CN 111783493 A 14 。