Data Matrix 二維碼圖像處理與應(yīng)用上海同濟大學(xué)信息與通信工程系（200092） 唐 莉 劉富強
上海第二醫(yī)科大學(xué)臨床醫(yī)學(xué)專業(yè)（200025） 錢黎俊

二維碼是在平面二維方向上都記錄信息的符號。它充分利用了平面上的二維空間，大大提升了信息密度，使得在小面積上編碼大數(shù)據(jù)成為可能。其次由于它超強的糾錯能力，即使大面積受損也能被準確識別。目前二維碼應(yīng)用于工業(yè)自動化、物流、郵政、醫(yī)療、商業(yè)、金融、交通運輸、身份識別、政府管理、公共安全、海關(guān)及國防等領(lǐng)域。在我國，二維碼的應(yīng)用尚屬起步階段，應(yīng)用地區(qū)和領(lǐng)域也相當(dāng)有限。但是可以預(yù)見，二維碼以其獨特的優(yōu)勢必將像條形碼一樣在我國的各個領(lǐng)域被推廣和應(yīng)用。

本文通過Ｍａｔｒｏｘ公司的圖像采集卡Ｍｅｔｅｏｒ－ＩＩ Ｓｔａｎｄａｒｄ，利用ＭＩＬ函數(shù)庫對氣動打印在金屬零件上的Ｄａｔａ Ｍａｔｒｉｘ二維碼進行了實時捕捉識別，并對采集來的ＤａｔａＭａｔｒｉｘ圖像進行具體的圖像處理，使其達到被識別的要求。最后，通過實驗討論提高識別率的方法。

１ Ｄａｔａ Ｍａｔｒｉｘ概述

二維碼有多種類型，本文只討論矩陣式Ｄａｔａ Ｍａｔｒｉｘ二維碼的識別，簡稱Ｄａｔａ Ｍａｔｒｉｘ。

Ｄａｔａ Ｍａｔｒｉｘ最大特點就是"小"，能在２５ｍｍ2面積上編碼３０個數(shù)字，因此被廣泛用于標示集成電路、藥品等小件物品。另外在制造業(yè)的流水線生產(chǎn)過程中，打印生成ＤａｔａＭａｔｒｉｘ也較容易。

如圖１所示，Ｄａｔａ Ｍａｔｒｉｘ符號看起來像一個由深淺兩種顏色組成的國際象棋棋盤，每一個相同大小的黑色或白色方格稱為一個數(shù)據(jù)單位。ＤａｔａＭａｔｒｉｘ符號由許多這樣的數(shù)據(jù)單位組成。在尋邊區(qū)外層有寬度為一個數(shù)據(jù)單位的靜區(qū)。尋邊區(qū)是"棋盤"的邊界，只用于定位和定義數(shù)據(jù)單位的大小，而不含有任何編碼信息。被尋邊區(qū)包圍的數(shù)據(jù)區(qū)包含著編碼信息。矩陣中的０、１就是ＤａｔａＭａｔｒｉｘ的黑白兩色小方格，即數(shù)據(jù)單位。

Ｄａｔａ Ｍａｔｒｉｘ采用了Ｒｅｅｄ－Ｓｏｌｏｍｏｎ交織交插編碼，編碼時加入了糾錯碼，使Ｄａｔａ Ｍａｔｒｉｘ的糾錯性能比較強。以一個５位的流水號"１２３４５"為例，通過編碼規(guī)則得到ＤａｔａＭａｔｒｉｘ的３位碼字和５位糾錯碼，可糾錯２位碼字，糾錯率為２／８＝２５％。

２ 用ＭＩＬ識別Ｄａｔａ Ｍａｔｒｉｘ碼

Ｍｅｔｅｏｒ－ＩＩ Ｓｔａｎｄａｒｄ是Ｍａｔｒｏｘ公司的一塊圖像采集卡，通過攝像頭采集外界圖像，然后實時地傳輸給主機內(nèi)存。ＭＩＬ函數(shù)開發(fā)包是一個獨立于硬件的３２位圖像處理函數(shù)庫，其中有大量基本的圖像處理函數(shù)。 ２．１ 基本過程

Ｄａｔａ Ｍａｔｒｉｘ識別的基本過程如圖２所示。通過ＭＩＬ提供的函數(shù)采集圖像，并將采集的圖像以數(shù)字化方式存儲在圖像緩沖區(qū)中；對圖像進行增強處理，提高圖像的識別準確率。實驗中通過平滑濾波方法，減少圖像噪聲，很好地解決了采集金屬零件的ＤａｔａＭａｔｒｉｘ碼時，由于碼符號邊沿亮度過亮影響圖像分割的問題；然后對圖像進行直方圖均衡化，擴大對比度的動態(tài)范圍，解決由于光照或攝像頭的原因，造成采集的圖像偏暗，對比度不夠顯著，引起圖像中明暗模糊不清的問題。

由于采集后的圖像有很多無用背景，Ｄａｔａ Ｍａｔｒｉｘ符號所在區(qū)域只占整個圖像很小的比重。采用遮罩的方法，用一個固定位置的子緩沖區(qū)限制圖像處理區(qū)域，忽略區(qū)域外的圖像，實現(xiàn)ＤａｔａＭａｔｒｉｘ的符號提取。最后用ＭＩＬ函數(shù)直接譯碼，并將譯碼結(jié)果放在指定的字符串中，用顯示語句在屏幕上打印結(jié)果。

２．２ Ｄａｔａ Ｍａｔｒｉｘ符號的膨脹

金屬零件上的Ｄａｔａ Ｍａｔｒｉｘ碼是氣動打印而成的，成點陣式，與標準的Ｄａｔａ Ｍａｔｒｉｘ符號不完全一樣，其點間空隙大。如對這種碼毫無處理地進行識別，則識別率會很低。為了解決這個問題，采用數(shù)學(xué)形態(tài)學(xué)的膨脹算法。為了提高識別準確度，可以將ＤａｔａＭａｔｒｉｘ符號膨脹若干次，縮小數(shù)據(jù)單位之間的空隙。這樣，計算機在"尋找"Ｄａｔａ Ｍａｔｒｉｘ的"Ｌ"型尋邊區(qū)時就容易準確得多。

２．３ 偽實時識別的實現(xiàn)

由于ＭＩＬ本身不支持圖像的實時處理，所以要實現(xiàn)實時識別需要用一種叫做雙緩沖的方法實現(xiàn)偽實時的圖像處理，ＣＰＵ每次處理的圖像其實是攝像頭采集的上一幀圖像。

雙緩沖區(qū)使一邊采集圖像一邊處理圖像成為可能，如圖３所示。攝像頭將圖像采集到圖像緩沖區(qū)１中等待處理，與此同時ＣＰＵ利用這段時間處理圖像緩沖區(qū)２中（上一幀）的圖像，完畢后兩個緩沖區(qū)的職能交換；ＣＰＵ處理緩沖區(qū)１中采集的前一時刻的圖像，而此時緩沖區(qū)２中的圖像已被處理完畢，可以接收攝像頭下一幀的采集圖像。如此往復(fù)，兩個緩沖區(qū)互換，不間斷地運行便可實現(xiàn)偽實時處理。在處理環(huán)節(jié)上加ＤａｔａＭａｔｒｉｘ識別功能，就能實現(xiàn)實時識別Ｄａｔａ Ｍａｔｒｉｘ。采集圖像和處理圖像正好相差一幀，所以是"偽"實時的，但是假如計算機運算速度足夠快，時間延遲的影響便可忽略。

這種方法的優(yōu)點是既實現(xiàn)了實時性，又將采集和處理這兩項進程分開，讓ＣＰＵ和攝像頭分別獨立并行地處理，充分利用了空閑時間。

３ 識別結(jié)果統(tǒng)計與分析

通過編程，實現(xiàn)了對金屬上的Ｄａｔａ Ｍａｔｒｉｘ碼進行識別，并統(tǒng)計了總的采集幀數(shù)（ｆ）、幀率（ｆ／ｓ）、識別成功的總幀數(shù)、識別率等信息。實驗證明在攝像頭焦距以及光源都相當(dāng)理想的情況下，識別率很高。

Ｄａｔａ Ｍａｔｒｉｘ識別的成功率與很多因素有關(guān)，首先是Ｄａｔａ Ｍａｔｒｉｘ符號本身，打印在紙上與打印在金屬零件上的點陣式ＤａｔａＭａｔｒｉｘ差異很大；其次是檢測時的運動失真，會影響識別成功率；再次是背景圖像的影響，Ｄａｔａ Ｍａｔｒｉｘ符號與背景色反差越大，背景中干擾圖像越少，識別成功率越高；光源、符號的旋轉(zhuǎn)等都會對識別造成影響。

３．１ 運動檢測的影響

Ｄａｔａ Ｍａｔｒｉｘ檢測常用在流水線上，這時需要考慮攝像頭與被檢測零件相對運動對識別的影響。在實驗中用固定零件、移動攝像頭的方法來模擬流水線中的運動檢測，記錄每次檢測時攝像頭的運動速度，以此找出零件上的ＤａｔａＭａｔｒｉｘ能夠被識別的最大相對運動速度。

現(xiàn)通過實驗測得２０組數(shù)據(jù)，以６ｍｍ×６ｍｍ的Ｄａｔａ Ｍａｔｒｉｘ為考察對象，結(jié)果如表１所示。

綜上結(jié)果，在光照和攝像頭焦距理想的情況下，最大識別的相對速度為２．００ｃｍ／ｓ，比該速度再快可能會因運動失真導(dǎo)致Ｄａｔａ Ｍａｔｒｉｘ無法識別。

３．２ 干擾圖像的影響

在相同條件下，背景干擾少的圖像識別率較高，尤其當(dāng)背景具有與Ｄａｔａ Ｍａｔｒｉｘ類似矩形狀的圖形時。在光照較好的條件下，測試金屬零件上的ＤａｔａＭａｔｒｉｘ識別率。在有背景干擾的情況和用子緩沖區(qū)屏蔽一些背景干擾的情況各測得１０組數(shù)據(jù)，分別如表２所示。

可見，用子緩沖區(qū)屏蔽一些無用的背景圖像后，識別效果總體上要略好于未屏蔽。

３．３ 光源的影響

光源對識別成功率的影響反映在圖像整體的明暗對比度上。對金屬零件上的Ｄａｔａ Ｍａｔｒｉｘ而言，其更多的是影響符號的清晰程度。光源位置如果選取不得當(dāng)，由于金屬的反光特性，金屬表面會形成一片亮度特別大的鏡面反射區(qū)，給ＤａｔａＭａｔｒｉｘ圖像造成強烈的干擾。

一種比較好的方法是用側(cè)光的方法。由于金屬零件上的Ｄａｔａ Ｍａｔｒｉｘ碼是氣動打印產(chǎn)生的，打印處會有高低起伏，這些區(qū)域的反光是漫反射，不同于其他區(qū)域的鏡面反射光，側(cè)光有助于把點陣與金屬反光的背景分開，將攝像頭避開了金屬的鏡面反光。圖４對比了側(cè)光和反射光下的二維碼狀態(tài)。

３．４ 識別程序的適應(yīng)性

識別程序的適應(yīng)性指適應(yīng)不同尺寸和打印類型Ｄａｔａ Ｍａｔｒｉｘ的能力。本文中考察的打印類型有金屬表面氣動打印、金屬表面電動針式打印和標準紙面激光打印三種。實驗結(jié)果表明，程序?qū)鈩邮酱蛴。模幔簦幔停幔簦颍椋a的識別能力普遍好于同樣是金屬材質(zhì)的電動針式打?。模幔簦?Ｍａｔｒｉｘ碼。不同尺寸的識別率基本相等。打印在紙上的標準ＤａｔａＭａｔｒｉｘ由于圖形標準、顏色穩(wěn)定、分辨率高等因素?zé)o需作太多的圖像增強和膨脹就能夠被計算機識別，識別率非常高。