Универсальный алгоритм дискретизации бихроматических двумерных графических кодов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Представляются математические основы и алгоритмы распознавания бихроматических двумерных графических кодов вне зависимости от их вида (QR-коды, DataMatrix, GridMatrix и др.). Этапы достижения результата включают в себя обнаружение кода, локализацию его произвольным четырехугольником, трансформацию четырехугольника в канонический квадрат, построение сетки элементов (модулей) квадратного кода и заполнение ее последовательностью битов. Показано, что формулы преобразования перспективы позволяют трансформировать локализованные четырехугольные области в канонические квадраты с допустимым для дальнейшей обработки уровнем погрешности. Плоская сетка элементов квадратного кода формируется на основе поиска экстремумов производных от распределения интенсивности пикселей изображения квадрата по осям 0х и 0y. В алгоритме заполнения ячеек сетки (модулей кода) последовательностью 0 и 1 используется информация о средней интенсивности каждой такой ячейки. В завершение статьи проводится тестирование алгоритмов на множестве реальных изображений двумерных кодов, исследуются ограничения предложенных алгоритмов.

Полный текст

Доступ закрыт

Об авторах

А. А. Трубицын

Рязанский государственный радиотехнический университет имени В.Ф. Уткина; ООО “Квантрон Групп”

Автор, ответственный за переписку.
Email: assur@bk.ru
Россия, 390005 Рязань, ул. Гагарина 59/1; 390010 Рязань, ул. Энгельса, д. 28а, помещ. Н2

М. В. Шадрин

ООО “Квантрон Групп”

Email: m.shadrin@kvantron.com
Россия, 390010 Рязань, ул. Энгельса, д. 28а, помещ. Н2

С. И. Холкин

ООО “Оператор-ЦРПТ”

Email: assur@bk.ru
Россия, 123376, Москва, ул Рочдельская, д. 15 стр. 16А, помещ. I

Список литературы

  1. Trubitsyn A.A., Shadrin M.V., Serezhin A.A. Localization of image fragments with high frequency intensity oscillation. Journal of Autonomous Intelligence. 2023. V. 6. № 2. P. 1–16.
  2. Трубицын А.А., Шадрин М.В. Обнаружение, локализация и трансформация двумерного графического кода. ГрафиКон 2023: 33-я Международная конференция по компьютерной графике и машинному зрению, 19–21 сентября 2023 г., Институт проблем управления им. В.А. Трапезникова Российской академии наук, г. Москва, Россия. 2023. С. 509–516.
  3. Karrach L., Pivarciova E. Options to use data matrix codes in production engineering. Management Systems in Production Engineering. 2018. V. 26. № 4. P. 231–236.
  4. Yamaguchi et al. Code type determining method and code boundary detecting method. US Patent 2005/O121520 A1. 09.06.2005.
  5. Szentandrási I., Herout A., Dubská M. Fast detection and recognition of QR codes in high-resolution images. SCCG '12: Proceedings of the 28th Spring Conference on Computer Graphics March. 2013. P. 129–136.
  6. Lin J.A., Fuh C.S. 2D barcode image decoding. Mathematical Problems in Engineering. 2013. 2013: 848276.
  7. Heckbert P.S. Fundamentals of texture mapping and image warping [M.S. thesis]. Department of Electrical Engineering, University of California, Berkeley, Calif, USA. 1989.
  8. Gonzalez R, Rafael R. Digital image processing. NY: Pearson. 2018. 1168 p.
  9. Abramowitz M., Stegun I.A. Handbook of Mathematical Functions: With Formulas, Graphs, and Mathematical Tables. NY: Dover Publications Inc. 1965. 1046 p.
  10. Otsu N.A. Threshold Selection Method from Gray-Level Histograms. IEEE Trans. Sys. Man. Cyber. 1979. V. 9. № 1. P. 62–66.
  11. Koleda P, Hrčková M. Global and Local Thresholding Techniques for Sawdust Analysis. Acta Facultatis Technicae. 2018. Vol XXIII. No 1. P. 33–42.
  12. Trubitsyn A., Grachev E. Switching median filter for suppressing multi-pixel impulse noise. Computer Optics. 2021. V. 45. № 4. P. 580–588.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Преобразование четырехугольника (1ʹ2ʹ3ʹʹ) в квадрат (1234): (а) схема обратного преобразования, (б) схема вычисления интенсивности пикселей.

Скачать (103KB)
Метаданные
3. Рис. 2. Трансформация QR-кода (а), предварительно локализованного четырехугольником (1234) на верхней грани куба по формулам: (б) – (2), (в) – (3).

Скачать (247KB)
Метаданные
4. Рис. 3. Трансформация и дискретизация DataMatrix: (а) – исходный для обработки локализованный код, (б) – результат трансформации четырехугольника (1234) в канонический квадрат, (в) – средний модуль производной по y интенсивности квадратного кода и кусочно-линейный фон (background), (г) – средний модуль производной после вычитания кусочно-линейного фона, (д) – наложение сетки с n × n = 24 × 24 ячейками, (е) – код с бинарными модулями.

Скачать (312KB)
Метаданные
5. Рис. 4. Обработка двумерных кодов: (а) – Aztec, (б) – GridMatrix. Верхний ряд 1 – исходные изображения, средний ряд 2 – результат обнаружения, локализации, трансформации в канонический квадрат и дискретизации на модули двумерного кода, нижний ряд 3 – результат бинаризации модулей кода (двумерная последовательность 0 и 1).

Скачать (334KB)
Метаданные
6. Рис. 5. Результаты полного цикла распознавания DataMatrix низкого качества: (а) – исходное изображение кода на жестяной банке, (б) – код после обнаружения и локализации, трансформации и дискретизации, (в) – бинаризованный канонически ориентированный код.

Скачать (163KB)
Метаданные
7. Рис. 6. Эффект расфокусировки QR-кода: (а) – идеальный код и профиль интенсивности выделенной строки (σ = 0.49), (б) – расфокусированный код и профиль интенсивности выделенной строки (σ = 0.20).

Скачать (185KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».