基于iPhone手机的数字码实时识别与应用

J4 ›› 2015, Vol. 37 ›› Issue (12): 2399-2404.

基于iPhone手机的数字码实时识别与应用

成一功1,2 ，李国和1,2,3，林仁杰1,2，何云1,2，吴卫江1,2,3，洪云峰3，周晓明3

(1.中国石油大学（北京）地球物理与信息工程学院，北京 102249；
2.中国石油大学（北京）油气数据挖掘北京市重点实验室，北京 102249；
3.石大兆信数字身份管理与物联网技术研究院，北京 100029)

收稿日期:2014-12-20 修回日期:2015-03-12 出版日期:2015-12-25 发布日期:2015-12-28
基金资助:
国家高新技术研究发展计划资助项目(2009AA062802)；国家自然科学基金资助项目（60473125)；中国石油（CNPC）石油科技中青年创新基金资助项目（05E7013)；国家重大专项子课题资助项目（G580008ZSWX）

Recognition of printednumerical codes
and its application based on iPhones

CHENG Yigong1,2,LI Guohe1,2,3,LIN Renjie1,2,HE Yun1,2,WU Weijiang1,2,3,HONG Yunfeng3,ZHOU Xiaoming3

(1.College of Geophysics and Information Engineering,China University of Petroleum,Beijing 102249;
2.Beijing Key Lab of Data Mining for Petroleum Data,China University of Petroleum,Beijing 102249;
3.PanPass Institute of Digital Identification Management and Internet of Things,Beijing 100029,China)

Received:2014-12-20 Revised:2015-03-12 Online:2015-12-25 Published:2015-12-28

摘要/Abstract

摘要：

根据苹果手机拍摄防伪标签数字实时识别的需要，针对防伪数字字号较小的因素和苹果手机因拍摄距离的原因造成的图像缩小、数字模糊、背景复杂等问题进行处理，提高识别精度。首先通过人工选取数字码区域，并进行背景数字分离，定位获取数字图像；其次采用灰度化和二值化得到黑白图像；然后通过投影对数字码图像进行分割，并对每个数字图像进行归一化、锐化和细化；基于统计学抽取数字码的特征，采用最近邻域判别函数进行数字码识别，取得很好的识别效果。

关键词: 数字码标签, 图像处理, 数字码识别, iPhone手机

Abstract:

To meet the need of realtime shoot and identification of numerical codes printed on goods labels, due to the small size of numerical codes and the small, fuzzy, complex images taken by iPhones from long distance, we propose a series of image processing to improve the recognition accuracy. First, we choose numerical regions manually, and then separate numerical codes from the background, thus obtaining a numerical image. Then the numerical image is transformed to a whiteblack one by graying and binaryzation. Each numerical code image is segmented by projection method, and then they are normalized, sharpened, and thinned. We finally adopt the nearest neighbor method to recognize the numerical codes based on the extracted statistical features. Experimental results prove the high recognition accuracy.

Key words: numerical code label;image processing;numeral recognition;iPhone

成一功1,2 ，李国和1,2,3，林仁杰1,2，何云1,2，吴卫江1,2,3，洪云峰3，周晓明3. 基于iPhone手机的数字码实时识别与应用[J]. J4, 2015, 37(12): 2399-2404.

CHENG Yigong1,2,LI Guohe1,2,3,LIN Renjie1,2,HE Yun1,2,WU Weijiang1,2,3,HONG . Recognition of printednumerical codes
and its application based on iPhones [J]. J4, 2015, 37(12): 2399-2404.

参考文献

［1］Zhou Zehua, Hu Xueyou, Tan Min, et al. A method based on BP neural network to realize printed numeric character diagnosis［J］. Automation & Instrumentation, 2009(5)：110112.(in Chinese)
［2］He Song,Qi Jianyu. Handwritten digit recognition based on the improved BP neural network［J］. Computer Science,2011,38(10A):204205.(in Chinese)
［3］Zhang Wei,Wang Kejian,Qin Zhen. Digital recognition research based on neural network ［J］. Microelectronics & Computer,2006,23(8):206208.(in Chinese)
［4］Tong Lijing,Zhang Yan,Shu Wei,et al. The comparison and analysis of several kinds of binarization methods of the document image［J］.Journal of North China University of Technology,2011,23(1):2533. (in Chinese)
［5］Du Zhaobin,Luo Xiaohui. Image sharpening algorithm of adaptive template ［J］. Engineering Geology Computer Application, 2007(3)：2124.(in Chinese)
［6］Zeng Jialiang. Image sharpening algorithm based on edge detection［J］.Modern Electronics Technique,2006,29(12)：9091.(in Chinese)
［7］Mei Yuan, Sun Huaijiang, Xia Deshen. An image fast thinning algorithm based on improved template［J］.Journal of Image and Graphics, 2006(9)：13061311.(in Chinese)
［8］Chen Aibin,Lu Lina. Printed digit recognition based on the characteristics［J］. Computing Technology and Automation,2011,30(3):105108.(in Chinese)
［9］Chen Wei,Cao Zhiguang,Li Jianping. Improved template matching method in the application of license plate recognition ［J］. Computer Engineering and Design,2013,34(5):18081811.(in Chinese)
［10］Xu Ling,Jiang Xinzhi,Zhang Jie. The design and implementation of QR code identification system on mobile ［J］. Journal of Computer Applications,2012,32(5):14741476.(in Chinese)附中文参考文献：
［1］周泽华,胡学友,谭敏,等.基于神经网络的印刷体数字字符的识别［J］.自动化与仪器仪表,2009(5)：110112.
［2］何松,戚建宇. 基于改进BP神经网络的手写体数字识别［J］. 计算机科学,2011,38(10A):204205.
［3］张伟,王克俭,秦臻. 基于神经网络的数字识别的研究［J］. 微电子学与计算机,2006,23(8):206208.
［4］童立靖,张艳,舒巍,等. 几种文本图像二值化方法的对比分析［J］. 北方工业大学学报,2011,23(1):2533.
［5］杜召彬,罗晓晖.自适应模板的图像锐化算法［J］. 工程地质计算机应用,2007(3)：2124.
［6］曾嘉亮.基于边缘检测的图像锐化算法［J］. 现代电子技术, 2006,29(12)：9091.
［7］梅园,孙怀江,夏德深.一种基于改进后模板的图像快速细化算法［J］. 中国图象图形学报, 2006(9)：13061311.
［8］陈爱斌,陆丽娜. 基于多特征的印刷体数字识别［J］. 计算技术与自动化,2011,30(3):105108.
［9］陈玮,曹志广,李剑平. 改进的模板匹配方法在车牌识别中的应用［J］. 计算机工程与设计,2013,34(5):18081811.
［10］徐玲,蒋欣志,张杰.手机二维码识别系统的设计与实现［J］. 计算机应用,2012,32(5):14741476.

[1]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[2]	刘从军, 徐佳陈, 肖志勇, 柴志雷. 基于深度学习的心脏核磁共振图像自动分割算法[J]. 计算机工程与科学, 2022, 44(09): 1646-1654.
[3]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[4]	左宪禹1,2，张哲1,5，黄祥志4,5，葛强1,2，张理涛3，臧文乾4,5. 一种适用于GPU图像处理算法的合并存储结构[J]. 计算机工程与科学, 2020, 42(02): 197-202.
[5]	陈凯峰，梁鉴如. 用于图像处理的FPGA存储器优化分配[J]. 计算机工程与科学, 2019, 41(11): 1924-1929.
[6]	王岩全，孙博文. 基于单目摄像头的3D动态手势交互[J]. 计算机工程与科学, 2018, 40(09): 1662-1669.
[7]	徐顺1,2,刘倩1,2,张宝花1,2,何连花1,2,金钟1,2. 基于Intel MIC平台大规模耗散粒子动力学模拟的设计与优化[J]. 计算机工程与科学, 2017, 39(08): 1391-1396.
[8]	倪尧，鲍宇. 基于目标轮廓几何特征的电容元件定位方法[J]. 计算机工程与科学, 2017, 39(08): 1476-1482.
[9]	麦超，邹维宝. 稀疏受限玻尔兹曼机研究综述[J]. 计算机工程与科学, 2017, 39(07): 1379-1384.
[10]	刘祝华，袁文. 向导滤波器的整数FPGA设计结构[J]. 计算机工程与科学, 2017, 39(02): 336-342.
[11]	陈清江，张彦博，柴昱洲，魏冰蔗 . 结合区域特性的有限离散剪切波图像融合[J]. 计算机工程与科学, 2017, 39(02): 351-358.
[12]	黄文辉，冯瑞. 基于Spark Streaming的视频/图像流处理与新的性能评估方法[J]. J4, 2015, 37(11): 2055-2060.
[13]	邹焕新，周石琳，雷琳，计科峰，孙浩. “数字图像处理”课程双语教学的探索和实践[J]. J4, 2014, 36(A2): 226-230.
[14]	王晓芳，范智，陈萍，张旭. 基于任务驱动的外训图像处理课程教学实践[J]. J4, 2014, 36(A2): 315-318.
[15]	徐富新，黄玉秀，王洲，王晶. 基于字符识别的实验报告自动打分系统的设计[J]. J4, 2014, 36(09): 1754-1759.