基于数学形态学的二维条码边缘检测算法

doi:10.3778/j.issn.1002-8331.2008.24.060

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (24): 197-199.DOI: 10.3778/j.issn.1002-8331.2008.24.060

• 图形、图像、模式识别 • 上一篇下一篇

基于数学形态学的二维条码边缘检测算法

谢俊喜¹,唐朝晖¹,桂卫华¹,龚贺²

1.中南大学信息科学与工程学院，长沙 410083
2.湖南省标准化研究院，长沙 410015

收稿日期:2007-10-26 修回日期:2008-01-21 出版日期:2008-08-21 发布日期:2008-08-21
通讯作者: 谢俊喜

Edge detection algorithm in two-dimension bar code based on mathematical morphology

XIE Jun-xi¹,TANG Zhao-hui¹,GUI Wei-hua¹,GONG He²

1.College of Information Science and Engineering，Central South University，Changsha 410083，China
2.Hunan Province Institute of Standardization，Changsha 410015，China

Received:2007-10-26 Revised:2008-01-21 Online:2008-08-21 Published:2008-08-21
Contact: XIE Jun-xi

摘要/Abstract

摘要： 边缘模糊会导致二维条码识别率下降，提出了一种基于数学形态学边缘检测的二维条码识别算法，该算法最大的特点是用具有特定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的，从而有效地降低边缘模糊对条码识别的影响。选取PDF417二维条码为应用对象，采用基于数学形态学对二维条码的识别算法选择合适的结构元素。实验结果表明与传统的几种边缘检测算法相比，基于数学形态学对二维条码的识别算法能够更有效地识别条码边界，显著地提高了条码的识别率。

关键词: 数学形态学, 边缘检测, 结构元素, 条码识别, PDF417

Abstract: The blurred edge causes the decline of the two-dimension barcode recognition rate.A novel edge detection recognition algorithm based on mathematical morphology is proposed in this paper.The algorithm’s biggest characteristic is used structure elements with particular form to measure and abstract corresponding shape in the image in order to analyze and identify the image.Therefore blurred edge’s effect on barcode’s identification can be effectively cut down.By applying choose PDF417 two-dimension barcode as target，the paper utilizes the identifying calculation method that based on mathematical morphology，choosing suitable structure elements，and makes a comparison with several traditional edge detection methods.The result shows that the two-dimension barcode identification algorithm based on mathematical morphology can identify barcode’s edge more effectively and strikingly raise barcode’s identifying ratio.

Key words: mathematical morphology, edge detection, structure elements, bar code recognition, PDF417

谢俊喜¹,唐朝晖¹,桂卫华¹,龚贺². 基于数学形态学的二维条码边缘检测算法[J]. 计算机工程与应用, 2008, 44(24): 197-199.

XIE Jun-xi¹,TANG Zhao-hui¹,GUI Wei-hua¹,GONG He². Edge detection algorithm in two-dimension bar code based on mathematical morphology[J]. Computer Engineering and Applications, 2008, 44(24): 197-199.

[1]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[2]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[3]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[4]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[5]	孙梦茹，王瑜，邢素霞. 基于结构局部边缘模式的绿色植物物种识别[J]. 计算机工程与应用, 2019, 55(3): 167-170.
[6]	韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.
[7]	聂东林，王洪辉，王翔，孟令宇. 基于图像处理的滑坡后缘裂缝运动轨迹分析[J]. 计算机工程与应用, 2019, 55(22): 201-205.
[8]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[9]	吴进，赵隽，李聪，吴汉宁. 机器视觉中边缘检测算法的SDSoC加速实现[J]. 计算机工程与应用, 2019, 55(12): 208-214.
[10]	杜树林，邱卫根，张立臣. 组件树理论和方法研究综述[J]. 计算机工程与应用, 2019, 55(12): 44-53.
[11]	刘丽霞1，李宝文3，王阳萍1，2，杨景玉1，2. 改进Canny边缘检测的遥感影像分割[J]. 计算机工程与应用, 2019, 55(12): 54-58.
[12]	张经宇，滕建辅，白煜. 医学图像边缘检测的Levy-DNA-ACO算法研究[J]. 计算机工程与应用, 2018, 54(8): 14-20.
[13]	朱明明1，许悦雷1，张旭蕾2，马时平1，吕超1，辛鹏1，邹洪中1，马红强1. 基于V1细胞特性的边缘检测[J]. 计算机工程与应用, 2018, 54(5): 200-205.
[14]	李忠海，金海洋，邢晓红. 整数阶滤波的分数阶Sobel算子的边缘检测算法[J]. 计算机工程与应用, 2018, 54(4): 179-184.
[15]	况杰，章杨松，赵佳斌. 基于相位一致性图像处理的岩体裂隙自动检测[J]. 计算机工程与应用, 2018, 54(24): 193-197.

基于数学形态学的二维条码边缘检测算法

Edge detection algorithm in two-dimension bar code based on mathematical morphology

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics