Odporne rozpoznawanie kodów QR na opakowaniach produktów

• Autorzy: Okarma K. , Lech P.

Warianty tytułu

Robust recognition of QR codes on products‘ packages

• Języki publikacji: PL

Abstrakty

PL

Rozpoznawanie dwuwymiarowych kodów binarnych, takich jak kody QR, jest coraz powszechniej używanym narzędziem nie tylko w nowoczesnych urządzeniach mobilnych, ale stanowi również atrakcyjny kierunek rozwoju automatycznych systemów magazynowo-logistycznych. Niestety pomimo obecności nadmiarowych informacji oraz wykorzystaniu kodów Reeda-Solomona, poprawne rozpoznanie kodu nie zawsze jest możliwe. Przyczyną takiego stanu rzeczy może być ograniczenie aplikacji dedykowanych do tego celu wynikające np. z założeń związanych z tłem, na którym znajduje się kod. W przypadku braku zachowania odpowiednich marginesów separujących tło od właściwego kodu, jego poprawne rozpoznanie nastręcza poważnych trudności. Z tego względu w artykule zaproponowano algorytm przetwarzania wstępnego obrazu umożliwiający odporne rozpoznawanie kodów QR bez ograniczeń związanych z tłem oraz otoczeniem fragmentu opakowania, na którym znajduje się obraz kodu.

EN

Recognition of two-dimensional binary codes, such as QR codes, is becoming even more widely used tool not only in modern mobile devices, but it is also an attractive direction of development for automated warehouse and logistic systems. Unfortunately, despite the presence of redundant information and the use of Reed-Solomon codes, the correct recognition of the code is not always possible. The reason may be some limitations of the application dedicated for this purpose due to e.g. the assumptions related to the surface on which the code is presented. In the case of absence of appropriate margins separating the background from the code, the correct recognition poses serious difficulties. For this reason, in the paper the image pre-processing algorithm is proposed that allows the robust recognition of QR codes without the limitations of the background and the surrounding part of an package that contains the image of the code.

Słowa kluczowe

PL

kody QR; techniki wizyjne; analiza obrazów

EN

QR codes; vision based methods; image analysis

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2015
• Tom: nr 4
• Strony: 5089--5095, CD 2
• Opis fizyczny: Bibliogr. 11 poz., rys., wz.

Twórcy

autor

Okarma K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37; Tel: [phone], Fax: [phone]

autor

Lech P.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37; Tel: [phone], Fax: [phone]

Bibliografia

• 1. Brown J., ZBar bar code reader. http://zbar.sourceforge.net/
• 2. Gooch A.A., Olsen S.C., Tumblin J., Gooch B.B., Color2gray: salience-preserving color removal. ACM Transactions on Graphics 2005, vol. 24 no. 3, pp. 634_639.
• 3. Grundland M., Dodgson N.A., Decolorize: Fast, contrast enhancing, color to grayscale conversion. Pattern Recognition 2007, vol. 40 no. 11, pp. 2891_2896.
• 4. International Telecommunication Union Recommendation BT.601-7 – Studio encoding parameters of digital television for standard 4:3 and wide-screen 16:9 aspect ratios (2011).
• 5. International Telecommunication Union Recommendation BT.709-5 – Parameter values for the HDTV standards for production and international programme exchange (2002).
• 6. Kapur J., Sahoo P., Wong A., A new method for gray-level picture thresholding using the entropy of the histogram. Computer Vision, Graphics, and Image Processing 1985, vol 29 no. 3, pp. 273–285.
• 7. Lech P., Okarma K., Tecław M., A fast histogram estimation based on the Monte Carlo method for image binarization. Image Processing and Communications Challenges 5. Series: Advances in Intelligent Systems and Computing 2014, vol. 233, pp. 73–80, Springer International Publishing.
• 8. Niblack W., An Introduction to Digital Image Processing, Prentice-Hall, Englewood Cliffs 1986, pp. 115–116.
• 9. Otsu N., A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man and Cybernetics 1979, vol. 9 no. 1, pp. 62–66.
• 10. Rosin P., Unimodal thresholding. Pattern Recognition 2001, vol. 34, no. 11, pp. 2083–2096.
• 11. Sauvola J., Pietikäinen M., Adaptive document image binarization. Pattern Recognition 2000, vol. 33 no. 2, pp. 225–236.