ОЦЕНКА КАЧЕСТВА ОБРАБОТКИ ИЗОБРАЖЕНИЯ ЛИНЕЙНОГО МНОГОШИРИННОГО ШТРИХОВОГО КОДА НА ЭТАПАХ ДЕМОДУЛЯЦИИ Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 519.248: 004.93

Оценка качества обработки изображения линейного многоширинного штрихового кода на этапах демодуляции

И.И. Михайлов Национальный исследовательский университет «МИЭТ»

Рассмотрены этапы алгоритма автоматической демодуляции искаженных изображений линейного многоширинного штрихового кода. Для оценки работы алгоритма демодуляции на каждом этапе введены критерии качества и обобщенный показатель качества демодуляции, определяющий эффективность алгоритма в целом.

Ключевые слова: обработка изображений, пороговая обработка, шум, расфокусировка, фильтрация.

При создании программных продуктов для считывания линейных многоширинных штриховых кодов необходимо обеспечить точность определения границ элементов с допустимой погрешностью. В известных алгоритмах демодуляции [1-3] для выделения границ элементов широко используется метод Марра.

В настоящей работе с целью повышения качества автоматической демодуляции искаженных изображений линейных многоширинных штриховых кодов разработана стратегия демодуляции, включающая предварительные этапы, направленные на подавление шумов и расфокусировки изображений, и этап адаптивного поиска границ элементов с субпиксельной точностью. В ходе разработки алгоритма введены критерии качества изображения многоширинного штрихового кода, получаемого на каждом из этапов автоматической демодуляции: подавление шумов; подавление расфокусировки; адаптивный поиск границ с субпиксельной точностью.

Для оценки качества работы алгоритма демодуляции разработана тестовая модель линейного многоширинного штрихового кода Code128 с модулем 3 пикселя и закодированной последовательностью 33 34 37 64 21 13 61 35 60 82 62 (рис.1). Такая последовательность выбрана с целью максимального взаимного влияния черных и белых элементов кода в условиях искажений. На основе тестовой модели создана искусственная база кодов с искажениями, вклю- Рис1 тестовая модель линейного мно-чающими: гоширинного штрихового кода Code128

- гауссов шум, характеризуемый плот- с закодированной последовательностью ностью вероятностей Р(1) случайной величины яркости I:

33 34 37 64 21 13 61 35 60 82 62

Р{1 ) = -!=

е 2Ь'

где Ь - среднеквадратичное отклонение (СКО) шума, Ье[0; 200];

© И.И. Михайлов, 2012

2

I

3334376421136135608262

гауссов фильтр низких частот (ГФНЧ):

2а2

к{п) = е

где п - номер отсчета; а - коэффициент нерезкости, определяющий степень расфокусировки профиля, ое[0; 3,2].

Ввиду того что линейные коды не содержат информации по высоте элементов, при работе алгоритма демодуляции используется обработка данных на основе профиля кода, представляющего собой одномерную функцию распределения яркости вдоль линии, поперечной штрихам.

Оценка «контраста профиля» штрихового кода на этапе подавления шумов. В качестве критерия оценки подавления шумов на изображении штрихового кода выбран параметр - контраст профиля:

K =

I -1

max min

255

I -1

max min 1 max ^1 min

(1)

где Imax и Imln - среднее значение яркости белых и черных элементов, Imax и Imm - максимальное и минимальное значение яркости на профиле штрихового кода соответственно.

В случае зашумленного изображения штрихового кода, когда значения

яркости элементов кода отличаются от идеальных (0 и 255), параметр К< 1 за счет влияния нормировочного коэффициента в формуле (1).

Применение критерия K позволило оценить качество обработки зашумленных изображений линейных штриховых кодов при использовании фильтров различных типов [4]. Наиболее эффективными оказались нелинейные фильтры, в частности ранговый фильтр [5], длиной 9 элементов с оптимальными пороговыми коэффициентами Ti = 8, T2 = 14, T3 = 25, T4 = 72.

На рис.2 приведены результаты работы фильтров при подавлении гауссова шума с СКО в диапазоне [0; 200], показывающие преимущества ранговой фильтрации.

Оценка качества фильтрации на этапе подавления расфокусировки. Для анализа качества фильтрации расфокусированного профиля штрихового кода использована гистограмма распределения перепадов яркости [6].

Градации перепадов яркости на гистограмме распределяются по трем условным группам. Первая группа k1 имеет явные признаки перепадов яркости при ложных элементах кода. Перепады второй группы k2 можно отнести как к ложным, так и к действительным элементам кода. В третьей группе k3 находятся перепады с явными признаками перепадов яркости при действительных элементах кода. Каждая группа характеризуется числом в виде отношения количества перепадов в группе n к общему

количеству перепадов Лобщ, включающему как перепады при действительных элементу

1 шума

Рис.2. Зависимость контраста профиля тестовой модели штрихового кода от СКО шума: ♦ - линейный фильтр; ■ - медианный фильтр; ▲ - ранговый фильтр

тах, так и при ложных элементах кода: ht =

N.

общ

2

n

Оценка качества обработки изображения линейного многоширинного штрихового кода...

За показатель качества фильтрации принимается центр масс, вычисленный для всех значений перепадов яркости в группах к2 и к3 (ложные перепады яркости группы к1 исключаются из рассмотрения):

X N ■ 1

г = ^ 255. (3)

Здесь у - значение перепада яркости в гистограмме; N - количество перепадов яркости со значением у.

Показатель качества фильтрации определяет стремление к идеальному случаю -профилю, содержащему только черные и белые элементы.

В таблице представлены результаты оценки работы фильтров [6] по критерию (2).

Распределение перепадов яркости в группах после применения фильтров к профилю тестовой модели при различных значениях коэффициента нерезкости

Гауссов фильтр высоких частот Фильтр на основе

Коэффициент нерезкости, о Инверсный фильтр восстанавливающих масок

к1 к2 кэ г к\ к2 кв г к1 к2 к3 г

1,5 0,3281 0,3281 0,3438 171,5 0,4625 0,05 0,4875 242,5 0 0,7209 0,2791 186,8

1,7 0,3281 0,4453 0,2266 193,1 0,3768 0,3406 0,2826 227,3 0 0,9767 0,0233 148,8

2,0 0,1569 0,7843 0,0588 178,1 0,2951 0,2787 0,4262 205,0 0 0,7210 0,2791 240,5

2,2 0,1042 0,8333 0,0625 163,2 0,1569 0,7843 0,588 152,6 0 0,7209 0,2791 214,0

2,5 0 0,7209 0,2791 131,0 0,1569 0,7353 0,1078 151,0 0,3723 0,1752 0,4526 250,5

2,7 0 0,7273 0,2727 100,3 0,0652 0,8478 0,0870 148,2 0,2182 0,0182 0,7636 232,5

3,0 0 0,6250 0,3750 93,1 0 0,8953 0,1047 126,4 0,0851 0,6596 0,2553 163,7

3,2 0 0,6250 0,3750 86,0 0 0,8750 0,1250 124,5 0,2712 0,5254 0,2034 144,4

По показателю качества фильтрации наилучшие результаты среди рассмотренных фильтров получены при использовании фильтра на основе восстанавливающих масок [6].

Гистограммы распределения перепадов яркости расфокусированного профиля с коэффициентом нерезкости о = 2,7 до и после обработки фильтрами представлены на рис.3. Ложные перепады яркости, возникающие в результате фильтрации при использовании восстанавливающих масок (рис.3,г), лежат в левой части гистограммы и могут быть легко устранены в ходе дальнейшей обработки.

Рис.3. Гистограммы распределения перепадов яркости тестовой модели профиля штрихового кода с коэффициентом нерезкости о = 2,7: а - исходная; б - после обработки ГФВЧ; в - после обработки инверсным фильтром; г - после обработки фильтром на основе

восстанавливающих масок

Критерий определения границ элементов кода при адаптивном поиске.

Адаптивный поиск границ элементов кода [4] проводится путем вычисления яркости в скользящем окне для центрального перепада. Окно захватывает 13 перепадов яркости (две буквы кода). Порог бинаризации для каждого перепада яркости будет равен:

I ' =

I' _(I' _ I )

тах \ тах /

I'_ I

I _ I'

при

I >

I'+1'

т' + (т_ Г' )-

1 тт + V 1 тт/ тг

I _ I:

I' _ I

тах

при I <

I:

2

.+1:

(4)

2

где I '- яркость экстремумов при перепаде; I - средняя яркость, получаемая как:

J _ ^тах + "^т

2

Граница элемента находится путем вычисления координаты точки пересечения порога бинаризации Iрассчитанного в соответствии с (3) с прямой, соединяющей два соседних пиксела:

+ —)• 1О)_ 7 • 1О +1)_ !'

+1) •

Критерий ошибки определения буквы кода. В качестве критерия принимается минимальное значение квадрата расстояния (евклидово расстояние) между буквами в алфавите кода, нормированное на длину буквы:

1 1

р2 (*> у)=у _ у )2'

' ¿=1

где хг-, у1 - ширины элементов двух сравниваемых букв X и У из алфавита кода; I - длина буквы кода.

Допустимой ошибкой при корректной

демодуляции букв кода будет в < втах = Р-.

Для алфавита Code128 получим в < —.

6

Предложенный критерий допустимой ошибки позволяет выявить преимущества метода адаптивного поиска границ элементов линейного штрихового кода по сравнению с используемым при определении границ элементов кода методом Марра (рис.4).

Обобщенный показатель качества демодуляции. Качество демодуляции можно описать кривыми, ограничивающими область декодирования параметрами искажения кода: СКО шума и коэффициента нерезкости. Для описания качества демодуляции выбран обобщенный показатель - произведение площади под кривой демодуляции, максимальных значений СКО шума и коэффициента нерезкости: £^тах^отах.

Рис.4. Зависимость ошибки определения буквы кода от коэффициента нерезкости при поиске границ элементов кода: х - адаптивный метод; о - метод Марра;---допустимая ошибка

Оценка качества обработки изображения линейного многоширинного штрихового кода.

На рис.5 показаны результаты демодуляции с использованием перечисленных критериев и результататы демодуляции фирмы «Barcode Vision». По обобщенному показателю качества демодуляции предлагаемый алгоритм автоматической демодуляции превосходит ПО фирмы «Barcode Vision» в 170500 / 5166 = 33 раза.

Разработанные критерии для каждого этапа демодуляции линейного многоширинного штрихового кода позволяют проводить анализ эффективности работы применяемых фильтров, выбрать оптимальные и оценить качество разработанной стратегии автоматической демодуляции.

Литература

1. Kongqiao Wang, Yanming Zou, Hao Wang. Bar code reading from images captured by camera phones // Mobile Technology, Applications and Systems: 2-nd Intern. Conf. (Guangzhou, 2005). - 2005. - P. 6.

2. Kongqiao Wang, Yanming Zou, Hao Wang. 1D bar code reading on camera phones // Intern. J. of Image and Graphics. - 2007. - Vol. 7. - N 3. - P. 529-550.

3. Ортюков С.И. Распознавание символов двумерного стекового штрихового кода PDF417 на изображениях низкого качества при наличии помех и искажений различного рода // Вестник компьютерных и информационных технологий. - 2007. - Вып. 4. - С. 22-26.

4. Михайлов И.И. Обработка размытых и зашумленных изображений линейных многоширинных штриховых кодов // Вопросы оборонной техники. Сер. 9. Специальные системы управления, следящие приводы и их элементы: сб. - 2010 - Вып. 3(244)-4(245).- С. 65-70.

5. Mikhaylov I. Using rank filters to reduce noise on linear barcode images // Interactive Systems: Problems of Human-Computer Interaction: VIII Intern. Scien. and Techn. Conf. (Russia, Ulyanovsk, USTU, Sep. 2009). - 2009. - P. 374-382.

6. Михайлов И.И. Анализ методов частотной фильтрации расфокусированных изображений штрихового кода // Российская конф. аспирантов, студентов и молодых ученых ИВТ-2010: сб. науч. тр. / Под ред. В.Н. Негоды. - Ульяновск: УлГТУ, 2010. - С. 354-360.

Статья поступила 15 августа 2011 г.

Михайлов Игорь Игоревич - аспирант кафедры систем автоматического управления и контроля в микроэлектронике МИЭТ. Область научных интересов: цифровая обработка сигналов, машинное зрение. E-mail: skink@list.ru

220

0 0,5 1 1,5 2 2,5 3 3,5 Коэффициент нерезкости

Рис.5. Результаты тестирования разработанного алгоритма демодуляции (•) и ПО фирмы «Barcode Vision» на тестовой базе штриховых кодов (▲)