二维条码识读中光照对图像质量的影响

曹西征，何卫平，王 伟，郭改放，牛晋波

（西北工业大学 现代设计与集成制造重点实验室，陕西 西安 710072）

0 引言

刀具柱面直接标刻Data Matrix码（简称DM码）识读系统对识读的准确率有很高的要求。照明系统作为DM码识读系统的一个重要组成部分，其光强、光照稳定性及均匀性都影响着图像的成像质量以及最后的识读结果。因此对于DM码识读系统，照明系统除了要满足光学成像的基本要求之外，还要满足DM码识读的要求。

DM码的成像质量和几何畸变是影响DM的图像解码率的2个重要因素，由于几何失真大部分可通过逆透视变换得到纠正[1]，本文中主要对DM码的成像质量进行评价。很多算法针对如何补偿在不均匀照明条件下采集到的图像进行了研究[2-5]，还有一些文献讨论了如何根据刀具柱面的特性设计相应的照明光源以达到最佳的照明效果[6]，在光源位置确定的前提下，光照强度对条码的识读率有重要影响。

随着工业自动化程度的提高，对光源的控制不再仅仅局限于手动设置和调节。为了达到自动控制光源照度，保障高识读率的目的，本文在假定光照稳定、均匀的条件下，研究了照明光源对图像成像质量的影响，以条码的可识读率作为评价照明光源等级的指标。通过对不同照明方式和照度下图像特性的分析，找出了图像质量与条码识读率的内在关系和规律，并在不同的照明方式下采用Logistic方程对图像质量评价系统进行建模。将照度与条码识读率联系起来，使得可以通过对图像质量的分析来调整光源照度。

1 影响条码识读率的因素

刀具柱面直接标刻DM码识读系统由照明系统、定位调节系统、图像采集系统、条码解码系统组成。其中，定位调节系统和图像采集系统属于硬件支撑平台，控制采集的图像的区域大小；条码解码系统的解码算法对于条码识读率有至关重要的影响。然而，当上述系统都固定下来，并且解码算法在一定条件下能实现顺利解码时，照明光源成为影响条码识读率的重要因素，其照度、稳定性和均匀性都影响着最后条码的识读结果。

刀具表面的二维条码一般是通过激光雕刻机（采用适当的能量的激光），在金属表面形成一定深度的永久性条码图像[7]。当激光能量较小时，在只能去除金属表面皮层，形成一层较浅的与金属背景相比略显白色（简称白码）的标记；反之，当激光能量较大时，则会形成一层较深的氧化层，与金属背景相比表现为黑色（简称黑码）。如图1所示：

图1 激光标刻黑码与白码实例图

针对刀具柱面直接标刻的白码和黑码的不同特性，对标刻的白码采用暗视场照明方式，标刻的黑码采用组合照明方式。采用暗视场照明，在这种光源照明下，不易达到很高的对比度，但是背景简单，低噪声。采用结构式组合光源照明，在这种光源照明下，易于获得高对比度的图像，突出条码特征，但是刀具柱面的磨损、划痕和锈斑会使得条码图像背景复杂，高噪声。将两种类型的码都标刻在刀具柱面上，分别对其在对应光源的照明下的图像质量的进行研究。图2为图1中两种类型码在本装置光源下的图像：

图2 本装置光源下黑码与白码实例图

在光源的光照稳定性和均匀性均能得到保证时，照明光强对测量结果有重要影响。由于图像采集系统的最终积分电荷量与光源的光强和角度有关，因此，对于固定的图像采集系统，若光源的照度过大，将使图像采集系统达到饱和，而若光源的照度过低，所采集到的图像将会被噪声淹没。由此可见，光源光强的变化会引起图像质量的变化。

在基于机器视觉的条码识读系统中，主要通过对采集的条码图像进行处理获得条码信息。条码的编码信息对应于DM码的黑白模块的分布。因此图像的黑白模块边缘两侧的对比度对条码识读结果有很大影响。另外，图像的噪声水平、平均亮度也是影响识读准确性的因素。

本文中，图像对比度C的计算采用灰度差[8]

对图像噪声的评价采用文献[9]中的算法：先对图像进行分块，计算每块中的标准差，根据标准差构造高斯核函数对图像进行滤波，计算滤波后的块与原块之间的差值即为原图像估计噪声的标准差。

2 图像质量评价系统建模

为了研究采集的刀具柱面直接标刻DM图像质量与光源照明光强的关系，本文在暗视场照明、组合照明的条件下分别进行图像采集和条码可识读率研究，将光源照度从全暗到全亮分为16级。在每一级照度下，采集标刻于不同刀具柱面的DM码图像100幅，进行不同直径和表面特性DM码的可识读率实验，对不同照度下的识读率α进行分析。本实验系统结构如图3所示。由光源（组合照明光源、暗视场照明光源）、光学系统（镜头）、成像系统（CCD或CMOS摄像机）、图像采集系统（图像采集卡）和DM图像信息处理系统（计算机）组成。

图3 系统组成

2.1 组合照明

刀具柱面标刻的白色DM码采用组合照明光源，图4所示为组合照明时采集到的一组图像。由图4可见，由于光源置于物体前方，故光源只要达到一定的照度就很容易达到很高的对比度，但在极低照度的情况下，摄像系统采集到的图像对比度降低，噪声增大。

图4 组合照明方式下采集到的图像

通过对噪声和对比度的相关性检验可知，噪声与对比度基本呈负相关，在对比度较低的情况下，噪声很大，这就极大地影响了后续图像处理。由于噪声与对比度有很强的相关性，因此仅采用对比度作为评价图像质量的度量。图5所示为组合照明条件下随照明光强增大对比度C的归一化变化曲线。由测量数据可见，C值最大为112，在对照明光强很低和很强的情况下，C值较小，意味着图像质量较差；而在照明光强处于中间的情况下，且对比度达到一定阈值（C=45）后，DM码图像质量较好，可实现较高的DM码识读率。

本文首先阐述CCOS技术的原理及发展过程及CCOS技术的研究情况和实验结果，随后对几项关键技术的研究成果及现状进行综述，最后对CCOS技术未来的发展趋势进行展望。

图5 组合照明时对比度与识读率的关系曲线

采用Logistic模型拟合C-α关系，拟合结果为

对拟合的显著性进行检验，复相关系数R2=0.994，模型拟合的显著性很高，残差平方和SSE=17.61。图6为对比度与识读率的拟合曲线。

图6 图像对比度与识读率拟合曲线

2.2 暗视场照明

图7 所示为在暗视场照明的情况下采集到的图像。图8所示为随光源照明强度I增大，图像对比度C的归一化变化曲线。

由图7、8可见，在这种照明方式下，图像对比度C的最大值只有86，不易达到很高的对比度，并且对比度的变化并不一定是单调增加的。另外，对比度的变化还受刀具柱面纹理的影响。因此，对比度不能作为评价图像质量的惟一指标。图像的噪声作为另一个很重要的指标，在暗视场照明的条件下也较难评价，因为与组合照明相比，若被测物的表面纹路比较杂乱，就不易得到一个稳定的估算噪声的方法。经过多次实验，考虑到图像的低频分量表示图像的平滑部分，高频分量表示图像的噪声和边缘点，本文提出用图像低频分量比作为评价图像质量的指标。

图7 暗视场照明方式下采集到的图像

图8 光源照明光强与对比度的关系曲线

根据频率域图像滤波的理论[10]，边缘及其他尖锐变化（如噪声）在图像的灰度级中处于傅里叶变换的高频部分。因此，要获取图像的低频分量比，首先对图像做傅里叶变换，再用一个理想低通滤波器将傅里叶变换中的高频成分滤掉。低频分量比定义为图像中低频部分的功率占图像总功率的比值，即：

式中：PT为图像的总功率；P（fu，fv）为以 fr为截止频率的低频分量的功率；fu、fv为二维图像频率。由于图像90%以上的功率包含在较低的频率范围内。故fr取在低频范围内即可。本文中，取fr=15。图9所示为图像的识读率α随低频分量比β变化而变化的曲线。根据曲线的特征，同样采用Logistic模型进行拟合。其中，当β在0.65～0.85之间时，识读率较高。拟合结果为：

图9 图像低频分量比与识读率的关系曲线

对拟合的显著性进行检验，复相关系数R2=0.9840，拟合的显著性很高，残差平方和SSE=18.53。图10为低频分量比β与识读率α的拟合曲线。由图10可见，模型选用得比较恰当。

图10 图像低频分量比与识读率拟合曲线

在实际应用中为了达到自动控制光源照度的目的，需根据拟合曲线设定一定的阈值。根据实验结果，在组合照明的情况下，通过计算对比度是否达到45来判断是否达到规定的照明要求；在暗视场照明的情况下，当取fr=15时，则通过计算低频分量比是否位于0.65～0.85之间来判断是否达到规定的照明要求。低频分量比的阈值随取不同值而变化，但在实际应用中，只需设定一个固定的fr值并由此得到一个固定的阈值。拟合后的模型还可以用来对DM码识读准确率的预测，达到更好地控制光源的目的。

3 结语

本文通过对光源的照明方式及光强对图像质量影响的分析，在照明系统、图像采集系统和DM码解码系统均工作在较高准确度的情况下，以条码的可识读率作为评价光照强度优劣的指标，找出图像质量与条码识读率的关系。建立了图像质量与条码识读率的模型。在组合照明与暗视场照明的条件下，分别用图像对比度及图像的低频分量比对图像质量进行评价，使得可以根据图像对比度及低频分量比来调整光源，以达到自动控制光源照度及保障刀具柱面直接标刻DM码准确识读的目的。

[1] 李夏霜，何卫平，雷 蕾，等.刀具柱面Data Matrix码几何畸变的仿真分析[J].上海交通大学学报，2012，46（9）：1349－1354.

[2] Lai S H，Fang M.Novel illumination compensation algorithm for industrial inspection[J].Journal of Electronic Imaging，2001，10（1）：359－366.

[3] Soria－Frisch A，Ko¨ppen M.Image enhancement through intelligent localized fusion operators in the automated visual inspection of highly reflective surfaces[J].Information Fusion，2008，9（2）：142－155.

[4] 田涌涛，李 娟，王有庆，等.视觉检测系统中亮度不均匀背景的一种去除方法[J].机床与液压，2003，（2）：228－229.

[5] 杜 平，徐大为，刘重庆.光照和噪声条件下的人脸识别[J].上海交通大学学报，2003，37（9）：1443－1451.

[6] 王红霄，何卫平，雷 蕾，等.刀具柱面二维条码识读发光二极管照明均匀度仿真分析[J].上海交通大学学报，2011，25（7）：946－948.

[7] 王苏安，何卫平，张 维，等.直接激光标刻和二维条码技术在刀具标识中的应用研究[J].中国机械工程，2007，18（6）：676－680.

[8] Chen C，Kot A C，Yang H.A quality measure of mobile phone captured 2d barcode images[C]//Image Processing （ICIP），201017th IEEE International Conference on.IEEE，2010：329－332.

[9] Shin D H，Park R H，Yang S，et al.Block－based noise estimation using adaptive Gaussian filtering [J].Consumer Electronics，IEEE Transactions on，2005，51（1）：218－226.

[10] 冈萨雷斯，著.阮秋琦，阮宇智，译.数字图像处理（第2版）[M].北京：电子工业出版社，2005：132－133.