高噪声环境下的快递包裹条形码的快速定位分割识别

王宁　姜全春　蒋林华

摘  要： 随着国内物流行业的快速发展，人们对于快递包裹派送信息的快速查询的需求日益迫切，快递单号的自动化获取有望解决该问题。该文针对复杂环境下的包裹单扫描件图像中的条形码/二维码定位分割识别问题，提出了一套条形码区域定位分割识别算法，将原始图像从RGB空间转换成HSV空间，之后使用MSRCR算法进行增强处理。整个算法在实际快递单扫描件图像中进行了充分测试，结果显示本算法快速、准确、误码率低，具有很强的实用价值。

关键词： 快递扫描件;MSRCR;HSV色彩空间

中图分类号： TP391.41    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.07.014

【Abstract】： With the rapid development of the domestic logistics industry， the demand for quick inquiry of express parcel delivery information is becoming more and more urgent， and the automatic acquisition of express delivery number is expected to solve this problem. This paper proposes a bar code region location segmentation recognition algorithm for bar code/QR code location segmentation recognition in a single scan image of a parcel in a complex environment. The original image is converted from RGB space to HSV space， and then MSRCR algorithm is used. Enhance processing. The whole algorithm is fully tested in the actual express single scan image. The results show that the algorithm is fast， accurate and has low bit error rate， and has strong practical value.

【Key words】： Scanned express form; MSRCR; HSV color space

0  引言

随着国内物流与快递产业的不断发展[1]，人们对包裹派送信息快速查询的需求与日俱增。传统的基于手工输入与查询的办法已经远远不能满足当今市场的迫切需求。目前多数物流及快递公司都已具有快速扫描包裹单据的设备，因此，利用图像处理与机器视觉技术[2]进行快递单扫描件的条形码/二维码定位分割识别具有重要意义。通过工业摄像头抓

拍传送带上高速运动的快递包裹，存在运动模糊，获取的原始图像亮度低，不清晰，图像旋转等现象。这些问题为后续的识别解码带来了困难，加之分拣和识别过程对实時性要求又高，因此快速、鲁棒性强的快递单图像处理算法研究得到了越来越多的关注[3]。

1  实验场景

快递包裹分拣流水线，快递包裹以40 cm/s的速度从检测通道上通过安检设备，在安检通道上方

设置一到两台高速摄像头，通过光电传感器触发摄像头实现对快递包裹自动拍照，摄像头通过网络接口连接到本地计算机，获取从通道上经过的快递包裹图像，包裹通过时其贴有快递单的一面朝上。保存包裹图像并对快递图像进行分割定位[4]，随后识别出快递单上的条形码、二维码等信息，并识别出包裹的大致形状。之后对条形码/二维码进行解码操作，将解码得到的快递单号信息保存到本地数据库，以便于后续的快递包裹物流信息的查询。

2  Retinex理论

Retinex始于Edwin Herbert Land提出的一种被称为色彩恒常的理论[5]，并基于此理论的图像增强算法。Retinex这个词是由两个单词合成的一个词语，分别是retina和cortex，y意思是视网膜和皮层，表明Land他也不清楚视觉系统的特性究竟取决于这两个生理结构中的哪一个，或者是两者都有关系。Retinex的基础理论是物体的颜色是由物体对长波（红色）、中波（绿色）、短波（蓝色）光线的反射能力来决定的，而不是由反射光强度的绝对值来决定的，物体的颜色不受光照非均匀性的影响，具有一致性。与传统的线性、非线性变换、图像锐化等方法只能增强图像某一类特征的方法相比，Retinex可以在动态范围压缩、边缘增强和颜色恒常这三个方面达到一定的平衡，因此适合对各种不同类型的图像进行自适应增强，在诸多领域到了广泛应用。Retinex算法发展历程是从单尺度Retinex算法[6]，改进成多尺度加权平均的MSR算法[7]，在发展成MSRCR算法[8-9]。

由于R是对数域的输出，需要转换成数字图像，必须将他们量化为[0，255]的数字图像范畴，对于这个量化的算法，有着极为重要的意义，他的好坏直接决定了最终输出的图像的质量。

3  条形码定位分割识别算法

要定位首先要检视这种条形码的特点，这种图像在X方向上的梯度肯定很明显。同时，Y方向的梯度就没这么明显，所以第一步，我们应该将图像的灰度图像分别计算梯度，用X方向梯度减去Y方向梯度，这样可以保留X方向特征并且去除Y方向的干扰。二维码对一维码的定位形成了干扰，但是二维码的空间漏洞相对一维码多很多，于是我们进行一次模糊并且二值化[10]。条形码区域出现了黑色的缝隙，不利于定位完整区域，需要进行一些形态学操作，去除黑色缝隙，使用闭运算[11]。二维码的区域连接面积还是很大，对于后面我们计算区域面积有影响，但是二维码的连接区域明显要比一维码的连接区域要细很多，我们通过腐蚀操作断开二维码的连接，同时还保存一维码的连接，然后在膨胀回来，二维码的连接断开就不会有大块的区域连接了，同时膨胀和腐蚀的次数应当是一致的，保证得到结果区域的准确性，本文选择膨胀腐蚀四次。二维码的影响基本消除了，现在我们需要先查找轮廓，然后计算图像中每个轮廓的面积，选出面积最大的那个轮廓，计算这个轮廓的最小外包矩形，就能找到相应的图像区域，条形码位置定位分割识别算法的流程：

（1）形态学梯度运算，忽略Y方向梯度，主要针对X方向梯度。

（2）图像模糊化，便于后期的图像连接。

（3）图像阈值化，加速算法处理，并合理使用模糊化的效果。

（4）形态学去除黑洞，闭运算。

（5）膨胀腐蚀，断开二维码连接。

（6）查找轮廓，计算轮廓最大面积，拟合轮廓矩形，得到最终结果。

条形码识别，可以使用zbar识别库，识别出条形码对应的字符串，然后就可以调用网络，数据库等手段快速进行后续操作。

4  实验结果以及分析

4.1  实验环境

本文实验是基于VS2015+Opencv 2.4.10+Zbar- 0.10编程实现的，选用通过摄像头获取的500张原始图像作为测试图像。原始图像的大小为2448像素× 2048像素且是bmp格式的图像，进行预处理之前需要先将图像进行压缩成jpg格式的图像。

4.2  算法过程

（1）获取原始图像

可以看出，实际的图像并不理想，为了获取清晰的运动图像，必须通过改变摄像头相关系数来实现，导致获取的原始图像亮度偏低，需要相应的预

处理算法进行增强。为了提高低亮度条件和背光条件下拍摄图像的效果，尝试了各种常规的数字图像处理方法，包括线性变换、对数变换、直方图均衡等，这些方法一定的效果，但是缺点也很明显，色度恢复不够，处理后的图像泛白，色度饱和度降低，之后我们找到了带颜色恢复的多尺度视网膜增强算法MSRCR（Multi-Scale Retinex with Color Restoration）。

（2）基于HSV空间的MSRCR增强算法

首先将原始图像从RGB色彩空间转换到HSV色彩空间[12]，之后对HSV图像进行MSRCR增强。传统的MSRCR算法可以明显增强亮度，但是图片

会泛灰，基于HSV空间的MSRCR增强算法可以明显提高亮度，同时增强图片对比度和细节，有助于后续的条码定位识别处理。传统的MSRCR算法增强效果图和基于HSV空间的MSRCR算法增强效果图2如下。

（3）条形码定位分割识别算法

对增强后的图像进行条形码定位分割识别处理，可以将条形码的具体位置框出，之后对框内的条码信息进行解读，可以解析出一串字符串，即为快递单号，可用于物流信息的快速查询。如图3所示为条形码定位分割示意图以及识别结果。

5  结论

本文根据HSV色彩空间和MSRCR增强算法的特点，提出了一种基于HSV空间的MSRCR增强算法。相较于传统的MSRCR算法，可以明显增强图像对比度和细节，能改善传统算法的图像泛灰的问题，使图像更加符合人眼视觉效果。我们下一步要做的是去除图像中的光晕现象，减少后续条码定位识别过程中的干扰。

参考文献

[1] 陈文. 物流信息技术 第2版[M]. 北京： 北京理工大学出版社， 2017. 06.

[2] 帕科尔. 图像处理與计算机视觉算法及应用[M]. 2版. 景丽， 译， 北京： 清华大学出版社， 2012.

[3] 范永法， 郭艳萍. 条码图像处理及识别的软件开发[J]. 计算应用研究， 2003（2）： 119-121.

[4] 刘鸣， 徐光柱， 何艳. 快递单扫描图像中的用户手写信息区域的定位与处理[J]. 电脑知识与技术， 2012， 8（32）： 7819-7821.

[5] E H， Land， JJ， McCann.Lightness and Retinex Theory[J]. Journal of the Optical Society of America， 1967， 57（1）： 1-11.

[6] Jobson D， Rahman Z， Woodell GA. Properties and Performance of a Center/Surround Retinex. IEEE Trans. on Image Processing， 1997， 6（3）： 451?462.

[7] Jobson D， Rahman Z， Woodell G A. A multi scale retinex for

bridging the gap between color images and the human observation of scenes. IEEE Trans. on Image Processing， 1997， 6（7）： 965?976.

[8] Rahman Z， Jobson DJ， Woodell G A. Multi-scale Retinex for Color Image Enhancement. Proc. of International Conference on Image Processing. Lausanne， Switzerland， 1996. 1003? 1006.

[9] Land EH. An alternative technique for the computation of the designator in the retinex theory of color vision. Proc. of the National Academy of Science of the United States of Amer?ica， 1986， 83（10）： 3078?3080.

[10] （美）冈萨雷斯. 数字图像处理 第2版[M]. 北京： 电子工业出版社， 2007. 08.

[11] 王一丁， 李琛， 王蕴红. 数字图像处理[M]. 西安： 西安电子科技大学出版社， 2015. 08.

[12] 赵谦， 侯媛彬， 郑茂全. 智能视频图像处理技术与应用[M]. 西安： 西安电子科技大学出版社， 2016. 09.