|
|||||
 |
|
||||
|
|||||||||||
Matrix |
 |
Matrix 的PDF資料暫且沒有下載 |
其他型號 |
| Matrix的供應(yīng)商： |
聯(lián)系人：林佳偉/林佳偉 電話：13692203079/13692203079 |
聯(lián)系人：陳小姐/小佳佳/肖華蓉 電話：18320771255/0755-825434548/0755-83238756 |
聯(lián)系人：林小姐 電話：075583047638 |
聯(lián)系人：秦先生（微信手機同號）/楊小姐（微信手機同號） 電話：0755-82772151/0755-82772151 |
|
| >>更多供應(yīng)商 | |||||
Data Matrix二維碼圖像處理與應(yīng)用
2 用MIL識別Data Matrix碼 Meteor-II Standard是Matrox公司的一塊圖像采集卡，通過攝像頭采集外界圖像，然后實時地傳輸給主機內(nèi)存。MIL函數(shù)開發(fā)包是一個獨立于硬件的32位圖像處理函數(shù)庫，其中有大量基本的圖像處理函數(shù)。 2.1 基本過程 Data Matrix識別的基本過程如圖2所示。通過MIL提供的函數(shù)采集圖像，并將采集的圖像以數(shù)字化方式存儲在圖像緩沖區(qū)中；對圖像進行增強處理，提高圖像的識別準確率。實驗中通過平滑濾波方法，減少圖像噪聲，很好地解決了采集金屬零件的Data Matrrix碼時，由于碼符號邊沿亮度過亮影響圖像分割問題；然后對圖像進行直方圖均衡化，擴大對比度的動態(tài)范圍，解決由于光照或攝像頭的原因，造成采集的圖像偏暗，對比度不夠顯著，引起圖像中明暗模糊不清的問題。 由于采集后的圖像有很多無用背景，Data Matrix符號所在區(qū)域只占整個圖像很上的比重。采用遮罩的方法，用一個固定位置的子緩沖區(qū)限制圖像處理區(qū)域，忽略區(qū)域外的圖像，實現(xiàn)Data Matrix的符號提取。最后用MIL函數(shù)直接譯碼，并將譯碼結(jié)果放在指定的字符串中，用顯示語句在屏幕上打印結(jié)果。 2.2 Data Matrix符號的膨賬 金屬零件上的Data Matrix碼是氣動打印而成的成點陣式，與標準的Data Matrix符號不完全一樣，其點間空隙大。如對這種碼毫無處理地進行識別，則識別率會很低。為了解決這個問題，采用數(shù)學形態(tài)學的膨脹算法。為了提高識別準確度，可以將Data Matrix符號膨脹若干次，縮小數(shù)據(jù)單位之間的空隙。這樣，計算機在“尋找”Data Matrix的“L”型尋邊區(qū)時就容易準確得多。 
2.3 偽實時識別的實現(xiàn) 由于MIL本身不支持圖像的實時處理，所以要實現(xiàn)實時識別需要用一種叫做比緩沖的方法實現(xiàn)偽實時的圖像處理，CPU每次處理的圖像其實是攝像頭采集的上一幀圖像。 雙緩沖區(qū)使一邊采集圖像一邊處理圖像成為可能，如圖3所示。攝像頭將圖像采集到圖像緩沖區(qū)1中等待處理，與此同時CPU利用這段時間處理圖像緩沖區(qū)2中（上一幀）的圖像，完畢后兩個緩沖區(qū)的職能交換；CPU處理緩沖區(qū)1中采集的前一時刻的圖像，而此時緩沖區(qū)2中的圖像已被處理完畢，可以接收攝像頭下一幀的采集圖像。如此往復，兩個緩沖區(qū)互換，不間斷地運動便可實現(xiàn)偽實時處理。在處理環(huán)節(jié)上加Data Matrix識別功能，就能實現(xiàn)實時識別Data Matrix。采集圖像和處理圖像正好相差一幀，所以是“偽”實時的，但是假如計算機運算速度足夠快，時間延遲的影響便可忽略。 這種方法的優(yōu)點是既實現(xiàn)了實時性，又將采集和處理這兩項進程分開，讓CPU和攝像頭分別獨立并行地處理，充分利用了空閑時間。 3 識別結(jié)果統(tǒng)計與分析 通過編程，實現(xiàn)了對金屬上的Data Matrix碼進行識別，并統(tǒng)計了總的采集幀數(shù)（f）、幀率（f/s）、識別成功的總幀數(shù)、識別率等信息。實驗證明在攝像頭焦距以及光源都相當理想的情況下，識別率很高。 Data Matrix識別的成功率與很多因素有關(guān)，首先是Data Matrix符號本身，打印在紙上與打印在金屬零件上的點陣式Data Matrix差異很大；其次是檢測時的運動失真，會影響識別成功率；再次是背景圖像的影響，Data Matrix符號與背景色反差越大，背景中干擾圖像越少，識別成功率越高；光源、符號的旋轉(zhuǎn)等都會對識別造成影響。 
3.1 運動檢測的影響 Data Matrix檢測常用在流水線上，這時需要考慮攝像頭與被檢測零件相對運動對識別的影響。在實驗中用固定零件、移動攝像頭的方法來模擬流水線中的運動檢測，記錄每次檢測時攝像頭的運動速度，以此找出零件上的Data Matrix能夠被識別的最大相對運行速度。 現(xiàn)通過實驗測得20組數(shù)據(jù)，以6mm%26;#215;6mm的Data Matrix為考慮對象，結(jié)果如表1所示。 上結(jié)果，在光照和攝像頭焦理想的情況下，最大識別的相對速度為2.00cm/s，比該速度再快可能會因運動失真導致Data Matrix無法識別。 3.2 干擾圖像的影響 在相同條件下，背景干擾少的圖像識別率較高，尤其當北京具有與Data Matrix類似矩形狀圖形時。在光照較好的條件下，測試金屬零件上的Data Matrix識別率。在有背景干擾的情況和用子緩沖區(qū)屏蔽一些背景干擾的情況各測得10組數(shù)據(jù)，分別如表2所示。 表1 待測Data Matrix與攝像頭的相對運動對識別的影響 速度（cm/s） 1.04 1.06 1.41 1.56 1.69 1.70 1.75 2.00 2.03 2.09 能否識別 √ √ √ √ √ √ √ √ %26;#215; √ 速度（cm/s) 2.14 2.23 2.32 2.38 2.52 2.52 2.63 2.64 2.70 2.71 能否識別 √ √ %26;#215; %26;#215; %26;#215; %26;#215; √ %26;#215; %26;#215; %26;#215; 表2 背景干擾對識別的影響 有干擾 83% 84% 62% 81% 68% 92% 85% 60% 87% 74% 屏蔽干擾 97% 88% 87% 84% 92% 90% 99% 83% 85% 90% 可見，用于緩沖區(qū)屏蔽一些無用的背景圖像后，識別效果總體上要略好于未屏蔽。 3.3 光源的影響 光源對識別成功率的影響反映在圖像整體的明暗對比度上。對金屬零件上的Data Matrix而言，其更多的是影響符號的清晰程度。光源位置如果選取不得當，由于金屬的反光特性，金屬表面會形成一片亮度特別大的鏡面反射區(qū)，給Data Matrix圖像造成強烈的干擾。 一種比較好的方法是用側(cè)光的方法。由于金屬零件上的Data Matrix碼是氣動打印產(chǎn)生的，打印處會有高低起伏，這些區(qū)域的反光是溫反射，不同于其他區(qū)域的鏡面反射光，側(cè)光助于把點陣與金屬反光的背景分開，將攝像頭避開了金屬的鏡面反光。圖4對比了側(cè)光和反射光下的二維碼狀態(tài)。 3.4 識別程序的適應(yīng)性 識別程序的適應(yīng)性指適應(yīng)不同尺寸和打印類型Data Matrix的能力。本文中考慮的打印類型有金屬表面氣動打印、金屬表面電動針式打印和標準紙面激光打印三種。實驗結(jié)果表明，程序?qū)鈩邮酱蛴ata Matrix碼的識別能力普遍好于同樣是金屬材質(zhì)的電動針式打印Data Matrix碼。不同尺寸的識別率基本相等。打印在紙上的標準Data Matrix由于圖形標準、顏色穩(wěn)定、分辨率高等因素無需作太多的圖像增強和膨脹就能夠被計算機識別，識別率非常高。
|
|||
|
|
|
© 2026 維庫電子市場網(wǎng)（m.58mhw.cn） 版權(quán)所有 經(jīng)營許可證編號：浙B2-20050339 版權(quán)聲明
二十一年專注打造優(yōu)質(zhì)電子元器件采購網(wǎng)、IC交易平臺。 |
