二維條碼識(shí)讀技術(shù)及其應(yīng)用研究畢業(yè)論文

Gabor濾波和BP神經(jīng)網(wǎng)絡(luò)的二維條碼區(qū)域提取方法(GF-BPNN),解決了復(fù)雜背景下，完整準(zhǔn)確地提取條碼區(qū)域的難題；其二，提出了一種基于邊緣跟蹤和Radon變換相結(jié)合的DataMatrix條碼定位方法，克服了利用Hough變換或Radon變換檢測(cè)直線邊緣實(shí)現(xiàn)DataMatrix以高性能浮點(diǎn)DSPTMS320C6713為核心的數(shù)據(jù)處理子系統(tǒng)和以FPGA為控制中心的圖像采集子用實(shí)驗(yàn)表明，論文工作研制的二維條碼識(shí)讀終端能夠快速準(zhǔn)確地識(shí)讀生產(chǎn)線上的Data畢業(yè)設(shè)計(jì)(論文)原創(chuàng)性聲明和使用授權(quán)說明本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)(論文),是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)人或集體，均使用授權(quán)說明的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)(論文)的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)(論文)的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉谝徽戮w論 11.1條碼技術(shù)介紹 11.1.1一維條碼簡介 21.1.2二維條碼簡介及與一維條碼的區(qū)別 31.2典型的二維條碼碼制 4 71.3.1二維條碼的標(biāo)準(zhǔn)化 7 81.3.3PDF417的發(fā)展和應(yīng)用 9 1.5.1課題的提出和意義 1.5.3論文的內(nèi)容安排 2.1二維條碼圖像采集 2.1.2攝像式圖像采集 2.2條碼圖像預(yù)處理 2.2.1對(duì)比度增強(qiáng) 2.2.3圖像二值化 2.3條碼定位與解碼 2.4.2二維條碼識(shí)讀系統(tǒng)的主要技術(shù)指標(biāo) -2.4.3本文所設(shè)計(jì)實(shí)現(xiàn)的二維條碼識(shí)讀系統(tǒng) 3.1圖像對(duì)比度增強(qiáng) 3.1.1常用的圖像對(duì)比度增強(qiáng)方法 3.1.2基于圖像融合的條碼圖像對(duì)比度增強(qiáng) 3.2圖像去噪 3.3圖像二值化 4.3.2邊緣跟蹤和角點(diǎn)檢測(cè) 4.4條碼圖像幾何校正 4.4.1生成坐標(biāo)變換矩陣 4.4.2圖像校正 4.5.3碼流糾錯(cuò) 4.5.4碼流譯碼 4.6本章小結(jié) 第五章基于DSP的嵌入式二維條碼識(shí)讀終端的設(shè)計(jì)與實(shí) 5.1終端概述 5.3終端軟件系統(tǒng)設(shè)計(jì) 5.3.1圖像預(yù)處理 5.3.4條碼解碼 6.2識(shí)讀性能及與國外同類產(chǎn)品的比較 6.3本章小結(jié) 7.1論文工作總結(jié) 7.2未來工作展望 致 體的新興的自動(dòng)識(shí)別技術(shù)[1]。它自20世紀(jì)40年代的美國發(fā)起，70～80年代開始在國際上1.1條碼技術(shù)介紹高、信息量大、可靠性高、可表示各種文字和圖像、保密防偽性強(qiáng)、使用成本低廉等優(yōu)點(diǎn)1.1.1一維條碼簡介損后可讀性差等缺點(diǎn)。圖1-1給出了幾種常見的一維碼。(b)39碼的幾何圖形元素按一定規(guī)律和順序組合成的圖形，巧妙地利用構(gòu)成計(jì)算機(jī)內(nèi)部邏輯基礎(chǔ)的表1-1二維條碼與一維條碼的比較編碼字符集信息容量信息密度糾錯(cuò)能力可否加密對(duì)數(shù)據(jù)庫和通信網(wǎng)絡(luò)的依賴識(shí)讀設(shè)備維條碼數(shù)字0~9與ASCII字符小，一般僅能表示幾十個(gè)數(shù)字字符低誤校驗(yàn)，否高式識(shí)讀器一維條碼多媒體等全部數(shù)字化信息大，一般能表示幾百個(gè)字節(jié)，漢信碼可表示3262個(gè)字節(jié)信息高提供錯(cuò)誤校驗(yàn)與糾糾錯(cuò)能力強(qiáng)是低器1.2典型的二維條碼碼制圖1-2給出了幾種常見的二維條碼。下面將分別予以簡略介紹。(c)QRCode(e)漢信碼圖1-2幾種常見的二維碼邊形模塊和位于符號(hào)中央位置的定位圖形(三個(gè)黑色同心圓)組成，每個(gè)符號(hào)由884個(gè)六邊形模塊組成，分33層圍繞著中央定位圖形，每一層最多包含30個(gè)模塊。符都是由4個(gè)條和4個(gè)空共17個(gè)模塊構(gòu)成，故稱為PDF417碼。PDF417碼是一種多層、可變接銜接。其最小行數(shù)為3,最大行數(shù)為90。每一個(gè)PDF417符號(hào)可以表示高達(dá)1108個(gè)字節(jié)、或1850個(gè)ASCII字符或2710個(gè)數(shù)字的信息。5、漢信碼。漢信碼是由中國物品編碼中心牽頭，于2005年研發(fā)完成的我國擁有完全1.3二維條碼技術(shù)的發(fā)展和應(yīng)用現(xiàn)狀立的第1聯(lián)合委員會(huì)JTC1的第31分委員會(huì)，即自動(dòng)識(shí)別與數(shù)據(jù)采集技術(shù)分委員會(huì) 的標(biāo)準(zhǔn)已完成二維條碼符號(hào)印制質(zhì)量的檢驗(yàn)(IS0/IEC15415)、二維條碼識(shí)讀器測(cè)試規(guī)范化協(xié)會(huì)(ANSI)也已完成了PDF417,QRCode,Code49,Code16K,CodeOne等碼制的符號(hào)表了一些有關(guān)DataMatrix的論文[21][22][23],對(duì)DataMatrix的發(fā)展前景、應(yīng)用領(lǐng)域、1.4二維條碼技術(shù)與其它自動(dòng)識(shí)別技術(shù)的比較機(jī)票、公共汽車票、自動(dòng)售貨卡、會(huì)員卡、現(xiàn)金卡(如電話磁卡)等。磁卡識(shí)別技術(shù)是接觸射頻識(shí)別(RadioFrequencyIdentification,RFID)技術(shù)的基本原理是表1-2二維條碼于其他自動(dòng)識(shí)別技術(shù)的比較二維條碼磁卡接觸式IC卡射頻識(shí)別讀取方式光電轉(zhuǎn)換磁電轉(zhuǎn)換電路接口無線通信讀寫性讀讀寫讀寫讀寫信息載體磁條存儲(chǔ)器存儲(chǔ)器信息量大較小大大保密性好一般好好智能性無無有有抗干擾能力較強(qiáng)較差一般一般抗污染能力較強(qiáng)較差一般較強(qiáng)識(shí)讀距離接觸接觸使用壽命很長短長長基材價(jià)格低中中高掃描器價(jià)格中低低高優(yōu)點(diǎn)識(shí)讀輸入速度快讀缺點(diǎn)數(shù)據(jù)不能修改不能非接觸識(shí)讀讀據(jù)可改寫1.5.1課題的提出和意義1.5.2主要工作和創(chuàng)新點(diǎn)用Hough變換或Radon變換檢測(cè)直線邊緣實(shí)現(xiàn)DataMatrix條碼定位的方法難以在計(jì)算量和的精度、成功率和速度，本文創(chuàng)新性地以德州儀器(TexasInstruments,TI)公司的1.5.3論文的內(nèi)容安排1.6本章小結(jié)第二章二維條碼識(shí)讀技術(shù)信號(hào)對(duì)應(yīng)的方波信號(hào)，經(jīng)譯碼器解釋為計(jì)算機(jī)可以識(shí)別的放大信號(hào)濾波放大信號(hào)濾波波形整形光學(xué)系統(tǒng)探測(cè)器2.1.2攝像式圖像采集CMOS(金屬氧化物半導(dǎo)體)技術(shù)是近年發(fā)展起來的新興技術(shù)。與CCD一樣，是一種光電2.2條碼圖像預(yù)處理2.2.1對(duì)比度增強(qiáng)2.2.2圖像去噪2.2.3圖像二值化閾值法和局部閾值法等，第3.3.1節(jié)將會(huì)一一2.3條碼定位與解碼行了介紹，詳見第4章。2.4.1二維條碼識(shí)讀系統(tǒng)分類2.4.2二維條碼識(shí)讀系統(tǒng)的主要技術(shù)指標(biāo)2、通訊接口3、景深2.4.3本文所設(shè)計(jì)實(shí)現(xiàn)的二維條碼識(shí)讀系統(tǒng)2.5本章小結(jié)第三章二維條碼圖像預(yù)處理3.1圖像對(duì)比度增強(qiáng)3.1.1.1灰度變換為g(x,y),灰度范圍為[a',b'],則圖3-1為線性變換示意圖，圖3-2則為變換前后對(duì)比圖。圖3-1線性變換示意圖圖3-2線性變換效果對(duì)比圖(2)分段線性變換分段線性變換是將原圖像灰度分布區(qū)間[a,b]分隔成兩段或多段分別進(jìn)行線性變換，從而突出用戶感興趣的目標(biāo)或灰度范圍，相對(duì)抑制用戶不感興趣的灰度范圍，使感興趣目標(biāo)的灰度細(xì)節(jié)得到增強(qiáng)。常用的是三段式分段線性變換，如圖3-3所示。其變換式如下式中的c,d,c',d’需要用戶根據(jù)不同需要來自行確定。圖3-4為分段線性變換圖3-3三段式分段線性變換示意圖圖3-4分段線性變換效果對(duì)比圖(3)非線性變換當(dāng)變換函數(shù)為非線性函數(shù)時(shí)，可實(shí)現(xiàn)圖像灰度的非線性變換。常用非線性變換為對(duì)數(shù)變換和指數(shù)變換[28]。對(duì)數(shù)變換用于擴(kuò)展低灰度區(qū)，壓縮高灰度區(qū)，適用于較暗或過暗的圖像，其一般形式是式中的a,b,c是用來調(diào)整變換曲線的位置和形狀的參數(shù)。指數(shù)變換與對(duì)數(shù)變換相反，它壓縮低灰度區(qū)，擴(kuò)展高灰度區(qū)，適用于較亮或過亮的圖像，其一般形式為式中的a,b,c同樣是用來調(diào)整變換曲線的位置和形狀的參數(shù)。圖3-5為對(duì)數(shù)變換和指數(shù)變換的示意圖，圖3-6則是對(duì)數(shù)變換和指數(shù)變換的效果對(duì)比圖。指數(shù)變換(a)變換前(b)對(duì)數(shù)變換(c)指數(shù)變換圖3-6對(duì)數(shù)變換和指數(shù)變換效果對(duì)比圖轉(zhuǎn)換到[0,1]區(qū)間，以r表示原圖像的正規(guī)化灰度，則令s表示經(jīng)過直方圖均衡化之后的圖像正規(guī)化灰度，則直方圖均衡化就是通過灰度變換函數(shù)s=T[r],將原圖像直方圖P(r)改變成均勻分布的直方圖P(s)。實(shí)現(xiàn)直方圖均衡化，則意味著P(s)=1從而可得再由概率論可知即T[r]為P(r)的累計(jì)分布函數(shù)。在數(shù)字圖像中，灰度是離散的，離散化的直方圖均衡化公式為的離散灰度級(jí)。此處得到的新灰度S于實(shí)際顯示，即是離散灰度級(jí)數(shù)，的取值實(shí)際上是與是離散灰度級(jí)數(shù)，的取值實(shí)際上是與是正規(guī)化灰度還要將其轉(zhuǎn)化為非正規(guī)化灰度最接近才能用式中的表示四舍五入取整。圖3-7為直方圖均衡化效果對(duì)比圖。圖3-7直方圖均衡化效果對(duì)比圖3.1.2基于圖像融合的條碼圖像對(duì)比度增強(qiáng)圖像1規(guī)則圖像2小波逆圖3-8小波域圖像融合框圖別為a(x,y)和b(x,y),兩區(qū)域匹配度為m(x,y),匹配度閾值為T,融合后的系數(shù)為f(x,y),若m(x,y)小于T,則否則這一規(guī)則在一定程度上考慮到了源圖像對(duì)融合圖像貢獻(xiàn)的不確定性，但它通過人為設(shè)定的閾值強(qiáng)行簡化了這一不確定性，簡單地根據(jù)匹配度決定使用選擇算子或加權(quán)平均算子。選擇算子的存在同樣使一部分信息被忽略，導(dǎo)致信息不完整和對(duì)噪聲敏感；即使是相比于上一種規(guī)則新加的加權(quán)平均算子，也因?yàn)橛镁€性函數(shù)計(jì)算權(quán)值而不能十分準(zhǔn)確地描述源圖像對(duì)融合圖像的貢獻(xiàn)程度，無法很好的解決這種不確定性問題。為了克服這兩種規(guī)則的局限性，改進(jìn)小波域圖像融合的性能，盡可能多得將源圖像中的信息融入融合圖像，本文將模糊推理這一解決不確定問題的有效手段引入小波域圖像融合，提出了一種基于模糊推理的小波域圖像融合規(guī)則，并利用此規(guī)則對(duì)多幅條碼圖像進(jìn)行小波域圖像融合。模糊推理是一種基于模糊邏輯，能夠有效的解決不確定性問題的不確定性推理方法[44][45],已經(jīng)廣泛應(yīng)用于目標(biāo)識(shí)別、圖像分析、自動(dòng)控制、智能信息處理和計(jì)算機(jī)科學(xué)等領(lǐng)域。相對(duì)于其他方法，它具有易于理解、靈活性好、包容不精確數(shù)據(jù)以及可以利用專家知識(shí)和基于自然語言等優(yōu)點(diǎn)。本文所提出的基于模糊推理的小波域圖像融合規(guī)則利用模糊推理的非線性和模糊性刻畫源圖像對(duì)融合圖像的貢獻(xiàn)程度的不確定性，以各源圖像中對(duì)應(yīng)小波系數(shù)的局部區(qū)域特征為輸入進(jìn)行模糊推理確定各源圖像相應(yīng)系數(shù)的權(quán)值，再通過對(duì)相應(yīng)系數(shù)進(jìn)行加權(quán)平均和小波逆變換得到最終的融合圖像，從而很好地解決了圖像融合中的不確定性問題，克服了利用選擇絕對(duì)值最大系數(shù)和選擇與加權(quán)平均相結(jié)合等現(xiàn)有規(guī)則進(jìn)行小波域圖像融合的方法中存在的信息不完全和易受噪聲干擾的缺點(diǎn)。3.1.2.2基于模糊推理的融合規(guī)則基于模糊推理的融合規(guī)則以加權(quán)平均為基本方法，但是加權(quán)平均所用的權(quán)值卻是由模糊推理得到的。首先對(duì)經(jīng)過小波分解的兩幅源圖像進(jìn)行局部區(qū)域特征的提取，對(duì)每幅圖唯一的低頻子帶以區(qū)域方差為特征，而其他所有的高頻子帶均以其平均能量為區(qū)域特征，并計(jì)算兩圖對(duì)應(yīng)區(qū)域的匹配度以及各自的歸一化區(qū)域特征。設(shè)兩幅圖像a和b對(duì)應(yīng)區(qū)域的區(qū)域特征分別為a(x,y),融合后的系數(shù)為f(x,y),則此規(guī)則可描述如下：的取值范圍均為[0,1],所以將三者的值域以μ,(u)=1-μ?(u)隸屬度函數(shù)分別與式(3-17)和式(3-18)具有相同的形式。={二者加權(quán)平均},其隸屬度函數(shù)分別為：以上節(jié)所述選擇和加權(quán)平均相結(jié)合的規(guī)則的思想作為模糊規(guī)則，采用Mamdani極小化規(guī)則，(1)如果。設(shè)此規(guī)則為R1,則：Hr?(u,m,w)=μ(u)^μMu(m)^μg(0)則總的模糊關(guān)系可以表示為將前面計(jì)算得到的u(x,y)和m(x,y)進(jìn)行模糊量化為u∈U和m∈M最大隸屬度原則進(jìn)行模糊判決。然后按下式計(jì)算圖像a的權(quán)值隸屬度函數(shù)μ(w):W∈2圖3-9給出了兩幅源圖像和一幅采用本文方法融合后的圖像，為比較融合表3-1融合前后信息量變化圖3-9(a)圖3-9(b)圖3-9(c)為比較本文提出的基于模糊推理的小波域圖像融合規(guī)則與前述另兩種現(xiàn)有的小波域融合規(guī)則的融合效果，圖3-10給出了以圖3-9(a)(b)為源圖像分別利用三種融合規(guī)則得到的融合圖像，其中圖3-10(a)是采用選擇絕對(duì)值最大的系數(shù)的規(guī)則得到的融合結(jié)果；(b)是采用選擇與加權(quán)平均相結(jié)合的規(guī)則以0.5為匹配度閾值融合得到的融合結(jié)果；(c)是采用本文提出的基于模糊推理的規(guī)則融合得到的融合結(jié)果。此外，本文還對(duì)圖3-10中的三幅圖像分別計(jì)算與源圖像之間的互信息量作為客觀指標(biāo)列于表3-2以比較采用三種規(guī)則得到的融合圖像從源圖像中獲取的信息的多少，互信息量越大說明融合圖像從源圖像中得到的信息越多。設(shè)源圖像A和B的灰P(f,a)和P(f,b)融合圖像F的灰度分布為P(f),,則融合圖像與源圖像之間的互信息量MI為表3-2三種融合規(guī)則所得融合圖像與源圖像之間的互信息量比較圖3-10(a圖3-10(b圖3-10(c)為比較三種融合規(guī)則的抗噪聲性能，對(duì)圖3-9(a)(b)分別人為添加泊松噪聲后作為源圖像分別利用三種融合規(guī)則進(jìn)行圖像融合，結(jié)果示于圖3-11,其中圖3-10(a)是采用選擇絕對(duì)3-11中的三幅圖分別以圖3-10的(a)(b)(c)為參考圖像所得的峰值信噪比(PSNR),作為三種圖3-11(a)圖3-11(b)圖3-11(c)從圖3-11和表3-3中可以看出，圖3-11(c)比其它兩幅圖像受噪聲的影響小，說明采用3.2圖像去噪(x,y),中值濾波后的像素灰度為g(x,y),濾波窗口為W,則中值濾波數(shù)學(xué)表達(dá)式為的窗口大小及窗口形狀，本文中采用5?5的方形窗口。圖3-12給出了中值濾波前后的效果(a)中值濾波前(b)中值濾波后圖3-12中值濾波前后對(duì)比圖3.3圖像二值化3.3.1常用的圖像二值化方法3.3.1.1大津法二值化其中n?()和n?(i)分別是灰度小于i的像素和大于等于i的像素的數(shù)目，即二值化分割的閾值是使w(i)取得最大值時(shí)的灰度值。圖3-13給出了使用圖3-13大津法二值化3.3.1.2最大熵法二值化熵在圖像處理中表征圖像像素的平均信息量。用最大熵法求閾值就是選擇一個(gè)閾值，使圖像用這個(gè)閾值分割出的兩部分，一階灰度統(tǒng)計(jì)的信息含量最大，即熵最大。而熵最大就意味著以此閾值劃分的目標(biāo)區(qū)域和背景區(qū)域內(nèi)各自的灰度分布具有最大的同一性，即目標(biāo)和背景區(qū)當(dāng)目標(biāo)和背景兩組間的熵之和最大時(shí)的閾值即為所求閾值。運(yùn)用統(tǒng)計(jì)學(xué)原理，如果圖像中某個(gè)灰度級(jí)出現(xiàn)的概率是p(x),則該灰度級(jí)的熵H=?-p(x)1gp(x)dx。當(dāng)閾值為T時(shí)，令,則圖像中低于閥值部分的熵,而圖像中高于閾值部分的熵取H=H?+H?,選取H最大時(shí)對(duì)應(yīng)的灰度級(jí)作為圖像的閾值。最大熵法對(duì)條碼圖像二值化效果如圖3-14。圖3-14最大熵法二值化3.3.1.3最小錯(cuò)誤概率法二值化此方法來源于Bayes最小誤差分類方法。若設(shè)E,(T)是特征物錯(cuò)分到背景的概率，使E(T)取最小值的閾值，即為最小誤差法求得的閾值。用最小誤差法對(duì)條碼效果如圖3-15。圖3-15最小錯(cuò)誤概率法二值化3.3.1.4迭代閾值法二值化迭代閾值法主要是根據(jù)逐步逼近的原理，在灰度特征上對(duì)閾值進(jìn)行選取，具有易于理解(1)求出圖像灰度的最小值和最大值,迭代次數(shù)k設(shè)為0,并設(shè)置閾值初值為f和f及平均灰度;,則結(jié)束；否則k=k+1,轉(zhuǎn)到(2)繼續(xù)迭代，這里Kmax(5)逐點(diǎn)二值化。圖3-16給出了迭代閾值法二值化的效果圖。(a)原圖(b)二值化后圖3-16迭代閾值法二值化3.3.1.5局部閾值法二值化局部閾值法適用于光照不均或背景非常復(fù)雜圖像分成幾個(gè)小的互不重疊的子圖像，再對(duì)每個(gè)子圖像分別求出最優(yōu)分割閾值進(jìn)行二值化。這種分割方法計(jì)算量大且分割后的圖像在不同子圖像的邊界處有灰度的不連續(xù)分布，存在塊效應(yīng)，必須在后續(xù)操作中采用平滑技術(shù)消除灰度的不連續(xù)性。圖3-17給出了局部閾值法二值化的效果圖，圖中有一部分由于塊效應(yīng)出現(xiàn)了錯(cuò)誤分割。(a)原圖(b)二值化后圖3-17局部閾值法二值化3.3.2基于小波分解和大津法的圖像二值化方法大津法、最大熵法、最小錯(cuò)誤概率法和迭代閾值法都屬于全局閾值法，使用單一閾值對(duì)整幅圖像進(jìn)行二值化，對(duì)于光照不均或背景十分復(fù)雜的圖像效果不好。而局部閾值法處理光照不均或背景十分復(fù)雜的圖像時(shí)效果比全局閾值法好，但計(jì)算量大且存在塊效應(yīng)，效果仍不理想。文獻(xiàn)[49]提出利用曲面擬合技術(shù)逼近背景以消除光照影響，但需要事先指定用于擬合和1(全反射)之間。兩式給出的均是理論界限。3.3.2.2利用小波分解得到光照近似分布,圖像f(x,y)在尺度j+1上的逼近為其中D圖3-18Mallat分解算法示意圖D'ADDD2mDAm圖3-20照度函數(shù)估計(jì)結(jié)果中處在分母位置，且式(3-46)對(duì)其取值作出了限制，所以在用式(3-48)進(jìn)行運(yùn)算前，要得的照度函數(shù)i(x,y)一定是有限值，所以只需讓其所有取值大于0即可滿足式(3-46)的限制。但為了盡量避免經(jīng)式(3-48)運(yùn)算后使所得將所有i(x,y)取值小于1的點(diǎn)都強(qiáng)制將其i(x,y)值改為1,其它點(diǎn)的值保持不變。接下來即可按照式(3-48)計(jì)算反射函數(shù)r(x,y)。根據(jù)式(3-47),r(x,y)應(yīng)遵守取值在(0,1)由此算出的r(x,y)會(huì)出現(xiàn)很多大于1的值，所以本文將式(3-47)的限制放寬至[0,2]區(qū)圖3-21即是利用圖3-20(b)中所示的照度函數(shù)i(x,y)對(duì)圖3-20(a)所示原圖像進(jìn)行處理所得的反射函數(shù)(為顯示做了一定的灰度拉伸)。方法已在3.3.1.1節(jié)中予以介紹，此處不再贅述。為驗(yàn)證本文所提方法的效果，本文作了一系列實(shí)驗(yàn)。圖3-22即給出了對(duì)圖3-20(a)中所圖3-22本文方法對(duì)圖3-20(a)的二值化結(jié)果圖3-23大津法對(duì)圖3-20(a)的二值化結(jié)果圖3-24局部閾值法對(duì)圖3-20(a)的二值化結(jié)果法。這一方法既可以消除光照不均的影響，又避免了局部閾值法出現(xiàn)的塊效應(yīng)。雖然利用第四章DataMatrix條碼定位與解碼\DataMatrix是一種矩陣式二維條碼，它有兩種類型：ECC000-140和ECC200[52]。研究對(duì)象，如不加說明則DataM(a)白色背景中的ECC200(b)深色背景中的ECC200示。其中左側(cè)和下側(cè)的兩條鄰邊是暗實(shí)線(又稱為黑邊),組成L形邊界，主要用于限定物理種，尺寸為10?10-144?144;長方形符號(hào)共六種，尺寸為8?18-16?48,上述尺寸均不含靜區(qū)。在較大的符號(hào)中，數(shù)據(jù)區(qū)被一個(gè)單元模塊寬度的暗實(shí)線和鐵路圖4-3分塊的DataMatrix條碼符號(hào)4.2DataMatrix條碼區(qū)域提取4.2.1現(xiàn)有條碼區(qū)域提取方法文獻(xiàn)[57]提出利用數(shù)學(xué)形態(tài)學(xué)對(duì)圖像進(jìn)行版面分析，通過腐蝕(白色背景下)或膨脹(黑4.2.2基于Gabor濾波和BP神經(jīng)網(wǎng)絡(luò)的條碼區(qū)域提取方法4.2.2.1GF-BPNN流程特征圖4-4GF-BPNN方法流程框圖4.2.2.2Gabor濾波器提取紋理特征在紋理分析方面，共生矩陣[58]、馬爾科夫隨機(jī)場(chǎng)[59]和Gabor濾波[60]等都是常用的紋理分析工具。Gabor濾波器則因在時(shí)域和頻域中都具有良好的局部特性[61],且只需改變參數(shù)就可對(duì)圖像進(jìn)行不同尺度不同方向的濾波而被廣泛應(yīng)用。本文提出的GF-BPNN方法就用Gabor濾波進(jìn)行圖像紋理特征的提取。Gabor濾波器的表達(dá)式[62]為式中，(x,y)=(a“(rcosθ+ysinθ),a”(-xsinθ+ycosθ)a>1,m定義濾波器的尺度，m=0,1,…,M-1,M為整數(shù)，?表示濾波器方向與x軸的夾角，對(duì)θ離散化，令,N為整數(shù)，則可用n定義濾波器的方向。通過改變m和n,就可以得到一組具有不同尺度不同中心頻率和方向的濾波器(,)mnGxy,從而對(duì)圖像進(jìn)行不同尺度不同方向的濾波，得到相應(yīng)的紋理特征。對(duì)Gm(x,y)的坐標(biāo)離散化就可以得到相應(yīng)的離散濾波模板Gm(s,t),其中s為區(qū)間內(nèi)的整數(shù)，t為區(qū)間內(nèi)的整數(shù)。則對(duì)圖像I(x,y)進(jìn)行的Gabor濾波定義為GF-BPNN方法采用的濾波器組由中心頻率分別為每圖像寬度4√2、8√2、等于5),方向分別為0°、22.5°、45°、67.5°、90°、112.5°、135°、157.5°共8個(gè)方向(即n分別等于0,1,2,3,4,5,6,7,N等于8)的總共40個(gè)濾波器組成。用這40個(gè)濾波器對(duì)圖像進(jìn)行濾波，則每個(gè)像素處均可得到一個(gè)40維的特征向量F=[F?,…,F7,…,F40,…,F4?],向量元素Fmn即為圖像經(jīng)Gmn(s,t)濾波后在該像素處的值。4.2.2.3特征變換經(jīng)Gabor濾波器濾波得到的特征向量F不具有尺度不變性和旋轉(zhuǎn)不變性，且維數(shù)太高，無法直接用于BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類。所以要對(duì)F進(jìn)行降維和變換，使其具有尺度不變性和旋轉(zhuǎn)不變性。首先，消除F對(duì)尺度的敏感性，生成具有尺度不變性的特征向量，同時(shí)實(shí)現(xiàn)降維。要實(shí)現(xiàn)這一目標(biāo)，可對(duì)具有相同方向不同尺度的特征相加并求均值，從而消除尺度對(duì)特征的影響，得到對(duì)尺度不變的含8個(gè)元素的特征向量01234567F接下來，要對(duì)F進(jìn)行變換使其具有旋轉(zhuǎn)不變性。由圖4-1可知，DataMatrix條碼區(qū)域內(nèi)有很多相互垂直的邊緣，因此條碼區(qū)域內(nèi)的像素經(jīng)過Gabor濾波后會(huì)在兩個(gè)相互垂直的方向上響應(yīng)比較大而其他方向的響應(yīng)會(huì)相應(yīng)地小一些從而在兩個(gè)相互垂直的方向上形成兩個(gè)峰值。這種分布是區(qū)分該像素是否屬于條碼區(qū)域的重要特征。而由于旋轉(zhuǎn)和各種失真的存在，使得屬于不同條碼區(qū)域或同一條碼區(qū)域不同位置的像素的特征分布中峰值出現(xiàn)的角度不同，但只要屬于條碼區(qū)域，其雙峰特性是不變的。因此只需要將由式(4-3)所得的特征向量進(jìn)行循環(huán)移位，使其中的響應(yīng)最大值固定在特征向量的第一個(gè)元素位置0F處，即可得到具有旋轉(zhuǎn)不變性的新特征向量F=[F',F',F',F?'F?',F',F?',F,],設(shè)式(4-3)所得向量中的響應(yīng)最大值為Fmax,則新向量中的元素'F定義如下：至此，圖像每個(gè)像素處的紋理特征已具有尺度不變性和旋轉(zhuǎn)不變性，并已降至8維。4.2.2.4BP神經(jīng)網(wǎng)絡(luò)對(duì)像素分類BP神經(jīng)網(wǎng)絡(luò)是一種被廣泛應(yīng)用的分類器，可實(shí)現(xiàn)從輸入空間到輸出空間的非線性映[63]。它采用最小均方(LMS)學(xué)習(xí)算法[64],經(jīng)過迭代運(yùn)算求解權(quán)值，將所需要的輸出與實(shí)際輸出間的誤差逐步最小化。此輸出誤差還會(huì)向輸入方向“反向傳播”回去，以調(diào)整權(quán)值使誤差減小。BP神經(jīng)網(wǎng)絡(luò)可形成多層網(wǎng)絡(luò)。任一層節(jié)點(diǎn)的輸入都是前一層輸出的加權(quán)和。令J層代表層中各節(jié)點(diǎn)觸發(fā)元素的輸入，則,式中W的學(xué)習(xí)過程則可以描述為J式中的學(xué)習(xí)過程則可以描述為上式中kt為節(jié)點(diǎn)k的期望響應(yīng)，P代表K層的后一層，PN為其節(jié)點(diǎn)數(shù)。本文提出的GF-BPNN方法采用經(jīng)過特征變換的圖像Gabor紋理特征作為網(wǎng)絡(luò)輸入。輸入之前要先將特征線性映射至[0,1]之間，以便于后續(xù)權(quán)值的調(diào)整和運(yùn)算，并提高網(wǎng)絡(luò)泛化能力。網(wǎng)絡(luò)訓(xùn)練由一幅背景比較復(fù)雜的參考圖像經(jīng)過前述特征提取所得到的特征向量作為輸入，期望的輸出為對(duì)輸入圖像隨機(jī)取點(diǎn)11000個(gè)，其中條碼區(qū)域像素1000個(gè)，非條碼區(qū)域像素10000個(gè)，訓(xùn)練100次。然后用訓(xùn)練好的網(wǎng)絡(luò)對(duì)待處理圖像進(jìn)行分類，網(wǎng)絡(luò)輸出以0.5為閾值，輸出大于0.5的像素為條碼區(qū)域像素，否則為背景像素。圖4-5給出了圖像經(jīng)過Gabor濾波、特征變換和BP網(wǎng)絡(luò)分類后的結(jié)果，(a)為原圖，(b)為分類結(jié)果。終的提取結(jié)果，主要流程如圖4-6所示：0NoiYesNoNo4.2.2.6實(shí)驗(yàn)結(jié)果實(shí)驗(yàn)中利用GF-BPNN方法對(duì)三幅包含DataMatrix二維條碼的圖像進(jìn)行了條碼區(qū)域提取，并與文獻(xiàn)[57]提出的利用數(shù)學(xué)形態(tài)學(xué)對(duì)圖像進(jìn)行版面分析提取條碼區(qū)域的方法進(jìn)行了對(duì)比，結(jié)果如下。本文采用像素錯(cuò)分率r來定量描述條碼區(qū)域提取效果，即以分類錯(cuò)誤像素?cái)?shù)incorrect除以總像素?cái)?shù)total得到的百分比。圖4-7(a)為一幅背景復(fù)雜但條碼沒有旋轉(zhuǎn)的圖像。圖4-7(b)為用GF-BPNN方法提取的條碼區(qū)域；圖4-7(c)為用文獻(xiàn)[57]的方法提取的條碼區(qū)域。從中可以清楚地看出，GF-BPNN方法提取的條碼區(qū)域完整而沒有偽區(qū)域，像素錯(cuò)分率為0.05%,而文獻(xiàn)[57]的方法則出現(xiàn)偽區(qū)域，像素錯(cuò)分率為3.33%。圖4-8(a)是一幅含有旋轉(zhuǎn)后條碼的圖像。圖4-8(b)為用GF-BPNN方法提取的條碼區(qū)域；圖4-8(c)為用文獻(xiàn)[57]的方法提取的條碼區(qū)域(結(jié)構(gòu)體與前一實(shí)驗(yàn)中所用一致)。從中可以看出GF-BPNN方法對(duì)旋轉(zhuǎn)不敏感，可提取出完整的條碼區(qū)域，像素錯(cuò)分率為0.1%,而文獻(xiàn)[57]提出的方法則因?yàn)榻Y(jié)構(gòu)體選擇不合適而無法準(zhǔn)確提取出完整的條碼區(qū)域，且出現(xiàn)偽區(qū)域，像素錯(cuò)分率為4.95%。圖4-9(a)是一幅含有較大條碼的圖像。圖4-9(b)為用GF-BPNN方法提取的條碼區(qū)域；圖4-9(c)為用文獻(xiàn)[57]的方法提取的條碼區(qū)域(結(jié)構(gòu)體與前一實(shí)驗(yàn)中所用一致)。從中可以看出GF-BPNN方法對(duì)尺度不敏感，可提取出完整的條碼區(qū)域，像素錯(cuò)分率為0.08%,而文獻(xiàn)[57提出的方法則同樣因?yàn)榻Y(jié)構(gòu)體選擇不合適而無法準(zhǔn)確提取出完整的條碼區(qū)域，像素錯(cuò)分率為從實(shí)驗(yàn)結(jié)果可知，本文提出的GF-BPNN方法，可以很好地提取出復(fù)雜背景下的DataMatrix條碼區(qū)域，且具有旋轉(zhuǎn)不變性和尺度不變性。此方法很好地克服了文獻(xiàn)[57]提出的基于形態(tài)學(xué)分析進(jìn)行條碼區(qū)域提取的方法存在的結(jié)構(gòu)體難以選擇和虛警率較高的缺點(diǎn)。而在計(jì)算量方面，本文所提出的辦法與文獻(xiàn)[57]所提出的方法相比，大概增加一倍。但這個(gè)數(shù)據(jù)是方法要取得較好的效果必須自適應(yīng)地選取結(jié)構(gòu)體，這需要花費(fèi)大量計(jì)算量，而本文提出的方法由于采用BP神經(jīng)網(wǎng)絡(luò)對(duì)像素分類消除了很多偽區(qū)域，只需再以一個(gè)相對(duì)固定的結(jié)構(gòu)體進(jìn)行形態(tài)學(xué)后處理即可得到較好的結(jié)果，省略了自適應(yīng)選取結(jié)構(gòu)體的過程，計(jì)算量的增加是完魯棒性，更能適應(yīng)不同應(yīng)用環(huán)境的需要，是一個(gè)非常有效的方法。圖4-7復(fù)雜背景下的無旋轉(zhuǎn)條碼區(qū)域提取圖4-8旋轉(zhuǎn)條碼區(qū)域提取圖4-9大條碼區(qū)域提取條碼區(qū)域提取結(jié)果邊緣檢測(cè)條碼區(qū)域提取結(jié)果邊緣檢測(cè)邊緣跟蹤和角點(diǎn)檢測(cè)Radon變換頂點(diǎn)坐標(biāo)計(jì)算完成圖4-10基于邊緣跟蹤和Radon變換的條碼定位流程圖4.3.1邊緣檢測(cè)圖4-11Sobel掩模圖4-12像素鄰域圖4-13(b)即對(duì)圖4-13(a)中條碼區(qū)域進(jìn)行Sobel邊緣檢測(cè)所得結(jié)果。圖4-13條碼圖像及條碼區(qū)域Sobel邊緣檢測(cè)結(jié)果4.3.2邊緣跟蹤和角點(diǎn)檢測(cè)1.建立起始跟蹤方向相反(分別為豎直向上和豎直向下)的兩個(gè)邊緣跟蹤器，以跟蹤得邊緣，如圖4-14右圖所示。要跟蹤的邊界呈“L”形，跟蹤過程中跟蹤器的跟蹤方向勢(shì)必要直向上為y軸正方向；當(dāng)前邊緣點(diǎn)坐標(biāo)為(x,y);圖4-14邊緣跟蹤方向示意圖正上方像素(x,y?1)為前景點(diǎn)，說明該點(diǎn)在條碼內(nèi)部，則自該像素水平向外3個(gè)像素內(nèi)搜索跟蹤方向順時(shí)針旋轉(zhuǎn)90度繼續(xù)跟蹤。跟蹤器方向最多旋轉(zhuǎn)2次，若旋轉(zhuǎn)2次后再次發(fā)生找不到邊緣點(diǎn)的情況，跟蹤結(jié)束。跟蹤器跟蹤方向發(fā)生旋轉(zhuǎn)處的邊緣點(diǎn)即為角點(diǎn)。對(duì)于向下的跟蹤器，除跟蹤方向不一樣，當(dāng)找不到邊緣點(diǎn)時(shí)逆時(shí)針旋轉(zhuǎn)90度繼續(xù)跟蹤外，在跟蹤方法上與向上的跟蹤器完全一致。由于條碼邊緣由直線段組成，為了保證沿直線跟蹤邊緣和檢測(cè)角點(diǎn)，本方法還以5個(gè)邊緣點(diǎn)為一組矢量計(jì)算其邊緣方向并與前一次計(jì)算的邊緣方向進(jìn)行比較來確定邊緣點(diǎn)是否共線。首先，跟蹤邊緣得到5個(gè)連續(xù)的邊緣點(diǎn)[P1,P2,P3,P4,P5],將由P1(X1,Y1)到55P5(X5,Y5)之間的矢量ī=(x?-x)元+(y-y)v作為邊緣的參考矢量。然后，繼續(xù)跟蹤得到下一邊緣點(diǎn)P6(X6,Y6),將[P2,P3,P4,P5,P6]作為一組，計(jì)算由P2(X2,Y2)到P6(X6,Y6)之間的當(dāng)前矢量Z=(x?-x?)x+(?-y?)y與之間的夾角的余弦cosθ之后，每得到一個(gè)新的邊緣點(diǎn)，便將此邊緣點(diǎn)與前4個(gè)邊緣點(diǎn)作為一組，計(jì)算新的當(dāng)前矢量，而將上一次跟蹤得到的舊的矢量作為參考矢量，計(jì)算兩個(gè)矢量之間的夾角的余弦。若所得余弦值大于2/2(45度角的余弦值),則認(rèn)為新的邊緣點(diǎn)與之前的邊緣點(diǎn)共線，否則說明出現(xiàn)了角點(diǎn)。由于判斷共線與否的夾角閾值為45度，可認(rèn)為新的一組邊緣點(diǎn)中的中間一個(gè)即第3個(gè)邊緣點(diǎn)為角點(diǎn)。所以，對(duì)于角點(diǎn)檢測(cè)而言，有兩條判斷標(biāo)準(zhǔn)：一是前述的因找不到邊緣點(diǎn)而使跟蹤方向旋轉(zhuǎn)時(shí)，此時(shí)新的一組邊緣點(diǎn)中的中間一個(gè)即第3個(gè)邊緣點(diǎn)為角點(diǎn)。為確定“L”形尋邊區(qū)外邊緣及此邊緣上的三個(gè)角點(diǎn)以及2條鐵路線的大概方向，兩個(gè)跟蹤器需各自跟蹤3條邊緣線段：第一條以跟蹤器起點(diǎn)為起點(diǎn)，以遇到的第一個(gè)角點(diǎn)為終點(diǎn)，其余兩條均以前一條線段的終點(diǎn)為起點(diǎn)，以遇到的下一個(gè)角點(diǎn)為終點(diǎn)，并依據(jù)各條線段的起點(diǎn)和終點(diǎn)計(jì)算各線段的長度和方向矢量。跟蹤器在滿足跟蹤結(jié)束條件或已跟蹤完成3條線段時(shí)結(jié)束跟蹤。假設(shè)兩個(gè)跟蹤器跟蹤得到的邊緣線段分別為linell,line12,line13和因兩個(gè)跟蹤器跟蹤方向相反，所以若linel1和line21的夾角余弦小于-0.98,則認(rèn)為兩條線段共線，此時(shí)合并兩條線段，只要合并后的線段長度大于15即可認(rèn)為合并后的線段為“L”形尋邊區(qū)的一條外邊緣。再在line12和line22中挑選一條相對(duì)較長且長度大于15的線段作為“L”形尋邊區(qū)的另一條外邊緣，假設(shè)為line12,則line22是一條鐵路線與“L”形尋邊區(qū)交界處的一條外短邊緣(若line22相對(duì)較長且長度大于15,則line22為“L”形尋邊區(qū)外邊緣，line12為鐵路線與“L”形尋邊區(qū)交界處的外短邊緣)。而line13和line23中與“L”形尋邊區(qū)的外邊緣相交的那一條則是另外一條鐵路線與“L”形尋邊區(qū)交界處的外短邊緣。在這種情況下，若linell和line21合并后長度小于15或linell和line21的長度均小于15,說明尋找“L”形尋邊區(qū)外邊緣失敗，應(yīng)沿初始掃描線繼續(xù)向右掃描。若linel1和line21的夾角余弦大于-0.98,則認(rèn)為兩條線段不共線。此時(shí)若兩條線段長度均大于15,則認(rèn)為這兩條線段就是“L”形尋邊區(qū)的兩條外邊緣，line12和line22則分別是兩條鐵路線與“L”形尋邊區(qū)交界處的外短邊緣，否則說明尋找“L”形尋邊區(qū)外邊緣失敗，應(yīng)沿初始掃描線繼續(xù)向右掃描。此外，若找到了“L”形尋邊區(qū)的兩條可能的外邊緣，但兩條邊緣的長度相差過大，長邊的長度是短邊的5倍以上，也可認(rèn)為尋找“L”形尋邊區(qū)外邊緣失敗，應(yīng)沿初始掃描線繼續(xù)向右掃描。找到符合上述一系列判斷條件的“L”形尋邊區(qū)的兩條可能的外邊緣后，即可根據(jù)這兩條線段的起點(diǎn)和終點(diǎn)確定此邊緣上的三個(gè)頂點(diǎn)的坐標(biāo)了，即圖4-2中的點(diǎn)1、2、3的坐標(biāo)。4.3.3Radon變換及頂點(diǎn)坐標(biāo)計(jì)算條碼矩陣的四個(gè)頂點(diǎn)中的3個(gè)在上一節(jié)中找到“L”形尋邊區(qū)的兩條可能的外邊緣后即可計(jì)算坐標(biāo)。兩條“L”形尋邊區(qū)外邊緣的交點(diǎn)即對(duì)應(yīng)著無旋轉(zhuǎn)的標(biāo)準(zhǔn)條碼圖像中左下角兩條暗實(shí)線相交處的頂點(diǎn)，即圖4-2中的點(diǎn)1。而兩條“L”形尋邊區(qū)外邊緣各自相對(duì)于此頂點(diǎn)較遠(yuǎn)的端點(diǎn)即是標(biāo)準(zhǔn)圖像中左上角和右下角的兩個(gè)由鐵路線和暗實(shí)線相交形成的頂點(diǎn)，即圖4-2中的點(diǎn)2、3。但在進(jìn)行頂點(diǎn)對(duì)應(yīng)時(shí)要注意這三個(gè)頂點(diǎn)遵守右手螺旋法則，即右手置于兩邊緣交點(diǎn)處，拇指向上，四指應(yīng)可自對(duì)應(yīng)于標(biāo)準(zhǔn)條碼圖像右下角頂點(diǎn)的邊緣端點(diǎn)(圖4-2中的點(diǎn)3)經(jīng)條碼內(nèi)部握拳達(dá)到對(duì)應(yīng)于標(biāo)準(zhǔn)條碼圖像左上角頂點(diǎn)的邊緣端點(diǎn)(圖42中的點(diǎn)2)。而要確定對(duì)應(yīng)于標(biāo)準(zhǔn)條碼圖像右上角的頂點(diǎn)的像素坐標(biāo)，即圖4-2中點(diǎn)4的坐標(biāo)，則需要確定兩條鐵路線的外邊緣所在的直線，兩條直線的交點(diǎn)即為所求頂點(diǎn)。要確定鐵路線外邊緣所在的直線，本文采用Radon變換來實(shí)現(xiàn)。由p和θ定義的直線1的線積分。直線方程為圖4-16條碼圖像邊緣圖鐵路線與暗實(shí)線相交的頂點(diǎn)，即圖4-2中的點(diǎn)2、3,作兩組積分線，以條碼區(qū)域?qū)挾鹊囊话胗捎诿拷M積分直線共點(diǎn)，僅角度不同，設(shè)直線角度為θ,積分長度為1,所過頂點(diǎn)坐標(biāo)為圖4-17條碼定位結(jié)果實(shí)驗(yàn)結(jié)果證明，本文所提出的條碼精定位算法能夠準(zhǔn)確地定位DataMatrix條碼。由于邊緣跟蹤過程中基本只是些簡單的掃描操作，計(jì)算量很小，后續(xù)的Radon變換又只是過定點(diǎn)在鐵路線所在直線的初始方向附近?22.5?的角度范圍內(nèi)進(jìn)行，有效減少了計(jì)算量，與單純依靠Hough變換或Radon變換進(jìn)行定位相比可減少近30%的計(jì)算量，在計(jì)算量和定位精度之間較好地進(jìn)行了折中。4.4條碼圖像幾何校正假設(shè)條碼圖像僅存在剛性變換失真，則可通過一個(gè)3?3的透射變換矩陣完成圖像的幾何校正。校正后的圖像是以條碼尋邊區(qū)“L”的角點(diǎn)為坐標(biāo)原點(diǎn)，以條碼底邊為x軸，以條碼左邊為y軸僅含完整條碼的圖像。4.4.1生成坐標(biāo)變換矩陣令經(jīng)前一章定位所得的條碼四個(gè)頂點(diǎn)分別為pl,p2,p3和p4,其中對(duì)應(yīng)于條碼尋邊區(qū)“L”的角點(diǎn)的頂點(diǎn)為p1(x1,y1),對(duì)應(yīng)于條碼標(biāo)準(zhǔn)圖像中左上頂點(diǎn)的是p2(x2,y2),對(duì)應(yīng)于條碼標(biāo)準(zhǔn)圖像中右下頂點(diǎn)的是p3(x3,y3),對(duì)應(yīng)于條碼標(biāo)準(zhǔn)圖像中右上頂點(diǎn)的是p4(x4,y4)。根據(jù)這四個(gè)頂點(diǎn)即可算出一個(gè)3*3的透射變換矩陣T及其逆矩陣T?1,其中T為由原始圖像坐標(biāo)到校正圖像坐標(biāo)的正向變換矩陣，T-1為由校正圖像坐標(biāo)到原始圖像坐標(biāo)的逆向變換矩陣。T和T均可由一系列3*3的子矩陣或其逆矩陣相乘得到，這些子矩陣包括平移矩陣Trans及接下來，將各子矩陣及其逆矩陣的計(jì)算方法介紹如下：水平剪切矩陣Shear及其逆矩陣Shear-:令點(diǎn)p2(x2,y2)先后經(jīng)過平移變換和旋轉(zhuǎn)變換后得到的坐標(biāo)為p2(x2',y2'),則:這兩個(gè)矩陣用于糾正條碼圖像上邊的透視將式(4-16)~式(4-28)分別代入式(4-14)和式(4-15)即可得到坐標(biāo)變換矩陣T和T4.4.2圖像校正圖像校正有兩種方法正向映射法和反向映射法。正向映射法是指由原圖像坐標(biāo)出發(fā)，通過坐標(biāo)變換計(jì)算出相應(yīng)校正圖像坐標(biāo)，并對(duì)該坐標(biāo)處像素賦值；而反向映射法則是從校正圖像出發(fā)通過坐標(biāo)變換找到該像素在原圖像中的對(duì)應(yīng)像素坐標(biāo)進(jìn)而對(duì)該像素賦值。因?yàn)樵跀?shù)字圖像中像素坐標(biāo)值只能為整數(shù)，而由正向映射法求出的校正圖像坐標(biāo)值往往為小數(shù)，對(duì)坐標(biāo)進(jìn)行取整運(yùn)算后就會(huì)導(dǎo)致存在未被賦值的"空"像素。為避免這種情況發(fā)生，坐標(biāo)變換中一般采用逆向映射法，即由變換后的映射圖像像素的坐標(biāo)值，逆推出在原圖像中對(duì)應(yīng)的坐標(biāo)值。由前述坐標(biāo)變換矩陣的生成過程可知，校正后的條碼圖像是一個(gè)以條碼尋邊區(qū)“L”的角點(diǎn)為坐標(biāo)原點(diǎn)，以條碼底邊為x軸，以條碼左邊為y軸僅含完整條碼的正方形或長方形圖像。圖像的長、寬可通過對(duì)4個(gè)頂點(diǎn)進(jìn)行正向坐標(biāo)變換所得的校正圖像坐標(biāo)值得出。此時(shí)只需將校正圖像內(nèi)的像素坐標(biāo)利用逆向變換矩陣通過逆向坐標(biāo)變換一一找出原圖像中的對(duì)應(yīng)像素坐標(biāo)，再通過灰度插值對(duì)校正圖像像素進(jìn)行賦值即可得到校正后的條碼圖像。令校正圖像像素坐標(biāo)為(x,y),原圖像中的對(duì)應(yīng)像素坐標(biāo)為(X0,Y0),則坐標(biāo)變換過程可表示為：tempy=x*t?+y*考+y,=tempy/w一般情況下，得到的原圖像中的對(duì)應(yīng)像素坐標(biāo)(X0,Y0)是小數(shù)，無法直接從原圖像中采樣賦給校正圖像，因此要進(jìn)行灰度插值。灰度插值的方法有很多[75][76][77],常用的灰度插值方法有最鄰近像素法、雙線性插值法和雙三次卷積法，其中雙三次卷積法計(jì)算量太大，這里不再予以介紹。最鄰近插值法也稱零階插值，是最簡單的插值方法。其做法就是取原圖像上與(X0,Y0)最為接近的像素的灰度值作為校正圖像相應(yīng)像素的灰度。其計(jì)算十分簡單。只需對(duì)(X0,Y0)進(jìn)行四舍五入取整運(yùn)算得到原圖像像素坐標(biāo)，將該像素灰度值賦給校正圖像對(duì)應(yīng)像素即可。但這樣做會(huì)由于取整運(yùn)算帶來一定的誤差，不夠精確，可能使校正圖像出現(xiàn)鋸齒邊緣。雙線性插值法是利用原圖像中與(X0,Y0)最接近的4個(gè)像素點(diǎn)的灰度值，使用線性逼近的方法int(x)=i,int(y)=j,M=x.-i,v=y-i,其中it表示直接舍棄小數(shù)部分的取整運(yùn)算，則雙線性插值法的計(jì)算公式為g(x,y.)=0-4)(-1g(ij)+u(1-1g(i+1,)+(I-)vg(ij+1)+avg(i+1,j+1)采用雙線性插值法能夠保持圖像連續(xù)且精度高，但由于其具有低通濾波性質(zhì)抑制高頻成分，會(huì)導(dǎo)致圖像出現(xiàn)模糊。但經(jīng)過比較，本文仍采用雙線性插值法進(jìn)行像素重采樣。圖4-18是一幅實(shí)際拍攝的條碼圖像，圖4-19則給出了經(jīng)過幾何校正后的條碼圖像。DataMatrix條碼譯碼過程如圖4-20所示，共分四步；生成條碼數(shù)據(jù)區(qū)的二進(jìn)制位圖；提取碼流提取碼流碼流糾錯(cuò)碼流譯碼進(jìn)制位圖校正后的條碼信息輸出4.5.1生成映射數(shù)據(jù)區(qū)的二進(jìn)制位圖過校正的寬、高均為100的10?10的條碼圖像為例，如圖4-21所示。0圖4-2110×10的條碼校正圖像掃描線s1和s2,如圖4-21所示?；跅l碼模塊尺寸均在3*3以上的假設(shè)，在條碼上邊緣下方2像素處做s1過(0,98)點(diǎn)平行于x軸，而在條碼右邊緣左側(cè)2像素處做s2過(98,0)點(diǎn)位置。利用掃描線記錄的黑白交替時(shí)的橫(縱)坐標(biāo)位置計(jì)算出各列(行)的中心橫(縱)坐標(biāo)。令掃描線記錄的第i次交替的橫(縱)坐標(biāo)為Di,則數(shù)據(jù)區(qū)第i列(行)的中心橫(縱)圖4-2210×10條碼的采樣網(wǎng)格條碼的數(shù)據(jù)區(qū)被對(duì)齊模式分割為4個(gè)14?14的小數(shù)據(jù)區(qū)，要將這4個(gè)小數(shù)據(jù)區(qū)組合構(gòu)成一個(gè)圖4-23給出了32?32的條碼的對(duì)齊模式。格時(shí)應(yīng)忽略對(duì)齊模式，生成與條碼小數(shù)據(jù)區(qū)個(gè)數(shù)相等的小網(wǎng)格。圖4-24給出了一個(gè)32*32圖4-2432×32的條碼的采樣網(wǎng)格由此網(wǎng)格采樣，得到4個(gè)14?14的小數(shù)據(jù)區(qū)的二進(jìn)制位圖，要將這4個(gè)小數(shù)據(jù)區(qū)的位圖按照它們之間的相對(duì)位置組合構(gòu)成一個(gè)28?28的映射數(shù)據(jù)區(qū)的二進(jìn)制位圖才能進(jìn)行后續(xù)處4.5.2提取碼流符符號(hào)由8個(gè)模塊從左到右，從上到下排放而成，表示一個(gè)8比特字節(jié)的二進(jìn)制信息，如圖4-25所示，其中每個(gè)模塊表示一個(gè)二進(jìn)制的數(shù)值，黑色模塊表示1,白色模塊表示0。圖4-25字符符號(hào)示意圖[52]列方式，還規(guī)定了分開的兩部分模塊之間的相對(duì)位置[52],如表4-1所示。而對(duì)于圖4-28所據(jù)區(qū)尺寸為142,222的條碼；圖4-28(c)適用于數(shù)據(jù)區(qū)尺寸為6*28,14*44的條碼；圖4-28(d)適用于數(shù)據(jù)區(qū)尺寸為6*16,14*32的條碼。表4-1邊界字符符號(hào)兩部分模塊的相對(duì)位置[52]序號(hào)模塊a8和a7所在行的關(guān)系模塊c6和c3所在列的關(guān)系條碼數(shù)據(jù)區(qū)尺寸1a7行=a8行c3列=c6列2a7行=a8行-2c3列=c6列-23a7行=a8行+4c3列=c6列+44a7行=a8行+2c3列=c6列+25a7行=a8行c3列=c6列+26a7行=a8行c3列=c6列-27a7行=a8行+4c3列=c6列+23x1x2了一套獨(dú)有的字符排列規(guī)則用于將各字符符號(hào)排列組合為工整的矩形數(shù)據(jù)區(qū)。如圖4-29所示，第二個(gè)字符符號(hào)被放在最左上角的位置，其中2.字符；字符符號(hào)被安排在45度的從左下向右上的平行斜線上，通常情況下，這個(gè)斜線是貫穿字符符號(hào)的第8個(gè)模塊；完全包含在數(shù)據(jù)區(qū)內(nèi)部的字符符號(hào)按照?qǐng)D4-25排列模塊，而位于數(shù)據(jù)區(qū)邊界和拐角處的字符符號(hào)則分別按照?qǐng)D4-26、4-27、4-28和表4-1排列模塊；第一條斜線起始于第一個(gè)字符符號(hào)的第8個(gè)模塊，繼續(xù)貫穿2.8和3.8模塊；這個(gè)斜線貫穿頂部邊界，下一條斜線從最頂端的一行向右四個(gè)模塊開始向左下方貫穿，字符符號(hào)按照斜線貫穿第8模塊的原則按順序排列在斜線路徑上；斜線之間均相距4個(gè)模塊，每條斜線位于前一條斜線的右方或下方，所有奇數(shù)斜線從左下方貫穿到右上方，所有偶數(shù)斜線從右上方貫穿到左下方；當(dāng)排列路徑中遇到前述的邊界或轉(zhuǎn)角字符符號(hào)部分，并且這個(gè)部分是在路徑到達(dá)此位置前就已被標(biāo)號(hào)時(shí)，忽略這一部分，排列路徑只給未被標(biāo)號(hào)的符號(hào)標(biāo)號(hào)。例如，圖4-29所示字符3和7的不包含第8模塊的其他部分在排列路徑到達(dá)前就已經(jīng)被標(biāo)號(hào)放置了，排列路徑忽略這些位置。當(dāng)所有符號(hào)都已經(jīng)被放置標(biāo)號(hào)，對(duì)字符符號(hào)放置位置的處理結(jié)束，此時(shí)排列斜線會(huì)中止于數(shù)據(jù)矩陣的右下方。對(duì)數(shù)據(jù)區(qū)尺寸為10*10,14*14,18*18,22*22的條碼，右下角會(huì)有2*2的空白區(qū)域。這個(gè)區(qū)域內(nèi)左上角和右下角的兩個(gè)模塊被定義為黑色，由圖4-29可見。其他條碼則不存在空白區(qū)域，如圖4-30所示。《《166UU圖4-3012×12的數(shù)據(jù)區(qū)矩陣排列[52]圖中可看出，72×72的DataMatrix碼字被交織成4部分。即從碼字序列中分別每隔4位抽3429455daococewords日262637374848圖4-3172×72的DataMatrix條碼交織編碼方式[52]4.5.3碼流糾錯(cuò)領(lǐng)域中最重要，也是研究最多的碼類之一[78-88]。在對(duì)付隨機(jī)錯(cuò)誤和突發(fā)錯(cuò)誤以及兩者的組合錯(cuò)誤時(shí)，該碼都有較強(qiáng)的糾錯(cuò)能力，目前被廣泛地應(yīng)用于深空通信、衛(wèi)星通信、軍用通信、移動(dòng)通信和磁盤陣列等各種差錯(cuò)控制系統(tǒng)中。RS碼的主要特點(diǎn)是：(1)具有嚴(yán)格的代數(shù)結(jié)構(gòu)，構(gòu)造簡單，易于軟硬件實(shí)現(xiàn)。(2)糾正突發(fā)錯(cuò)誤的能力很強(qiáng)(一個(gè)符號(hào)中錯(cuò)1比特和連續(xù)錯(cuò)m比特，RS碼都當(dāng)一個(gè)符號(hào)來糾正)。(3)是極大最小距離可分碼，簡稱MDS碼。其最大可能的最小距離是校驗(yàn)元的個(gè)數(shù)加1,設(shè)計(jì)距離與實(shí)際距離是一致的。其糾錯(cuò)能力由辛格爾頓限給出上界：一個(gè)RS(n,k)碼可以糾長度不超過(n-k)/2的隨機(jī)錯(cuò)誤或連續(xù)長度不超過(n-k)/2的突發(fā)錯(cuò)誤，其中n為碼流長度，k為其中信息碼的長度。針對(duì)信道中出現(xiàn)的連續(xù)突發(fā)錯(cuò)誤，若在常規(guī)譯碼算法中充分考慮到碼元錯(cuò)誤位置的相關(guān)性，則一個(gè)RS(n,k)碼可以糾連續(xù)長度接近(n-k)的突發(fā)錯(cuò)誤，當(dāng)連續(xù)長度超過(n-k)/2時(shí)，譯碼會(huì)帶來相對(duì)很小的錯(cuò)誤概率。這樣就在不增加碼長和碼間距離的情況下提高了碼字糾錯(cuò)能力。在非二元BCH碼中，RS碼是其中較重要的一個(gè)子類，其碼元符號(hào)和生成多項(xiàng)式的根都取自于迦羅華域GF(q),一般為GF(2”)域。域中的每個(gè)元素可以用m個(gè)比特符號(hào)來表示。對(duì)于特；信息段k符號(hào)或mk比特；監(jiān)督段n-k=2tD=n-k+1=2t+1符號(hào)或m(2t+1)比特由于RS碼的最小距離是校驗(yàn)元的個(gè)數(shù)加1,符合線性分組碼最大可能的最小距離要求。因此，RS碼為極大最小距離可分碼(MDS)。當(dāng)RS碼用來糾正突發(fā)錯(cuò)誤時(shí)，它可以糾正的錯(cuò)誤圖樣有：比特的單個(gè)突發(fā)；到的碼字是(n,n-2t)循環(huán)碼。由于RS碼中的每個(gè)碼元是由m個(gè)比特位組成的，因此當(dāng)信道中的突發(fā)干擾使得碼字中若干個(gè)連續(xù)比特位發(fā)生錯(cuò)誤時(shí)，僅相當(dāng)于幾個(gè)碼元符號(hào)出現(xiàn)錯(cuò)誤，所以RS碼特別適合糾正突發(fā)成片的錯(cuò)誤。RS碼的譯碼基本原理與一般線性碼的譯碼原理相同，即由接收到的碼字R(x)求得錯(cuò)誤圖不僅要找出錯(cuò)誤位置，而且還要找出對(duì)應(yīng)位置的錯(cuò)誤大小，因此RS碼的譯碼分為3步：第1步，由接收到的碼多項(xiàng)式R(x)求多個(gè)伴隨式的值第2步，由伴隨式的值求出錯(cuò)誤位置；假設(shè)錯(cuò)誤圖樣E(x)=ex+e?x2+…+eqx+e,e,生t個(gè)錯(cuò)誤，分別位于Xi,相應(yīng)的錯(cuò)誤值為Yi,i=1,2...t,s=R(a)=E(a)為GF(2”則錯(cuò)誤圖樣為)的元素。若信道產(chǎn)s?,=R(a2)=E(a2)要由伴隨式的值求出錯(cuò)誤位置，首先假設(shè)一個(gè)錯(cuò)誤位置多項(xiàng)式：就得到錯(cuò)誤位置多項(xiàng)對(duì)k求和并寫成矩陣形式為：該方程組有解的充要條件是系數(shù)矩陣為滿秩。實(shí)際上，只有當(dāng)錯(cuò)誤個(gè)數(shù)為t時(shí)系數(shù)矩陣為滿秩；當(dāng)錯(cuò)誤個(gè)數(shù)r<t時(shí)，必須先將系數(shù)矩陣降至r階滿秩。解方程組就能求得o?,O?…,σ,。例如，當(dāng)產(chǎn)生一個(gè)錯(cuò)誤時(shí)，t=1,由上式可得：若產(chǎn)生2個(gè)錯(cuò)誤，則：這種解方程組的方法只適合碼長較短，糾錯(cuò)能力較小的情況，當(dāng)碼長較長時(shí)解方程組的計(jì)算量非常大，必然影響譯碼的速度，迭代譯碼算法可以解決這個(gè)問題。BM迭代算法是1968年由伯利坎普(Berlekamp)提出的迭代算法極大加速了錯(cuò)位多項(xiàng)式的求解，梅西(Massey)在設(shè)計(jì)自回歸濾波器的設(shè)計(jì)過程中重新推導(dǎo)了這個(gè)算法[89]。BM迭代算法流程圖如圖4-32所示。Y,隱有錯(cuò)離'YA+1)-退面?zhèn)€kr0-π由鋪?zhàn)h圖程利福Y有不暉的用錯(cuò)有不暉的用錯(cuò)圖4-32BM站代算法流程圖做乘積代入上式，可得：a(x)≤2迭代法就是首先選擇一組初值，如o1(x)和w)(x),然后開始第一次迭代運(yùn)算得到可見。jd012110001由圖4-32和表4-2可看出迭代算法得步驟如下：(1)由初值σ~(x)=1,D(-1)=0,d_=1,σ1"迭代。(2)如;否則，找出第j行之前使i-D(i)最大且d≠0行(i<j),則o1+(x)=o(x)-ddj1ra?(x);否則，(3)如果j=2t-1,完成迭代，;否則，。-是否有錯(cuò)，譯碼器計(jì)算：若上式值為-1,l-1進(jìn)行檢驗(yàn)，就的情況，這說明有不可糾的錯(cuò)誤發(fā)生，時(shí)，不進(jìn)行糾錯(cuò)，放棄譯碼。最后要做的就是計(jì)算每個(gè)錯(cuò)誤位置處的差錯(cuò)值，然后與原位置值相加，生成正確的條碼值。錢氏搜索算法推導(dǎo)如下：定義將式(4-39)代入此式可得,則：因?yàn)榈玫竭@個(gè)錯(cuò)誤值后，與原來得到的值相加，就得到了正確的數(shù)值，達(dá)到了糾錯(cuò)的目的。4.5.4碼流譯碼糾錯(cuò)后的二進(jìn)制碼流包括信息碼和糾錯(cuò)碼兩部分，碼流譯碼就是將信息碼部分按照碼流中指定的編碼方式譯碼成為ASCII字符串從而得到條碼所含信息。ECC200的編碼方式共有六編碼。ASCII編碼是其基本方式，下面給出這六種編碼方式的譯碼方法。(1)ASCII編碼。ASCII編碼是ECC200的默認(rèn)編碼方式，所有碼流的第一個(gè)碼字都是采用ASCII編碼方式編碼的。編碼值為1-128的碼字為基本ASCII字符，將編碼值減1即是相應(yīng)字符的ASCII值；如遇到編碼值為235的碼字，則表示緊隨其后的一個(gè)碼字表示的是擴(kuò)展ASCII字符，此時(shí)忽略編碼值為235的碼字，而將緊隨其后的一個(gè)碼字的編碼值減1再加128即得相應(yīng)的擴(kuò)展ASCII字符(128-255);若編碼值為130-229,則該碼字表示一個(gè)兩位的十進(jìn)制數(shù)字，只需將編碼值減去130即可得到編碼前的數(shù)字；編碼為其它數(shù)值的碼字為控制字符。(2)C40編碼。碼字230表示后續(xù)碼字為C40編碼方式直至遇到碼字254或碼流結(jié)束為止。每兩個(gè)以C40編碼方式編碼的碼字代表了3個(gè)C40碼值，得到的C40碼流經(jīng)查表可得相應(yīng)的ASCII字符。令譯碼前采用C40編碼方式編碼的連續(xù)兩個(gè)碼字為a和b,譯碼所得的相應(yīng)的3個(gè)C40碼值C=v/1600,C2=(v%1600-1)/40,碼字239表示后續(xù)碼字為TEXT編碼方式直至遇到碼字254或碼流結(jié)束為止。TEXT編碼方式與C40編碼方式相同僅字符集不同，此處不再贅述。(4)ANSIX12編碼。碼字238表示后續(xù)碼字為ANSIX12編碼方式直至遇到碼字254或碼流結(jié)束為止。ANSIX12編碼方式與C40編碼方式相同僅字符集不同，此處不再贅述。碼字240表示后續(xù)碼字為EDIFACT編碼方式直至經(jīng)重組后的EDIFACT碼流中遇到6位二進(jìn)制碼字011111為止。每3個(gè)采用EDIFACT編碼方式編碼的碼字為一組表示4個(gè)6位的二進(jìn)制EDIFACT碼值，根據(jù)每個(gè)EDIFACT碼值的最高位給每個(gè)EDIFACT碼值前面加上前導(dǎo)符生成8位的ASCII碼值：若EDIFACT碼值最高位為0,則在EDIFACT碼值前面加01;反之，則在EDIFACT碼值前面加00。(6)BASE256編碼。碼字231表示后續(xù)碼字為BASE256編碼方式，緊隨其后的一個(gè)或兩個(gè)碼字為采用此編碼方式進(jìn)行編碼的長度。令收到的碼字為codeword,碼字的位置為position,譯碼結(jié)果為result,則pseudo_random_mumber=(149×position)%255+1(4-49)本章首先簡單介紹了DataMatrix條碼符號(hào)特征，接下來詳細(xì)介紹了DataMatrix條碼定位中的核心算法，針對(duì)條碼區(qū)域提取和條碼精定位問題分別提出了基于Gabor濾波和BP神經(jīng)網(wǎng)絡(luò)的DataMatrix條碼區(qū)域提取方法及基于邊界跟蹤和Radon變換相結(jié)合的DataMatrix條碼定位方法。實(shí)驗(yàn)結(jié)果證明這兩種方法能夠很好的完成各自任務(wù)，正確提取和定位圖像中的DataMatrix條碼，為后續(xù)解碼過程奠定了基礎(chǔ)。然后，本章又介紹了ECC200型DataMatrix條碼圖像的校正和譯碼過程：根據(jù)前述定位所得到條碼區(qū)域的4個(gè)頂點(diǎn)坐標(biāo)，計(jì)算出可校正所有剛體變換失真的坐標(biāo)變換矩陣，并利用此矩陣對(duì)條碼圖像進(jìn)行幾何校正，得到以條碼尋邊區(qū)“L”的角點(diǎn)為坐標(biāo)原點(diǎn)，以條碼底邊為x軸，以條碼左邊為y軸僅含完整條碼的圖像，然后通過掃描條碼尋邊區(qū)的鐵路線得到條碼行列數(shù)以及各行(列)的中心縱(橫)坐標(biāo)進(jìn)而生成采樣網(wǎng)格對(duì)條碼映射數(shù)據(jù)區(qū)采樣形成其二進(jìn)制位圖并按ECC200的模塊排列規(guī)則掃描位圖，提取其二進(jìn)制碼流，再經(jīng)過RS碼糾錯(cuò)后，根據(jù)不同的編碼方式譯碼得到條碼中所包含的完整信息。第五章基于DSP的嵌入式二維條碼識(shí)讀終端的設(shè)計(jì)秒60次，首讀率在98%以上，而其總成本僅需大約5000元。此終端外形如圖5-1所示。圖5-1基于DSP的嵌入式二維條碼識(shí)讀終端5.1終端概述所以為了保證條碼識(shí)讀的精度、成功率和速度，本文創(chuàng)新性地以德州儀器(Texas●最小可分辯模塊寬度可達(dá)5mil,對(duì)一維條碼要達(dá)到3mil;●識(shí)讀速度可達(dá)每秒10次以上，最高達(dá)到每秒60次；該區(qū)域內(nèi)的圖像)位置及大小、圖像處理模式(簡單或復(fù)雜)等參數(shù)；●前端的數(shù)字圖像分辨率為WVGA,即寬752像素，高為480像素；進(jìn)行分析處理，識(shí)讀圖像中的條碼。在解碼完成后，由DSP芯片經(jīng)I2C總線將5.2終端硬件系統(tǒng)設(shè)計(jì)E0者日香E0者日香林Tt和由DE圖5-2系統(tǒng)硬件框圖 0CanahnfI州ad圖5-3TMS320C6713功能框圖[91]的C/C++優(yōu)化編譯器，簡單易用的圖形化集成開發(fā)環(huán)境CCSIDE(CodIntegratedDevelopmentEnvironment),實(shí)時(shí)的JTAG仿真調(diào)試接口，以及DSP/BIOS系統(tǒng)內(nèi)核；這些特性提高了系統(tǒng)開發(fā)效率，降低了系統(tǒng)調(diào)試難度，大大縮短了項(xiàng)目的開發(fā)周期[94]。5.2.2硬件主要模塊設(shè)計(jì)及實(shí)現(xiàn)者ipoutQfbdrsp4st47nt>gybubm傳77tp00VwQQpnnFA49a重言也苦日用見意見色言言意馬意文見言集是重色重毒子言言者古在者色重言也苦日用見意見色言言意馬意文見言集是重色重毒子言言者古在者色Do4bobo14A14Crrxrrkr4玉重4a作為控制核心，將ImageSensor輸出的視頻信號(hào)流以幀為單位保存到高速SRAM中，并在合AA圖5-6圖像采集模塊框圖對(duì)ImageSensor的接口的設(shè)計(jì)方案相對(duì)簡單，只需連接ImageSensor的主時(shí)鐘(SYSCLK)端，將Reset和Power-down管腳置相應(yīng)的電平，并將ImageSensor輸出的8位數(shù)據(jù)(Dout[0:butbuatncapcNCptoAN_Uopa1A+tAambyaA即HncaH_07n1u 0506WHENADDR9-1-CS2>C3;CND--WHENA0DRB-0-usC987>CS1WHEIADDAs-1--CS2->CS0;GN0-W94369ABE0s圖5-8RAM乒乓控制電路的讀寫周期必須小于像素時(shí)鐘周期，而在60FPS的幀率下，ImageSensor的像素時(shí)鐘周期約為20ns;三、SRAM的容量最小應(yīng)可以容納一幀的圖像數(shù)據(jù)，即752*480=350KB。經(jīng)過論證，本系統(tǒng)選用的SRAM為ISSI公司的IS61WV10248ALL,該芯片的存儲(chǔ)空間為1024KB,總線寬度為8bit,訪問周期為10ns。既滿足系統(tǒng)要求，且保留了足夠的可擴(kuò)展性。5.2.2.3補(bǔ)光系統(tǒng)設(shè)計(jì)補(bǔ)光系統(tǒng)的性能直接影響到了采集到的數(shù)字圖像的對(duì)比度，不穩(wěn)定的補(bǔ)光光強(qiáng)會(huì)加重軟件的運(yùn)算負(fù)擔(dān)，嚴(yán)重時(shí)可能會(huì)導(dǎo)致運(yùn)算無結(jié)果或結(jié)果錯(cuò)誤。因此，對(duì)補(bǔ)光LED的光強(qiáng)控制就尤為重要。而想要控制LED的發(fā)光強(qiáng)度，就必須精確的控制通過LED的電流，傳統(tǒng)的恒流源電路分立元件多，對(duì)元件參數(shù)精度要求較高，不利于調(diào)試和穩(wěn)定工作。本系統(tǒng)里選用MAX1573作為LED的驅(qū)動(dòng)芯片，提高了LED光強(qiáng)的可控性，降低了電路設(shè)計(jì)和調(diào)試的復(fù)雜程度，同時(shí)也減小了LED驅(qū)動(dòng)電路部分占用的板上面積。補(bǔ)光系統(tǒng)原理圖如下。mpmp,■mmn■n■顯bt三三圖5-9補(bǔ)光系統(tǒng)原理圖其中，U9是一片I2C接口的三路輸出數(shù)字電位器DS3904,其地址選擇引腳A0接地，這5.2.2.4數(shù)據(jù)通信接口接收固件更新信息；因此連續(xù)傳送的數(shù)據(jù)量最大為數(shù)據(jù)輸出波特率=解碼率*碼流長度*8(5