二维码粗定位方法、设备及存储介质技术

本申请公开二维码粗定位方法、设备及存储介质。其中，二维码粗定位的方法包括：获取目标图像；查找所述目标图像中的连通域；获取所述目标图像中的所述连通域聚集的密集区域；筛选密度值大于预定值的所述密集区域，作为二维码区域。本申请的二维码粗定位方法通过获取目标图像中的连通域聚集的密集区域，并通过密度值筛选获取有效密集区域作为二维码区域，实现二维码的粗定位，计算量小，定位准确率高，利于后续根据二维码区域的位置及大小，调整摄像头的焦距，有效提升二维码的识别效率。

【技术实现步骤摘要】
二维码粗定位方法、设备及存储介质
本申请属于图像识别
，具体涉及二维码粗定位方法、设备及存储介质。
技术介绍
手机识别二维码的过程包括：手机摄像头采集二维码图像，获取图像后再由算法处理采集的图像，解码出二维码中的信息。二维码解析的成功率取决于采集图像时的光线、摄像头到二维码的距离、二维码的大小及摄像头的采集分辨率。然而当摄像头到二维码的距离较远或者二维码大小比较小时，二维码的识别率比较低。
技术实现思路
本申请提供二维码粗定位方法、设备及存储介质，以解决二维码识别率较低的技术问题。为解决上述技术问题，本申请采用的一个技术方案是：一种二维码粗定位的方法，所述方法包括：获取目标图像；查找所述目标图像中的连通域；获取所述目标图像中的所述连通域聚集的密集区域；筛选密度值大于预定值的所述密集区域，作为二维码区域。根据本申请一实施方式，所述获取所述目标图像中的所述连通域聚集的密集区域，包括：获得所述连通域的连通域中心点，所述连通域包括具有相同像素值且位置相邻的像素点；获取所述目标图像中的所述连通域中心点聚集的所述密集区域。根据本申请一实施方式，所述获得所述连通域的连通域中心点，获取所述目标图像中的所述连通域中心点聚集的所述密集区域，包括：根据所述连通域的起始坐标点、长度和宽度计算所述连通域的所述连通域中心点；利用聚类算法根据所述连通域中心点的坐标，计算所述连通域中心点聚集的密集区域。根据本申请一实施方式，所述筛选密度值大于预定值的所述密集区域，作为二维码区域，包括：计算所述密集区域的密度值；将所述密度值大于所述预定值的密集区域作为二维码区域。根据本申请一实施方式，所述计算所述密集区域的密度值，包括：根据所述密集区域的长度和宽度计算所述密集区域的面积；计算所述密集区域内所述连通域中心点的数量与所述密集区域的面积的比值，获得所述密集区域的所述密度值。根据本申请一实施方式，将所述密度值大于所述预定值的密集区域作为二维码区域包括：获取所述密度值最大的所述密集区域，作为最大密集区域；判断所述最大密集区域的所述密度值是否大于所述预定值；响应于所述最大密集区域的所述密度值大于所述预定值，所述最大密集区域为所述二维码区域。根据本申请一实施方式，所述方法包括：根据所述二维码区域的位置及大小，调整摄像头的焦距；以定位至所述目标图像中的所述二维码区域。根据本申请一实施方式，在所述查找所述目标图像中的连通域，之前包括：对所述目标图像进行二值化处理，获得二值化图像。为解决上述技术问题，本申请采用的又一个技术方案是：一种电子设备，包括：处理器和存储器，所述处理器耦接所述存储器，所述存储器中存储有程式指令，所述处理器执行所述程式指令，通过所述程式指令实现如上所述的方法。为解决上述技术问题，本申请采用的又一个技术方案是：一种计算机可读存储介质，所述存储介质存储有程序数据，所述程序数据能够被执行以实现如上所述的方法。本申请的有益效果是：区别于现有技术，本申请的二维码粗定位方法通过获取目标图像中的连通域聚集的密集区域，并通过密度值筛选获取有效密集区域作为二维码区域，实现二维码的粗定位，计算量小，定位准确率高，利于后续根据二维码区域的位置及大小，调整摄像头的焦距，有效提升二维码的识别效率。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，其中：图1是本申请的二维码粗定位方法一实施例的流程示意图；图2是本申请的二维码粗定位方法一实施例中获取目标图像中的连通域聚集的密集区域的流程示意图；图3是本申请的二维码粗定位方法一实施例中筛选密度值大于预定值的密集区域的流程示意图；图4是本申请的二维码粗定位装置一实施例的框架示意图；图5是本申请的电子设备一实施例的框架示意图；图6是本申请计算机可读存储介质一实施例的框架示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。请参阅图1至图3，图1是本申请的二维码粗定位方法一实施例的流程示意图；图2是本申请的二维码粗定位方法一实施例中获取目标图像中的连通域聚集的密集区域的流程示意图；图3是本申请的二维码粗定位方法一实施例中筛选密度值大于预定值的密集区域的流程示意图。本申请一实施例提供了一种二维码粗定位方法，包括如下步骤：S101：获取目标图像。获取目标图像。目标图像中可能包括一个或多个二维码区域，也可能不包括二维码区域。需要说明的是，目标图像可以是系统获取相册内保存的一张完整图像，目标图像还可以是摄像头拍摄的图像画面。S102：查找目标图像中的连通域。一个连通域是由具有相同像素值的相邻像素组成像素集合，查找目标图像中的所有连通域。为了提升图像处理效率，在对目标图像进行查找连通域之前，还包括对目标图像进行二值化处理，获得二值化图像。通过适当的阈值选取，二值化图像上的像素点的灰度值分别设置为0或255，整个二值化图像呈现出明显的黑白效果。通采用自适应二值化算法，去除目标图像中的多余色彩，只保留黑白色，避免多余色彩干扰后续图像处理，能有效提升图像处理效率。S103：获取目标图像中的连通域聚集的密集区域。获取目标图像中的连通域聚集的密集区域，根据二维码图形的特征，二维码区域存在大量连通域，而且连通域密度很高，所以获取目标图像中的连通域聚集的密集区域利于粗定位二维码区域。在一实施例中，获取目标图像中的连通域聚集的密集区域包括：S1031：获得连通域的连通域中心点。获取连通域后，可以得到所有连通域的的起始坐标点(x1,y1)、长度(length1)和宽度(width1)，起始坐标点(x1,y1)为连通域左上角的坐标点。根据连通域的起始坐标点(x1,y1)、长度(length1)和宽度(width1)，计算连通域的连通域中心点，具体地，连通域中心点的横坐标为连通域的起始坐标点的横坐标加上连通域一半的长度，连通域中心点的纵坐标为连通域的起始坐标点的纵坐标加上连通域一半的宽度，连通域中心点坐标为(x1+length1/2,y1+width1/2)。获取所有连通域的连通域中心点后，可以将所有连通域中心点存入一个数组中。S1032：获取目标图像中的连通域中心点聚集的密集区域。在一实施例中，获取目标图像中的连通域中心点聚集的密集区域包括利用聚类算法根据连通域中心点的坐标，计算连通域中心点聚集的密集区域。获取连通域中心点聚集的密集区域后，可以得到密集本文档来自技高网...

【技术保护点】
1.一种二维码粗定位的方法，其特征在于，所述方法包括：/n获取目标图像；/n查找所述目标图像中的连通域；/n获取所述目标图像中的所述连通域聚集的密集区域；/n筛选密度值大于预定值的所述密集区域，作为二维码区域。/n

【技术特征摘要】
1.一种二维码粗定位的方法，其特征在于，所述方法包括：
获取目标图像；
查找所述目标图像中的连通域；
获取所述目标图像中的所述连通域聚集的密集区域；
筛选密度值大于预定值的所述密集区域，作为二维码区域。


2.根据权利要求1所述的方法，其特征在于，所述获取所述目标图像中的所述连通域聚集的密集区域，包括：
获得所述连通域的连通域中心点，所述连通域包括具有相同像素值且位置相邻的像素点；
获取所述目标图像中的所述连通域中心点聚集的所述密集区域。


3.根据权利要求2所述的方法，其特征在于，所述获得所述连通域的连通域中心点，获取所述目标图像中的所述连通域中心点聚集的所述密集区域，包括：
根据所述连通域的起始坐标点、长度和宽度计算所述连通域的所述连通域中心点；
利用聚类算法根据所述连通域中心点的坐标，计算所述连通域中心点聚集的密集区域。


4.根据权利要求1所述的方法，其特征在于，所述筛选密度值大于预定值的所述密集区域，作为二维码区域，包括：
计算所述密集区域的密度值；
将所述密度值大于所述预定值的密集区域作为二维码区域。


5.根据权利要求4所述的方法，其特征在于，所述计算所述密集区域的密度值，包括：
根据所述密集区域的长度和宽度...

【专利技术属性】
技术研发人员：戴书其，
申请(专利权)人：美的集团股份有限公司，广东美的制冷设备有限公司，
类型：发明
国别省市：广东;44