一种基于OpenCV的机器人二维码识别方法

朱玥，郭依正，詹雪敏

（南京师范大学泰州学院，江苏泰州，225300）

0 引言

随着智能手机和通信网络技术的发展，二维码（二维条码）识别技术已广泛应用于电子商务、物流、餐饮、交通、信息安全等领域[1-3]。而机器人工程是现在产业发展的主流方向之一，机器人的应用领域也在逐步扩大。让机器人具有视觉能力，快速准确的识别二维码，也是诸多应用场景的需要。

QR（Quick Response Code，快速响应矩阵码）二维码具有存储的信息量大、抗噪能力强、识别快、无需依附数据库等优点，是市场的主流，应用最为广泛。对QR码的研究，目前主要集中在光照不均处理、噪声的消除、斜视畸变校正等几个方面[4]，比如对于二维码去噪，高欣欣等人提出了一种迭代均值滤波算法[5]，比如对于二维码畸变校正，欧福超等人提出结合透视变换和插值运算的校正算法[6]，在二维码定位算法方面，刘宏伟等人提出了一种基于Hough变换和投影算法定位二维码边界[7]。QR码包括功能图像和编码区两部分，如图1所示。因为二维码已经应用的非常广泛，如移动支付、身份校验、数据下载、信息显示、餐饮、物流等等，所以诸多软硬件都集成了扫码功能。本文以应用最广泛的QR码为例，阐述了一种机器人系统结构，及其基于此的二维码的预处理、定位和识别过程，并且做了实验验证。

图1 QR码的结构

1 系统结构

如图2所示，给出了一种典型的机器人系统结构。该结构分为四层，上层智能手机为操控端，通过蓝牙、GPRS等连接树莓派进而发出相关指令，树莓派（Raspberry Pi）通过读取摄像头获取外部图像并识别，Arduino单片机为下位机，可以连接各类传感器，典型的如温湿度传感器、火焰传感器、红外接收传感器、红外热释电运动传感器等等，最底层为机器人的机械装置。

图2 机器人系统结构

要想在该系统结构上实现基于OpenCV (Open Source Computer Vision Library)的机器人二维码识别，需要熟悉树莓派、Python、OpenCV等。树莓派是一款基于ARM的微型电脑主板，以SD卡为硬盘，支持安装类Linux系统，体积小但功能齐全，可以完成一台普通PC机能做的诸多事情，可谓是“麻雀虽小，五脏俱全”；Python是一种面向对象的解释型程序设计语言，易学易用，既支持对数据进行分析，也可以分析智能硬件，是目前人工智能、机器视觉等领域的首选语言；OpenCV是一种跨平台计算机视觉库，对许多通用的图像处理算法进行了封装，OpenCV还提供了Java、Python、CUDA等的接口，让图像处理和图像分析的使用变得更加方便。

2 二维码预处理

二维码预处理是二维码定位与识别的基础，其主要工作包括图像类型的转换、图像边缘检测、数学形态学处理等。

（1）图像类型转换是将采集的彩色图像转换为灰度图像，可以使用OpenCV中的cv2.cvtColor()函数实现。当摄像头读入图像后，将读取的帧转为灰度图。函数形式如下：

有两个必选参数，src：原始图像，code：颜色空间转换方式。本示例中code取值为cv2.COLOR_BGR2GRAY。值得一提的是，在OpenCV中，彩色空间使用的BGR，即蓝-绿-红颜色空间。

（2）图像边缘检测可以使用OpenCV自带的cv2.Sobel()算子进行滤波。Sobel算子是常用的一种边缘检测算子，对边缘方向信息的提供比较精确，但由于不是完全精确的边缘定位，在对精度要求不是很高的情况下被经常采用。

Sobel算子是一个无方向的一阶微分边缘检测算子，Sobel算子的表达式如下：

其中Dx、Dy分别表示水平方向算子和垂直方向算子。矩阵形式的模板表示如下：

在OpenCV中，Sobel算子的函数原型如下：

dst=cv2.Sobel(src,ddepth,dx,dy[,dst[,ksize[,scale[,d elta[,borderType]]]]])

其中前四个参数是必须的，其余的可选。src：原始图像，ddepth：图像像素深度，dx,dy：x和y方向上是否求导。

（3）数学形态学处理是对二值化后的图像做开运算。二值化使用OpenCV中的cv2.threshold()函数实现，开运算主要作用是去毛刺、孤立点，同时基本保持原图形状信息不变，使用cv2.morphologyEx()函数实现。

在OpenCV中，cv2.threshold()的函数原型如下：

cv2.threshold(src,thresh,maxval,type[,dst])四个必选参数含义分别如下，src：原始图像，thresh：分割阈值，maxval：大于阈值的点设置为maxval的值，type：算法类型。本示例中type取值为cv2.THRESH_BINARY。

开运算一种复合运算，它是对二值图像先做腐蚀后做膨胀，公式表示如下所示，其中Θ代表腐蚀运算，⊕代表开运算，X为待处理的二值图像，B为结构元素：

在OpenCV中，cv2.morphologyEx()的函数原型如下：

必选参数含义分别如下，src：原始图像，op：运算类型，比如常见的开闭运算，op取值cv2.MORPH_OPEN时做的是开运算（先腐蚀后膨胀），op取值cv2. cv2.MORPH_CLOSE时做的是闭运算（先膨胀后腐蚀），kernel：结构元素。

3 二维码定位与识别

现实中拍摄的二维码图像，或多或少的会包含一些背景信息。因此，在二维码预处理后，需要进行边界提取从而定位出二维码，继而提高识别精度和速度。边界的提取使用OpenCV中的cv2.findContours()函数实现[8,9]，该函数可以对二值图像进行轮廓检索，然后返回检测到的轮廓数。接着，计算边界最小包围正方形，就可以定位出二维码区域。

在OpenCV中，cv2.findContours()的函数原型如下：

必选参数含义分别如下，src：原始图像，mode：检测边缘的方式，method：轮廓的近似方法。本示例中mode取值cv2.RETR_EXTERNAL，method取值cv2.CHAIN_APPROX_SIMPLE。

最后一步是二维码识别，二维码识别需要使用zbar库，需要在终端使用sudo命令安装，在代码实现上，只需要加载该库，并使用zbar.ImageScanner()进行扫描即可。

4 实现效果

为了验证方法的有效性，在仿人机器人上做了实验。如图3所示，为机器人实物，并给出了树莓派和摄像头的连接。如图4所示，给出了二维码定位结果示例，进而成功识别出二维码信息为“你好”。实验较好的验证了本文所述的基于OpenCV的机器人二维码识别方法的可行性和正确性。

图3 机器人实物

图4 二维码定位示例

5 结束语

本文论述了一种基于OpenCV的机器人二维码识别方法，在给出了系统结构的基础上，详述了二维码预处理、二维码定位与识别等各个步骤，其中二维码预处理重点讲述了图像类型转换、图像边缘检测和灰度化后的二值图像数学形态学处理，并做了仿真实验。对于开发和设计需要二维码识别功能的机器人提供了参考。