机器视觉中提高解码成功率的思路分析

以Halcon为例，一般解码的步骤为：创建解码模型——设置解码参数——执行解码——清除模型回收内存。如下所示：

create_bar_code_model ([], [], BarCodeHandle)
set_bar_code_param (BarCodeHandle, 'num_scanlines', 30)
find_bar_code (Image, SymbolRegions1, BarCodeHandle, ['Code 128','Code 39'], BarCodeStrings)
clear_bar_code_model (BarCodeHandle)

 

我们一般会在“设置解码参数”这个步骤里面做文章。例如设置多个参数，以达到解码成功率高且解码速度快的目的。这个只是常规思路，我今天并不想讲这个，而且这种思路有局限：有时候无论你参数设置得多么合理，就是死活解不出来码。

 

不知大家有没有这样的体验：生活中我们经常用手机去扫二维码，有时候我们第一次扫不上，但是变动手机位置或者打开闪光灯重复扫，最终基本都能扫出来（解码成功）。

 

我分析的原因如下：

质量高的码Halcon解码一般仅需几毫秒，日常生活中手机解码如果需要一秒左右，那可以推测其实手机是用了多次解码的方式，一次不成功再来一次，因为手机可以多次对焦曝光拍照用于解码，并且可以变换手机的位置来解码。由于单次解码时间很短，因此就算是多次解码，手机扫码看起来也像是一次性成功的。

用Halcon解码时，对于难解的码我们可以用类似思路：一次不成，再换个解码参数再解一次；或者改变相机曝光重新拍一张，再解一次。（变换工业相机位置拍摄不太现实，不考虑）

 

按此思路，Halcon编写的解码示例代码如下：（只贴出了关键部分）

Length := 0
DecodedDataStrings := []
for min_gray := 0 to 30 by 3
    for max_gray := 255 to 180 by -7
        *色阶映射，增强图像对比度
        scale_gray_map (Image, Image2, min_gray, max_gray) 
        find_data_code_2d (Image2, SymbolXLDs, hv_DataCodeHandleQR, [], [], ResultHandles, DecodedDataStrings)
        tuple_strlen (DecodedDataStrings, Length)
        *字符串大于5应该就是解出来了，当然这里只是简单判断
        if (Length > 5)
            break
        endif       
    endfor
    
    if (Length > 5)
        break
    endif
endfor

disp_message (3600, '解码结果：' + DecodedDataStrings  , 'image', 100, 12, 'black', 'true')

我设计了两层for循环，逐渐提高图片Image的对比度，然后在新图Image2上解码。

注意：两层for循环的步长不宜过小（我设计的步长分别是3和-7），不然循环的次数太多，速度太慢。

 

至于函数scale_gray_map (Image, Image2, min_gray, max_gray) 是一个根据色阶映射增强图像对比度的函数，实现方式参考：https://www.cnblogs.com/xh6300/p/7512532.html

 

示例代码中是通过模拟不同曝光的思路提高解码成功率，当然也可以选择在解不出来时通过set_data_code_2d_param重新设置新的解码参数的思路来提高解码成功率。