DOI QR코드

DOI QR Code

Bar Code Location Algorithm Using Pixel Gradient and Labeling

화소의 기울기와 레이블링을 이용한 효율적인 바코드 검출 알고리즘

  • 김승진 (경북대학교 대학원 전자공학과) ;
  • 정윤수 (한국전자통신연구원) ;
  • 김봉석 (경북대학교 대학원 전자공학과) ;
  • 원종운 (한국전자통신연구원) ;
  • 원철호 (경일대학교 제어계측공학과) ;
  • 조진호 (경북대학교 전자공학과) ;
  • 이건일 (경북대학교 공과대학)
  • Published : 2003.12.01

Abstract

In this paper, we propose an effective bar code detection algorithm using the feature analysis and the labeling. After computing the direction of pixels using four line operators, we obtain the histogram about the direction of pixels by a block unit. We calculate the difference between the maximum value and the minimum value of the histogram and consider the block that have the largest difference value as the block of the bar code region. We get the line passing by the bar code region with the selected block but detect blocks of interest to get the more accurate line. The largest difference value is used to decide the threshold value to obtain the binary image. After obtaining a binary image, we do the labeling about the binary image. Therefore, we find blocks of interest in the bar code region. We calculate the gradient and the center of the bar code with blocks of interest, and then get the line passing by the bar code and detect the bar code. As we obtain the gray level of the line passing by the bar code, we grasp the information of the bar code.

바코드의 기하학적 특징과 레이블링을 이용하여 효율적으로 추출하는 알고리즘을 제안하였다. 네 개의 라인 연산자(line operator)[8]를 이용하여 화소가 가지는 방향을 구한 후, 블록 별로 각 방향에 대한 화소의 누적 히스토그램(histogram)을 구한다. 히스토그램에서 최대값과 최소값의 차가 가장 큰 블록을 바코드 영역의 블록이라고 결정한다. 구해진 블록만을 이용하여 바코드의 중심을 지나가는 직선을 구할 수도 있지만 좀더 정확한 직선을 구하기 위해 바코드 영역에 있는 많은 블록들을 찾는다. 가장 큰 차 값을 이용하여 문턱값을 구하고 블록별로 히스토그램의 최대값과 최소값의 차가 문턱값보다 큰 블록을 바코드의 기하학적(a) 특징을 갖는 블록으로 분류함으로써 블록을 대상으로 영상을 이진화한다. 이진화 한 영상에 대해 레이블링(labeling)[8,9]을 행하여 바코드 영역의 후보 블록들을 결정한다. 후보 블록들의 화소를 이용하여 바코드의 기울기와 중심점을 바코드의 중심점을 구하여 바코드와 수직이고 바코드의 중심을 지나가는 직선을 그을 수 있으며 바코드를 검출 할 수 있다. 수직선이 지나갈 때 화소값을 순차적으로 획득함으로써 바코드가 가지고 있는 정보를 파악한다.

Keywords

References

  1. T. Pavlidis, J. Swartz and Y. P. Wang, 'Fundamentals of bar code information theory,' IEEE Computer, Vol.23, No.4, pp.74-86, 1990 https://doi.org/10.1109/2.55471
  2. A. K. Jain and Y. Chen, 'Bar Code Localization Using Texture Analysis,' Proc. of 2nd Int. Conf. on Document Analysis and Recognition, pp.41-44, 1993 https://doi.org/10.1109/ICDAR.1993.395786
  3. V. G. Chirstan, N. Normand and D. Barba, 'A Bar Code Localization algorithm Using a Two-dimensional Approach,' Proc. of 2nd Int. Conf. on Document Analysis and Recognition, pp.45-48, 1993
  4. C. C. Lo and C. A. Chang, 'Neural networks for bar code positioning in automated material handling,' Int IEEE/IAS Conf. on Industrial Automation and Control : emerging Technologies, pp.485-491, 1995 https://doi.org/10.1109/IACET.1995.527607
  5. R. J. Howlett, S. Berthier and G. J. Awcock, 'Determining the location of industrial bar-codes using neural networks,' 6th Int. Conf. on Image Processing and Its Applications, pp.511-515, 1997
  6. R. Muniz, L. Junco and A. Otero, 'A Robust Software Bar-code Reader using the Hough transform,' Int. Conf. on Information Intelligence and Systems, pp.313-319, 1999
  7. P. Z. Yan and L. T. Chew, 'Hough technique for bar charts detection and recognition in document images,' Int. Conf. on Image Processing, Vol.2, pp.605-608, 2000 https://doi.org/10.1109/ICIP.2000.899506
  8. R. C. Gonzalez and R. E. Woods, Digital Image Processing, 2nd Ed., Prentice Hall, NJ, 2002
  9. D. H. Ballard and C. M. Brown, Computer Vision, Prentice Hall, NJ, 1982

Cited by

  1. A Morphology Technique-Based Boundary Detection in a Two-Dimensional QR Code vol.13, pp.2, 2015, https://doi.org/10.14400/JDC.2015.13.2.159