技术摘要：
本发明公开了一种批量QR码图像提取方法及系统，对实际拍摄的一幅包含多个QR码的高分辨率图像，首先进行灰度变换及滤波去噪等预处理操作；接着采用边缘检测方法提取边缘梯度值，并通过截断归一化得到边缘图像；通过设置分块尺寸初始值，进行迭代搜索后确定最佳分块尺寸  全部
背景技术：
随着科技的进步，社会的发展，万物联网成为了新时代下的潮流。作为万物  联网 的标签，起到了标识、防伪等作用的条码技术，应时而生，并迅速广泛应用  在生产、仓储、物 流、销售、金融、医疗等各个领域，潜移默化地影响着人们的 生活。 然而在一些特定的应用场景中，例如工业流水线上针对小物件货品，如药品、  疫 苗试剂等，传统的串行流水线的工作方式已经无法满足该场景下的要求；临床  医学上，大 量的血样都需要进行贴标签入库操作；在生化实验室中，实验员需要  频繁在大量试剂、试 管架中，取放实验所需的试剂、样本试管。批量QR码识别，  可以并行处理一批小物件的标 签，无疑可以大大提高上述场景下的工作效率。然  而在二维条码应用领域，目前还没有针 对上述批量QR码识别应用场景的QR码  识别方法，对于实际拍摄的一幅包含多个QR二维码 的图像，难以进行快速、有 效地自适应分割、提取其中的QR码图案。
技术实现要素：
本发明为解决现有QR码识别方法难以应用于批量QR码识别场景，无法快  速、有效 识别与分割批量QR码图像的问题，提供了一种批量QR码图像提取方 法及系统。 为实现以上发明目的，而采用的技术手段是： 一种批量QR码图像提取方法，包括以下步骤： S1.获取含多个QR码的待分割图像，并对其进行预处理； S2.对于预处理得到的图像，采用边缘检测方法提取其边缘梯度值，并通过  截断 归一化得到边缘图像； S3.初始化分块尺寸，迭代获取所述边缘图像的分块特征，确定最佳分块尺 寸； S4.以所述最佳分块尺寸对边缘图像进行分块，计算最佳分块特征及特征分  割阈 值后，标记块聚类得到候选矩形框集合，并通过预设的候选矩形框筛选条件，  对所述候选 矩形框集合进行筛选； S5.对于筛选后得到的候选矩形框集合，采用分类器判定其中各候选框中是  否包 含QR码图像，若是则将所述待分割图像中对应该候选框的区域分离出来，  否则将该候选框 剔除，从而完成待分割图像中批量QR码的分割及提取。 优选的，所述步骤S1具体包括：对所述待分割图像进行灰度变换及滤波去  噪处 理。在本优选方案中，预处理可压缩数据量并消除噪声对后续算法处理的影 响。 优选的，所述步骤S2具体包括： 对于步骤S1预处理得到的图像，采用Sobel算子提取其边缘梯度图像，基  于预设 的截断因子对所述边缘梯度图像进行截断归一化，得到边缘图像； 对所述边缘图像建立相同尺寸的积分图像。 4 CN 111597848 A 说　明　书 2/7 页 在本优选方案中，边缘提取所采用的算子可以为Sobel，Prewitt，Laplacian，  Scharr等常见边缘检测算子；另外，该步骤中设计了截断因子，可以对超过理论  最大梯度 值一定范围区间的梯度值的进行截取，并归一化映射回灰度图像0-255 的尺度空间。 优选的，所述步骤S3的具体步骤包括： S31.对所述边缘图像以初始化分块尺寸进行分块；对于各分块，计算其分块  特征 值，利用最大分块特征值将分块特征值归一化映射到0-255尺度空间，并统  计归一化后的 分块特征值分布直方图； S32.利用归一化后的分块特征值分布直方图，采用迭代法计算分块特征值的  特 征分割阈值； S33.利用步骤S32计算得到的特征分割阈值，对步骤S31分块得到的特征块 图进 行二值化，对二值化后的特征块图进行连通域聚类，框定得到矩形框集合；  重复执行步骤 S31～33直至搜索得到满足预设条件的矩形框； S34 .基于步骤S33搜索的矩形框参数和迭代完成的分块尺寸，计算最佳分块  尺 寸。 在本优选方案中，计算分块特征值时使用了积分图技术加速，避免迭代带来 的额 外的计算量；并在计算分块特征值中设计了能够反映模糊或者弱边缘对分块  特征值计算 贡献度的梯度压缩因子，用于对模糊QR码区域的检测，增加了算法  鲁棒性。 优选的，步骤S4所述的候选矩形框筛选条件中的指标包括标记前景块数目 阈值， 方形度阈值以及填充比阈值。在本优选方案中，可剔除显然不满足QR码  区域特征的矩形 框。 优选的，步骤S5中所述的分类器为训练好的mobileNet系列分类器。 本发明还提供了一种批量QR码图像分割系统，包括： 预处理模块，用于获取含多个QR码的待分割图像，并对其进行预处理； 边缘图像获取模块，对于预处理模块得到的图像，采用边缘检测方法提取其  边缘 梯度值，并通过截断归一化得到边缘图像； 分块尺寸确定模块，用于初始化分块尺寸，迭代获取所述边缘图像的分块特  征， 确定最佳分块尺寸 候选矩形框集合获取模块，用于以所述最佳分块尺寸对边缘图像进行分块，  计算 最佳分块特征及特征分割阈值后，标记块聚类得到候选矩形框集合，并通过  预设的候选矩 形框筛选条件，对所述候选矩形框集合进行筛选 QR码分割及提取模块，对于筛选后得到的候选矩形框集合，采用分类器判  定其中 各候选框中是否包含QR码图像，若是则将所述待分割图像中对应该候选  框的区域分离出 来，否则将该候选框剔除，从而完成待分割图像中批量QR码的 分割及提取。 与现有技术相比，本发明技术方案的有益效果是： 本发明的批量QR码图像提取方法及系统，利用一幅批量QR码图像中边缘  信息丰 富且相对集中的特点，对实际拍摄的一幅包含多个QR二维条码的高分辨  率图像，通过图像 预处理、初始化参数配置、分块特征计算，阈值分割，标记块 聚类，候选框预筛选、分类器判 定剔除等步骤，实现快速、有效地自适应分离及  提取出单个QR二维条码地大致区域。本发 明中结合了传统图像处理方法，如积  分图加速迭代，与轻量级、高性能深度学习方法，如判 5 CN 111597848 A 说　明　书 3/7 页 定剔除背景框，保证了本  发明方法的效率与精度，提高其鲁棒性。本发明利于针对批量QR 码场景下的后  续单幅QR码图像识别，加快了批量QR码整体识别效率，适用于移植到移动终  端等嵌入式实时系统。 附图说明 图1为实施例1的方法总流程图。 图2为实施例1步骤S1中实际拍摄的含多个QR码的待分割图像。 图3为实施例1步骤S1中预处理后的待分割图像。 图4为实施例1步骤S2中提取边缘图像后的示意图。 图5为实施例1步骤S2中建立的积分图像示意图。 图6为实施例1步骤S3中对特征块图进行二值化后的示意图。 图7为实施例1步骤S4中对最佳特征块图进行二值化后的示意图。 图8为实施例1步骤S4中框定得到的候选矩形框集合示意图。 图9为实施例1步骤S5中采用分类器判定是否包含QR码图像的示意图。 图10为实施例1待分割图像中批量QR码的分割及提取的效果图。 图12为实施例2提取边缘图像后的示意图； 图13为实施例2系统的模块数据流向示意图。