屈衛(wèi)鋒+徐越+牛磊磊+張海輝+宋懷波

摘要：QR二維碼應(yīng)用于商品溯源有助于提升商品的質(zhì)量安全水平，但因其易受光照不均的影響，導(dǎo)致QR二維碼難以快速準(zhǔn)確識(shí)別，為了解決這一問(wèn)題，本研究提出了一種光照不均QR二維碼圖像的快速高效處理方法。以光照不均QR二維碼圖像為研究對(duì)象，首先研究Otsu算法對(duì)其及其4分塊、9分塊、16分塊的二值化效果；其次研究Retinex圖像增強(qiáng)算法對(duì)其增強(qiáng)后Otsu算法的二值化效果；最后研究QR二維碼圖像及其4分塊、9分塊、16分塊在直方圖均衡化后Otsu算法的處理效果。實(shí)驗(yàn)表明，當(dāng)把光照不均QR二維碼圖像分為16塊后采用直方圖均衡化方法處理時(shí)，平均識(shí)別率為94.4%，與Retinex圖像增強(qiáng)方法和Otsu算法相比，分別提高了43.3%和10%，平均運(yùn)行時(shí)間為0.14秒，比Otsu算法略慢0.004秒，比Retinex方法快0.139秒。表明采用直方圖均衡化方法能夠有效地實(shí)現(xiàn)光照不均影響下QR二維碼圖像的處理。

關(guān)鍵詞：產(chǎn)品溯源；QR二維碼；光照不均；Otsu；直方圖均衡化；Retinex

中圖分類號(hào)：TP391.41

文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.3969/j.issn，1003-6970.2015.06.010

本文著錄格式：屈衛(wèi)鋒，徐越，牛磊磊，等，光照不均QR二維碼圖像的高效處理方法研究[J].軟件，2015，36（6）：47-52

AStudyofanEfficientMethodfortheProcessingofUnevenIlluminationQRCodeImages

QUWei-feng，XUYue，NIULei-lei，ZHANGHai-hui，SONGHuai-bo

[Abstract]：ApplyingQRcodetotracethesourceofproductsisconducivetoimprovingthesafetyoftheirquality.Becauseoftheinfluenceofunevenillumination，itisdifficulttorecognizeQRcodefastandexactly.Tosolvethisproblem，afastandefficientmethodforprocessingQRcodeimageofunevenilluminationwasproposed.Threeexper-imentalresearchesaboutQRcodeimageofunevenilluminationwerecarriedout.Firstly，Otsualgorithm'sbinaryeffectfororiginalimagesandtheirfourblocks，nineblocks，sixteenblockswasstudied；secondly，Otsualgorithm'sbinaryeffectafterRetineximageenhancementfororiginalimageswasstudied；finally，Otsualgorithm'sbinaryeffectafterhistogramequalizationfororiginalimagesandtheirfourblocks，nineblocks，sixteenblockswasstudied.Theexperi-mentalresultsshowthatwhenunevenilluminationQRcodeimageisdividedintosixteenblocks，theaveragerecogni-tionrateofhistogramequalizationmethodis94.4%，whichis43.3%and10%higherthanRetinexenhancementmethodandOtsumethodrespectively.Moreover，theaverageoperationtimeofhistogramequalizationmethodis0.14seconds，whichis0.004secondsmorethanOtsualgorithmand0.139secondsfewerthanRetinexmethod.Thus，itcouldbecon-cludedthatQRcodeimagesundertheinfluenceofunevenilluminationcanbeidentifiedfastandeffectivelybythehis-togramequalizationmethod..

[Keywords]：Productstraceability；QRcode；Unevenillumination；Otsu；Histogramequalization；Retinex

QR二維碼，即快速響應(yīng)碼，源于QuickResponse的縮寫，是日本DensoWave公司于1994年9月研制的一種矩陣二維碼符號(hào)[1]。QR二維碼由黑白像素交替組成，具有信息量大、可靠性高、超高速全方位識(shí)讀、高效漢字表示等優(yōu)點(diǎn)，已越來(lái)越廣泛地應(yīng)用于證件管理、政府公共部門、商品溯源、電子票務(wù)、火車票、軟件等領(lǐng)域。食品安全系統(tǒng)和網(wǎng)絡(luò)安全系統(tǒng)的建立都離不開溯源[2-4]，將QR二維碼應(yīng)用于商品品質(zhì)溯源有助于提升商品的質(zhì)量安全管控水平，保障優(yōu)勢(shì)商品產(chǎn)業(yè)鏈的健康發(fā)展。

因QR二維碼應(yīng)用廣泛，但由于受光照條件的影響導(dǎo)致其難以快速準(zhǔn)確識(shí)別，為了快速準(zhǔn)確識(shí)別QR二維碼，首先就要消除光照不均的影響，二值化處理效果對(duì)最終能否穩(wěn)定快速識(shí)讀出QR二維碼至關(guān)重要，因此研究光照不均QR二維碼的二值化方法具有實(shí)際的應(yīng)用價(jià)值。

針對(duì)光照不均影響下QR二維碼圖像的快速高效處理問(wèn)題，國(guó)內(nèi)外研究者提出了各種算法。LuizFF提出了一種改進(jìn)的基于背景灰度估計(jì)的校正算法，但計(jì)算量增加，運(yùn)算時(shí)間增長(zhǎng)[5]；楊佳麗等提出了一種白適應(yīng)閾值算法，首先判別圖像的直方圖是否有明顯谷底和采集的圖像是否光照不均勻，之后分別采用B樣條擬合直方圖和白適應(yīng)閾值法進(jìn)行二值化，該算法增加了圖像處理的復(fù)雜度，實(shí)時(shí)性不高[6]；孫明等提出了把直方圖雙峰法、Otsu法及Niblack閥值法結(jié)合起來(lái)的改進(jìn)的白適應(yīng)閾值法以得到不同光照條件下的最佳閾值，該方法根據(jù)圖像直方圖峰值特性選取不同二值化算法，其算法處理速度有待進(jìn)一步提高[1]；閆三虎等提出了一種基于改進(jìn)的局域背景灰度估計(jì)的校正算法，但對(duì)于不均勻光照的圖像二值化時(shí)該算法增加了均勻校正的處理過(guò)程從而增加了時(shí)間上的開銷[8]；路陽(yáng)等采用改進(jìn)的同態(tài)濾波器消弱光照影響后再用Otsu算法進(jìn)行處理[9]；張繼榮等提出了一種改進(jìn)的基于背景灰度的二值化算法，該方法需要循環(huán)計(jì)算每個(gè)像素的差值，計(jì)算量過(guò)大，且需要人為設(shè)定閾值[10]。上述算法的處理效果雖有所提升，但都增加了算法的復(fù)雜度和需要大量的浮點(diǎn)運(yùn)算，影響識(shí)別速度，難以滿足便攜式終端QR二維碼識(shí)讀器實(shí)時(shí)性和快速性的要求，尚有改進(jìn)空間。

鑒于上述，為了消除光照不均對(duì)QR二維碼圖像處理的影響，同時(shí)滿足便攜式QR二維碼識(shí)瀆器實(shí)時(shí)性和快速性的要求，本研究以光照不均QR二維碼圖像為研究對(duì)象，分別探究了Otsu算法、Retinex算法和直方圖均衡化方法在QR二維碼圖像上的處理效果，以期實(shí)現(xiàn)光照不均QR二維碼的快速高效識(shí)別。

1基于Otsu算法的光照不均QR二維碼圖像處理方法

基于圖像灰度直萬(wàn)圖具有明顯的雙峰性，OtsuN.提出了最大類間方差法[11]（Otsu）來(lái)進(jìn)行圖像分割。Otsu算法能根據(jù)圖像灰度分布、統(tǒng)計(jì)分布規(guī)律，自動(dòng)選取最佳分類閾值，因此它被廣泛地用于各種需白動(dòng)選取圖像閾值的問(wèn)題之中[12]。但該方法在目標(biāo)和背景的面積比相差較小時(shí)，則無(wú)法準(zhǔn)確分割圖像，因此Otsu仍存在著不足之處[13]。

采用Otsu算法對(duì)光照不均QR二維碼圖像進(jìn)行分割，其結(jié)果如圖1所示，圖1a為光照不均QR二維碼的灰度圖像，圖lb是圖la對(duì)應(yīng)的Otsu分割結(jié)果。從圖la可以看到，受光照不均的影響，QR二維碼圖像出現(xiàn)了亮區(qū)域和暗區(qū)域；從圖lb可以發(fā)現(xiàn)Otsu算法只能分割出光照比較亮的區(qū)域，而無(wú)法實(shí)現(xiàn)光照相對(duì)較暗區(qū)域的分割。

基于圖像存在亮暗區(qū)域和Otsu的分割效果，單一的閾值不能兼顧到圖像各個(gè)像素的實(shí)際情況，這時(shí)Otsu算法對(duì)于亮度不均勻的區(qū)域難免會(huì)發(fā)生誤判現(xiàn)象。針對(duì)Otsu算法的這一缺點(diǎn)，結(jié)合QR碼的特點(diǎn)，將QR碼圖像進(jìn)行分塊處理，這樣每一子塊內(nèi)的灰度值變化較小，有效地減小對(duì)整幅圖像采用同一閾值進(jìn)行二值化產(chǎn)生誤判的可能性，且分塊后能大大地減少圖像的處理時(shí)間，使其能夠在較短時(shí)間內(nèi)有效地分離出目標(biāo)與背景。

將圖la分為4塊、9塊和16塊后再分別采用Otsu對(duì)其子塊進(jìn)行二值化，再將每個(gè)子塊二值化后的結(jié)果合并為一幅圖像，以期消除光照不均對(duì)Otsu算法分割的影響。分塊后采用Otsu算法處理的結(jié)果如圖2所示。圖2a、2b和2c分別是把原圖分為4塊、9塊和16塊后Otsu算法處理的結(jié)果。對(duì)比圖2和圖lb，可以發(fā)現(xiàn)，分塊后Otsu二值化效果明顯改善且隨著分塊數(shù)目的增加效果越來(lái)越好。采用了分塊處理，各子塊圖像像素存在不連續(xù)性，容易產(chǎn)生塊效應(yīng)，當(dāng)分塊數(shù)較大時(shí)，雖然加快了圖像的處理速度，但塊效應(yīng)也比較明顯，經(jīng)過(guò)實(shí)驗(yàn)，一般分16塊為最佳，從圖2a-c可以看出，當(dāng)塊數(shù)增加時(shí)，塊效應(yīng)也相應(yīng)地增加。的映射關(guān)系，映射后可得到直方圖均衡后的圖像。

2基于Retinex算法的光照不均QR二維碼圖像處理方法

Retinex圖像增強(qiáng)算法主要遵循同樣的物體在不同的光源或光線底下顏色恒定的機(jī)理，通過(guò)改變圖像中物體的入射光亮度和反射光亮度的比例來(lái)達(dá)到增強(qiáng)圖像的目的。該算法可以有效地改善圖像的視覺(jué)效果，是一種常用的圖像增強(qiáng)算法[14]。

根據(jù)Retinex色彩理論，物體的顏色是由物體對(duì)長(zhǎng)波、中波和短波光線的反射能力共同決定的，而物體在某個(gè)波段內(nèi)的反射能力是物體本身固有的屬性，與光源沒(méi)有依賴關(guān)系。通過(guò)計(jì)算每個(gè)波段內(nèi)像素間的相對(duì)明暗關(guān)系，可以獲得三個(gè)獨(dú)立的相對(duì)明暗關(guān)系值，從而確定該像素的顏色。

這種方法的特點(diǎn)是：圖像中各個(gè)像素的相對(duì)明暗關(guān)系受光源的影響很小，對(duì)于對(duì)比度很小的圖像，如整體上比較亮或比較暗的圖像，可以消除光源非均勻性的影響，提高圖像的對(duì)比度，大幅度改善圖像的主觀質(zhì)量。此外，該方法還可以糾正由于光源的偏色而導(dǎo)致的圖像色彩失真問(wèn)題。

在Retinex模型中，圖像S（x，y）是由入射光分量和反射光分量構(gòu)成的，如式（1）所示：

S（x，y）=R（x，y）-L（x，y）

（1）

其中，L（x，y）表示入射光，R（x，y）表示物體的反射性質(zhì)。Retinex理論旨在運(yùn)用各種數(shù)學(xué)方法從圖像S中獲得物體的反射性質(zhì)R，如果能從給定的圖像中分離出亮度圖像和反射圖像，就能通過(guò)改變亮度圖像與反射圖像的之間的比例來(lái)達(dá)到圖像增強(qiáng)的目的。具體實(shí)現(xiàn)步驟如下：

（1）提取圖像的R，G，B三分量并數(shù)據(jù)類型歸一化；

（2）利用高斯函數(shù)分別與R，G，B進(jìn)行卷積并取對(duì)數(shù)；

（3）對(duì)原R，G，B取對(duì)數(shù)并相應(yīng)減去（2）中結(jié)果；

（4）利用不同參數(shù)的高斯函數(shù)重復(fù)（2）（3）兩次；

（5）把以上處理結(jié)果分別對(duì)應(yīng)相加取均值。

將圖1a對(duì)應(yīng)的彩色圖像進(jìn)行上述處理，圖像增強(qiáng)后再采用Otsu算法進(jìn)行二值化，結(jié)果如圖3所示。從圖3可以發(fā)現(xiàn)，Retinex圖像增強(qiáng)后再分割能獲得較好的處理結(jié)果。

3基于直方圖均衡化方法的光照不均QR二維碼圖像處理方法

直方圖均衡化處理的“中心思想”是把原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。通過(guò)該方法就可以用于增強(qiáng)局部的對(duì)比度而不影響整體的對(duì)比度，這樣就增加了象素灰度值的動(dòng)態(tài)范圍從而可達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。

假設(shè)灰度級(jí)為歸一化至范圍[0，1]內(nèi)的連續(xù)量，并令pr（r）表示某給定圖像中的灰度級(jí)的概率密度函數(shù)（PDF），其下標(biāo)用來(lái)區(qū)分輸入圖像和輸出圖像的PDF。假設(shè)對(duì)輸入灰度級(jí)執(zhí)行如下變換，得到處理后的輸出灰度級(jí)s：

輸出灰度級(jí)的概率密度函數(shù)是均勻的，即

上述生成的圖像其灰度級(jí)較為均衡化，且覆蓋了整個(gè)范圍[0，1]，是一幅擴(kuò)展了動(dòng)態(tài)范圍的圖像，具有較高的對(duì)比度[15]。

采用直方圖均衡化提高圖la的對(duì)比度，減弱或消除光照不均后再利用Otsu算法對(duì)其分割實(shí)現(xiàn)二值化，其處理結(jié)果如圖4a所示。對(duì)比圖4a和圖lb可以發(fā)現(xiàn)，直方圖均衡化后再利用Otsu算法進(jìn)行分割只能改善光照過(guò)暗區(qū)域的處理效果，對(duì)于光照過(guò)亮區(qū)域仍有待提高?；谏鲜龇治?，同樣將圖la分為4塊、9塊和16塊后，分別對(duì)其子塊進(jìn)行直方圖均衡化處理，再用Otsu算法對(duì)每個(gè)子塊進(jìn)行二值化處理，之后將處理結(jié)果合并為一幅圖像，以期消除光照不均對(duì)Otsu算法分割的影響。其對(duì)應(yīng)結(jié)果如圖4b，4c，4d所示。從圖4可以看出，隨著分塊數(shù)目的增加該方法逐漸消除了光照不均對(duì)二值化的影響。對(duì)比圖2和圖4，可以看出分塊直方圖均值化后Otsu算法的處理效果明顯優(yōu)于分塊后直接Otsu算法次效果。

4試驗(yàn)結(jié)果與分析4.1試驗(yàn)結(jié)果

為了驗(yàn)證文中三種方法消除光照不均影響的有效性，選取29幅在室內(nèi)環(huán)境下拍攝的受不同程度光照強(qiáng)度影響的QR二維碼圖像進(jìn)行了試驗(yàn)，試驗(yàn)圖像于2014年6月20日在西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院204室采集，光源為日光燈，采集設(shè)備為手機(jī)白帶相機(jī)，采集時(shí)攝像頭距離目標(biāo)約0.13米，圖像以JPEG格式存儲(chǔ)。試驗(yàn)在2.6GHz處理器、4G內(nèi)存的聯(lián)想G480上完成，試驗(yàn)程序在MATLAB2013a環(huán)境下編寫、運(yùn)行。

利用上述方法進(jìn)行試驗(yàn)的結(jié)果示例如圖5所示，其中圖5al-a5為光照不均的QR二維碼圖像，圖5al-a2為暗光照QR二維碼圖像，圖5a3-a4為中等光照強(qiáng)度QR二維碼圖像，圖5a5為強(qiáng)光照QR二維碼圖像，可見(jiàn)其亮度、色調(diào)和飽和度均發(fā)生了變化；圖5bl-b5是圖5al-a5經(jīng)16分塊后Otsu分割結(jié)果；圖5cl-c5是圖5al-a5經(jīng)Retinex（簡(jiǎn)記為RI）增強(qiáng)后Otsu分割結(jié)果；圖5d1-d5是圖5a1-a5經(jīng)16分塊直方圖均衡化（HistogramEqualization，HE）后Otsu分割結(jié)果。

為了進(jìn)一步客觀地分析這3種算法的有效性，提m對(duì)光照不均QR二維碼圖像處理結(jié)果的評(píng)價(jià)指標(biāo)，正確識(shí)別率б，其定義如公式（4）所示。

б=X識(shí)別數(shù)/X總數(shù)xl00%

（4）

其中：б表示正確識(shí)別率，X識(shí)別數(shù)表示正確識(shí)別的數(shù)量，X總數(shù)表示試驗(yàn)圖像的總數(shù)量。利用現(xiàn)在較為流行的微信掃一掃功能對(duì)29幅光照不均QR二維碼圖像處理結(jié)果進(jìn)行了識(shí)別（其中利用Otsu算法分為整體、4分塊、9分塊、16分塊各29次，Retinex整體識(shí)別29次，直方圖均衡化算法分為整體、4分塊、9分塊、16分塊各29次，總計(jì)261次），得到的統(tǒng)計(jì)數(shù)據(jù)如表1所示。

4.2結(jié)果分析

（1）消除光照不均效果分析

對(duì)圖5進(jìn)行分析，由圖5b2，b5可以看出，16分塊后Otsu算法仍然對(duì)光照過(guò)暗區(qū)域和光照過(guò)強(qiáng)區(qū)域無(wú)法有效分割；分析圖5c2，c5可以看出，Retinex圖像增強(qiáng)后Otsu算法仍然對(duì)光照過(guò)暗區(qū)域和光照過(guò)強(qiáng)區(qū)域無(wú)法有效分割；對(duì)比圖5dl-d5和圖5bl-b5可以看出，直方圖均衡化后Otsu算法分割效果相比直接Otsu算法分割效果有明顯改善。

總體分析圖5發(fā)現(xiàn)，對(duì)于暗光照影響下圖像的處理效果，直方圖均衡化方法最好；對(duì)于中等光照影響下圖像的處理效果，三種方法同樣好；對(duì)于強(qiáng)光照影響下圖像的處理效果，直方圖均衡化方法最好。同時(shí)，直方圖均衡化后再用Otsu算法分割的效果比直接用Otsu算法分割的效果好。

（2）識(shí)別率分析

分析表1得出，隨著圖像從整體到4分塊、9分塊和16分塊，Otsu算法和直方圖均衡化方法的識(shí)別率都依次提高，平均識(shí)別率分別從8.9%上升到84.4%、從39.8%上升到94.4%；Retinex圖像增強(qiáng)算法對(duì)中等光照影響下圖像的處理效果很好識(shí)別率保持在100%，但對(duì)于暗光照和強(qiáng)光照影響下的圖像，其識(shí)別率很低，分別為20.0%和33.3%。

（3）處理時(shí)間分析

同時(shí)對(duì)3種方法識(shí)別率最高時(shí)所用的時(shí)間進(jìn)行了統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如表2所示。

分析表2可以發(fā)現(xiàn)，Otsu算法平均耗時(shí)最小，僅為0.136秒，直方圖均衡化方法耗時(shí)接近Otsu算法，平均耗時(shí)為0.140秒，Retinex圖像增強(qiáng)算法耗時(shí)最多，平均耗時(shí)為0.279秒，大約為前兩種方法的2倍。結(jié)合表1可以得出，Retinex算法在進(jìn)行中等光照陰影的QR二維碼圖像處理時(shí)雖然具有較好的識(shí)別效率，但不適合快速高效的QR二維碼識(shí)別。

綜上所述，QR二維碼圖像分塊處理簡(jiǎn)單且省時(shí)，當(dāng)將其分為十六塊采用直方圖均衡化方法進(jìn)行處理時(shí)，平均識(shí)別率為94.4%，比Retinex圖像增強(qiáng)算法和Otsu算法分別高43.3%和10%。處理時(shí)間為0.14秒，比Retinex圖像增強(qiáng)算法少0.139秒，比Otsu算法多0.004秒，表明圖像16分塊后直方圖均衡化方法進(jìn)行QR二維碼的快速處理是可行的。5結(jié)論

針對(duì)QR二維碼特定的應(yīng)用場(chǎng)景，為滿足便攜式QR二維碼識(shí)讀器的實(shí)時(shí)和準(zhǔn)確識(shí)讀等要求，解決光照不均引起的QR二維碼圖像處理效果比較差這一問(wèn)題勢(shì)在必行。本文針對(duì)現(xiàn)有QR二維碼圖像處理方法，研究了三種光照不均影響下的QR二維碼圖像處理方法，實(shí)現(xiàn)了光照不均影響下QR二維碼圖像的處理，主要研究?jī)?nèi)容包括以下2點(diǎn)：

1）為了消除光照不均對(duì)圖像處理的影響，以暗光照、中等光照和強(qiáng)光照影響下QR二維碼圖像為對(duì)象，采用三種可消除光照不均影響的方法進(jìn)行了試驗(yàn)，試驗(yàn)表明Otsu算法和直方圖均衡化算法隨著圖像分塊數(shù)增加處理效果越來(lái)越好，將圖像16分塊后用直方圖均衡化算法處理最有效。

2）為了驗(yàn)證三種算法的有效性，引入了處理效果評(píng)判指標(biāo)識(shí)別率和算法消耗時(shí)間，當(dāng)把圖像16分塊后采用直方圖均衡化方法處理時(shí)，其平均識(shí)別率為94.4%，相比Retinex圖像增強(qiáng)方法和Otsu分別提高43.3%和10%，處理時(shí)間僅為0.14秒，比Otsu方法略低0.004秒，比Retinex方法快了0.139秒。表明直方圖均衡化方法能夠有效地實(shí)現(xiàn)光照不均影響下QR二維碼圖像的處理。同時(shí)該方法對(duì)于處理其它光照不均的圖像具有一定的借鑒意義。

參考文獻(xiàn)

[1]國(guó)家技術(shù)監(jiān)督局.GB/rl8284-2000中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)[S].2000

[2]齊開誠(chéng)，毛京麗，夏之斌.IPv6環(huán)境下網(wǎng)絡(luò)溯源系統(tǒng)[J].軟件，2013，34（5）：112-115+

[3]張沙清，郭建華，楊玉法，等.基于物聯(lián)網(wǎng)的豬肉產(chǎn)品質(zhì)量安全監(jiān)管與溯源系統(tǒng)[J].軟件，2013，34（12）：6-9.

[4]傅俊，曹春益.基于物聯(lián)網(wǎng)的農(nóng)產(chǎn)品質(zhì)量溯源系統(tǒng)設(shè)計(jì)[J].軟件，2014，35（3）：9-10.

[5]BelussiLF，HirataNS.FastQRcodedetectioninarbitrarilyacquiredimages；proceedingsoftheGraphics，PatternsandImages（Sibgrapi），201124thSIBGRAPIConferenceon，F(xiàn)，2011[C].IEEE.

[6]楊佳麗，高美鳳.QR碼圖像二值化的研究[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（35）：176-178，95.

[7]孫明，傅隆生，楊信廷，等.用于QR碼自動(dòng)識(shí)讀的圖像分析方法[J].電子科技大學(xué)學(xué)報(bào)，2009，38（6）：1017-1020.

[8]閆三虎，胡衛(wèi)東，羅小平.改進(jìn)二值化算法在QR碼識(shí)中的應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2011，20（6）：165-168.

[9]路陽(yáng)，高慧敏.光照不均QR碼圖像二值化研究[J].太原科技大學(xué)學(xué)報(bào)，2012，33（5）：396-400.

[10]張繼榮，王利軍.一種改進(jìn)的QR碼圖像二值化算法[J].現(xiàn)代電子技術(shù)，2014，7：56-58.

[11]OtsuN.Athresholdselectionmethodfromgraylevelhistogram[J].IEEETrans.OnSystems，ManandCyberneticsSMC，1979，9（1）：62-66.

[12]蔡健榮，周小軍，李玉良，等.基于機(jī)器視覺(jué)自然場(chǎng)景下成熟柑橘識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24（1）：175-178.

[13]蔡健榮，趙杰文.自然場(chǎng)景下成熟水果的計(jì)算機(jī)視覺(jué)識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36（2）：61-65.

[14]熊俊濤，鄒湘軍，王紅軍，等.基于Retinex圖像增強(qiáng)的不同光照條件下的成熟荔枝識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（12）：170-178.

[15]阮秋琦.數(shù)字圖像處理（MATLAB版）[M].北京：電子工業(yè)出版社，2005.