基于Android嵌入式平台的QR码识别系统

　　QR 码又称快速响应矩阵码，是日本Denso 公司于1994 年开发的一种二维码，它具有信息密度高、可全方位识别、可靠性高等优点，并可以很好地表示汉字。

　　我国于2000 年发布了QR 码的国家标准，随着QR 码在各领域的推广和智能手机的快速发展，如何在智能手机中较好地识别QR 码是一项值得研究的课题，文中将主要讨论在Android 平台下识别QR 码。

　　1 QR 码符号结构

　　QR 码属于矩阵式二维条码，每个QR 码符号都是由正方形模块组成的一个正方形阵列结构，它由功能图形和编码区域组成，功能图形不用于数据编码，它包括寻像图形、分隔符、定位图形和校正图形。编码区域包括数据码字、纠错码字、版本信息和格式信息。QR码共有40 种规格，分为版本1 ~ 版本40,规格为： 21模块× 21 模块~ 177 模块× 177 模块。QR 码具有高信息密度、高识别速度以及高可靠性等特点。QR 码的符号结构如图1 所示。 

　　2 系统的流程

　　系统在基于Android 平台上使用Java 和C ++ 语言一同实现。系统主要分为图像采集模块、图像预处理模块和条码识别模块。图像采集模块主要利用摄像头来完成条码图像的采集，并将采集的图像在屏幕上显示；图像预处理模块主要是对采集的条码图像进行灰度、二值化、定位、矫正等处理，条码识别模块主要根据QR 码标准来对条码数据进行提取。系统流程图如图2 所示。 

　　3 QR 码的识别算法 

　　3. 1 图像二值化 

　　图像的二值化是把灰度图像转成黑白图像，这样更有利于图像处理的判别，灰度阈值的变换函数如下 

　　如何确定阈值T 是二值化算法的关键，它决定了图像二值化的效果。文中采用OTSU 算法［3，5］，假设图像分割的阈值为t( 0≤t ＜ 256) ，≤t 的为前景像素，＞ t 的为背景像素，设前景点数占图像比例为w0，平均灰度为u0; 背景点数占图像比例为w1，平均灰度为u1。则图像的总平均灰度为 

　　取得最大值时，t 就为图像的最佳阈值。对式( 2) 进行化简，得 

　　这样则大大减少了计算量。
 
　　3. 2 QR 码的定位 

　　为检测QR 码的位置，利用QR 码的位置探测图形的特征。由图3 可见，当直线穿越探测图形中心时，从左至右的深浅比例依次是1∶ 1∶ 3∶ 1∶ 1，而且这个比例不随图像的大小和旋转而改变，所以可以利用此特性来检测QR 码的位置。

　　根据探测图形的比例特性，对图像由水平和竖直方向进行扫描，当遇到深浅比例按1∶ 1∶ 3∶ 1∶ 1 出现时，记录其行或列的位置，并继续搜索相邻行和列，直至所有的行和列被扫描到，记录最先出现的行与列的位置。这样一共可以得到4 条直线，围成一个正方形，正方形对角线的交点即为探测图形的中心，同理，可以确定其他两个探测图形的中心。连接探测图形的3 个中心点，可以计算出3 条边的大小，根据三角形大边对大角的原则，可以选择一条直角边，计算出它的倾斜角，然后将图像旋正。 

　　3. 3 图像的旋转 

　　这里采用双线性插值［4］对图像进行旋转，而不是利用最邻插值法，因为它会使图像产生锯齿形的边界，干扰条码的识别。双线性插值的数学模型如图4 所示。 

　　f( x，y ) 为两个变量x，y 的平滑函数，假设它所在单位正方形的4 个顶点的值为f( 0，0) 、f( 0，1) 、f( 1，0) 、f( 1，1) ，则可以利用双线性插值求出正方形内任意点( x，y) 的值f( x，y) ，首先对两个顶点进行插值得

　　图5( a) 为倾斜的条码，图5( b) 为采用双线性插值旋转的结果，实验表明，双线性插值处理后得到的图像具有良好的效果，有利于条码识别。 

{$page$}

　　3. 4 图像的矫正
 
　　由于在拍摄时，摄像头的角度不会完全垂直于二维条码平面，因此拍摄到的条码或多或少会有透视效果，在手持手机拍摄时，这个问题很常见，也是图像处理中的难点。这里使用反透视算法［7］，能够对图像进行反透视矫正。设三维失真空间中的一点坐标［x'，y '，z'］，其其次坐标可以设为［x'，y'，z'，1］T ; 三维基准空间中对应点坐标［x，y，z］，其其次坐标设为［x'，y'，z'，k］T，因此有公式为 

　　在上述定位算法中，得到了条码的3 个探测图形中心点的坐标，因此可以得出条码4 个顶点的坐标，根据如下基准点与失真点的映射关

　　根据式( 7) 和式( 8) ，可以得出 

　　一般地P = 1，k = 1，失真图像和校正后的图像共面，那么z = z' = c，c 是常数，令c = 0，可以将( 9) 简化为 

　　可以根据条码的4 组顶点，求出8 个待定系数A，B，D，E，F，H，M，N，然后对条码的每个点进行矫正。
 
　　4 QR 码识别系统在Android 平台上实现 

　　4. 1 Android 简介 

　　Android 是基于Linux 平台的开源手机操作系统，它采用软件堆层的架构，主要分为3 个部分: 操作系统、中介软件和应用程序。底层以Linux 内核工作为基础，用C 语言开发，只提供基本功能; 中间层包裹函数库Library 和虚拟机Virtual Machine，由C ++ 开发;最上层是各种应用软件，包括通话程序，短信程序等，主要以Java 作为编程语言。
　　为能够快速地处理大量的数据，Android 也提供了以C /C ++ 作为开发语言的NDK( Native Developer Kit)平台，它编译生成的. SO 动态链接库可以供AndroidSDK( Software Development Kit) 平台下的应用程序调用。在本系统的实现中，因为图像的预处理和解码部分要进行大量数据运算，所以把这两部分的程序放在NDK 下完成，摄像头启动与图像采集在SDK 下实现。由于Android 的虚拟机Dalvik 不能执行. class 文件，所以要把. class 文件的字节码转换成. dex 文件的字节码，识别系统的编译过程如图5 所示。 

　　4. 2 图像的采集 

　　系统在手机上实现，图像的采集［2 － 6］是重要的一步，在Android 平台上，是使用Camera 类来完成摄像头的调用和图像采集。使用Camera mCamera = Camera.open ( ) 获得Camera 的实例，然后使用Camera.Parameters 来设置获得图像的大小，最后通过实现Camera. Preview － Callback 的接口onPreviewFrame( byte ［］data，Camera camera) 来获得摄像头的图像数据。图像数据data 为YUV 格式，其中Y 分量的大小为 mageWidth* ImageHeight 个字节，U 分量的大小为0. 25 × ImageWith* ImageHeight 个字节，V 分量的大小和U 分量一样，因为条码是黑白色，Y 分量正好包含的是图像的灰度信息，将省去对图像进行灰度化的处理，所以在取图像数据时，只取Y 分量进行处理。 

　　4. 3 自动对焦 

　　为能够较快地获得清晰的图像，提高识别速度，文中使用了自动对焦技术。关键代码如下:
　　( 1) 实现自动对焦的接口
　　AutoFocusCallback Camera. AutoFocusCallback mAutoFocusCallback =
　　new Camera. AutoFocusCallback( )
　　{
　　Public void onAutoFocus( boolean success，Camera
　　camera)
　　{
　　mCamera. setOneShotPreviewCallback ( mPreviewCallback)
　　;
　　}
　　}
　　( 2) 创建一个定时器
　　创建定时器的目的是使手机每隔一段间隔就自动对焦一次。定时器内的代码如下: 

　　mCamera. autoFoucs( mAutoFocusCallback) ; 

　　5 结束语 

　　文中研究了QR 码的识别技术，讨论了在Android平台上实现系统的技术问题，并结合数字图像处理技术，在Android 手机平台上进行了QR 码的识别技术的开发。根据图像的大小，本系统在三星i9000( CPU 型号ARM Cortex A8，主频为1 GHz，内存512 MB，操作系统为Android OS v2. 1) 上分别对100 幅图像进行了测试，结果如表1 所示。