近年來，隨著數(shù)字圖像處理技術的發(fā)展，二維碼技術獲得了廣泛應用。QR(Quick Response)碼是常見二維碼中的一類，于1994年由日本DENSO WAVE公司發(fā)明，目前在火車票、門票、網(wǎng)站、廣告等多種信息傳播媒介中得到普及。與常見的條形碼相比，同等面積的QR碼具有更大的信息容量。

    QR碼識別設備一般為嵌入式設備，與個人電腦相比，嵌入式設備對成本和功耗等方面有較高的要求，因此其內(nèi)部存儲空間通常較小。本文針對這種情況，在以ADSP-BF592為核心處理器的硬件平臺上設計并實現(xiàn)了一種QR碼識別系統(tǒng)。該系統(tǒng)通過采集與二值化并行的方法采入二值圖像以提高內(nèi)存對圖像的容納力，識別過程中避免了常規(guī)圖像處理算法中大量的內(nèi)存分配，成功地在小內(nèi)存平臺上實現(xiàn)了QR碼識別功能。
1 系統(tǒng)硬件平臺
    系統(tǒng)以ADSP-BF592為核心處理單元，采用一個CMOS單板攝像頭拍攝QR碼圖像信息，在DSP內(nèi)部存儲空間運行QR碼識別算法，并將識別結果顯示在LCD屏上。系統(tǒng)硬件平臺框圖如圖1所示。

    ADSP-BF592是ADI公司Blackfin系列處理器產(chǎn)品系列中的一款DSP，低成本、低功耗的特點使其通常用于嵌入式產(chǎn)品中。BF592提供200 MHz和400 MHz內(nèi)核時鐘速度，具有豐富的外設，包括2個SPORT口、1個PPI、2個SPI、4個通用計數(shù)器以及1個包含VDK RTOS和C運行庫的工廠編程指令ROM塊[1-2]。但是BF592的內(nèi)部僅有32 KB的代碼空間和32 KB數(shù)據(jù)空間，且沒有外部總線，這在一定程度上限制了其實現(xiàn)常見的圖像處理算法。
    CMOS攝像頭通過PPI和TWI接口與DSP連接，分別用于采集圖像和配置攝像頭；顯示拍攝到的灰度圖像的TFT屏通過SPORT接口與DSP連接；顯示QR碼識別結果的LCD屏通過SPI接口與DSP連接。

2 圖像采集與二值化
2.1 二值化
    QR碼存儲的信息均為二值信息，所以二值化是QR碼識別中必要的一步。本文采用最大類間方差法對圖像進行全局二值化[3]。該方法是一種自適應的閾值確定的方法，又叫大津法，簡稱OTSU。二值化即依據(jù)灰度特征將圖像分割為前景和背景兩類，OTSU法通過最大化前景與背景之間的方差選取最佳閾值。類間方差?滓b2(t)可表示為：

    為簡化描述，假設采集的二值圖像的寬和高均為448像素，具體時序可描述如下：
    (1)采集一幅158×158像素的低分辨率灰度圖像。利用OTSU法算出其閾值t*；
    (2)釋放低分辨率灰度圖像，分配大小為25 088 B的二值圖像內(nèi)存，并開辟兩塊臨時內(nèi)存A、B，大小均為448 B，分別用于臨時存儲灰度圖像中的一行；
    (3)將內(nèi)存A中的每個字節(jié)與閾值t*進行比較，并將每8個像素拼成1 B存入二值圖像內(nèi)存。與此同時，用DMA方式將一行圖像的448個像素點存入內(nèi)存B；
    (4)與步驟(3)類似，將內(nèi)存A中的字節(jié)二值化壓縮存入二值圖像中，同時將一行圖像的448個像素點存入內(nèi)存B；
    (5)重復步驟(3)與步驟(4)，直到圖像傳輸完畢；
    (6)釋放內(nèi)存A、B。
    基于以上方法，本文設計的系統(tǒng)可采集448×448像素的二值圖像，圖像分辨率顯著提高，降低了QR碼的識別難度。
3 QR碼的定位與識別
3.1 定位
    QR碼定位通常使用傳統(tǒng)的圖像處理方法，如邊沿檢測、Hough變換、離散余弦變換[4]等，然而這些方法都需要較大的內(nèi)存，無法適應小內(nèi)存的場景。本文針對小內(nèi)存平臺，利用QR碼位置探測圖形(Finder Pattern)的比例關系對QR碼進行搜索定位。QR碼的結構如圖3所示，在QR碼有3個相同的位置探測圖形，分別位于其左上角、右上角和左下角。每個位置探測圖形可以看作3個重疊的同心正方形組成，它們分別為7×7個深色模塊、5×5個淺色模塊、3×3個深色模塊。

    位置探測圖形的特征如圖4所示，其模塊的寬度比為1:1:3:1:1，且此特征具有縮放和旋轉(zhuǎn)不變性。符號中其他地方遇到類似圖形的可能性極小，因此可以在視場中迅速識別可能的QR碼符號[5]。通過識別QR碼的3個位置探測圖形，可以明確地確定視場中QR碼的位置和方向。具體過程可描述為：
    (1)對圖像進行多個方向的掃描，對于每個方向，都標記出模塊寬度比接近1:1:3:1:1的位置；
    (2)尋找在每個方向上都有標記的特征位置并求其交點。所求交點即可作為位置探測圖形的中心。
    該方法同樣可應用于定位QR碼的校正圖形(Alignment Pattern)。

位置探測圖形定位結果，其他網(wǎng)格線為采樣網(wǎng)格。
    對于位置探測圖形受到嚴重污染的情況，由于內(nèi)存對于算法的限制，本文并沒有做相應處理，可能造成識別失敗。這種情況可通過適當增加系統(tǒng)內(nèi)存解決，如采用BF52x系列處理器[8-9]。
    本文主要針對小內(nèi)存平臺上的圖像處理情形，主要設計了圖像采集、QR碼定位算法。本文介紹的圖像采集方法也可運用在其他小內(nèi)存的圖像處理系統(tǒng)中。實驗結果表明，本算法占用內(nèi)存小，速度快，適應性較強，能適用于實際系統(tǒng)。
參考文獻
[1] ADSP-BF59x blackfin processor hardware reference(Revision 1.0)[Z].Analog Devices Inc，2011.
[2] ADSP-BF592 blackfin embedded processor data sheet(Rev A)[Z].Analog Devices Inc，2011.
[3] OTSU N.A threshold selecti on method from gray-level histograms[J].IEEE Trans.on Systems Man and Cybernetics，1979，9(1)：62-66.
[4] 李璐.面向手機的二維條碼定位識別算法的研究[D].合肥：合肥工業(yè)大學，2007.
[5] 張民，鄭建立.基于符號特征的QR碼識別算法[J].計算機工程，2011，37(4)：278-280.
[6] FALAS T，HOSSEIN K.Two-dimensional bar-code decoding with camera-equipped mobile phones[C].Fifth Annual IEEE  International Conference，White Plains，NY，2007.
[7] 國家質(zhì)量技術監(jiān)督局.GB/T18284-2000快速響應矩陣碼[S].2000.
[8] ADSP-BF52x blackfin processor hardware reference(Revision 1.0)[Z].Analog Devices Inc，2010.
[9] ADSP-BF522/ADSP-BF523/ADSP-BF524/ADSP-BF525/ADSP-BF526/ADSP-BF527 blackfin embedded processor data sheet(Rev C)[Z].Analog Devices Inc，2012.