DataMatrix

前言

最近在做关于DataMatrixer二维码项目的识别，加上网络上的公开资料比较少，因此做的过程比较痛苦，这里稍微记录一下，当作对项目总结。本次原理的解析是针对开源库libdmtx的。

一、算法的整体流程

5.30新项目记录
1. 问题定位
{
	1.修改barcode.c
	2.修改dmtxregion.c 170行
	3.assert调试
}
函数包含结构
dmtxScanExcute
{
	1.img = dmtxImageCreate();
	2.dec = dmtxDecodeCreate(img); \\此时dec中包含dec
	3.reg = dmtxRegionFindNext(dec)
	{//进行十字扫描，并以这些点依次为起点去搜索边界
		for (;;)
		{
			1.locStatus = PopGridLocation(&(dec->grid), &loc);
			2.reg = dmtxRegionScanPiexl(dec, loc.X, loc.Y, buf)
			{
				1.cache = dmtxDecodeGetCache(loc); //判断是否访问或者分配过
				2.flowBegin = MatrixRegionSeekEdge;
				{
					1.flowPlane[i] = GetPointFlow(dec); //获取不同通道的，幅值小于10的会被过滤掉
					{
						1.flow.arrive = arrive; //下面的函数可知
						2.flow.depart = (mag[compassMax] > 0) ? compassMax + 4 : compassMax;
						//明显就是梯度下降的方向，方向如下图标识
						//| 6 7 0 |depart
						//| 5 8 1 |
						//| 4 3 2 |
					}
					2.flowPosBack = FindStrongestNeighbor(dec, flowPos, -1);//来回验证是否该起点的能不能按照相同的位置原路返回
					{
						1.正方向搜索 - 45、0、45，sign = 1(正负只是规定值)
						{
							(depart + 4) % 8
							//| 0 1 2 |dmtxPatternX,这个值也是arrive的值
							//| 7 8 3 |
							//| 6 5 4 |
							1. flow[i] = GetPointFlow() //i值也是arrive的值,arrive是相对与上一个点位的相对位置
							2. 选取8个方向上flow响应最大的，两个位置响应相同的时候选取上表中的奇数位置
						}
						2.反方向搜索 - 45、0、45，sign = -1
					}
					3.flowNegBack = FindStrongestNeighbor(dec, flowNeg, +1);
				}
				3.MatrixRegionOrientation(dec, &reg, flowBegin);	//比较复杂和关键的函数
				{//该函数定位DataMatrix的L形区域，并给出码区相应的左、上、下的边界
					1.TrailBlazeContinuous(dec, reg, begin, maxDiagonal);//寻找连续的点位
					{
						//0x80 v = visited bit
						//0x40 a = assigned bit
						//0x38 u = 3 bits points upstream 0 - 7
						//0x07 d = 3 bits points downstream 0 - 7
						1.循环正向、负向寻找连续边界。
						{
							1. 起始位置cache :mark location as visited and assigned 1100 0000
							2. flowNext = FindStrongestNeighbor(dec, flow, sign);
								cacheNext = dmtxDecodeGetCache()
							3. 设置当前cache = 11-- - -- - ,
								1.正向：
								高三位为当前点下一个点位的dmtxPatternX值，
								低三位为当前点上一个点位的dmtxPatternX值；
								2.负向：相反
						}
						2.TrailClear(dec, reg, 0x80)
						{//将已经搜索到的点位的cache的值始终设置为：01 --- ---
							1.FollowSeek()	//搜寻起始位置heighbor为cache的后6位
							2.FollowStep()	
								//假设边界点的排列方式为正、begin、负：++...++...o...--...--，那么
								//该函数会从起始点沿着正方向进行搜索，搜到最后一个postive点位的时
								//候跳转到negtive的最后一个点位正向搜索，形成闭环
						}
					}
					2.如果连续点寻找返回失败则运行函数TrailClear(dec, reg, 0x40)将已经分配的点位设置为：10 --- ---
					3.过滤掉小的区域(但是我们的程序中没有设置)
					4.line1x = FindBestSolidLine(dec, reg, 0, 0, +1, DmtxUndefined);	//寻找第一条直线
					{//+1 为 sign = 1
						//这个函数中使用了hough变换,结果储存在hough[3][180]中，将求每个连续点与起始点的相对
						//位置差diff,diff再叉乘1~180°的长度为256的向量，在每个方向上选取叉乘结果为-384~384
						//（即在该方向上偏离起始点位-1、0、1个像素的点），
						// 如下图（每个边界点都有这样的图，最后所有的点的图进行累加）
						//________________________________
						//|   \       |-1像素|0像素|1像素| 注意：单个点的行向量的求和值为1
						//|    \叉乘值|<-128 |<128 |else |
						//|_角度\_____|______|_____|_____|
						//|	    1°   |   0  |  0  |  1  |
						//|	    2°   |   0  |  1  |  0  |
						//|	    3°   |   0  |  1  |  0  |
						//|     4°   |   0  |  1  |  0  |
						//|    ...   |  ... | ... | ... |
						//|    180°  |   0  |  1  |  0  |
						//|__________|______|_____|_____|
						// 将上面每个点的矩阵进行累加值后选取3*180矩阵幅值最大的位置作为最终直线的角度；
						// 直线最大幅值（感觉会有一点点缺陷，只选取了该角度上-1、0、1中的一个幅值，
						// 自己感觉应该全加起来）todo
					}
					5.TrailClear(dec, reg, 0x40);//通过幅值过滤直线，感觉阈值太小了todo
					6.FindTravelLimits(dec, reg, &line1x);	//计算第一条直线
					{
						1.直线的起点（也是边界搜索的起点）
						2.for(总的搜索点的一半)
					}
					3.fTmp = FollowSeek(dec, reg, line1x.stepPos + 5);	//第一条直线正向搜索另一条直线
						line2p = FindBestSolidLine(dec, reg, fTmp.step, line1x.stepNeg, +1, line1x.angle);
					4.fTmp = FollowSeek(dec, reg, line1x.stepNeg - 5);	//第一条直线负向搜索另一条直线
						line2n = FindBestSolidLine(dec, reg, fTmp.step, line1x.stepPos, -1, line1x.angle);
					5.//通过正负两直线的magnitude即幅值判断第二条直线，这两条直线分别组成了DataMatrix的L形区域
					6.FindTravelLimits(dec, reg, &line2x);//讨论第二条直线的延伸范围
				}
				4.dmtxRegionUpdateXfrms()
				{//进行初次坐标变换,因为这次变换中知道的信息不全，因此初步定一个范围
					主要函数如下
					1.dmtxVector2Norm()//坐标的正则化，//大概定位码区的四个顶点
					2.dmtxRay2Intersect//大概定位码区的四个顶点
					3.dmtxRegionUpdateCorners()//验证四个顶点是否合理，畸变太大就放弃解码
				}
				5.MatrixRegionAlignCalibEdge()
				{//定位上边界
					主要函数
					1.dmtxMatrix3VMultiplyBy()//三阶矩阵乘法
					2.FollowSeekLoc		//已经计算过的点的属性的查找
					3.BresLineInit()	//初始化不连续边界
					4.TrailBlazeGapped()//一种特殊的不连续点的震荡扫描方式
					5.FindBestSolidLine2()	//寻找到顶边界
				}
				6.dmtxRegionUpdateXfrms()

				7.MatrixRegionAlignCalibEdge()
				8.dmtxRegionUpdateXfrms()//寻找到底边界

				9.MatrixRegionFindSize(dec, &reg)/* Calculate the best fitting symbol size */
				{
					dmtxGetSymbolAttribute
					ReadModuleColor
					CountJumpTally()//计算二维码的尺寸
				}
				//3. 4. 5. 6.都是失败就return，寻找下一个点位
				10.return dmtxRegionCreate(&reg);//最终返回区域
			}
			3.退出条件为搜寻完所有点（感觉这个条件有一点点奇怪，随着网格细分后面的点搜索到的概率越小，徒增时间）
		}
	}
	4.msg = dmtxDecodeMatrixRegion(dec, reg, DmtxUndefined, buf);//成功寻找区域之后进行码区的读取与解码
	{
		//该函数编写十分巧妙，数学原理运用的也很完美
		//涉及到线性代数和数论的知识，后面会专门写一篇文章去介绍
		1.msg = dmtxMessageCreate(reg->sizeIdx, DmtxFormatMatrix, buf);
		2.PopulateArrayFromMatrix(dec, reg, msg);
		{
			1.dmtxGetSymbolAttribute();
			2.TallyModuleJumps();//increment counters used to determine module values
			{//这个函数中计算的值就是算出来的码的值，它通过四个方向对编码块进行灰度求和
				1.ReadModuleColor()
				{
					1.dmtxGetSymbolAttribute()//读取行、列的数量
				}
			}
		}
		3.dmtxMatrix3MultiplyBy();
		  CacheFillQuad();
		4.dmtxDecodePopulateArray();
		{//Ripped out a part of dmtxDecodeMatrixRegion function to this one to parse own array
			1.ModulePlacementEcc200()
			2.RsDecode()
			3.DecodeDataStream()
		}
	}
	5.dmtxRegionDestroy(&img);
}

代码原理细节
{
	1. dec->scale感觉式降采样的倍数;
	2. dec->cache获取的内存大小为降采样scale后的大小
	3. dec->scanGap会除以dec->scale
	4. grid->starPos = grid->extent - 1
	5. GetGridCoordinates()
	{
		在当前网格划分的情况下，
	}
	8.FindStrongestNeighbor((flow)center)

}

二、算法原理

\qquad 这里会详细介绍代码实现，更偏重整个代码的体系的解析，具体的算法原理可能会放到其他文章。

具体细节待更新，时间紧先挖个坑

确实需要解答可以私信或者留言。