android:一卡通系统,基于Android嵌入式平台的QR码识别系统 - 中国一卡通网

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。

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。