基于MATLAB的条形码识别技术研究

       识别一维条形码，关键环节是对它进行预处理操作，以去除条形码图像区域的噪声污染，以及进行必要的倾斜校正，首先采用相似边距离法计算出条形码所代表的信息，然后通过解码校验以及纠错，最后进行解码过程。本文详细设计了每个环节，完成了较高识别率的条形码识别系统。

条形码识别系统的一般流程为：

       对于需要识别的条形码图片，往往需要进行一些预处理，例如降噪处理、倾斜校正等，然后把图片二值化，图是对条形码图像进行识读的流程图。

        由相似边距离的方法可以得到算法的具体流程，首先计算的一个字符的总长度以及黑白模块的宽度，则可以得到一个单位模块的长度为L=T/7，而T则为C1-C4的值的相加。然后再把得到的4个模块宽度除单位模块宽度L就可以得到归一化的值ATi 。但是在条形码中还有起始符，中间分隔符于终止符，所以在识别的时候需要去掉无关元素，去掉之后就还剩48条空模块，每四个可分为一组一共12组，代表12个字符。然后根据计算出的归一化值(T1 ，T2 )。再通过表3-1可查出字符值，具体流程如图所示。

实验图：

一张正常的条形码图片可以通过一般条形码识别流程成功识别：

如图所示，对于倾斜的条形码图片，需要经过倾斜图片校正后才能正常识别。

但是有些图片未必是倾斜的，有些条形码图片是不能直接进行识别的，所以需要进行一个感兴趣区域提取，如图所示：

这种类型的条形码是不能直接扫描的，所以就需要把条形码区域提取出来。

如图所示，经过感兴趣区域提取后，可以把条形码区域提取出来。

       在设计中还有一些其他的图片处理工具，如添加噪声，图像增强，中值滤波等，去除噪声等，目的也是为了是提升读入条形码图片的识别成功率。本次设计一共使用100张图片，不仅有清晰的，也有含噪声的，在实验中一共失败6张图片，识别成功率可达到94%。

      本次设计中对于符合EAN-13条形码编码格式的图片能够进行识别，但是对于一些产生畸变的条形码图片、或者光源不充足、条形码图片污染严重，以及像素模糊不高的图片目前还无法识别，所以程序还有提升空间，考虑到程序的简约性，不做深入色痕迹，相信随着计算机技术的发展，或者是更好的技术与算法，能够解决该问题。

设计者：zsm

通信工程专业