基于形態學圖像處理的網屏編碼識別技術*

孫延鵬,許 軍,王爾申,魏勇濤

（沈陽航空航天大學 電子信息工程學院，遼寧 沈陽 110136）

網屏編碼具有信息隱藏量大、安全性高、成本低、魯棒性好、抗攻擊能力強等優點[1-2]，在信息隱藏和紙類防偽方面發揮著越來越重要的作用。編碼圖像預處理是網屏編碼應用的關鍵技術，隨著對網屏編碼技術的深入研究，許多學者針對網屏編碼的特點,在圖像預處理過程提出了各自的改進算法。參考文獻[3]采用自適應動態閾值來實現二值化，即根據項目經驗設定一個初始閾值，然后根據各個像素周圍區域的灰度值確定中央像素的閾值。參考文獻[4]將基于B樣條的邊緣檢測技術應用到識別過程中，該技術具有較好的光滑性，同時與原圖像曲面具有相似的凹凸性。參考文獻[5]提出了使用三次樣條插值方式提高定位點的定位準確性。參考文獻[6]使用雙線性內插值方法進行圖像的縮放。

網屏編碼具有信息位小、信息隱藏的特點，識別只需讀取相應的信息即可，而信息位的形狀、大小、樣本背景及紋理都不會對信息位的判讀產生影響。形態學處理能膨脹或腐蝕圖像，但是可以不改變信息位所含的信息。根據這一特點，本文將形態學圖像處理應用于網屏編碼圖像預處理。

1 系統框圖及功能

掃描獲得網屏編碼圖像后，首先進行圖像二值化。通過構建合適的結構元素,進行形態學開運算和閉運算，去掉圖像的瑕疵和污點，再將原圖像與腐蝕后的圖像相減，實現了圖像的邊界提取。傾斜矯正后經過坐標定位，采用網格法將其譯碼讀出，基本流程如圖1所示。

2 圖像預處理算法研究及實現

2.1 圖像二值化

圖像二值化主要有兩方面的作用[7]：(1)為使用形態學打下基礎;(2)在圖像二值化過程中，能夠濾除背景中的噪音，并且在最后網格坐標定位時化繁為簡，縮短識別時間。實現圖像二值化有以下兩個步驟：

(1)彩色圖像轉為灰度圖像：根據三基色原理，實現過程為:

(2)灰度圖像轉為二值圖像：掃描編碼圖像得到的直方圖并沒有出現明顯的雙峰形狀，故不能采用雙峰法或迭代法選取閾值作為二值化的歸一化閾值。根據直方圖特點，選用最大類間方差法。具體計算過程如下:

首先將圖像按灰度級用閾值T分為C0和C1類，即:

圖像f(x,y)的均值為:

定義兩類的類間方差σ2(T)為:

使類方差σ2(T)取得最大值時的閾值,即:

其中，fmin、fmax分別為圖像 f(x,y)中灰度的最大值與最小值，P0、u0、P1、u1分別為 C0、C1出現的概率和均值。

2.2 開運算和閉運算

在圖像掃描過程中會不可避免地引入噪音，常見的有孿生像噪音、圓孔噪聲、行噪音和隨機噪音等，這些噪音會降低譯碼率。開運算能平滑圖像輪廓，削弱狹窄部分，去掉細長突出、邊緣毛刺和孤立斑點，斷開目標物之間粘連。閉運算可以填充目標內的細小空洞和裂縫,連接斷開的臨近目標[8]。

結構元素的選取會影響濾波效果。Top-Hat算子具有高通濾波的某些特性，開Top-Hat算子能檢測出圖像的峰，閉Top-Hat算子能檢測出圖像中的谷，但是點目標圖像中出現強背景噪音干擾時，傳統的Top-Hat形態學濾波算子對其抑制就顯得不理想。為此，有必要采用修正的Top-Hat形態學濾波算子[9]。

設待濾波圖像 F={(x,f(x))|x∈P,P?E2},修正 Top-Hat形態學濾波器結構元素由兩部分嵌套而成：內部結構元素 Bi（n×n）和外部結構元素 Bo(m×m)，即 Bi?Bo。 定義邊緣結構元素:

在此基礎上定義修正的Top-Hat算子:

實驗驗證，修正Top-Hat形態學濾波器可以很好地抑制噪音的影響，如圖2所示。

圖2 原始圖像與開運算后的圖像比較

2.3 邊界提取和傾斜矯正

掃描圖像不能做到100%的水平,傾斜的編碼圖像使譯碼率急速下降，大大影響網屏編碼的使用和發揮。傾斜矯正主要有3個過程:邊界提取、Hough變換及水平矯正。

對于一個圖像A，可以先用一個結構元素B對該集合進行腐蝕運算，然后再求腐蝕結果和集合A的差集，可以得到圖像的邊界，其定義為：

同樣，像濾波一樣，結構元素的選取會影響邊界提取的效果。本文采用多結構元素、多尺度形態學邊緣檢測,具體步驟為；

(1)利用正方形結構元素B(w=5)進行邊界提取，其中，B可以分解為8個不同的結構元素，如圖3所示。即：

圖3 正方形結構元素B及其8個不同方向的結構元素

(2)利用8個不通方向的結構元素分別提取圖像的邊緣，得到:

(3)將各個方向的邊緣進行加權求和，最后得到圖像的邊緣：

式中，wi為權重值，各方向的邊緣貢獻應該一致，即取wi值為1/8。圖4所示為傾斜矯正后的編碼圖像。

2.4 網格定位

圖4 傾斜校正后的圖像

采用網格法進行譯碼識別時，網格的坐標十分重要。固定網格法適用于數據量小、信息位整齊的編碼圖像。但是相對于二維碼，網屏編碼數據量較大,一張A4的紙大約能隱藏100 KB的數據[10]，并且信息位較小，任何微小的紙張形變都可能對譯碼造成影響，因此有必要采用動態坐標定位法。圖5的示為網格法動態行坐標定位流程圖。

圖5 動態行坐標定位流程圖

與二維碼網格法采用固定大小的網格不同，動態網格坐標法的網格大小隨著紙張的形變而發生變化。由于已經將編碼圖像二值化，圖像像素值只有“1”、“0”，所以計算量較小。坐標定位的主要思想是對每一行的像素值進行加法運算。每行的像素值與列像素數比較，若等于列像素值，則表示此行沒有信息位；若不等于列像素值，則表示此行已經有信息位的一部分，將此行坐標值減1作為此網格上面的行坐標。繼續對下一行像素值進行加法運算，直至像素和與列像素的個數相等，表明此行像素已經沒有信息位，可將此行作為此網格下面的行坐標。列坐標的方法也類似，在此不再重復敘述。

3 性能分析

實驗采取Intel(R)Core(TM)2 Duo T5470處理器、1.6 GHz主頻、1.00 GB內存、Version7.8.0.347版本Matlab 2009a軟件對樣本進行信息讀取。

3.1 識別率比較

表1所示為針對不同的樣本進行不同的譯碼方法識別率的比較。通過多樣本的驗證可以看出，采用動態網格定位方法后，可以提高網屏編碼的識別率。譯碼率的提高主要體現在采用動態網格定位法后，網格的定位更準確，消除了紙張微小形變對譯碼的影響。

表1 不同方法的識別率

3.2 識別時間

識別時間比較，主要是通過對同一樣本分別采用參考文獻[4-5]圖像處理方法和形態學圖像處理方法，進行譯碼時間比較。表2所示為不同方法的時間統計表。

表2 不同方法的識別時間(s)

由表2可以看出，數學形態學法識別編碼圖像相對于參考文獻[4-5]所用的時間減少了10%。其中主要體現在濾波和邊界提取過程中運算量的減少。

本文根據網屏編碼的特點，將形態學圖像方法應用到譯碼中。通過選擇合適的結構元素，實現了圖像的濾波、邊界提取和傾斜矯正。最后通過選取動態網格坐標，消除紙張形變對編碼圖像的影響。譯碼結果表明，在不增加識別時間的同時，識別率有了很大的提高，并且減少了一定的識別時間。對比結果顯示了本方法的有效性，并可以應用于網屏編碼的識別譯碼中。但是，網屏編碼定位仍采用人工定位，如何實現自主定位圖像、實現信息讀取是下一步的研究目標。

[1]陳錫蓉,顧澤蒼.論網屏編碼技術及防偽應用[J].中國品牌與防偽,2008,11(1):64-67.

[2]郭淳學.網屏編碼技術介紹 [J].電子技術應用,2010,36(1):17-23.

[3]王玲.基于網屏編碼的多層印刷模型及自動讀取系統[D].天津：南開大學,2009.

[4]胡小劍.網屏編碼技術在信息隱藏和文檔圖像檢索中的應用[D].天津：南開大學,2008.

[5]賈鳳美.網屏編碼信息安全技術的研究 [D].天津：南開大學,2007.

[6]孫錚.網屏編碼技術在手機平臺上的應用 [D].天津:天津大學,2009.

[7]張曉磊.基于網屏編碼技術與混沌理論相結合的圖像信息隱藏算法研究[D].天津：南開大學,2009.

[8]劉剛,趙立香,董延.Matlab數字圖像處理 [M].北京:機械工業出版社,2010.

[9]車宏,孫隆和.圓形結構形態學濾波器優化設計及應用[J].南京航空航天大學學報,2011(4):486-490.

[10]趙立龍,顧澤蒼,方志良,等.一種基于視覺特性及形態網屏編碼的紙介質信息防偽方法[J].光電子·激光,2008,11(1):1524-1527.