바코드 검사기의 성능에 결정적인 영향을 미치는 것은 입력 영상으로부터 바코드 영역을 추출하는 세그먼테이션 과정이며, 기존의 세그먼테이션 기법에는 여러 가지 문제점이 존재한다. 첫째, 허프 직선 변환 방법은 길이 임계값에 매우 민감하여 임계값을 정하는데 어려움이 있다. 둘째, 모폴로지 변환은 영상을 수축, 팽창하는 과정에서 많은 지연시간이 발생한다. 따라서 본 논문에서는 이러한 바코드 검증에서 지연 현상을 해결하고 주변 영향을 적게 받는 해리스 코너 검출 기법 융합형 바코드 영역 검출 기법을 제안한다. 그리고 본 논문에서 제안한 알고리즘을 검증하기 위해 실제 라인과 유사한 실험 환경을 구성하고, 다양한 크기의 바코드 영상과 다양한 위치에서의 바코드 영역 추출실험을 하였다. 결과적으로 제안 기법은 기존의 알고리즘에 비해 주변 환경이나 임계값 설정의 어려움과 영상 처리의 지연 문제를 해결하였고 모든 테스트 영상에 대해 바코드 영역을 100% 추출하는 성능을 보였다.
바코드 검사기의 성능에 결정적인 영향을 미치는 것은 입력 영상으로부터 바코드 영역을 추출하는 세그먼테이션 과정이며, 기존의 세그먼테이션 기법에는 여러 가지 문제점이 존재한다. 첫째, 허프 직선 변환 방법은 길이 임계값에 매우 민감하여 임계값을 정하는데 어려움이 있다. 둘째, 모폴로지 변환은 영상을 수축, 팽창하는 과정에서 많은 지연시간이 발생한다. 따라서 본 논문에서는 이러한 바코드 검증에서 지연 현상을 해결하고 주변 영향을 적게 받는 해리스 코너 검출 기법 융합형 바코드 영역 검출 기법을 제안한다. 그리고 본 논문에서 제안한 알고리즘을 검증하기 위해 실제 라인과 유사한 실험 환경을 구성하고, 다양한 크기의 바코드 영상과 다양한 위치에서의 바코드 영역 추출실험을 하였다. 결과적으로 제안 기법은 기존의 알고리즘에 비해 주변 환경이나 임계값 설정의 어려움과 영상 처리의 지연 문제를 해결하였고 모든 테스트 영상에 대해 바코드 영역을 100% 추출하는 성능을 보였다.
A segmentation process extracts an interesting area of barcode in an image and gives a crucial impart on the performance of barcode verifier. Previous segmentation methods occurs some issues as follows. First, it is very hard to determine a threshold of length in Hough Line transform because it is s...
A segmentation process extracts an interesting area of barcode in an image and gives a crucial impart on the performance of barcode verifier. Previous segmentation methods occurs some issues as follows. First, it is very hard to determine a threshold of length in Hough Line transform because it is sensitive. Second, Morphology transform delays the process when you conduct dilation and erosion operations during the image extraction. Therefore, we proposes a novel Converged Harris Corner detection-based segmentation method to detect an interesting area of barcode in Data Matrix. In order to evaluate the performance of proposed method, we conduct experiments by a dataset of barcode in accordance with size and location in an image. In result, our method solves the problems of delay and surrounding environments, threshold setting, and extracts the barcode area 100% from test images.
A segmentation process extracts an interesting area of barcode in an image and gives a crucial impart on the performance of barcode verifier. Previous segmentation methods occurs some issues as follows. First, it is very hard to determine a threshold of length in Hough Line transform because it is sensitive. Second, Morphology transform delays the process when you conduct dilation and erosion operations during the image extraction. Therefore, we proposes a novel Converged Harris Corner detection-based segmentation method to detect an interesting area of barcode in Data Matrix. In order to evaluate the performance of proposed method, we conduct experiments by a dataset of barcode in accordance with size and location in an image. In result, our method solves the problems of delay and surrounding environments, threshold setting, and extracts the barcode area 100% from test images.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이처럼 여러 이미지 처리 과정을 거치면서 발생하는 지연현상들을 해결할 수 있는 Data Matrix 영역 분할 알고리즘 연구가 필요하다. 따라서 본 논문은 바코드 인식과정 중에서 세그먼테이션 과정에 초점을 두고, 보다 간단하고 보다 효율적인 바코드 영역의 세그먼테이션 방법을 연구하고자 한다. 그리고 바코드 영역추출을 위해 해리스 코너 검출(Harris Corner Detection)[8]기법을 이용한 새로운 세그먼테이션 접근 방법을 제안한다.
본 논문에서 제안하는 방법은 기존에 사용하던 모폴로지, 허프 등과 같은 복잡한 과정들을 거치지 않고 바코드 영역을 최대한 단순하게 그리고 정확하게 추출하는 것을 목표로 한다. 또한 기존의 허프 변환을 이용할 경우 적정 길이 임계값을 설정해 줘야 하는 문제점을 해결하는 대안으로 해리스 모서리 검출 방법이 적용된 이미지 추출 방법을 제안한다.
본 논문에서는 바코드 검증기에 적용하기 위한 2차원바코드, 그 중에서도 Data Matrix를 추출하는 알고리즘 을 제안하였다. 기존의 바코드 추출 알고리즘의 여러 기법들을 사용하는 복잡한 방법에서 벗어나 간단하면서도 효율적인 방법이다.
제안 방법
Data Matrix는 바코드 영역이 데이터 코드워드(Data Codeword) 부분과 에러 콜랙션 코드워드(Error Correction Codeword)부분으로 나누어져 있고, 이 두 영역은 바코드 크기에 따라 변한다. 그래서 먼저 타이밍 패턴(Timing Pattern)을 이용해서 바코드의 크기를 판별하고 그에 맞는 데이터 코드워드 영역과 에러 콜랙션 코드워드 영역을 구분하여 디코딩을 수행한다. [13, 14, 15] 또한 Data Matrix를 생성할 때 다양한 인코딩 방식인 ASCII, TEXT, EDIfact, X12, Base256 등이 있는데 각 인코딩 방식에 맞는 디코딩을 수행한다.
따라서 본 논문은 바코드 인식과정 중에서 세그먼테이션 과정에 초점을 두고, 보다 간단하고 보다 효율적인 바코드 영역의 세그먼테이션 방법을 연구하고자 한다. 그리고 바코드 영역추출을 위해 해리스 코너 검출(Harris Corner Detection)[8]기법을 이용한 새로운 세그먼테이션 접근 방법을 제안한다.
기존의 바코드 추출 알고리즘의 여러 기법들을 사용하는 복잡한 방법에서 벗어나 간단하면서도 효율적인 방법이다. 기존에 많이 사용하고 있는 허프 기법이나 모폴로지 기법들을 사용하지 않고 이미지 특징 추출 기법들 중 하나인 해리스 코너 검출 기법을 이용, 바코드이미지의 모서리 값들을 이용하여 입력 이미지로 부터 바코드를 추출하는 기법을 제시하였다. 앞서 살펴 본 실험결과에서 볼 수 있듯 각도뿐만 아니라 바코드의 위치가 변해도 높은 검출 성공률을 보이고 있는 것을 확인할 수 있다.
셋째, 그레이 영상을 검정색과 흰색으로만 구분되는 이진화된 영상으로 바꾼다. 넷째, 이렇게 이진화된 영상으로부터 세그먼테이션과 워핑 과정을 거쳐 바코드 영역을 검출한다. 다섯째, 식별된 바코드 영역으로부터 디코딩을 통해 바코드로 인코딩되기 이전 정보를 읽는다.
셋째, 그레이 영상을 이진 이미지로 변환한다. 넷째, 이진화된 영상으로부터 세그먼테이션과 워핑 과정을 거쳐 바코드 영역을 검출한다. 마지막으로 식별된 바코드 영역을 디 코딩해 정보를 읽는다.
다음은 이렇게 찾아낸 이미지에 있는 모든 모서리 점들을 cornerX, cornerY라는 배열에 각각 저장하고 배열에 저장된 값으로부터 모서리의 좌표(x, y)을 찾는 알고리즘을 이용해 바코드의 4개의 모서리를 찾는다. 4개의 (x, y) 좌표를 구하기 위해 [Fig.
본 논문에서 제안하는 방법은 기존에 사용하던 모폴로지, 허프 등과 같은 복잡한 과정들을 거치지 않고 바코드 영역을 최대한 단순하게 그리고 정확하게 추출하는 것을 목표로 한다. 또한 기존의 허프 변환을 이용할 경우 적정 길이 임계값을 설정해 줘야 하는 문제점을 해결하는 대안으로 해리스 모서리 검출 방법이 적용된 이미지 추출 방법을 제안한다. 먼저 기존의 바코드 영역 추출을 위한 영상 처리과정은 다음과 같다.
실험 환경은 [Table 1]과 같다. 먼저 COGNEX사에서 제공하고 있는 Basler 카메라를 이용하여 바코드를 촬영 했다. 우선 크기가 서로 다른 4개의 Data Matrix 바코드를 실험에 이용했으며, 각각의 이미지는 동일한 광량과 동일한 거리에서 바코드의 기울기를 약4°씩 변경해 가며 사진 촬영했다.
해리스 모서리 검출기법은 미분값을 이용하여 모서리 응답 함수를 정의하며 코너 응답 함수는 해당 픽셀의 위 치 값이 얼마나 모서리 같은지를 나타낸다. 미분 값으로 구성되는 2x2행렬의 고유백터가 서로 수직방향으로 큰 값을 갖는지를 측정하고 이 고유백터를 이용해 경계선 방향에 수직인 백터를 얻어 두 백터가 얼마나 수직에 가까운 값을 갖는지를 구하여 모서리여부를 판별하게 된다. [Fig.
경계선이 찾아진 이미지들의 연결관계를 확실히 구별하기 위해 모폴로지 변환기법의 팽창(Dilation)과 수축(Erosion)과정을 거친다. 이 후 이미지 전체를 수평으로 읽어 연결요소(Connected component) 임계값을 만족하는 영역을 바코드로 간주하여 그 영역만을 검출한다. 하지만 앞에서 설명한 기존의 이미지 추출방법은 다음과 같은 문제점이 있다.
마지막으로 식별된 바코드 영역을 디 코딩해 정보를 읽는다. 이번에는 바코드 검출을 위해 주 로 사용되는 기법들인 케니 경계선 검출, 허프 직선 변환, 모폴로지 변환, 마지막으로 이번 논문에서 제안하는 알고리즘에 사용될 해리스 코너 순으로 검토한다.
대상 데이터
우선 크기가 서로 다른 4개의 Data Matrix 바코드를 실험에 이용했으며, 각각의 이미지는 동일한 광량과 동일한 거리에서 바코드의 기울기를 약4°씩 변경해 가며 사진 촬영했다.
각각의 이미지의 크기는 640*480를 사용 했으며 24bit BMP파일이다. 총 4가지의 크기가 서로 다른 Data Matrix 바코드를 이용 약 800개의 이미지를 생성해 테스트 했다.
이론/모형
[Fig. 14]의 검색 패턴을 찾는 방법은 해리스 모서리 검출기법을 이용해서 찾은 4개의 점 A, B, C 그리고 D를 을 이용하게 된다. 먼저 네 점 중 하나인 A라는 점을 선택했을 경우 선택되지 않은 나머지 세 점들 중 B, C, 또는 D라는 점으로 이동하면서 픽셀 값’0’이 연속적으로 나오는지를 검사하고 임의로 정한 임계값 이상 나올 경우 이를 검색 패턴으로 인식한다.
첫째, 바코드 추출을 위해 다양한 기법을 사용하면서 처리속도가 지연된다. 둘째, 기존의 접근방식은 검색 패턴(Finder Pattern) 검출을 위해 허프 직선 변환(Hough Line Transform)이 사용된다. 그리고 정확한 영역 검출을 위해 바코드 영역을 확인할 수 있게 모폴로지 변환(Morphology Transformation[5]) 기법을 이용한 후처리 방식이 적용되기도 한다.
성능/효과
기존에 많이 사용하고 있는 허프 기법이나 모폴로지 기법들을 사용하지 않고 이미지 특징 추출 기법들 중 하나인 해리스 코너 검출 기법을 이용, 바코드이미지의 모서리 값들을 이용하여 입력 이미지로 부터 바코드를 추출하는 기법을 제시하였다. 앞서 살펴 본 실험결과에서 볼 수 있듯 각도뿐만 아니라 바코드의 위치가 변해도 높은 검출 성공률을 보이고 있는 것을 확인할 수 있다.
약4°씩 각도를 변 경해가며 테스트해서 얻은 결과로 4°부터 356°까지 어느 각도에서든지 바코드 이미지를 추출할 수 있음을 보여 준다.
바코드를 좀 더 정확하게 찾기 위해 이와 같은 바코드 영역에 침식 또는 팽창 기법이 적용 가능한 모폴로지 기법이 사용된다. 하지만 여기서 설명한 모폴로지 기법을 적용해본 결과 이미지 처리 시간에 많은 영향을 주는 것으로 확인됐다. 연결요소[6]를 부각시키기 위해 팽창과 침식 기법을 사용을 하다 보니 발생하는 문제점이다.
후속연구
하지만 앞으로의 연구사항으로는 입력되는 바코드의 이미지의 크기가 작을 경우 바코드가 크게 입력되는 이미 지에 비해서 상대적으로 정교하면서 깔끔하게 검출되지 못하고 있다는 점을 파악할 수 있었다. 앞으로 입력되는 바코드 이미지가 작게 입력되더라도 보다 놓은 검출 성공률을 보일 수 있는 연구가 이루어 져야 할 것이며 더 나아가 해리스 코너 기법을 이용한 알고리즘이 적용된 바코드 검출하는 시스템을 바코드 검증기 인라인 시스템에 적용 상용화 할 수 있도록 시스템을 구축해야 할 것이다.
또 한 팽창과 침식을 하는 과정에서 주변 경계선과 겹칠 경우 연결요소의 예상범위가 심하게 변할 수 있다. 이러한 여러 기법들을 적용할 경우 이미지 처리 속도에 큰 영향을 줄 수 있으며 이와 같은 지연 문제점을 해결하기 위해 좀 더 간단하게 추출을 할 수 있는 새로운 검출기법 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
바코드 영역을 추출할 때 사용되는 기존의 세그먼테이션 기법의 문제점은 무엇인가?
바코드 검사기의 성능에 결정적인 영향을 미치는 것은 입력 영상으로부터 바코드 영역을 추출하는 세그먼테이션 과정이며, 기존의 세그먼테이션 기법에는 여러 가지 문제점이 존재한다. 첫째, 허프 직선 변환 방법은 길이 임계값에 매우 민감하여 임계값을 정하는데 어려움이 있다. 둘째, 모폴로지 변환은 영상을 수축, 팽창하는 과정에서 많은 지연시간이 발생한다. 따라서 본 논문에서는 이러한 바코드 검증에서 지연 현상을 해결하고 주변 영향을 적게 받는 해리스 코너 검출 기법 융합형 바코드 영역 검출 기법을 제안한다.
모폴로지 변환 기법에는 무엇이 있는가?
모폴로지 변환 기법에는 팽창(Dilation)연산과 침식 (Erosion)연산이 있다. 팽창연산은 커널의 고정점 주변 값들 중 최대값을 선택해 수행된다.
바코드는 어떻게 나뉠 수 있는가?
바코드는 크게 막대모양의 1차원 바코드와 매트릭스 모양의 2차원 바코드로 나눌 수 있다. 많은 2차원 바코드 중 Data Matrix, QR Code, PDF417, Maxi Code가 대표적으로 가장 많이 사용된다.
참고문헌 (15)
J.Serra, "Image Analysis and Mathematical Morphology", New York : Academic Press, 1983.
P.V.C. Hough, "Machine Analysis of Bubble Chamber Pictures", 2nd International Conference of High Energy Accelerators, pp. 554-558, 1959.
N.Kiryati, Y.Eldar, M.Bruckstein, "A probabilistic hough Transform", Pattern Recognition, Vol. 24, No. 4, pp. 303-316, 1991.
Priyanka Gaur, Shamik Tiwari, "Recognitio of 2D Barcode Images Using Edge Detection and Morphological Operation", International Journal of Computer Science and Mobile Computing, Vol 3, pp. 1277-1282, 2014.
Huaqiao Hu, Wenhuan Xu, Qiang Huang, "A 2D Barcode Extraction Method Based on Texture Direction Analysis", 2009 Fifth International Conference on Image and Graphics, pp. 759-762, 2009.
Choi, Young Kyu, "A 2-Dimensional Barcode Detection Algorithm based on Block Contrast and Projection.", Vol. 15B, No. 4, pp. 259-268 2008.
Chris Harris, Mike Stephens, "A combined corner and edge detector", Proceeding of the 4th Alvey Vision Conference, pp. 147-151, 1988.
Qiang Huang, Wen-Sheng Chen, Xiao-Yan Huang, and Ying-Ying Zhu, "Data Matrix Code Location Based on Finder Pattern Detection and Bar Code Border Fitting", Hindawi Publishing Corporation Mathematical Problems in Engineering, Vol. 2012, 2012
E.Ottaviani, A.Pavan, M.Bottazz, E.Brunclli, F.Casclli, M.Guerrero, "A Common Image Processing Framework for 2D Barcode Reading", Image Processing Its Application, 1999. Seventh International Conference, Vol. 2, pp. 652-655, 1999.
Ovidiu Parvu, Andrei G.Balan, "A method for fast detection and decoding of specific 2d barcodes", 17th Telecommunications forum TELFOR 2009, pp. 1137-1140, 2009.
M.Krasikov, "Data Matrix Barcode Search Algorithm Post Envelope and Decoding Program Development", Information Technologies, Management and Society", Vol. 2, No. 1, pp. 13-22, 2009.
ISO/IEC FCD 16022 Information technology (2005). - Automatic identification and data capture techniques - Bar code symbology specifications - Data Matrix, 2005.
http://en.wikipedia.org/wiki/Datamatrix
Nachiket A Rathod, Siddharth A. Ladhake, "Detecting and Decoding Algorithm for 2D Barcode", International Journal of Emergin Technology and Advanced Engineering, Vol. 2, Issue 11, pp. 199-202, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.