基於二維碼的圖像處理方法、裝置及二維碼與流程

2023-06-04 23:48:56 1

本公開涉及圖像處理技術領域，具體而言，涉及一種基於二維碼的圖像處理方法、裝置及二維碼。

背景技術：

隨著微信、支付寶等應用程式(APP)的普及，二維碼已經成了生活中不可或缺的一部分。

商家為了挖掘更大的市場，紛紛推出了個性化的抓人眼球的二維碼。但目前二維碼個性化程度還比較有限，主要是變更二維碼本身的顏色，或是在二維碼中間嵌入商戶小標誌。也有一些商家會請設計師設計效果感很強的二維碼，但由於設計規範不符合二維碼本身的編碼邏輯，導致個性化程度高的二維碼很難被識別。

現有的技術是利用簡單的美化規則對圖片二維碼進行融合，生成的合成圖美觀效果不好，且不一定能被正確識別。

因此，需要一種新的基於二維碼的圖像處理方法、裝置及二維碼。

技術實現要素：

本公開提供一種基於二維碼的圖像處理方法、裝置及二維碼，能夠至少部分地或者全部地解決上述現有技術中存在的問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的一個方面，提供一種基於二維碼的圖像處理方法，包括：

根據二維碼編碼算法對原始信息進行編碼生成二維碼；

根據所述二維碼獲得二維碼蒙版位圖；

根據半色調圖像生成算法將目標圖像生成半色調圖片；

採用PCA法將所述二維碼蒙版位圖和所述半色調圖片進行融合生成合成圖像。

在本公開的一種示例性實施例中，所述採用PCA法將所述二維碼蒙版位圖和所述半色調圖片進行融合生成合成圖像，利用如下公式融合：

F(m,n)＝ω1A(m,n)+ω2B(m,n)

其中，F(m,n)代表所述合成圖像的各個像素的灰度值，A(m,n)代表所述二維碼蒙版位圖的各個像素的灰度值，B(m,n)代表所述半色調圖片的各個像素的灰度值，ω1和ω2分別代表所述二維碼蒙版位圖的第一權重係數和所述半色調圖片的第二權重係數。

在本公開的一種示例性實施例中，所述第一權重係數ω1和所述第二權重係數ω2通過以下方式獲得：

根據所述二維碼蒙版位圖和所述半色調圖片構造數據矩陣X；

根據所述數據矩陣X計算協方差矩陣C；

計算所述協方差矩陣C的特徵值；

根據所述特徵值獲得所述第一權重係數ω1和所述第二權重係數ω2。

在本公開的一種示例性實施例中，所述二維碼包括多個黑白模塊，所述根據蒙版位圖和所述二維碼獲得二維碼蒙版位圖包括：

將所述蒙版位圖覆蓋於所述二維碼之上，其中所述蒙版位圖包括多個與所述黑白模塊相應尺寸的單元，各單元中包括多個子單元，所述多個子單元中的至少一個子單元為所述蒙版位圖的數據區域，所述多個子單元的其他子單元為所述蒙版位圖的蒙版區域；

刪除所述蒙版區域獲得所述二維碼蒙版位圖。

在本公開的一種示例性實施例中，還包括：利用蟻群算法對所述合成圖像進行優化。

在本公開的一種示例性實施例中，所述二維碼為快速響應碼。

根據本公開的一個方面，提供一種基於二維碼的圖像處理裝置，包括：

二維碼生成模塊，用於根據二維碼編碼算法對原始信息進行編碼生成二維碼；

二維碼蒙版位圖生成模塊，用於根據所述二維碼獲得二維碼蒙版位圖；

半色調圖片生成模塊，用於根據半色調圖像生成算法將目標圖像生成半色調圖片；

圖像融合模塊，用於採用PCA法將所述二維碼蒙版位圖和所述半色調圖片進行融合生成合成圖像。

在本公開的一種示例性實施例中，所述圖像融合模塊包括：

提取單元，用於分別提取所述二維碼蒙版位圖和所述半色調圖片在各個點的像素灰度值；

計算單元，用於計算所述二維碼蒙版位圖的第一權重係數和所述半色調圖片的第二權重係數；

合成單元，用於根據所述第一權重係數和所述第二權重係數對所述二維碼蒙版位圖和所述半色調圖片相同位置處的像素灰度值進行加權平均融合。

在本公開的一種示例性實施例中，所述二維碼包括多個黑白模塊，所述二維碼蒙版位圖生成模塊包括：

覆蓋單元，用於將蒙版位圖覆蓋於所述二維碼之上，其中所述蒙版位圖包括多個與所述黑白模塊相應尺寸的單元，各單元中包括多個子單元，所述多個子單元中的至少一個子單元為所述蒙版位圖的數據區域，所述多個子單元的其他子單元為所述蒙版位圖的蒙版區域；

刪除單元，用於刪除所述蒙版區域獲得所述二維碼蒙版位圖。

在本公開的一種示例性實施例中，還包括：優化模塊，用於利用蟻群算法對所述合成圖像進行優化。

根據本公開的一個方面，提供一種二維碼，其中所述二維碼為採用上述基於二維碼的圖像處理方法生成的圖片。

根據本公開的基於二維碼的圖像處理方法、裝置及二維碼，通過採用PCA加權平均讓二維碼蒙版位圖與個性化的目標圖像進行融合，使得生成的效果圖能夠滿足二維碼掃描的清晰度的要求，同時儘可能多地保留了二維碼以及個性化的目標圖像的特徵信息。

應當理解的是，以上的一般描述和後文的細節描述僅是示例性的，並不能限制本公開。

附圖說明

通過參照附圖詳細描述其示例實施例，本公開的上述和其它目標、特徵及優點將變得更加顯而易見。

圖1是根據一示例性實施方式示出的一種基於二維碼的圖像處理方法的流程圖。

圖2是根據一示例性實施方式示出的一種基於二維碼的圖像處理方法的流程圖。

圖3A-3D示意性示出一種二維碼蒙版位圖生成過程的示意圖。

圖4A-4D示意性示出的二維碼中的一個黑模塊的二維碼蒙版位圖生成過程的示意圖。

圖5A-5D示意性示出的二維碼中的一個白模塊的二維碼蒙版位圖生成過程的示意圖。

圖6是根據一示例性實施方式示出的一種基於二維碼的圖像處理方法的流程圖。

圖7A-7C示意性示出本發明實施例的圖像融合過程的示意圖。

圖8是根據一示例性實施方式示出的一種基於二維碼的圖像處理裝置的框圖。

具體實施方式

現在將參考附圖更全面地描述示例實施方式。然而，示例實施方式能夠以多種形式實施，且不應被理解為限於在此闡述的範例；相反，提供這些實施方式使得本公開將更加全面和完整，並將示例實施方式的構思全面地傳達給本領域的技術人員。附圖僅為本公開的示意性圖解，並非一定是按比例繪製。圖中相同的附圖標記表示相同或類似的部分，因而將省略對它們的重複描述。

此外，所描述的特徵、結構或特性可以以任何合適的方式結合在一個或更多實施方式中。在下面的描述中，提供許多具體細節從而給出對本公開的實施方式的充分理解。然而，本領域技術人員將意識到，可以實踐本公開的技術方案而省略所述特定細節中的一個或更多，或者可以採用其它的方法、組元、裝置、步驟等。在其它情況下，不詳細示出或描述公知結構、方法、裝置、實現或者操作以避免喧賓奪主而使得本公開的各方面變得模糊。

圖1是根據一示例性實施方式示出的一種基於二維碼的圖像處理方法的流程圖。

如圖1所示，基於二維碼的圖像處理方法包括：

在步驟S110中，根據二維碼編碼算法對原始信息進行編碼生成二維碼。

在示例性實施例中，所述二維碼為快速響應碼(QR code)。但本公開並不限定於此。

快速響應碼是一種包括黑白方格的二維矩陣碼。每個方格可被稱為模塊(module，也稱為碼元)。快速響應碼具有數據段。數據被轉換成比特流(Bit stream)，然後可以以8比特部分(稱為碼字codeword)的形式存儲於數據段中。通常在快速響應碼中，一個模塊表示一個比特。

在其他實施例中，所述二維碼還可以採用PDF417、Code 49、Code 16K、Code One等中的任意一種或者多種及其對應的編碼算法生成。

下面的實施例中均以QR碼為例進行說明。例如，利用QR編碼技術對原始信息I進行編碼，生成二維碼E(I)。

本公開實施例用的算法對原始信息沒有要求，不受數據類型限制，可對最大長度內的任意數據加密。

在步驟S120中，根據所述二維碼獲得二維碼蒙版位圖。

在示例性實施例中，可以根據二維碼E(I)中的黑白模塊，對二維碼進行拆分，可利用模板刪除法(詳見下述的實施例)生成所述二維碼蒙版位圖M，使所述二維碼蒙版位圖保留原始二維碼E(I)中的黑白模塊的數據信息。

在步驟S130中，根據半色調圖像生成算法(Structure-aware Halftoning)H將目標圖像I生成半色調圖片(halftone picture)H(I)。

在示例性實施例中，所述目標圖像可以是顏色、字母、文字、插圖、圖標或者標誌等，將個性化的目標圖像結合到所述二維碼中。

可以將個性化的目標圖像進行處理，根據半色調圖像生成算法，生成目標圖像的半色調圖片。

其中所述目標圖像可以具有與二維碼相似的尺寸，如果不是這樣，可以將所述目標圖像處理為與二維碼的尺寸匹配所需的尺寸。

在示例性實施例中，所述半色調圖片可以通過諸如非線性擴散、隨機翻轉等的圖像處理工具產生，但不限於上述方法。

在步驟S140中，採用PCA(Principal Component Analysis，主成分分析或者主元分析)法將所述二維碼蒙版位圖和所述半色調圖片進行融合生成合成圖像。

基於空間域的圖像融合方法就是以像素為單位，在空間域內進行的融合。

假設參加融合的二維碼蒙版位圖和半色調圖片分別為A，B，A和B的圖像大小均為m×n，則用矩陣A(m,n)代表原始二維碼蒙版位圖的各個像素的灰度值，矩陣B(m,n)代表原始半色調圖片的各個像素的灰度值。

在示例性實施例中，還可以包括：對所述二維碼蒙版位圖和所述半色調圖片進行預處理和圖像配準。

在示例性實施例中，所述採用PCA法將所述二維碼蒙版位圖和所述半色調圖片進行融合生成合成圖像，利用如下公式融合：

F(m,n)＝ω1A(m,n)+ω2B(m,n)

其中，F(m,n)代表融合後形成的所述合成圖像的各個像素的灰度值，ω1和ω2分別代表所述二維碼蒙版位圖的第一權重係數和所述半色調圖片的第二權重係數。

在示例性實施例中，其中所述第一權重係數ω1和所述第二權重係數ω2可以分別採用如下方式獲得：

根據二維碼蒙版位圖和半色調圖片A和B各個像素的灰度值來構造數據矩陣X和數據矩陣Y：

然後，根據所述數據矩陣X和Y計算協方差矩陣C：

其中，協方差計算公式如下：

其中，i和j分別可以取值為1,2。是二維碼蒙版位圖A的灰度平均值；是第2幅半色調圖片B的灰度平均值；k＝mn為二維碼蒙版位圖A或半色調圖片B具有的像素點，xl代表二維碼蒙版位圖中的各個像素的灰度值，例如xl可以取值為x11，x12，……，xmn；yl代表半色調圖片中的各個像素的灰度值，例如yl可以取值為y11，y12，……，ymn。

接著，計算協方差矩陣C的特徵值λ1、λ2，並根據所述特徵值計算所述第一權重係數ω1和所述第二權重係數ω2：

ω1＝λ1/(λ1+λ2)

ω2＝λ2/(λ1+λ2)

將計算獲得的第一權重係數和第二權重係數代入上述的融合公式即可生成所述合成圖像。

本實施方式提供的基於二維碼的圖像處理方法，利用PCA加權平均來進行圖像融合，使原始二維碼和個性化的目標圖像的特徵信息被儘可能地保留下來，生成效果較好的合成圖像。採用PCA加權平均融合方法具有很多優點，如可以有效減少圖像的無用信息，提高圖像檢測的可靠性以及圖像的利用率等。

應清楚地理解，本公開描述了如何形成和使用特定示例，但本公開的原理不限於這些示例的任何細節。相反，基於本公開公開的內容的教導，這些原理能夠應用於許多其它實施方式。

圖2是根據一示例性實施方式示出的一種基於二維碼的圖像處理方法的流程圖。圖2所示的基於二維碼的圖像處理方法可適用於上述實施方式中的二維碼蒙版位圖生成過程。

二維碼可以包括但不限於黑色和白色的模塊。二維碼可以包括但不限於快速響應碼。

下面以快速響應碼為例進行說明。其中所述二維碼包括多個黑白模塊，至少一部分黑白模塊用於存儲數據或碼字。碼字可以具有4，8，16或32比特的長度。模塊可以具有但不限於方形。多個黑白模塊可以連接在一起，並以二維方式排列。

如圖2所示，二維碼蒙版位圖生成過程包括：

在步驟S121中，將一蒙版位圖覆蓋於所述二維碼之上，其中所述蒙版位圖包括多個與所述黑白模塊相應尺寸的單元，各單元中包括多個子單元，所述多個子單元中的至少一個子單元為所述蒙版位圖的數據區域，所述多個子單元的其他子單元為所述蒙版位圖的蒙版區域。

二維碼的用於存儲數據或碼字的黑白模塊的每一個模塊可以被細分為與蒙版位圖的單元的子單元相對應的多個子模塊。每個子模塊可以包括至少一個像素。

其中在所述二維碼蒙版位圖中，可以選擇用於存儲數據或碼字的黑白模塊對應的多個子模塊中至少一個子模塊用於代表表示碼字或數據的比特，而其他的子模塊可用於顯示至少一部分視覺特徵。此時，對應該黑白模塊的所述蒙版位圖的單元相應位置的子單元作為所述蒙版位圖的數據區域，而該單元的其他子單元作為所述蒙版位圖的蒙版區域。

在示例性實施例中，所述蒙版位圖的數據區域可以採用透明材料，而所述蒙版位圖的蒙版區域採用非透明材料。

其中選擇用於存儲碼字的比特的子模塊應當確保可以正確地讀出該比特。可以遵照二維碼的標準選擇用於存儲碼字的比特的子模塊。例如，當二維碼是快速響應碼時，通常選擇一個模塊中以3乘以3矩陣排列的多個子模塊的中心子模塊用於存儲碼字的比特；否則，可能無法正確地讀出該比特。然而，如果在仍能正確讀出比特的系統中使用二維碼，則可以選擇模塊中非中心子模塊的子模塊用於存儲碼字的比特。

各模塊可以具有但不限於相同的尺寸。各子模塊也可以具有但不限於相同的尺寸。

多個子模塊可以排列在但不限於方形矩陣中。多個子模塊可以排列在n乘以n矩陣中，其中n可以為奇數並大於1的整數。

在步驟S122中，刪除所述蒙版區域獲得所述二維碼蒙版位圖。

下面參考圖3A-3D、4A-4D和5A-5D進行舉例說明。

如圖3A所示，根據二維碼編碼算法，將原始信息m生成二維碼E(m)。本實施例中採用QR碼的編碼算法來生成二維碼，其中黑色方格代表黑色模塊，白色方格代表白色模塊，其餘部分為二維碼所需的定位點。

如圖3B所示，為所述蒙版位圖，其中各個白色小方塊分別代表蒙版位圖的各個單元的數據區域，黑色部分代表蒙版位圖的各個單元的蒙版區域，左上角、右上角和左下角的三個白色大方塊對應於二維碼的定位點。需要說明的是，雖然圖3B中以白色來代表蒙版位圖的數據區域和定位點，但實際上一般蒙版位圖的數據區域和定位點是透明的。而蒙版區域可以是非透明材料製成的。

如圖3C所示，將圖3B所示的蒙版位圖覆蓋於圖3A所示的二維碼上，得到圖3C。刪除圖3C中蒙版位圖的蒙版區域得到圖3D所示的二維碼蒙版位圖。

需要說明的是，此處以二維碼黑白模塊的中心子模塊用於存儲數據或碼字僅為示例說明，而非限制本公開。

圖4A-4D示意性示出的二維碼中的一個黑模塊的二維碼蒙版位圖生成過程的示意圖。

如圖4A所示，為二維碼中的任意一個黑模塊。如圖4B所示，將該黑模塊拆分成九格宮樣式，即一個3×3的子模塊構成的矩陣。如圖4C所示，將蒙版位圖相應位置的相同尺寸的一個單元覆蓋於該黑模塊上，其中該單元也為一個3×3的子單元構成的矩陣。其中取該3×3的子單元構成的矩陣的中心子單元為其數據區域，其他8個子單元為蒙版區域。如圖4D所示，刪除8個子單元的蒙版區域後，得到該黑模塊的二維碼蒙版位圖，即該二維碼蒙版位圖保留了該二維碼相應位置處的數據或碼字。這樣，後續將二維碼蒙版位圖與目標圖像進行結合時，使得原始二維碼及合成二維碼(即合成圖像)均可被掃描並產生相同的結果。

圖5A-5D示意性示出的二維碼中的一個白模塊的二維碼蒙版位圖生成過程的示意圖。

如圖5A所示，為二維碼中的任意一個白模塊。如圖5B所示，將該白模塊拆分成九格宮樣式，即一個3×3的子模塊構成的矩陣。如圖5C所示，將蒙版位圖相應位置的相同尺寸的一個單元覆蓋於該白模塊上，其中該單元也為一個3×3的子單元構成的矩陣。其中取該3×3的子單元構成的矩陣的中心子單元為其數據區域，其他8個子單元為蒙版區域。如圖4D所示，刪除8個子單元的蒙版區域後，得到該白模塊的二維碼蒙版位圖，即該二維碼蒙版位圖保留了該二維碼相應位置處的數據或碼字。這樣，後續將二維碼蒙版位圖與目標圖像進行結合時，使得原始二維碼及合成二維碼(即合成圖像)均可被掃描並產生相同的結果。

採用上述圖4A-4D及圖5A-5D的方法遍歷整個原始二維碼，就可以得到二維碼蒙版位圖。

本實施方式提供的基於二維碼的圖像處理方法，採用模板刪除法生成二維碼蒙版位圖M，模板刪除法是二維碼和九宮格蒙版的結合對原始二維碼圖像進行處理，使二維碼蒙版位圖保留了原始二維碼的黑白兩種數據模塊。

圖6是根據一示例性實施方式示出的一種基於二維碼的圖像處理方法的流程圖。

如圖6所示，基於二維碼的圖像處理方法包括：

在步驟S210中，根據二維碼編碼算法對原始信息進行編碼生成二維碼。

在步驟S220中，根據所述二維碼獲得二維碼蒙版位圖。

在步驟S230中，根據半色調圖像生成算法將目標圖像生成半色調圖片。

在步驟S240中，採用PCA法將所述二維碼蒙版位圖和所述半色調圖片進行融合生成合成圖像。

在步驟S250中，利用蟻群算法(Ant Colony Optimization，ACO)對所述合成圖像進行優化。

蟻群算法，又稱螞蟻算法，是一種用來在圖中尋找優化路徑的機率型算法。螞蟻在路徑上前進時會根據前邊走過的螞蟻所留下的分泌物選擇其要走的路徑。其選擇一條路徑的概率與該路徑上分泌物的強度成正比。因此，由大量螞蟻組成的群體的集體行為實際上構成一種學習信息的正反饋現象：某一條路徑走過的螞蟻越多，後面的螞蟻選擇該路徑的可能性就越大。螞蟻的個體間通過這種信息的交流尋求通向食物的最短路徑。蟻群算法就是根據這一特點，通過模仿螞蟻的行為，從而實現尋優。當程序最開始找到目標的時候，路徑幾乎不可能是最優的，甚至可能是包含了無數錯誤的選擇而極度冗長的。但是，程序可以通過螞蟻尋找食物的時候的信息素原理，不斷地去修正原來的路線，使整個路線越來越短，最終找到最佳路線。這種優化過程的本質在於：選擇機制：信息素越多的路徑，被選擇的概率越大。更新機制：路徑上面的信息素會隨螞蟻的經過而增長，而且同時也隨時間的推移逐漸揮發消失。協調機制：螞蟻間實際上是通過分泌物來互相通信、協同工作的。通過個體之間的信息交流與相互協作最終找到最優解，使它具有很強的發現較優解的能力。出錯機制：顯然如果螞蟻都往信息素多的地方移動，會導致局部最優解的問題。可是，總有些具有叛逆精神的螞蟻，會不往信息素較多的地方移動，從而可以跳出局部最優解，找到全局的最優解。

在示例性實施例中，可以採用蟻群算法對融合後的所述合成圖像進行優化，得到最終的結果圖。可以包括以下步驟：

(1)以所述合成圖像F(m，n)作為起始節點i；

(2)隨機變換所述合成圖像中兩個顏色相反的像素，更新合成圖像，重複此步驟Q次，得到Q個圖，組成初始化網絡節點，為每一個節點建立一張路由表。

其中，Q是一個可以設置的變量。一般取500次。Q的取值個數決定了網絡中節點的個數，取值越大網絡越大，計算結果越準確，但是速度慢。所述路由表就是記錄螞蟻行走路徑的表，如螞蟻1從a到b到c，螞蟻2從a到c到d等。

(3)選擇網絡中的某一個圖作為目的節點j，從起始節點i釋放螞蟻，尋找滿足約束條件的最優路徑，螞蟻每走一步判斷是否滿足約束條件，如果滿足則繼續向下一個節點轉移，否則螞蟻死亡。

螞蟻由當前節點轉移到下一個節點遵循隨機比例規則：

i，j分別為起點節點和目的節點；ηij＝1/dij為能見度，是兩節點i，j之間的距離dij的倒數。

這裡的約束條件就是權重dij，若小於0，表示不滿足約束條件，螞蟻死亡；dij>0則表示螞蟻可以繼續前進。

τij(t)為時間t時由i到j的信息素濃度；allowedk為尚未訪問過的節點集合；α，β為兩常數，分別是信息素濃度和能見度的加權值。

其中，初始化信息素濃度為：

C＝m/Cnn

其中，兩個節點之間的距離計算公式為：

dij＝ωgG(Io,Ih)+ωt(1-SSIM(Io,Ih))

其中G為色調相似度：

其中函數g(x)返回的是x的高斯模糊圖像。

SSIM為結構相似度：

θi指的是高斯歸一化權重；μa是圖a的平均值，μb是圖b的平均值，σa^2是圖a的方差，σb^2是圖b的方差，σab是圖a，b的標準差，k1,k2,k3都是用來維持穩定的常數。

(4)如果螞蟻當前節點為目的節點，表明尋路成功。

重複上述步驟(3)-(4)直到螞蟻遍歷了網絡中的所有節點。

例如，網絡中一共有500個節點，分別編號1～500，每一次選擇其中一個節點作為目的節點，執行操作(3)-(4)，遍歷完整個網絡，算法執行完畢。

為了模擬螞蟻在較短路徑下留下更多的信息素，當所有螞蟻到達終點時，必須把各路徑的信息素濃度重新更新一次，信息素的更新也分為兩個步驟：

首先，當上一輪所有螞蟻到達終點後，網絡中的所有路徑上的信息素都會發生蒸發；

然後，所有的螞蟻根據自己構建的路徑長度在它們本輪經過的網絡中的無向邊上釋放信息素：

其中m為螞蟻個數，0＜ρ＜1為信息素的蒸發率，通常設置為0.5，Δτijk為第k只螞蟻在路徑i到j所留下來的信息素。

其中，

if the kth ant traverses(i,j)表示如果第k只螞蟻從i節點走到了j節點。Ck是第k只螞蟻走完整條路徑後所得到的總路徑長度。

蟻群算法中在本實施例中沒有詳細論述的部分，可參考現有技術中蟻群算法的相關文獻，在此不再贅述。

在另一些實施例中，還可以採用其他方法對所述合成圖像進行優化。例如，窮舉法，貪心法，爬山法，模擬退火算法，遺傳算法等。

本實施方式提供的基於二維碼的圖像處理方法，首先利用QR編碼技術對原始信息進行處理繪製成原始二維碼圖形，再對二維碼進行拆分，利用模板刪除法生成二維碼蒙版位圖。接著，將個性化的目標圖像進行處理，根據常規的半色調圖像生成算法，生成目標圖像的半色調圖片。再利用PCA加權平均讓二維碼蒙版位圖與個性化半色調圖片進行融合。最後，用蟻群算法對圖像進行優化，得到最終的結果圖。

圖7A-7C示意性示出本發明實施例的圖像融合過程的示意圖。

圖7A為原始的目標圖像，圖7B為採用模板刪除法後生成的二維碼蒙版位圖，圖7C為採用PCA法融合所述目標圖像和所述二維碼蒙版位圖後生成的合成圖像。

本發明與二維碼圖像本身特點無關，對任意布局的二維碼都能達到很好的效果；對目標圖像還原程度高，能保留目標圖像所有特點；生成速度快，能夠處理比之前方法更高解析度數量級的圖像，處理速度更快。

需要注意的是，上述用於示出方法實施方式的附圖僅是根據本公開示例性實施方式的方法所包括的處理的示意性說明，而不是限制目的。易於理解，上述附圖所示的處理並不表明或限制這些處理的時間順序。另外，也易於理解，這些處理可以是例如在多個模塊中同步或異步執行的。

下述為本公開裝置實施例，可以用於執行本公開方法實施例。對於本公開裝置實施例中未披露的細節，請參照本公開方法實施例。

圖8是根據一示例性實施方式示出的一種基於二維碼的圖像處理裝置的框圖。

如圖8所示，該基於二維碼的圖像處理裝置80包括：二維碼生成模塊810、二維碼蒙版位圖生成模塊820、半色調圖片生成模塊830以及圖像融合模塊840。

其中二維碼生成模塊810用於根據二維碼編碼算法對原始信息進行編碼生成二維碼。

二維碼蒙版位圖生成模塊820用於根據所述二維碼獲得二維碼蒙版位圖。

半色調圖片生成模塊830用於根據半色調圖像生成算法將目標圖像生成半色調圖片。

圖像融合模塊840用於採用PCA法將所述二維碼蒙版位圖和所述半色調圖片進行融合生成合成圖像。

在示例性實施例中，所述圖像融合模塊利用如下公式融合：

F(m,n)＝ω1A(m,n)+ω2B(m,n)

其中，F(m,n)代表所述合成圖像的各個像素的灰度值，A(m,n)代表所述二維碼蒙版位圖的各個像素的灰度值，B(m,n)代表所述半色調圖片的各個像素的灰度值，ω1和ω2分別代表所述二維碼蒙版位圖的第一權重係數和所述半色調圖片的第二權重係數。

在示例性實施例中，所述二維碼包括多個黑白模塊，所述二維碼蒙版位圖生成模塊包括：覆蓋單元，用於將蒙版位圖覆蓋於所述二維碼之上，其中所述蒙版位圖包括多個與所述黑白模塊相應尺寸的單元，各單元中包括多個子單元，所述多個子單元中的至少一個子單元為所述蒙版位圖的數據區域，所述多個子單元的其他子單元為所述蒙版位圖的蒙版區域；刪除單元，用於刪除所述蒙版區域獲得所述二維碼蒙版位圖。

在示例性實施例中，還包括：優化模塊，用於利用蟻群算法對所述合成圖像進行優化。

本實施方式提供的基於二維碼的圖像處理裝置，一方面利用PCA加權平均讓二維碼蒙版位圖與個性化的半色調圖片進行融合，使得生成的合成圖像的還原性滿足掃碼清晰度的要求，且儘可能多地保留了二維碼以及個性化目標圖像的特徵信息。另一方面，用模板刪除法生成二維碼蒙版位圖，使二維碼蒙版位圖保留了原始二維碼的黑白兩種數據模塊，明確了哪些是真正有用的部分，哪些是可以捨棄的部分，使得融合後的合成圖像仍然能夠被正確識別。

根據本公開的另一示例性實施方式，還提供了一種二維碼，其中所述二維碼為採用上述基於二維碼的圖像處理方法生成的圖片。

以上具體地示出和描述了本公開的示例性實施方式。應可理解的是，本公開不限於這裡描述的詳細結構、設置方式或實現方法；相反，本公開意圖涵蓋包含在所附權利要求的精神和範圍內的各種修改和等效設置。