基于圖像處理的隨機纖維碼防偽數據庫構建方法
【技術領域】
[0001]本發明涉及一種隨機纖維碼的防偽系統，特別是一種基于圖像處理的隨機纖維碼防偽數據庫構建方法。
【背景技術】
[0002]目前市場上對先進防偽技術的需求很大，尤其是高檔煙酒、奢侈品產業。但市場上常見的防偽技術很難防止復制，更難讓消費者很容易辨別真偽，比如芙蓉王香煙采用的激光圖案防偽技術。有些防偽技術采用查詢碼或驗證碼來校驗真偽，但此類技術只能提供第一次查詢防偽，無法提供有效的多次防偽查詢。如市場上的金士頓內存、TF卡等產品。
[0003]隨機纖維碼防偽技術是今年來產生的一種新的防偽印刷技術，在標簽上隨機嵌入任意形態、顏色的纖維圖案。該圖案具有明顯的凹凸手感，其嵌入的纖維絲的顏色、形態、位置是隨機生成的。(關于隨機纖維碼技術及相關【背景技術】文獻等進行檢索后提供)
【發明內容】
[0004]本發明需要解決的技術問題提供一種防復制，鑒別真偽并支持多次無損驗證、溯源查詢的防偽方法。
[0005]為解決上述的技術問題，本發明基于圖像處理的隨機纖維碼防偽數據庫構建方法，包括以下步驟:
[0006]步驟S1:防偽纖維碼圖像的獲取，通過圖像獲取工具獲取產品上的防偽纖維碼圖像；
[0007]步驟S2:圖像預處理，將獲取的防偽纖維碼圖像轉化為二值圖像，去除二值圖像中的背景噪聲；然后進行傾斜校正，最后裁剪保留傾斜校正后正確邊框內的圖像區域；
[0008]步驟S3:纖維碼防偽特征向量形成，將步驟S2獲得的裁剪圖像劃分為若干子區域，在子區域中獲取該子區域的纖維碼骨骼輪廓；然后根據纖維碼骨骼輪廓構建該子區域的區域特征編碼，將各個子區域的區域特征編碼拼接，最終形成該防偽纖維碼的唯一特征向量;
[0009]步驟S4:構建防偽數據庫，將步驟S3得到的該防偽纖維碼的唯一特征向量保存在纖維碼防偽數據庫中，使得該防偽纖維碼與其唯一特征向量一一對應。
[0010]進一步的，所述步驟S2還包括以下步驟:
[0011]步驟S201:圖像二值化，將獲取的防偽纖維碼彩色圖像轉換為灰度圖像，設通過最大類間方差法求得最佳分割閾值，根據該閾值將圖像轉化為二值圖像；
[0012]步驟S202:去除噪聲，對步驟S201得到的二值圖像進行數學形態學Open運算，去除圖像中明顯小于纖維碼特征的背景噪聲；
[0013]步驟S203:傾斜校正，對步驟S202去噪后的二值圖像進行Hough變換，檢測出防偽纖維碼的4條邊框直線方程，通過邊框直線方程求得邊框的4個頂點，從而進行傾斜校正，獲取正確的邊框頂點位置，并根據正確邊框頂點位置將圖像旋轉、平移至正確的位置；
[0014]步驟S204:圖像裁剪，只保留邊框內的圖像區域。
[0015]進一步的，所述步驟S3包括以下步驟:
[0016]步驟S301:圖像骨骼提取，將步驟S2獲得的裁剪圖像劃分為若干子區域，在劃分的子區域中采用數學形態學中的Image Skeletonizat1n算法獲取該子區域的纖維碼骨骼輪廓；
[0017]步驟S302:子區域特征編碼構建，根據子區域纖維碼骨骼輪廓中頂點和交點的坐標位置構建子區域特征編碼；
[0018]步驟S303:區域特征向量生成，將各個子區域的區域特征編碼拼接形成與該隨機纖維碼對應的唯一特征向量。
[0019]進一步的，所述步驟SI中的圖像獲取工具為手機攝像頭、相機、攝像儀或掃描儀。
[0020]采用上述方法后，該技術通過明顯的凹凸手感、隨機的纖維碼印刷技術保證了防偽標識無法被復制。同時通過圖像處理與機器學習的方法，生成防偽標識唯一編碼。建立隨機纖維碼的防偽編碼數據庫。并采用手機APP識別、微信識別、因特網上傳識別、傳真識別等多種入口，為消費者提供快速方便的無損查詢方式。用戶可以多次無損查詢，克服了傳統查詢驗證碼只能無損查詢一次的缺陷。能夠滿足渠道商、多級銷售商及消費者多次無損查詢的需求。并能同時提供溯源信息查詢，對各類奢侈品、煙酒、食品安全類等需要嚴格防偽廣品具有重大意義。
【附圖說明】
[0021]下面將結合附圖和【具體實施方式】對本作進一步詳細的說明。
[0022]圖1為本發明防偽纖維碼示意圖。
[0023]圖2為本發明防偽纖維碼子區域分割示意圖。
[0024]圖3為本發明區域特征編碼構造示意圖。
[0025]圖4為本發明方法的流程示意圖。
[0026]圖中:I為標簽，2為纖維碼防偽區域，3為纖維碼
【具體實施方式】
[0027]本發明基于圖像處理的隨機纖維碼防偽數據庫構建方法，包括以下步驟:
[0028]步驟S1:防偽纖維碼圖像的獲取，通過圖像獲取工具獲取產品上的防偽纖維碼圖像。在本步驟中可以通過手機攝像頭、相機、攝像儀或掃描儀等工具獲取防偽纖維碼圖像，其中防偽纖維碼圖像如圖1所示。
[0029]步驟S2:圖像預處理，將獲取的防偽纖維碼圖像轉化為二值圖像，去除二值圖像中的背景噪聲；然后進行傾斜校正，最后裁剪保留傾斜校正后正確邊框內的圖像區域。
[0030]步驟S2可具體分為如下幾個步驟進行；
[0031]步驟S201:圖像二值化，將獲取的防偽纖維碼彩色圖像轉換為灰度圖像，設前景點數占圖像比例為W0,平均灰度為Utl,背景點數占圖像比例為W1，平均灰度為U1，通過最大類間方差法求得最佳分割閾值T = Wc^Wd(U1-UtlXUc1-U1)，根據該閾值將圖像轉化為二值圖像。
[0032]步驟S202:去除噪聲，對步驟S201得到的二值圖像進行數學形態學Open運算，去除圖像中明顯小于纖維碼特征的背景噪聲。
[0033]步驟S203:傾斜校正，對步驟S202去噪后的二值圖像進行Hough變換，將圖像像素坐標轉換為參數空間坐標，坐標變換公式為:xcos Θ+ysin Θ = P，其中(X，y)為原圖像像素坐標，(P，Θ)為參數空間坐標。在(ρ，Θ)合適的最大值、最小值之間建立離散的參數空間，并建立累加矩陣A( P，Θ)。將矩陣元素初始化為0，選取圖像的每個目標像素(X' ,1'