临邑商品条形码管理办法

目前德州条形码符号的生成主要采用的是软件生成方式。条码是由一组按一定编码规则排列的条、空符号，依据国际和国家标准的相关要求，按照各种编码原则和符号结构的技术要求，条码生成软件将数据代码信息转化为相应的条空信息，并且生成对应的位图。

（1）自行编制条码生成软件根据国际和国家相关标准，按照各种码制的编码原则、符号结构等，用户自己编制条码生成软件。

（2）选用商业化的编码软件商业化的编码软件具有强大的数据库功能，能够实现图形压缩、双面排版、数据加密、数据库管理、打印预览和单个/批量制卡等功能，可以生成各种码制的条码符号。同时，还可以向应用程序提供条码生成、条码设置、识读接收、图形压缩和信息加密等二次开发接口（用户可以自己替换），还可以向高级用户提供内层加密接口等。

德州条形码扫描器是用于读取条形码所含信息的设置，通常包括：光源、接收器、光电转换部件、译码电路、计算机接口。条码扫描器的基本原理为:光源发出的光线通过光学系统照射到条形码符号，被反射回来的光经过光学系统成像在光电转换器上，使其产生电信号；电信号通电路放大后产生模拟电压，它与照射到条形码符号上被反射回来的光形成正比，再经过滤波、整形，形成与模拟信号对应的方波信号，最后通过译码器翻译成计算机可以接受的数字信号。

25德州条形码是一种只有“条”表示信息的非连续型条码。每一个条码字符由规则排列的5个“条”组成，其中有两个“条”为宽单元，其余的“条”和“空”以及字符间隔都是窄单元，故称之为“25条码”。

25条码的字符集为数字字符0～9，字符的二进制表示见表2.1。25条码由左侧空白区、起始符、数据符、终止符及右侧空白区构成。空不表示信息，宽单元用二进制的“1”表示，窄单元用二进制的“0”表示，起始符用二进制“110”表示（二个宽单元和一个窄单元），终止符用二进制“101”表示（中间是窄单元，两边是宽单元）。因相邻字符之间有字符间隔，所以25条码是非连续型条码。

25条码是最简单的条码，它研制于20世纪60年代后期，到1990年由美国正式提出。这种条码只含数字0～9，应用比较方便。主要用于包装、运输和国际航空系统为机票进行顺序编号等。但25条码不能有效地利用空间，人们在25条码的启迪下，将条表示信息扩展到也用空表示信息。因此在25条码的基础上又研制出了“条”、“空”均表示信息的交插25条码。

德州条形码在识读之前必须进行图像处理，下面介绍几种常见的图像处理的理论和算法。

1．灰度处理

数字图像在计算机上以位图的形式存在，位图是一个矩阵式点阵，其中每一点称为像素，像素是数字图像中的基本单位。一幅m×n大小的图像，是由m×n个明暗度不等的像素组成的。数字图像中各个像素所具有的明暗程度由灰度值所标识。一般将白色的灰度值定义为255，黑色的灰度值定义为0，而由黑到白之间的明暗度均匀地划分为256个等级。对于黑白图像，每个像素用一个字节数据来表示，而在彩色图像中，每个像素需用三个字节数据来表述，就能呈现五彩缤纷的颜色。彩色图像可以分解成红（R）、绿（G）、蓝（B）三个单色图像，任何一种颜色都可以由这三种颜色混合构成。在图像处理中，彩色图像的处理通常是通过对其三个单色图像分别处理而得到的。但是一幅彩图中每个像素都用RGB分量表示，图像文件将会变得非常庞大，因此在实际应用中，通常采用调色技术，将256色位图转变为灰度图像。对于24位真彩图，每个像素用三个字节分别表示R、G、B三个分量。将256色位图转换为灰度图像，首先必须计算每一种颜色对应的灰度值。256色位图的灰度图像与RGB值的对应关系如下：

Y＝0.299R＋0.587G＋0.114BR＝G＝B＝Y

根据R、G、B的值求出Y值后，将R、G、B的值都赋予Y值，写入新图，这样就可以将256色位图转换成灰度图像。

2．灰度直方图

在数字图像处理中，一个简单和有用的工具是直方图，它概括一幅图像的灰度级内容。任何一幅图像的直方图都包括了可观的信息，某些类型的直方图还可以由其直方图完全描述。直方图的计算是简单的，直方图的计算可以用相当低的代价来完成。

直方图是灰度值的函数，描述的是图像中具有该灰度级的像素的个数，其横坐标级（0～L－1），纵坐标表示该灰度出现的频率（像素的个数）

3．图像二值化处理

为了便于对图像进行后续处理，需要对图像进行二值化处理，二值化处理将不可避免地丢失图像信息。若阈值选取过小，会提取多余的部分；若选取的过大，会丢失所需要的图像信息。因此阈值选取是图像二值化处理中的一项重要技术，它的选取直接关系到后续的处理。针对条码识读系统而言，二值化图像的效果直接影响到条码识读的可靠性。

阈值化分割原理：先确定一个处于图像灰度取值范围之中的阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素划分为两类：像素灰度值大于阈值的为一类，像素值小于和等于阈值的为另一类。这两类像素一般分属图像中的两类区域，所以对像素根据阈值分类达到了分割的目的。如果一个物体其内部具有均匀一致的灰度值，并分布在一个具有另一个灰度值均匀背景中，使用阈值的效果更佳。

阈值分割算法主要有两个步骤：

①确定需要的分割阈值。

②将像素与分割阈值做比较并划分。