基于k-Means算法的彩色QR码识别

摘要

为了降低彩色QR码解码过程中出现的混叠效应,提高彩色QR码解码的正确率,提出一种基于HSV颜色模型的k-Means聚类算法.为了选择适合彩色QR码的颜色空间模型,通过实验验证了在RGB,Lab,HSV 3个颜色模型下k-Means聚类算法的效果.在HSV颜色模型下,根据等欧氏距离的原则建立彩色编码模块的配色模型,最大程度地减小解码中颜色的混叠效应.彩色QR码解码预处理阶段,利用基于HSV颜色模型的光线补偿的k-Means聚类算法对彩色编码模块进行颜色分离,以提高解码的精度.研究结果表明:在HSV颜色模型下,k-Means聚类效果最好,图像区域分类效果最清晰;所建立的配色模型可以最优地为彩色编码模块配色;基于HSV颜色模型的光线补偿的k-Means聚类算法可以提高彩色QR码解码的正确率.因此,建立合理的配色模型进行彩色编码模块的颜色设置,同时采用基于HSV颜色模型的光线补偿的k-Means聚类算法进行颜色分割,可以大幅度地降低彩色QR码编码模块之间的混叠效应,从而显著提高彩色QR码解码的正确率.