宜昌条码中二维条形码的特点

二维条形码是用某种特定的几何图形按一定规律分布的黑白相间的图形记录数据符号信息的，在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，通过图象输入设备或光电扫描设备自动识读以实现信息自动处理。它具有宜昌条码技术的一些共性：每种码制有其特定的字符集；每个字符占有一定的宽度；具有一定的校验功能等。同时还具有对不同行的信息自动识别功能、及处理图形旋转变化等特点。

二维条形码除了具有普通一维条码的优点外，同时具有信息容量大、可靠性高、保密防伪性强、易于制作、成本低等优点。正是为了满足人们的这种需求。二维条码由于具备普通一维条码无法比拟的优越性，因此它一经问世，就受到了广大用户的青睐。其信息容量大，信息密度高，编码能力强，可以对照片、文字、指纹、掌纹、声音、签名等信息进行编码。其容易印制，二维码纠错能力强，译码可靠性高，并且具有极强的防伪能力。正是因为二维条码可以实现机器识读和防伪这两项重要功能，是身份证、驾驶证、军人证、选民证、社会福利卡、护照、签证等各类证卡自动识别的理想手段。

二维条形码的特点：

信息容量大根据不同的条空比例每平方英寸可以容纳250到1100个字符。在国际标准的证卡有效面积上，可以容纳1848个字母字符或2729个数字字符，约500个汉字信息。这种二维条码比普通条码信息容量高几十倍。

编码范围广可以将照片、指纹、掌纹、签字、声音、文字等凡可数字化的信息进行编码。

保密、防伪性能好具有多重防伪特性，它可以采用密码防伪、软件加密及利用所包含的信息如指纹、照片等进行防伪，因此具有极强的保密防伪性能。

译码可靠性高普通条码的译码错误率约为百万分之二左右，而二维条码的误码率不超过千万分之一，译码可靠性极高。

修正错误能力强采用了世界上最先进的数学纠错理论，如果破损面积不超过50％，条码由于沾污、破损等所丢失的信息，可以照常破译出丢失的信息。

容易制作且成本很低利用现有的点阵、激光、喷墨、热敏/热转印、制卡机等打印技术，即可在纸张、卡片、PVC、甚至金属表面上印出二维条码。由此所增加的费用仅是油墨的成本，因此二维条码人们又称是零成本技术。

条码符号的形状可变同样的信息量，二维条形码的形状可以根据载体的面积及美工角度等方面，来自由进行自我调整，充分满足使用者需求。

条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。

超市购物时，会看到产品外包装袋上那些由数条竖道组成的条码。而收银员在结算时都会扫描条码来计算价格，购物也就变得更加方便快捷了但是条码是什么呢？这是一种怎样的技术？又是如何发生的与商品到底有怎样的关系？能否作为判断产品质量的依据？本报记者带您走进条码世界。

其实，条码就是由一条条深色和浅色条形符号及其下方的阿拉伯数字（字母）代码两个部分构成的符号。条形符号”供机器扫描识读用的通过宽窄不同的条和空表示。数字（字母）代码”供人们肉眼识读。商品条码是人们超市购物时最常见的条码符号，其下边的13位数字代码是核心，也是商品在全球通行的唯一“身份证”一般情况下，如果商品的外包装在出厂前就已经印制了原印码，这种条码便是常说的商品条码”自身不包括价格信息。但如果是散装的生鲜食品，如蔬菜、水果、肉类等，通过操作计量秤来现场打印出条码，这种条码俗称“店内码”这种条码有时包括了表示该商品品名及其重量或价格的信息。此外，还有“产品追溯码”这种条码是集成了商品品名、价格等信息，也可以用这种条码或二维码表示更多的信息如防伪码等。

国际上，商品条码标识系统是由国际物品编码协会（GS1负责统一协调和管理的国是由中国物品编码中心统一组织、协调和管理的那么你知道条码上的数字都代表什么意义吗？以一个13位的商品条码为例，前三位数字由国际物品编码协会GS1统一分配给其成员编码组织，厂商识别代码为前7位数字，由所在国家或地区的编码组织统一分配，商品项目代码是后5位数字，由申请的企业自行分配，最后一位数字是校验位，需要根据GS1规范算法来计算。

在我国，企业可以在中国物品编码中心申请“厂商识别代码”及申办企业的标识代码。获得厂商识别代码的企业，可以在厂商识别代码基础上对产品编制全球通用、唯一的商品项目代码，然后用条码符号等载体对其进行表示。

一维条形码虽然提高了资料收集与资料处理的速度，但由於受到资料容量的限制，一维条形码仅能标识商品，而不能描述商品，因此相当依赖电脑网路和资料库。在没有资料库或不便连网路的地方，一维条形码很难派上用场。也因此，最近几年开始有人提出一些储存量较高的二维条形码。由於二维条形码具有高密度、大容量、抗磨损等特点，所以更拓宽了条形码的应用领域。

近年来，随着资料自动收集技术的发展，用条形码符号表示更多资讯的要求与日俱增，而一维条形码最大资料长度通常不超过15个字元，故多用以存放关键索引值(Key)，仅可作为一种资料标识，不能对产品进行描述，因此需透过网路到资料库抓取更多的资料项目，因此在缺乏网路或资料库的状况下，一维条形码便失去意义。此外一维条形码有一个明显的缺点，即垂直方向不携带资料，故资料密度偏低。当初这样设计有二个目的：(1)为了保证局部损坏的条形码仍可正确辨识，(2)使扫瞄容易完成。

要提高资料密度，又要在一个固定面积上印出所需资料，可用二种方法来解决：(1)在一维条形码的基础上向二维条形码方向扩展，(2)利用图像识别原理，采用新的几何形体和结构设计出二维条形码。前者发展出堆叠式(Stacked)二维条形码，後者则有矩阵式(Matrix)二维条形码之发展，构成现今二维条形码的两大类型。

堆叠式二维条形码的编码原理是建立在一维条形码的基础上，将一维条形码的高度变窄，再依需要堆成多行，其在编码设计、检查原理、识读方式等方面都继承了一维条形码的特点，但由於行数增加，对行的辨别、解码算法及软体则与一维条形码有所不同。较具代表性的堆叠式二维条形码有PDF417，Code16K，Supercode，Code49等。

矩阵式二维条形码是以矩阵的形式组成，在矩阵相应元素位置上，用点(Dot)的出现表示二进制的“1”，不出现表示二进制的“0”，点的排列组合确定了矩阵码所代表的意义。其中点可以是方点、圆点或其它形状的点。矩阵码是建立在电脑图像处理技术、组合编码原理等基础上的图形符号自动辨识的码制，已较不适合用“条形码”称之。具有代表性的矩阵式二维条形码有Datamatrix，Maxicode，Vericode，Softstrip，Code1，PhilipsDotCode等。

二维条形码的新技术在1980年代晚期逐渐被重视，在「资料储存量大」、「资讯随着产品走」、「可以传真影印」、「错误纠正能力高」等特性下，二维条形码在1990年代初期已逐渐被使用。