資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學BLOB：大型二進位制物件
簡介
"Binary Large Object" 的縮寫是 BLOB。BLOB 由 Jim Starkey 發明，最初只是大型非結構化資料塊，大小可能達到數 GB。在現代世界，大量資料線上提供給所有人使用，需要適當的儲存和加密，這就是 BLOB 發揮作用的地方。各種型別的資料都儲存在 BLOB 中，二維碼是最常見的 BLOB 型別之一。
BLOB
大型二進位制物件 (BLOB) 指的是資料庫管理系統如何處理和儲存長字串資料。它儲存多媒體物件/資料，例如音訊、影片、影像等等，但也儲存程式。由於它們旨在儲存多媒體物件，因此 BLOB 廣泛用於在 SQL（標準查詢語言）中儲存非結構化資料檔案。常見的 BLOB 示例包括影像 (JPG、PDF、RAW、PNG)、影片 (MOV、MP4) 和音訊 (MP3)。可以使用 BLOB 識別二維碼的幾何特徵。
現代二維碼檢測和識別技術
檢測二維碼需要幾個步驟。為了精確檢測、對齊和識別二維碼，必須選擇更關鍵的步驟並檢查現有的技術挑戰。
檢測和識別二維碼的挑戰包括：
降噪、影像大小歸一化、偽彩色灰度、對比度增強或積分影像生成。
符號對齊和畸變校正，在實踐中是由符號旋轉、傾斜、坡度或遮擋引起的。
為了克服上述所有挑戰，現代技術正被用於二維碼檢測和識別。
為了提取邊緣並定位二維碼，使用了霍夫變換和 Sobel 運算元方法。
空間變換用於校正影像畸變，識別精度約為 98.57%，平均持續時間為 38 毫秒。
我們可以使用卷積神經網路來識別旋轉、模糊和光照不均勻的影像中的符號，透過使用霍夫變換對二維碼進行定位和分割，達到約 95.2% 的正確檢測率。
我們仍然面臨的二維碼檢測問題包括嚴重的非均勻光照、噪聲、強模糊、符號變形以及同時檢測多個二維碼符號。
二維碼及其資料型別
在二維碼中，存在不同型別的圖案，它們分別代表不同的資料。三個角上的正方形代表掃描時二維碼的位置，較小的正方形代表對齊。兩條交替黑白正方形的直線連線三個角上的正方形，它們代表計時，版本和格式資訊位於定位正方形的右側，其餘部分儲存資料。二維碼外部的空白區域稱為靜區。
提出的二維碼檢測方法
為了在不受控制的檢視條件下檢測和識別二維碼，提出了一種基於 BLOB（大型二進位制物件）的技術。透過迭代過程，對由 BLOB 的 8 個元件區域組成的影像進行過濾，只留下反映典型二維碼符號的圖案。即使二維碼被部分檢測到、旋轉、扭曲、透視變形或受光照和噪聲影響，此技術也能確保完美檢測二維碼。透過分析二維碼的區域性幾何特性，這種基於 BLOB 的二維碼檢測技術即使在影像獲取條件較差的情況下也能達到 80% 到 100% 的識別率。
結論
二維碼檢測和識別面臨著各種挑戰，例如噪聲、模糊、傾斜、光照、符號變形等。大型二進位制物件 (BLOB) 是一種儲存二進位制資料的資料型別。BLOB 示例包括 MP3、MP4、MOV、PNG、JPG 和其他多媒體物件。即使二維碼影像是在不受控制的環境中拍攝的，BLOB 也可以用於二維碼檢測，識別率為 80% 到 100%。嚴重的非均勻光照、噪聲、強模糊、符號變形以及同時識別多個二維碼符號仍然是二維碼檢測中的問題。
常見問題
Q1. 什麼是二進位制資料？
二進位制資料是離散資料，要麼是 1 要麼是 0，是或否等等。在計算機科學中，特別是 1 或 0。
Q2. 條形碼和二維碼一樣嗎？
條形碼在一維儲存資料，而二維碼 (快速響應碼) 使用二維。二維碼是條形碼的更高階形式。
Q3. 二維碼有哪些用途？
如今，二維碼被用於許多用途。例如：無現金支付、菜譜、簡歷上的二維碼、電子學習、博物館和藝術展覽、產品包裝、餐桌上的二維碼用於掃描訂單等等。
瀏覽量 122
