Nuevo algoritmo ayuda a leer códigos QR en superficies irregulares

En ocasiones, intentamos capturar un código QR con una buena cámara digital de un smartphone, pero la lectura finalmente falla.

Esto suele ocurrir cuando el propio código QR tiene una mala calidad de imagen, o si se ha impreso en superficies que no son planas, deformadas o con irregularidades de patrón desconocido, como el envoltorio de un paquete de mensajería o una bandeja de comida preparada.

Ahora, un equipo de la Universidad de Barcelona y la Universitat Oberta de Catalunya ha diseñado una metodología que facilita el reconocimiento de códigos QR en entornos físicos donde la lectura es más complicada.

El nuevo sistema no depende en absoluto de la topografía subyacente, y es aplicable a códigos QR que se puedan encontrar en superficies tubulares (botellas), bandejas de comida, etc.

Se trata de la primera propuesta tecnológica capaz de combinar una metodología generalista y códigos de barras bidimensionales para facilitar el reconocimiento de información digital.

El primer autor del estudio es el catedrático Ismael Benito, de la Facultad de Física y del Departamento de Ingeniería Electrónica y Biomédica de la UB y del Departamento de Informática, Multimedia y Telecomunicación de la UOC.

Todos ellos han participado, desde diferentes puestos, en la creación de ColorSensing, SL, una empresa spin-off de la UB en el ámbito del etiquetado inteligente.

Los códigos QR son una variante del típico código de barras, capaz de recoger información en lenguaje informático, en una matriz bidimensional de pixeles en blanco y negro, cuando se escanean con un escáner.

Facilitan el acceso a datos de interés, ahorran tiempo y recursos como el papel, y han revolucionado la forma en que los usuarios acceden a la información en el ámbito digital.

Sin embargo, a veces resulta complicado escanear un código de barras correctamente.

Según Benito, del Departamento de Ingeniería Electrónica y Biomédica de la UB y exdirector tecnológico de ColorSensing, esto ocurre, “en primer lugar, por la calidad de la imagen. Aunque hoy en día mucha gente tiene acceso a buenas cámaras digitales, no siempre pueden capturar bien la imagen del QR.

“En segundo lugar, la calidad de impresión del código QR y los colores utilizados, con buen contraste, a veces no son satisfactorios.

Por último, si la superficie de impresión no es lo suficientemente plana y no es paralela al plano de captura, también es difícil capturar la información del código”.

“Por ejemplo, todos estos factores entran en juego cuando intentamos capturar un QR del Bicing con la aplicación móvil: la superficie no es plana, es un cilindro, y si intentamos capturar el QR demasiado cerca, la deformación de la superficie se hace evidente y la lectura falla -5-10 centímetros-; si nos alejamos demasiado, el QR se hace demasiado pequeño y la captura no es buena -1 metro-; “Si nos encontramos en un rango intermedio, la distorsión aparente de la superficie se reduce y la calidad es adecuada para capturarla, entre 30 y 50 centímetros“, explica Benito.

El estudio, que forma parte de la tesis doctoral de Ismael Benito en la UB, presenta un nuevo algoritmo que aprovecha las características propias del QR, es decir, los patrones internos del código, para extraer la superficie subyacente sobre la que se posiciona el código.

La textura de esta superficie se recupera mediante un ajuste generalista basado en funciones matemáticas conocidas como splines, que permiten ajustar localmente la topografía de la superficie.

Benito destaca que “son funciones que se adaptan localmente a los desniveles de la superficie, y forman una técnica que en sus orígenes se utilizó mucho en campos como la geología o la edición fotográfica para ajustar o generar deformaciones en las superficies”.

Aún quedan muchos retos tecnológicos para mejorar todo el proceso de reconocimiento de códigos QR.

En el caso de las aplicaciones comerciales que se activan mediante el lector de códigos del usuario, el experto explica que “el principal reto es poder proporcionar para que las lecturas sean correctas y fiables, también estamos trabajando para que los códigos no puedan ser atacados mediante técnicas de modificación, por ejemplo, con una URL falsa que pueda capturar datos con pequeñas modificaciones en el código”.

“En el caso de la industria, donde las capturas se hacen en entornos controlados, el principal reto es reducir la velocidad de captura”, afirma Benito.

Fuente: ScienceDirect