CN110619060A - 一种条烟图像数据库构建方法及条烟防伪查询方法 - Google Patents

Abstract

本发明公开了一种条烟图像数据库构建方法及条烟防伪查询方法。所述条烟图像数据库的构建方法包括：采集条烟图像；从所述条烟图像中截取包含有条烟编码的子图像；所述子图像包含有条烟的边缘线；对所述子图像进行预处理；提取预处理后子图像中条烟编码所包含的字母和数字；将所述子图像保存到以所提取得到的字母和数字命名的文件夹中；将所有文件夹构建成数据库。然后进一步采用本发明提供的条烟防伪智能查询方法将待验证条烟的图像与上述条烟图像数据库中的图像进行对比后，根据对比结果得到待验证条烟是假烟还是真烟。本发明提供的条烟图像数据库构建方法及条烟防伪查询方法具有查询速率快和查询精确度高的特点。

Description

一种条烟图像数据库构建方法及条烟防伪查询方法

技术领域

本发明涉及数据查询技术领域，特别是涉及一种条烟图像数据库构建方法及条烟防伪查询方法。

背景技术

国家烟草专卖局要求卷烟销售前必须实现“三扫两打”，其中“一打”便是在条烟上打印由字母和数字组成的32码，通过激光或者喷墨打印到条烟的包装上。烟草公司现在普遍采用了这种激光打码来进行追溯的方式，烟草公司用激光打码系统取得了一定的成功，对造假行为得到一定的遏制。但是这个方式还存在着一些问题：1、一号工程的打码方式，并不是专门针对防伪领域的应用；2、虽然在条烟上打32位码，增加了造假者的成本，但利用激光打码机复制真烟的32位码在假烟上还是很容易实现的，更有甚者，有些零售户让造假者把自己的编码信息用激光码机机直接打到假烟上，如果零售店出售的假烟上打有同样序列号的卷烟，消费者与烟草公司的市管员在现场根本无法对假烟进行精确识别。

那么，基于上述内容，现有技术中为了杜绝假烟泛滥，一般在进行真伪辨别时都是通过肉眼进行识别，包括客户端将32位码及其位置、品牌等相关信息与照片库进行对比，通过网络在服务器上的数据库中调出原来以32位命名的该条烟在分拣时打码的照片，对比32位码的数字内容、32位码在条烟上的位置、角度，以及图片中条烟的品牌，这三种因素相结合的结果，来鉴定条烟真假在对比过程中，但是因人眼的识别能力受到周围环境、自身情况的影响，使得识别精准度根本无法得到保证，并且人工识别条烟真假的效率也非常低下。

发明内容

本发明的目的是提供一种条烟图像数据库构建方法及条烟防伪查询方法，具有查询速率快和查询精确度高的特点。

为实现上述目的，本发明提供了如下方案：

一种条烟图像数据库的构建方法，包括：

采集条烟图像；所述条烟图像包含条烟编码；

从所述条烟图像中截取包含有条烟编码的子图像；所述子图像包含有条烟的边缘线；

对所述子图像进行预处理；

提取预处理后子图像中条烟编码所包含的字母和数字；

将所述子图像保存到以所提取得到的字母和数字命名的文件夹中；

构建数据库；所述数据库包括以所提取得到的字母和数字命名的文件夹。

可选的，所述对所述子图像进行预处理，包括：

采用灰度化、二值化、倾斜检测与矫正、行切分、列切分、平滑处理以及规范化处理，对所述子图像进行处理；

所述倾斜检测与矫正包括：

将所述子图像中的字符连通域的中心点作为特征点，利用所述条烟编码基准线上点的连续性，采用最近邻聚类方法计算得到所述条烟编码基准线与所述条烟的边缘线的夹角；所述夹角即为所述子图像的倾斜角；

旋转所述子图像，使所述子图像的倾斜角变为零；

所述规范化处理包括：

将所述子图像缩小为特定像素值的图像。

可选的，采用灰度化对所述子图像进行处理，包括：采用分量法、最大值法、平均值法或加权平均法对所述子图像进行灰度化处理。

可选的，所述特定像素值为64。

一种条烟防伪智能查询方法，包括：

采集待验证条烟的图像；所述待验证条烟的图像中包含有条烟编码；

从所述待验证条烟的图像中截取包含有条烟编码的子图像；所述子图像包含有待验证条烟的边缘线；

对所述子图像进行预处理；

将所述预处理后的子图像与条烟图像数据库中的图像进行对比；所述条烟图像数据库为由本发明所提供的条烟图像数据库的构建方法所构建的数据库；

获取对比结果。

可选的，在所述对所述子图像进行预处理之后，包括:

采用最小盒包围法，获取所述条烟编码的最小包围矩形；

以所述最小包围矩形的中心点为原点建立第一坐标系；所述第一坐标系的X轴与所述条烟边缘线的夹角为第一夹角；所述第一坐标系的Y轴与所述条烟边缘线的夹角为第二夹角；

以所述第一坐标系的原点为中心，在所述子图像除所述最小包围矩形之外的区域中随机获取特定数量的子矩形区域；

获取所述子矩形区域中的图像花纹。

可选的，所述将所述预处理后的子图像与条烟图像数据库中的图像进行对比，包括：

依据所述子图像的条烟编码调取所述数据库中以条烟编码命名的文件夹；

根据所述第一夹角和所述第二夹角确定所述子矩形区域在所述第一坐标系中的位置；

采用最小盒包围法，获取所述文件夹中子图像的条烟编码的最小包围矩形；

以所述文件夹中子图像的条烟编码的最小包围矩形的中心点为原点建立第二坐标系；

根据所述第二坐标系，获取所述文件夹中子图像与所述子矩形区域对应位置处的图像花纹；

将所述子矩形区域中的图像花纹与所述文件夹中的子图像与所述子矩形区域对应位置处的图像花纹进行相似度对比：若图像花纹相似度对比结果大于等于95％，则待验证条烟为真烟，反之，则待验证条烟为假烟。

可选的，所述对所述子图像进行预处理，包括：采用灰度化、二值化、倾斜检测与矫正、行切分、列切分、平滑处理以及规范化处理，对所述子图像进行处理；

所述倾斜检测与矫正包括：

将所述子图像中的字符连通域的中心点作为特征点，利用所述条烟编码基准线上点的连续性，采用最近邻聚类方法计算得到所述条烟编码基准线与所述条烟的边缘线的夹角；所述夹角即为所述子图像的倾斜角；

旋转所述子图像，使所述子图像的倾斜角变为零；

所述规范化处理包括：

将所述子图像缩小为特定像素值的图像。

可选的，采用灰度化对所述子图像进行处理，包括：采用分量法、最大值法、平均值法或加权平均法对所述子图像进行灰度化处理。

可选的，所述特定像素值为64。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的条烟图像数据库构建方法及条烟防伪查询方法。先通过采用条烟图像数据库的构建方法将所生产的条烟图像全部保存到数据库中，然后进一步采用本发明提供的条烟防伪智能查询方法将待验证条烟的图像与上述条烟图像数据库中的图像进行对比后，根据对比结果得到待验证条烟是假烟还是真烟这就使得本发明提供的方法能够快速、准确的查询待验证条烟的真伪。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例构建条烟图像数据库方法的工作流程图；

图2为本发明实施例条烟防伪智能查询方法的工作流程图；

图3为本发明实施例中以最小包围矩形原点所构建的坐标示意图；

图4为本发明实施例中客户端拍摄待验证条烟的界面图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种条烟图像数据库构建方法及条烟防伪查询方法，具有查询速率快和查询精确度高的特点。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例构建条烟图像数据库方法的工作流程图，如图1所示，一种条烟图像数据库的构建方法，包括：

S100、采集条烟图像；所述条烟图像包含条烟编码；

S101、从所述条烟图像中截取包含有条烟编码的子图像；所述子图像包含有条烟的边缘线；

S102、对所述子图像进行预处理；

S103、提取预处理后子图像中条烟编码所包含的字母和数字；

S104、将所述子图像保存到以所提取得到的字母和数字命名的文件夹中；

S105、构建数据库；所述数据库包括以所提取得到的字母和数字命名的文件夹。

在S102中对所述子图像进行预处理，具体包括：

采用灰度化、二值化、倾斜检测与矫正、行切分、列切分、平滑处理以及规范化处理，对所述子图像进行处理；

其中，采集得到的条烟图像通常为彩色图像，彩色图像会夹杂一些干扰信息，灰度化处理的主要目的就是滤除这些信息，灰度化的实质其实就是将原本由三维描述的像素点，映射为一维描述的像素点，一般有分量法、最大值法、平均值法、加权平均法四种方法对彩色图像进行灰度化。

分量法，是将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。

最大值法，是将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。

平均值法，是将彩色图像中的三分量亮度求平均得到一个灰度值。

加权平均法，是根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。

条烟激光编码是垂直或平行于条烟边缘的，即编码倾斜角是零度。在实际打码中，由于各组合皮带速度不同，每户订单条烟数量不同造成的挤压，皮带的抖动都容易使条烟的姿态发生变化，导致打码出现倾斜现象，倾斜的编码图像对后期的字符分割、识别和图像压缩、行列切分等工作将产生很大影响。为了保证后续处理的正确性，对编码图像进行倾斜检测和校正是十分必要的。因条烟编码只有32个字符，数量少，一般采用最近邻聚类方法，取文本图像的行区域中字符连通域的中心点作为特征点，利用基线上的点的连续性，计算出对应的文本行的方向角，从而得到整个页面的倾斜角，以实现对编码图像的倾斜检测与矫正。具体的，倾斜检测与矫正包括：

将所述子图像中的字符连通域的中心点作为特征点，利用所述条烟编码基准线上点的连续性，采用最近邻聚类方法计算得到所述条烟编码基准线与所述条烟的边缘线的夹角；所述夹角即为所述子图像的倾斜角；

旋转所述子图像，使所述子图像的倾斜角变为零。

所述规范化处理包括：将所述子图像缩小为特定像素值64的图像。其中，规范化处理就是将输入的任意尺寸的字符都处理成统一尺寸的标准文字，以便与己经预先存储在字典中的参考模板相匹配，并做为自动模型训练的参数使用。由于条烟品牌的包装介质、背景底纹不同，只有编码图像经过平滑处理之后，才能够去掉笔划上的孤立白点和笔划外部的孤立黑点，以及笔划边缘的凹凸点，使得笔划边缘变得平滑。

并且，在对条烟图像进行预处理的过程中，还可以包括图像切分。图像切分就是图像在完成倾斜校正后，进一步进行行列、字切分操作，以便提取自动训练模型。其中，由于激光打码中字符图像的行列间距、字间距大致相等，且几乎不存在粘连现象，所以可以采用投影法对图像进行切分，得到每列(行)在坐标轴的像素值投影曲线是一个不平滑的曲线，通过高斯平滑后的曲线在每个波谷位置间的区域即为要的一行(列)，因此需对条烟图像进行行列切分。

通常字切分是指将整行或整列文字切分成独立的一个个文字。条烟32位编码中字符容量少，仅含有字母和数字，这也对于字符和数字的提取与匹配提供了便利条件。

图2为本发明实施例条烟防伪智能查询方法的工作流程图，如图2所示，一种条烟防伪智能查询方法，包括：

S200、采集待验证条烟的图像；所述待验证条烟的图像中包含有条烟编码；

S201、从所述待验证条烟的图像中截取包含有条烟编码的子图像；所述子图像包含有待验证条烟的边缘线；

S202、对所述子图像进行预处理；

S203、将所述预处理后的子图像与条烟图像数据库中的图像进行对比；所述条烟图像数据库为由本发明上述提供的条烟图像数据库的构建方法所构建的数据库；

S204、获取对比结果。

在本发明所提供的条烟防伪智能查询方法中，对待验证条烟图像进行的所有图像的预处理过程和方法均与上述构建条烟图像数据库的图像预处理过程和方法相同，二者相互参见即可。

在S202之后，所述条烟防伪智能查询方法还包括:

采用最小盒包围法，获取所述条烟编码的最小包围矩形；

以所述最小包围矩形的中心点为原点建立第一坐标系；所述第一坐标系的X轴与所述条烟边缘线的夹角为第一夹角；所述第一坐标系的Y轴与所述条烟边缘线的夹角为第二夹角；

以所述第一坐标系的原点为中心，在所述子图像除所述最小包围矩形之外的区域中随机获取特定数量的子矩形区域；

获取所述子矩形区域中的图像花纹。

其中，如图3所示，P0点为32位编码所在最小包围矩形1的中心点，以P0点为坐标原点构建坐标系，X轴与条烟边缘线交叉获得角A，Y轴与条烟边缘线交叉获得角B；以P0点为原点，随机取3个边长不低于4厘米的子矩形区域R1、R2和R3(在本实施例中R1、R2和R3均为正方形)。

其中，在S203中将所述预处理后的子图像与条烟图像数据库中的图像进行对比，具体包括：

依据所述子图像的条烟编码调取所述数据库中以条烟编码命名的文件夹；

根据所述第一夹角和所述第二夹角确定所述子矩形区域在所述第一坐标系中的位置；

采用最小盒包围法，获取所述文件夹中子图像的条烟编码的最小包围矩形；

以所述文件夹中子图像的条烟编码的最小包围矩形的中心点为原点建立第二坐标系；

根据所述第二坐标系，获取所述文件夹中子图像与所述子矩形区域对应位置处的图像花纹；

将所述子矩形区域中的图像花纹与所述文件夹中的子图像与所述子矩形区域对应位置处的图像花纹进行相似度对比：若图像花纹相似度对比结果大于等于95％，则待验证条烟为真烟，反之，则待验证条烟为假烟。

此外，还可以采用平均哈希算法、感知哈希算法、dHash算法和平均结构相似性MSSIM算法的方法来对待验证条烟的真伪进行识别。

其中，平均哈希算法包括：

第一步，缩小尺寸。最快速的去除高频和细节，只保留结构明暗的方法就是缩小尺寸。

将待验证条烟图像缩小到8x8的尺寸，总共64个像素。摒弃不同尺寸、比例带来的图片差异。

第二步，简化色彩。

将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。

第三步，计算平均值。

计算所有64个像素的灰度平均值。

第四步，比较像素的灰度。

将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。

第五步，计算哈希值。

将上一步的比较结果，组合在一起，就构成了一个64位的二进制整数，这就是这张图片的指纹。

第六步，数值转换和结果判断。

将所构成的64位二进制整数转换成十进制的数，根据十进制数的大小就可以得到待验证条烟图像和数据库中条烟图像的相似度，进而根据相似度值就可以判断得到所验证的条烟的真伪。

感知哈希算法，具体包括：

第一步，缩小尺寸。

最快速的去除高频和细节，只保留结构明暗的方法就是缩小尺寸。

将待验证条烟的图像缩小到8x8的尺寸，总共64个像素。摒弃不同尺寸、比例带来的图片差异。

第二步，简化色彩。

将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。

第三步，计算DCT(离散余弦变换)。

DCT是把图片分解频率聚集和梯状形，虽然JPEG使用8*8的DCT变换，在这里使用32*32的DCT变换。

第四步，缩小DCT。

虽然DCT的结果是32*32大小的矩阵，但我们只要保留左上角的8*8的矩阵，这部分呈现了图片中的最低频率。

第五步，计算平均值。

计算所有64个值的平均值。

第六步，进一步减小DCT。

这是最主要的一步，根据8*8的DCT矩阵，设置0或1的64位的hash值，大于等于DCT均值的设为"1"，小于DCT均值的设为"0"。结果并不能告诉我们真实性的低频率，只能粗略地告诉我们相对于平均值频率的相对比例。只要图片的整体结构保持不变，hash结果值就不变。能够避免伽马校正或颜色直方图被调整带来的影响。

第七步，计算哈希值。

将64bit设置成64位的长整型，组合的次序并不重要，只要保证所有图片都采用同样次序就行了。将32*32的DCT转换成32*32的图像。

将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。

第八步，数值转换和结果判断。

将所构成的64位二进制整数转换成十进制的数，根据十进制数的大小就可以得到待验证条烟图像和数据库中条烟图像的相似度，进而根据相似度值就可以判断得到所验证的条烟的真伪。

图片相似性d-Hash算法，具体包括：

第一步：缩小图片：收缩到8*9的大小，以便它有72的像素点

第二步：转化为灰度图

第三步：计算差异值：d-Hash算法工作在相邻像素之间，这样每行9个像素之间产生了8个不同的差异，一共8行，则产生了64个差异值

第四步：获得指纹：如果待验证条烟图像的像素比数据库中条烟图像的像素比更亮，则记录为1，否则为0。

第五步，将上一步的比较结果，组合在一起，就构成了一个64位的二进制整数，这就是这张图片的指纹。

第六步，数值转换和结果判断。

将所构成的64位二进制整数转换成十进制的数，根据十进制数的大小就可以得到待验证条烟图像和数据库中条烟图像的相似度，进而根据相似度值就可以判断得到所验证的条烟的真伪。

若两幅图像是压缩前和压缩后的图像，那么MSSIM算法就可以用来评估压缩后的图像质量，结构相似度算法从图像组成的角度将结构信息定义为独立于亮度、对比度的反映场景中物体结构的属性，并将失真建模为亮度、对比度和结构三个不同因素的组合。平均结构相似性MSSIM算法其实质是一种用均值作为亮度的估计，标准差作为对比度的估计，协方差作为结构相似程度的度量算法，也可以用这一方法来对待验证条烟的真伪进行验证。

本发明提供的条烟图像数据库构建方法及条烟防伪查询方法，先通过采用条烟图像数据库的构建方法将所生产的条烟图像全部保存到数据库中，然后进一步采用本发明提供的条烟防伪智能查询方法将待验证条烟的图像与上述条烟图像数据库中的图像进行对比后，根据对比结果得到待验证条烟是假烟还是真烟这就使得本发明提供的方法能够快速、准确的查询待验证条烟的真伪。

除上述公开的内容外，实施本发明所提供的条烟图像数据库构建方法及条烟防伪查询方法的系统，可以包括高速摄像机、服务器和客户端。

其中，高速摄像机是一种能够以小于1/1000秒的曝光或超过每秒250帧的帧速率捕获运动图像的设备，它用于将快速移动的物体作为照片图像记录到存储介质上。在分拣线传送带上的高速摄像机从条烟打码系统的串口中读取32位编码，开始对条烟拍照，拍照完成自动按收到的条烟编码命名保存的文件，将文件保存至服务器。

如图4所示，客户端对条烟进行拍照时，要求拍照界面尽量保证32位编码落入最小包围矩形1中，第二矩形2是拍照完成后，要求截取上传的子图像。第二矩形2的大小的确定方式，应放大到条烟边缘，让更多的条烟花纹、图案、其它元素进入，第二矩形2中不应出现与条烟无关的背景内容，在服务器识别条烟真假中主要通过判断第二矩形2花纹、图案和32位编码以及32位编码的倾斜角来计算。上传数据中除第二矩形2，还应该包含最小包围矩形1在第二矩形2中的位置信息一同被压缩上传，服务器在识别32位编码中，直接通过读取该位置信息快速查找到最小包围矩形1的位置，为服务器在最小包围矩形1中智能识别出32位编码，减少了大量的杂质元素。

在拍照完成后，客户端对图片进行裁剪处理，裁剪出子图像(第二矩形2)，由于最小包围矩形1的位置信息是自动获取的，因此位置信息和第二矩形2一同压缩上传，即减少了通信数据流量也延长客户端电池使用时间。

服务器接收图片完成接收客户端上传数据，由服务器中的前置机负责接收数据，再通过服务器的烟草数据交换系统，进入专网到达服务器的处理中心，由服务器的处理中心进行数据处理，处理结果逆序返回到服务器的前置机后，再返回到客户端，以便用户能够及时获取查询结果。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种条烟图像数据库的构建方法，其特征在于，包括：

采集条烟图像；所述条烟图像包含条烟编码；

从所述条烟图像中截取包含有条烟编码的子图像；所述子图像包含有条烟的边缘线；

对所述子图像进行预处理；

提取预处理后子图像中条烟编码所包含的字母和数字；

将所述子图像保存到以所提取得到的字母和数字命名的文件夹中；

构建数据库；所述数据库包括以所提取得到的字母和数字命名的文件夹。

2.根据权利要求1所述的一种条烟图像数据库的构建方法，其特征在于，所述对所述子图像进行预处理，包括：

采用灰度化、二值化、倾斜检测与矫正、行切分、列切分、平滑处理以及规范化处理，对所述子图像进行处理；

所述倾斜检测与矫正包括：

将所述子图像中的字符连通域的中心点作为特征点，利用所述条烟编码基准线上点的连续性，采用最近邻聚类方法计算得到所述条烟编码基准线与所述条烟的边缘线的夹角；所述夹角即为所述子图像的倾斜角；

旋转所述子图像，使所述子图像的倾斜角变为零；

所述规范化处理包括：

将所述子图像缩小为特定像素值的图像。

3.根据权利要求2所述的一种条烟图像数据库的构建方法，其特征在于，采用灰度化对所述子图像进行处理，包括：采用分量法、最大值法、平均值法或加权平均法对所述子图像进行灰度化处理。

4.根据权利要求2所述的一种条烟图像数据库的构建方法，其特征在于，所述特定像素值为64。

5.一种条烟防伪智能查询方法，其特征在于，包括：

采集待验证条烟的图像；所述待验证条烟的图像中包含有条烟编码；

从所述待验证条烟的图像中截取包含有条烟编码的子图像；所述子图像包含有待验证条烟的边缘线；

对所述子图像进行预处理；

将所述预处理后的子图像与条烟图像数据库中的图像进行对比；所述条烟图像数据库为由所述权利要求1-4任意一项所述的一种条烟图像数据库的构建方法所构建的数据库；

获取对比结果。

6.根据权利要求5所述的一种条烟防伪智能查询方法，其特征在于，在所述对所述子图像进行预处理之后，包括:

采用最小盒包围法，获取所述条烟编码的最小包围矩形；

以所述最小包围矩形的中心点为原点建立第一坐标系；所述第一坐标系的X轴与所述条烟边缘线的夹角为第一夹角；所述第一坐标系的Y轴与所述条烟边缘线的夹角为第二夹角；

以所述第一坐标系的原点为中心，在所述子图像除所述最小包围矩形之外的区域中随机获取特定数量的子矩形区域；

获取所述子矩形区域中的图像花纹。

7.根据权利要求6所述的一种条烟防伪智能查询方法，其特征在于，所述将所述预处理后的子图像与条烟图像数据库中的图像进行对比，包括：

依据所述子图像的条烟编码调取所述数据库中以条烟编码命名的文件夹；

根据所述第一夹角和所述第二夹角确定所述子矩形区域在所述第一坐标系中的位置；

采用最小盒包围法，获取所述文件夹中子图像的条烟编码的最小包围矩形；

以所述文件夹中子图像的条烟编码的最小包围矩形的中心点为原点建立第二坐标系；

根据所述第二坐标系，获取所述文件夹中子图像与所述子矩形区域对应位置处的图像花纹；

将所述子矩形区域中的图像花纹与所述文件夹中的子图像与所述子矩形区域对应位置处的图像花纹进行相似度对比：若图像花纹相似度对比结果大于等于95％，则待验证条烟为真烟，反之，则待验证条烟为假烟。

8.根据权利要求5所述的一种条烟防伪智能查询方法，其特征在于，所述对所述子图像进行预处理，包括：采用灰度化、二值化、倾斜检测与矫正、行切分、列切分、平滑处理以及规范化处理，对所述子图像进行处理；

所述倾斜检测与矫正包括：

将所述子图像中的字符连通域的中心点作为特征点，利用所述条烟编码基准线上点的连续性，采用最近邻聚类方法计算得到所述条烟编码基准线与所述条烟的边缘线的夹角；所述夹角即为所述子图像的倾斜角；

旋转所述子图像，使所述子图像的倾斜角变为零；

所述规范化处理包括：

将所述子图像缩小为特定像素值的图像。

9.根据权利要求8所述的一种条烟防伪智能查询方法，其特征在于，采用灰度化对所述子图像进行处理，包括：采用分量法、最大值法、平均值法或加权平均法对所述子图像进行灰度化处理。

10.根据权利要求8所述的一种条烟防伪智能查询方法，其特征在于，所述特定像素值为64。