一种防伪标签及其形成方法、防伪方法和印刷物与流程

1.本发明涉及二维码防伪领域，尤其涉及一种防伪标签及其形成方法、防伪方法和印刷物。


背景技术：

2.二维码已经在我们的日常生活中得到了广泛使用。现行二维码本身易被仿制，防伪能力不高。一些带有防伪功能的二维码只是简单将二维码和防伪图形拼合在一起，没有实现二维码和防伪图形的深度融合。同时二维码使用过程中，需要利用智能设备对二维码的防伪图形进行自动识别，其防伪图形越精细，防伪效果就越好，但对采集的图像清晰度及畸变等的要求就越高，这就导致了用户使用时识别困难及应用场景受限的情况非常普遍。例如瓶盖等商品封口处是应用防伪标签的最好位置，但这些地方多为不规则面、曲面等，采集的图像必然存在畸变及清晰度问题，导致现有二维码难以被识别，限制了纹理防伪技术在曲面上的应用。


技术实现要素：

3.为解决上述技术问题，本发明提供了一种防伪标签及其形成方法、防伪方法和印刷物。
4.第一方面，本发明实施例提供了一种防伪标签，包括功能图形和带有随机纹理的编码区域，所述功能图形包括至少一个用于畸变和/或清晰度判断的校量图形；所述编码区域中每个码元的预设采样点处设有二进制编码信息，每个所述码元的非预设采样点处设有随机纹理图像。
5.本发明具有以下有益效果：本发明设计了一种防伪标签，在二维码最基础的码元层面上实现了二维码与防伪图形的一体化，每一个码元既包含有二进制编码信息，又包含有防伪纹理信息，从而提高了现有二维码的防伪效果；同时通过设置校量图形在防伪验证前先进行防伪标签的畸变和清晰度判断，避免了清晰度不足或者畸变导致防伪标签无法识别的情况，提高了防伪标签的验证识别效率。
6.进一步的，所述校量图形由至少一组测量单元组成，每组测量单元包括一对相邻且宽度相同的黑白图案，相邻两组测量单元的黑白图案交替且同心分布。
7.进一步的，当所述校量图形包括多组测量单元时，不同测量单元的黑白图案的宽度不同。
8.进一步的，所有测量单元中黑白图案的宽度最大值为所述码元的宽度，所述测量单元中黑白图案的宽度最小值为所采用印刷设备的最小印刷宽度。
9.进一步的，所述校量图形包括同心圆、同心半圆、同心扇形、同心正方形、同心矩形以及同心多边形的一个或者多个。
10.进一步的，所述校量图形设置在所述防伪标签的中心位置和/或所述校量图形设
置在所述防伪标签的边缘位置。
11.第二方面，本发明提供了一种印刷物，所述印刷物上印刷有以上任一所述防伪标签。
12.第三方面，本发明提供了一种以上所述防伪标签的形成方法，包括以下步骤：步骤11，将目标信息按照二维码编码规则转换为目标码字序列；步骤12，预制包括功能图形的二维码数组，并在所述二维码数组中设置编码区域，所述功能图形包括至少一个用于畸变和/或清晰度判断的校量图形；步骤13，根据预设采样点确定所述编码区域中每个码元的信息绘制位置；步骤14，根据所述目标码字序列在所述编码区域中每个码元的信息绘制位置进行颜色填充，并在每个码元的非预设采样点处形成随机纹理图像。
13.第四方面，本发明提供了一种以上所述防伪标签的防伪方法，包括以下步骤：步骤21，印刷生产防伪标签时，采集所述防伪标签的第一图像，并提取所述第一图像的校量图形；步骤22，检测所述校量图形的清晰度，当所述清晰度满足预设条件时，提取所述第一图像的二进制编码信息；步骤23，当所述二进制编码信息与所述防伪标签对应的目标码字序列一致时，保存所述校量图形的清晰度作为目标清晰度，提取并保存所述防伪标签的随机纹理图像中特征点信息作为纹理样本特征；步骤24，采集待鉴别防伪标签的第二图像，识别所述第二图像的校量图形，并以所述校量图形为基点将所述待鉴别防伪标签划分为多个区域；步骤25，检测每个区域对应校量图形的清晰度，并与所述目标清晰度进行比较，根据比较结果调整采集装置的位置和角度，直至每个区域的校量图形均达到预设清晰度合格条件；步骤26，提取所述待鉴别防伪标签中特征点的实际随机纹理图像特征，将所述实际随机纹理图像特征与对应的纹理样本特征进行匹配，根据匹配结果验证所述防伪标签的真伪。
14.进一步的，所述待鉴别防伪标签中校量图形包括第一测量单元和第二测量单元，所述第一测量单元中黑白图案的宽度大于所述第二测量单元中黑白图案的宽度；所述清晰度包括对比度和分辨率，通过各个区域对应校量图形中任一径向上所述第一测量单元的亮度比值表征所述校量图形的对比度；通过各个区域对应校量图形中任一径向上所述第二测量单元的亮度比值表征所述校量图形的分辨率。
15.为使发明的上述目的、特征和优点能更明显易懂，下文特举本发明较佳实施例，并配合所附附图，作详细说明如下。
附图说明
16.图1为传统二维码的示意图；图2为实施例1提供的一种防伪标签的示意图；图3为实施例2提供的一种防伪标签的形成方法的流程示意图；图4为实施例2提供的防伪标签的内部结构示意图；
图5为实施例3提供的一种利用防伪标签的防伪方法的流程示意图；图6为实施例3提供的防伪方法中区域划分以及径向示意图。
具体实施方式
17.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透切理解本发明。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
18.为了便于理解，先对传统的二维码（如快速响应quick response，qr码）进行介绍。
19.传统的二维码一般设置在一块二维的矩形区域中，并由许多小的基本单元拼接而成。该小的基本单元称为二维码的码元。码元是形成二维码的基本单元，二维码一般由许多码元拼接或聚集而成。
20.常见的码元形状为正方形，且采用黑白进行着色，但需要说明的是，本发明实施例不限于此。例如，码元的形状可以是正方形，圆形，圆角方形，或以上形状的组合。码元的颜色例如可以是黑色和白色的组合，其中黑色表示二进制的1，白色表示二进制的0。或者，码元的颜色可以是红色和白色的组合，红色表示二进制的1，白色表示二进制的0。当然，二维码还可以采用其他颜色组合，只要该颜色组合能够被机器识别和区分即可。
21.传统的二维码包含多个版本（version），不同版本的二维码对应的码元数量不同。因此，不同版本的二维码的信息容量也不同。例如，版本1的二维码包含21
×
21个码元，版本2的二维码包含25
×
25个码元，依次类推，版本40的二维码包含177
×
177个码元。版本越高，二维码包含的码元数量越多，二维码能够容纳的信息也就相应越多。
22.图1为传统qr二维码的结构图，如图1所示，传统qr二维码包括功能图形和编码区域7，编码区域7四周存在空白区3。功能图形又包括位置探测图形5、定位图形4、校正图形6等。位置探测图形5可用于确定二维码的方向。传统二维码一般包括3个位置探测图形，分别分布在二维码的左上角、右上角和左下角。位置探测图形一般是具有固定比例的图案，如图1所示，为黑白相间的“回”形图案，黑白码元的比例为1:1:3:1:1，在扫描二维码的过程中，一般会先基于该固定比例搜寻二维码的位置探测图形，从而确定二维码的方向。
23.如图1所示，传统qr二维码的定位图形4包括水平定位图形和垂直定位图形，其分别为一个模块宽的一行和一列，由深色与浅色模块交替组成，其开始和结尾都是深色模块。通常水平定位图形和垂直定位图形分别位于第6行和第6列（行、列由0开始计数），并且避开位置探测图形。它们的作用是确定符号的密度和版本，提供决定模块坐标的基准位置，帮助对齐。
24.如图1所示，传统qr二维码还可以包括一个或多个校正图形6，校正图形也称为辅助定位图形。需要说明的是，并非所有版本的二维码均需要设置校正图形，一般版本2以上的二维码才会设置校正图形。校正图形主要用于确定二维码是否被折叠、扭曲，并在二维码被折叠或扭曲的情况下对二维码进行校正。
25.传统qr二维码的编码区域7主要用于存储二维码的规格信息和码字。规格信息可以包括如图1所示的格式信息8和版本信息9中的至少一种。规格信息的种类主要取决于二维码的版本，不同版本的二维码可以配置不同种类的规格信息。以规格信息包括格式信息8
和版本信息9为例，格式信息和版本信息一般存储在如图1所示的矩形区域中。二维码的版本信息可用于指示二维码的尺寸（或二维码的码元数量）。二维码的格式信息一般用于存储一些格式化数据，如二维码的纠错级别和掩码信息。继续参见图1，图1的灰色区域中的码元主要用于记录或存储码字（code word）。码字是对目标信息进行二进制编码后得到的比特序列，码字可以包括数据码（data code），还可以包括纠错码（error correction code）。二维码的常见编码方式包括数字编码、字符编码等。纠错码一般是基于选取的纠错级别，通过如里德-所罗门等纠错算法计算得到的。
26.在确定二维码的版本信息、格式信息、码字之后，可以按照预设的规则，对编码区域中的码元进行颜色填充，途中如果遇到位置探测图形、定位图形、校正图形等功能图形的码元，绕开或跳过即可。其他方案中还可以使用预设的掩码图案（mask pattern）对填充好的二维码图案进行加掩（masking），使得最终呈现的二维码图案的颜色分布更加均匀。
27.图2为本发明一个实施例提供的防伪标签的示意图，如图2所示，该防伪标签遵循qr码国标，将防伪标签划分为若干单元网格，每一个网格为一个码元，即该防伪标签也包括功能图形和编码区域7，编码区域7四周存在空白区3。与普通二维码码元不同的是，本实施例中编码区域的每个码元不仅包含二进制数据信息还包括用于防伪的随机纹理信息。具体来说，每个码元的预设采样点处设有二进制编码信息，且每个码元的剩余位置，即非预设采样点处设有用于防伪的随机纹理图像。同时，本实施例防伪标签的功能图形除了以上所述的位置探测图形5、定位图形4和校正图形6，还包括至少一个用于防伪过程中畸变和/或清晰度判断的校量图形，如图2所示，包括第一校量图形2和第二校量图形1，通过以上功能图形构成了一个包含定位、对齐、畸变、清晰度的参照系，采集设备通过检测采集到的防伪标签图像中这个参照系可以得到关于采集图像的位置、畸变、清晰度等信息，并据此判断采集的图像是否合标。
28.为了进行畸变和/或清晰度判断，校量图形一般由多组高灰度和低灰度（以下为表述方便以黑色指代低灰度0，以白色指代高灰度255）相间的同心图案组成，比如同心圆、同心半圆、同心扇形、同心正方形以及同心多边形等等，一个防伪标签中可以包含不同同心图案的多个校量图形，且校量图形分布在防伪标签编码区域内部的不同位置或者编码区域的边缘。图2以同心圆和同心正方形进行了展示说明，该同心圆的校量图形设置在防伪标签的中心位置，与该位置的编码区域存在重叠，而同心正方形的校量图形设置在防伪标签的边缘位置，当然在其他实施例中校量图形也可以采用其他个数或者形状。
29.同时，每个校量图形可以包括一组或者多组测量单元，每组测量单元包括一对相邻且宽度相同的黑白同心图案，而相邻两组测量单元的黑白同心图案交替且同心分布。比如如图2所示，该防伪标签包括位于中心位置的同心圆形状的第一校量图形，以及位于边缘位置的同心正方形形状的第二校量图形，第一校量图形2包括一组测量单元如2a、2b所示，第二校量图形1包括一组测量单元如1a、1b所示。一个校量图形中多组测量单元的宽度可以各不相同，且校量图形颜色顺序可以是黑白黑白顺序或白黑白黑顺序，但一定是两两相间，即黑白交替分布。
30.如上所述，设置校量图形主要是为了起到畸变及清晰度标示作用。具体来说，正常情况下校量图形的中心到各测量单元中黑色图案任一边缘点的距离应该相等或者校量图形的中心到各测量单元中白色图案任一边缘点的距离应该相等，发生形变后中心到边缘各
处的距离就会改变。
31.首先在印刷生产该防伪标签时，通过读取该防伪标签的二进制编码数据可以获得校量图形的形状、大小、位置、数量等设计信息，从而计算出校量图形任意边缘点到中心点的距离，将该距离作为畸变验证距离。然后采集待鉴别防伪标签的图像，识别该图像的校量图形，并检测校量图形任一边缘点到中心点的实际距离，计算实际距离和畸变验证距离的差值就可以判断防伪标签的畸变大小及方向。
32.同时，通过该校量图形还可以进行防伪标签的清晰度检测。现有技术以qr码为代表的各种数据编码图形，随着版本的演进，单位面积内的数据密度越来越高，为了能准确解码，对采集图像的清晰度要求也随之提高。现行的各种数据编码图形大都是通过各种图像算法来还原图像清晰度，纹理越精细防伪效果就越好，但随之对采集的图像的清晰度要求就越高，现行的各种纹理防伪技术都是通过各种图像算法来还原图像清晰度，但算法校正都有极限值，而本实施例通过在功能图形中设置具有清晰度指示功能的校量图形，在采集图像时通过检测、计算这个校量图形的清晰度值来评估采集到防伪标签图像的清晰度，使采集到的防伪标签图像符合算法对图像清晰度的要求。具体的通过以上校量图形对防伪标签进行清晰度检测，并在清晰度检测后进行随机纹理比对的防伪方法在以下实施例中进行详细说明，这里不再展开。
33.在一个优选实施例中，可以根据防伪过程中清晰度采样的精度要求来设置校量图形的个数、位置以及测量单元中黑白图案的宽度。具体来说，当清晰度采样要求不高时，即常规使用情况下，如图2所示，在防伪标签的中心设置圆形校量图形，该校量图形大小为5*5网格单元，且在防伪标签的边缘设置多边形校量图形，比如矩形校量图形。当然，校量图形的位置、大小、数量不限于以上，也可根据实际情况自行设定。
34.而对于测量单元中黑白图案的宽度，也可以根据防伪要求来进行设定。不同产品对防伪的要求不一样，防伪图案的大小、形状、纹理粗细也会相应不同，硬性规定测量单元的宽度反而难以达到预期效果。合理的方式是根据实际使用情况在一个区间值范围内选择合适的黑白图案宽度。具体来说，不论是人造纹理还是天然纹理都是由线条、点和块组成，这些线条、点和块都具有一定宽度。从制作纹理的角度看，线条宽度越细、越密的纹理越难制作。换个角度理解，纹理越细越密伪造难度就越高，伪造成本就越高。为了提高防伪效果和检测效率，校量图形的宽度选取有一个宽度区间限制，即最大宽度不能超过码元宽度，否则会影响二进制信息读取；最小宽度不能小于印刷设备的最高分辨率，即最小印刷宽度。例如300dpi的打印机理论只能打印最细0.08毫米的线宽，再细就打印不了了。
35.在实际防伪应用中，是根据客户对防伪精度要求选取校量图形宽度范围内某一段宽度的线条的形状特征进行检测，因此还可以在上述校量图形宽度范围内，根据防伪精度要求设置更加合适的校量图形宽度。具体包括以下步骤：首先，建立映射关系表，所述映射关系表包括不同防伪等级与检测线宽的对应关系。比如一个实施例选择1200dpi打印机，因为1200dpi打印机的极限细度为0.02，因此将0.02-1毫米分为10个从高到低的防伪等级供厂家选择。当然在其他实施例中也可根据厂家要求设置防伪等级和对应的检测线宽。
36.然后，获取目标防伪等级，并查询所述映射关系表，获取所述目标防伪等级对应的检测线宽。比如用户选择了目标防伪等级为5级，查询映射关系表后得到对应的检测线宽为
0.49毫米。
37.最后，将所述检测线宽按照预设比例缩小和放大，形成校量图形的目标宽度范围。比如左右区间值缩放1/2得到校量图形的宽度范围，当检测线宽为0.49毫米时，得到的校量图形宽度范围为0.25毫米和0.74毫米，从而可以在这个宽度范围内制作校量图形。
38.本发明第二个实施例提供了一种印刷物，该印刷物上印刷有上文中描述的防伪标签。本发明实施例对印刷物的材质以及印刷技术不做具体限定。举例说明，印刷物的材质可以是纸、塑料和金属中的一种或多种。印刷物可以采用油印、铅印、胶印等印刷技术中的一种或多种进行印刷。
39.本发明实施例2提供了一种以上所述防伪标签的形成方法，如图3所示，包括以下步骤：步骤11，将目标信息按照二维码编码规则转换为目标码字序列。具体的编码方法在现有技术中有详细记载，本实施例不进行说明。
40.步骤12，预制包括功能图形的二维码数组，并在所述二维码数组中设置编码区域，所述功能图形包括至少一个用于畸变和/或清晰度判断的校量图形。上述步骤中，将以上所述各种功能图形，比如寻位图形、定位图形、校正图形以及校量图形都绘制到二维码数组中，然后绘制版本信息和格式信息。
41.步骤13，根据预设采样点确定所述编码区域中每个码元的信息绘制位置。具体来说，二维码解码软件在解码时为了提高解码速度，可以在网格内某几个点采样，而不是读取整个网格，即整个码元所有的点，因此在形成防伪标签时，也可以根据预设采样点确定每个码元的信息绘制位置，从而只在该信息绘制位置绘制二进制数据信息。对于这里预设采样点的个数、大小和位置，二维码国标上没有规定，因此可以在码元的中心点采样，也可根据需要安排采样点，例如一实施例中可以采用三点采样，即在每个码元中设置三个预设采样点，比如在码元的左上1/3处，中心处，右下1/3处分别设置一个预设采样点。
42.然后执行步骤14，根据所述目标码字序列在所述编码区域中每个码元的信息绘制位置处进行颜色填充，并在每个码元的剩余位置，即非预设采样点处形成随机纹理图像。具体来说，本方案先将希望被扫码显示的信息根据二维码编码规则转换为目标码字序列，成为一个个码元，再根据解码软件的采样点信息，在每个码元内相应的位置，即采样点位置设置二进制数据信息（深色和浅色的点），在码元内其他位置通过随机函数，并利用油墨的随机浸润扩散制作随机纹理，这样在一个码元内即包含二进制编码信息也包含随机防伪纹理信息，实现了防伪和二维码的融合一体化，如图4所示。同时采用这种方案形成的随机纹理所包含的线条宽度、长度不一，且跨度很大，可以从微米级到毫米级，因此难以复制。
43.优选实施例还提供了两种形成以上随机纹理的具体方法，一种是首先生成一个点状二维码，根据二维码图像的大小，利用随机函数生成一个相应大小的纹理图像，然后将二维码图像叠加在纹理图像上形成所述防伪标签。
44.另一种是以一个码元的边缘及其中预设采样点的边缘为界，在这个区域中从采样点的边缘开始用随机函数随机勾画黑白图案，直到填满这个区域。如果这个预设采样点是白点，则随机值偏向取白色值，反之亦然。这种方式形成的随机纹理比较自然，不会出现一片黑色中突然出现一个白点的现象。
45.在实际应用中，还可以将上述两种方案进行组合，即首先采用第一种方案做出初
图，再利用第二种方案对预设采样点周边的随机纹理图像进行修正，从而兼顾了效率和美观自然。
46.本发明实施例3提供了一种利用以上所述防伪标签的防伪方法，如图5所示，包括以下步骤：步骤21，印刷生产防伪标签时，通过采集设备采集所述防伪标签的第一图像，并提取所述第一图像的校量图形。在根据厂家要求设计制作防伪标签时，校量图形的形状、大小、坐标位置等都会被记录到远端网络数据库，并生成一个索引序号，同时对应随机纹理数据也会存在这个索引序号之下，而这个索引序号也会被写入防伪标签中的二进制编码信息中。读取所述防伪标签的第一图像时，先读取其二进制编码信息，从而获得索引序号，根据索引序号调用远端网络数据库的相应记录，再据此调用图形识别算法提取第一图像中的校量图形。
47.步骤22，采集设备检测所述校量图形的清晰度，当所述清晰度满足预设条件时，提取所述第一图像的二进制编码信息。
48.具体来说，对一组宽度相同、紧密相邻、灰度反差较大的图形进行光学成像后，可以将像和原图进行比较，此时明暗发生了变化，亮的部分变暗，暗的部分变亮，整个图像变灰，因此通过检测成像的亮度并与原图的亮度进行比较就能判断出成像清晰度状况。而光学成像中，清晰度通过对比度和分辨率进行衡量。本实施例中，校量图形设置了黑白图案宽度不同的各个测量单元，其中校量图形中黑白图案宽度大的测量单元因为黑白对比更加强烈因此用来指示对比度，黑白图案宽度小的测量单元可以看到细节表现因此用来指示分辨率，具体来说，检测黑白图案宽度大的测量单元的亮度比值来判定该校量图形的对比度，检测黑白图案宽度小的测量单元的亮度比值来判定该校量图形的分辨率。
49.这里，清晰度值是由任一校量图形中至少一个径向上的一个测量单元的亮度比值来表征的。径向是一种虚拟射线，用来描述清晰度采样点的位置和指向信息。本实施例中存在两种描述表达，第一种是校量图形采用同心圆形图案，此时以校量图形的圆心为原点，建立一个与网格坐标系uv平行的xy虚拟坐标系，由原点指向校量图形边缘方向的一条虚拟射线称为径向，描述方式是与x轴的夹角，即某个角度径向或某个弧度径向，例如30度径向指一条与x轴成30度夹角的虚拟射线。第二中是校量图形采用同心正方形图案，且该校量图形设置在边缘时，该径向方向由校量图形中位于网格平面外侧的点指向网格平面中心，并以此点在uv坐标系中的坐标值表示，如图6所示。
50.然后计算任一径向的一个测量单元的亮度比值，该亮度比值的计算方式为：v
a-vb/va vb，其中，va是任一径向的一组测量单元中黑白图案的最高亮度，vb是该测量单元中黑白图案的最低亮度。这里径向方法的引入提高了单位面积的数据采集密度，提供了更多扩展功能，例如通过采集不同径向的清晰度值结合特定ai算法，可以间接分析出图像噪声、采集环境的光照情况等数据。以上实施例中通过计算出的亮度比值来衡量清晰度，当该亮度比值达到预设值时即满足清晰度条件，然后再提取所述第一图像的二进制编码信息。
51.然后执行步骤23，判断所述二进制编码信息与所述防伪标签对应的目标码字序列是否一致，若一致，则表示印刷出的二维码信息是正确的，此时保存所述校量图形的清晰度，作为目标清晰度（即目标亮度比值），提取并保存所述防伪标签中检测范围内随机纹理图像的特征点信息，比如角点、边缘等特征点的纹理图像作为纹理样本特征，具体可以将该
目标清晰度和纹理样本特征在云端数据库进行保存。
52.然后用户需要扫描该防伪标签时，该防伪标签即成为待鉴别防伪标签。此时，执行步骤24，通过采集装置采集待鉴别防伪标签的第二图像，采集装置先以常规读取二维码的方式读取该待鉴别防伪标签的二进制编码信息，并获取其中校量图形的相关设计信息，再对该第二图像进行预处理后识别所述第二图像的校量图形，并以所述校量图形为基点将所述待鉴别防伪标签划分为多个区域，如图6所示，以位于中心的圆形校量图形将待鉴别防伪标签划分为相等的4个区域。若识别出第二图像中存在多个校量图形时，以与x轴平行的横线、与y轴平行的竖线连接各个校量图形的中心点，从而将该待鉴别防伪标签划分为多个区域。
53.步骤25，检测每个区域对应的校量图形的清晰度，并与所述目标清晰度进行比较，根据比较结果调整采集装置的位置和角度，直至达到预设清晰度合格条件。这里每个区域的数据独立且每个区域都具有对应的部分校量图形，从而通过检测该部分校量图形的畸变和清晰度衡量该区域的畸变和清晰度。
54.计算校量图形畸变和清晰度的方法以上以有详细说明，在此不再展开，以图6为例，可以检测c1、c2、s1、s2、s3、s4六条径向上的亮度比值，然后将该亮度比值分别与云端数据库中保存的目标亮度比值进行比较，若符合算法对图像畸变及清晰度的要求，则保存符合的区块图像，并用另一线程进行随机纹理的比对判断。然后计算不合格区块图像的清晰度偏差值，并据此引导用户调整采集装置的位置和角度，直到各区块的清晰度和图像畸变都采集合格。优选实施例中，因为在生产过程采样时，光照、采集角度等处在可控的优化状态，因此可以选择任一径向上的一个测量单元的亮度比值来作为目标亮度比值，也可以计算多条径向上测量单元的亮度比值的均值作为目标亮度比值。还可以先将防伪标签划分为不同区块，分别计算不同区块对应校量图形的目标亮度比值，例如校量图形中2b组测量单元的亮度比值的均值为0.8，c1\c2径向上的2b组采样值就与0.8比较。
55.一个优选实施例中，先记录下当前采集设备的陀螺仪信息，将采集到的校量图形与标准校量图形比较就能得出畸变方向和程度，通过在采集的不同校量图形的不同点上的采样、检测（如c1\s1等点）可以获知整个防伪标签的清晰度分布、光照分布，通过这些数据估算大概移动的角度、方向。在采集设备移动到所估算位置后，再记录下采集设备的陀螺仪信息，通过重复上述步骤，得出下一次的调整方向，并利用两次陀螺仪的记录差校正方向，直到各区块的清晰度和图像畸变都采集合格。
56.最后执行步骤26，提取所述待鉴别防伪标签中所述特征点的实际随机纹理图像特征，将所述实际随机纹理图像特征与所述纹理样本特征进行匹配，根据匹配结果验证所述防伪标签的真伪。具体实施例中，根据防伪精度设置特征点的采集个数n以及阈值t，例如本实施例中n取值40，t取值0.5，即在4个区块中各随机采样10个特征点，根据这些特征点的坐标值获取云端所保存的对应特征点的纹理样本特征，如有20个以上相符匹配成功，即计算实际阈值即t=20/40不小于0.5，即可判断所述防伪标签为真。若没有采集完所有区块，而特征点符合数已达到或超过20个，就停止采集，并判为真。
57.本发明设计了一种防伪标签及其形成方法、防伪方法和印刷物，在二维码最基础的码元层面上实现了二维码与防伪图形的一体化，每一个码元既包含有二进制编码信息，又包含有防伪纹理信息，从而提高了现有二维码的防伪效果；同时通过设置校量图形在防
伪验证前先进行防伪标签的畸变和清晰度判断，避免了清晰度不足或者畸变导致防伪标签无法识别的情况，提高了防伪标签的验证识别效率。
58.读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
59.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
60.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
61.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
62.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
63.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-onlymemory）、随机存取存储器（ram，randomaccessmemory）、磁碟或者光盘等各种可以存储程序代码的介质。
64.以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。