1.一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，具体步骤如下：步骤1，首先根据二维随机码的位置区域对数据库中的原图像进行裁剪；

步骤2，将经步骤1裁剪后的原图像转为灰度空间图像；

步骤3，将经步骤2得到的灰度空间图像进行角点检测，得到灰度空间图像的角点位置图；

步骤4，将经步骤3得到的灰度空间图像的角点位置图进行二值化处理，标记灰度空间图像中的角点位置区域；

步骤5，将经步骤4处理后的二值化的角点位置图像进行四个方向的遍历，得到灰度空间图像中二维随机码的准确像素位置；

步骤6，利用经步骤5得到的二维随机码的准确像素位置对数据库中的原始图像进行处理，提取二维随机码部分进行输出即可获得完整的二维随机码。

2.根据权利要求1所述的一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，所述步骤1具体为：根据原图像中二维随机码的位置区域，将原图像分割为二维随机码区域和冗余信息区域，然后裁去冗余信息区域，保留二维随机码区域和空白背景。

3.根据权利要求1所述的一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，所述步骤2具体为：采用加权平均法对原图像进行灰度转化，以R、G、B为轴建立空间直角坐标系，RGB图的每个象素的颜色可以用该三维空间的一个点来表示，灰度图像的每个象素的颜色可以用直线R＝G＝B上的一个点来表示，原图像的灰度表示如下式：Gray＝0.29900*R+0.58700*G+0.11400*B   (1)

4.根据权利要求1所述的一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，所述步骤3具体为：步骤3.1，利用Soble算子计算出经步骤2转化的灰度图像在X、Y方向的梯度值：式中，Ix，Iy为灰度图像在x和y两个方向的梯度值；

步骤3.2，设定一个窗口，让窗口在步骤2得到的灰度图像上进行任意方向上的滑动，比较滑动前与滑动后窗口中的像素灰度变化程度结合步骤3.1得到的灰度图像在x和y两个方向的梯度值Ix，Iy来判断角点的位置，得到灰度图像梯度的协方差矩阵M：式中，(x,y)是窗口内所对应的像素坐标位置，w(x,y)是窗口函数；

步骤3.3，根据经步骤3.2得到的协方差矩阵M定义角点响应函数R，判定R大小来判断像素是否为角点，故角点响应函数R为：2

R＝det M‑k(traceM)   (5)

det M＝λ1λ2   (6)

traceM＝λ1+λ2   (7)

式中，λ1和λ2为矩阵M的特征值，k的取值为0.04≤k≤0.06；

将计算得到的R值与现有设定的阈值进行比较判断，滤除非角点的区域，得到灰度图像的角点位置图。

5.根据权利要求4所述的一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，所述步骤3.2具体包括：当窗口发生移动时，滑动前与滑动后对应的窗口中的像素点灰度变化描述如下式：式中，[u,v]是窗口的偏移量，(x,y)是窗口内所对应的像素坐标位置，w(x,y)是窗口函数；

对E(u,v)公式使用泰勒公式进一步简化，可以得到简化后的公式为：式中矩阵M为：

6.根据权利要求5所述的一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，所述步骤4具体为：将经步骤3得到的灰度图像的角点位置图进行二值化处理时，首先计算灰度图像中像素点的二值化阈值，然后计算以任一灰度图像像素点为中心的n*n大小的区域内像素点的灰度均值m和标准差s，灰度均值m和标准差s的计算公式如下：式中，x和y分别是灰度图像中的像素坐标；

然后根据灰度均值m和标准差s计算得到灰度图像像素点的二值化阈值T，计算公式为:式中，x和y分别是灰度图像中的像素坐标，R为所有选取区域中标准差s的最大值，k为修正系数；

最后根据计算得到的二值化阈值T与灰度图像中所有像素点进行对比即可得到二值化图像。

7.根据权利要求6所述的一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，所述二值化阈值T与灰度图像中所有像素点进行对比公式为：式中，x和y分别是灰度图像中的像素坐标，f(i，j)为灰度图像中任意像素点，b(i,j)是最终得到的二值化像素坐标。

8.根据权利要求1所述的一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，所述步骤5具体为：依次对经步骤4得到的二值化的角点位置图像进行四个方向的遍历，取角点阈值数进行遍历，当遍历数值大于取的阈值时输出当前位置，对图像的上下左右四个方向分别进行遍历得到灰度图像中二维随机码的准确像素位置。

9.根据权利要求1所述的一种基于图像识别的二维随机码图像识别与提取方法，其特征在于，所述步骤6具体为：将经步骤5得到的二维随机码像素位置对数据库中的原图像进行处理，取二维随机码的部分位置区域进行输出即可获得完整的二维随机码。