【图像处理】条形码与二维码的定位与识别

代码实现简单环境下的条形码与二维码的定位与识别：

原图：

#include<iostream>
#include<opencv2\opencv.hpp>
#include<zbar.h>using namespace std;
using namespace cv;
using namespace zbar;//寻找最大的轮廓
static vector<cv::Point> FindBiggestContour(Mat src)
{int imax = 0; //代表最大轮廓的序号int imaxcontour = -1; //代表最大轮廓的大小std::vector<std::vector<cv::Point>>contours;findContours(src, contours, RETR_LIST, CHAIN_APPROX_SIMPLE);for (int i = 0; i<contours.size(); i++){int itmp = contourArea(contours[i]);//这里采用的是轮廓大小if (imaxcontour < itmp){imax = i;imaxcontour = itmp;}}return contours[imax];
}//获取二维码
void detect_decode_qrcode()
{Mat img = imread("barcode_qrcode.jpg");if (img.empty()){cout << "reading images fails" << endl;}//灰度化Mat img_gray, img_bin;cvtColor(img, img_gray, COLOR_BGR2GRAY);threshold(img_gray, img_bin, 100, 255, THRESH_OTSU | THRESH_BINARY_INV);  //THRESH_BINARY_INV  二值化取反                        vector<vector<Point>> contours, contours2; //找轮廓  找到的轮廓按照树的方式排列vector<Vec4i> hierarchy;findContours(img_bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);int c = 0, ic = 0, area = 0;int parentIdx = -1;for (int i = 0; i < contours.size(); i++){                                          //遍历所有的大轮廓                                  if (hierarchy[i][2] != -1 && ic == 0)  //如果 这个大轮廓没有父轮廓 hierarchy[i][2] != -1 说明他是存在子轮廓的{parentIdx = i;ic++;}else if (hierarchy[i][2] != -1){ic++;}//最外面的清0else if (hierarchy[i][2] == -1){ic = 0;parentIdx = -1;}//找到定位点信息if (ic == 2){contours2.push_back(contours[parentIdx]);ic = 0;parentIdx = -1;}}//二维码中间是应该有三个特征轮廓的，如果等于3 那么就认为它是有二维码的if (contours2.size() != 3){printf("finding 3 rects fails \n");}//把二维码最外面的轮廓构造成一个新的点集Rect new_rect;vector<Point> all_points;for (int i = 0; i < contours2.size(); i++){for (int j = 0; j < contours2[i].size(); j++)all_points.push_back(contours2[i][j]);}new_rect = boundingRect(all_points);  //根据二维码构成得点集，找到一个最小的外包所有点集 的矩形//  Rect rect(230, 5, 280, 290);//左上坐标（x,y）和矩形的长(x)宽(y)//  cv::rectangle(src, rect, Scalar(255, 0, 0),1, LINE_8,0);rectangle(img, new_rect, Scalar(0, 0, 255), 8, 0);Mat result_img = img_gray(new_rect);   //将找到的矩形 放进灰度图中，这样图片就可以根据矩形切割出来了ImageScanner scanner;scanner.set_config(ZBAR_QRCODE, ZBAR_CFG_ENABLE, 1);int width = result_img.step;  //因为这一小部分是截取出来的int height = result_img.rows;uchar *raw = (uchar *)result_img.data;Image imageZbar(width, height, "Y800", raw, width * height);scanner.scan(imageZbar);Image::SymbolIterator symbol = imageZbar.symbol_begin();if (imageZbar.symbol_begin() == imageZbar.symbol_end()){cout << "查询二维码失败，请检查图片！" << endl;}for (; symbol != imageZbar.symbol_end(); ++symbol){cout << "类型：" << endl << symbol->get_type_name() << endl << endl;cout << "二维码：" << endl << symbol->get_data() << endl << endl;}imageZbar.set_data(NULL, 0);//imshow("mat",img);imshow("mat1", result_img);
}//获取条形码
void detect_decode_barcode()
{Mat src = imread("barcode_qrcode.jpg");if (src.empty()){cout << "reading images fails" << endl;}Mat sobel;Mat canny;Mat canny_output;//1、//灰度化Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY); //2、二值化//Canny(gray, canny, 100, 255);Mat bin;threshold(gray, bin, 0, 255, THRESH_OTSU | THRESH_BINARY_INV);//3、形态学滤波Mat element = getStructuringElement(MORPH_ELLIPSE, Size(12, 2));morphologyEx(bin, bin, MORPH_DILATE, element); //形态学滤波  找到条形码 大白//morphologyEx(canny, canny, MORPH_ERODE, element);//4、寻找最大的轮廓Rect boundRect = boundingRect(Mat(FindBiggestContour(bin)));Mat result_img = gray(boundRect);imshow("mat2", result_img);ImageScanner scanner;scanner.set_config(ZBAR_NONE, ZBAR_CFG_ENABLE, 1);int width = result_img.step;int height = result_img.rows;uchar *raw = (uchar *)result_img.data;Image imageZbar(width, height, "Y800", raw, width * height);scanner.scan(imageZbar); //扫描条码      Image::SymbolIterator symbol = imageZbar.symbol_begin();if (imageZbar.symbol_begin() == imageZbar.symbol_end()){cout << "查询条码失败，请检查图片！" << endl;}for (; symbol != imageZbar.symbol_end(); ++symbol){cout << "类型：" << endl << symbol->get_type_name() << endl << endl;cout << "条码：" << endl << symbol->get_data() << endl << endl;}imageZbar.set_data(NULL, 0);
}
//主函数
int main()
{detect_decode_qrcode(); detect_decode_barcode();waitKey(0);return 0;
}

检测结果图：

调用Zbar库函数，识别分割出来的二维码与条形码

【图像处理】条形码与二维码的定位与识别相关推荐

python二维码特征定位与识别
python二维码特征定位与识别 1. 项目背景 2.引入相关库 3. 图像预处理 4. 识别位置探测图像 1. 项目背景在使用手机等移动设备对发票中的二维码进行扫描识别的时候,经常会出现这样的情况 ...
OpenCV4.x图像处理实例-条形码和二维码(QR码)检测
条形码和二维码(QR码)检测文章目录条形码和二维码(QR码)检测 1.实例介绍 2.静态图像检测解码 3.视频流检测解码 1.实例介绍条形码和二维码在日常生活中广泛应用.本次实例将详细介绍如何从 ...
条形码、二维码扫一扫和生成二维码采用ZXing3.0开源库在android studio中实现
在开始之前先给各位上个运行效果图二维码QRcode全称Quick Response Code 通过在一个矩形区域内使用黑白像素来进行编码高纠错性.高可用性.高识别性四周面有3个大的方框和一个小的 ...
2021SC@SDUSC-Zxing（十一）：二维码的定位（Detector）及位置校正有关算法介绍
2021SC@SDUSC 文章目录一.对前面博客内容的总结二.对后面博客思路的介绍三.Detector 一.Detector所在目录介绍二.定位流程三.相关算法查找定位点算法二维码校正算 ...
条形码、二维码、RFID优缺点，卫星定位，传感器分类及应用场景
条形码.二维码.RFID,以及三者优缺点条形码的身影各个商品的背后随处可见,在我们的生活中应用十分普遍,由黑白相间的条纹组成的图形,其中黑色部分称为"条"白色的称为"空 ...
Opencv+ZBar识别条形码、二维码
文章目录 Opencv识别条形码.二维码 1.ZBar环境配置 2.一维码(条形码)识别 3. 二维码的识别 4. Opencv识别二维码结束 Opencv识别条形码.二维码最近的一次作业,恰好之 ...
【MaixPY 教程】用mixly玩转k210——条形码、二维码、AprilTag识别
[MaixPY 教程]用mixly玩转k210--条形码.二维码.AprilTag识别 [MaixPy系列教程:] [MaixPy教程]用maixHub训练模型进行开源硬件识别 [MaixPy 教程] ...
基于opencv3.0和zbar下条形码和二维码的识别与解码
其中对条码与二维码的识别分为以下4个步骤 1. 利用opencv和Zbar(或者Zxing)对标准的条形码图片(即没有多余背景干扰,且图片没有倾斜)进行解码,将解码信息显示出来,并与原始信息对比. 2 ...
C#利用ZXing.Net生成条形码，二维码和带Logo的二维码
本文是利用ZXing.Net在WinForm中生成条形码,二维码的小例子,仅供学习分享使用,如有不足之处,还请指正. 什么是ZXing.Net? ZXing是一个开放源码的,用Java实现的多种格式的 ...

【图像处理】条形码与二维码的定位与识别

【图像处理】条形码与二维码的定位与识别相关推荐

最新文章

热门文章