Opencv+Zbar二维码识别（标准条形码/二维码识别）

使用Opencv+Zbar组合可以很容易的识别图片中的二维码，特别是标准的二维码，这里标准指的是二维码成像清晰，图片中二维码的空间占比在40%~100%之间，这样标准的图片，Zbar识别起来很容易，不需要Opencv额外的处理。

下边这个例程演示两者配合对条形码和二维码的识别：

#include "zbar.h"
#include "cv.h"
#include "highgui.h"
#include <iostream>    using namespace std;
using namespace zbar;  //添加zbar名称空间
using namespace cv;    int main(int argc,char*argv[])
{    ImageScanner scanner;    scanner.set_config(ZBAR_NONE, ZBAR_CFG_ENABLE, 1);  Mat image = imread(argv[1]);    Mat imageGray;    cvtColor(image,imageGray,CV_RGB2GRAY);    int width = imageGray.cols;    int height = imageGray.rows;    uchar *raw = (uchar *)imageGray.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;     }    imshow("Source Image",image);      waitKey();  imageZbar.set_data(NULL,0);return 0;
}

条形码：

二维码：

这样“标准的”二维码是Zbar非常拿手的，能准确快速的检测出来，包括在条形码外有部分其他信息的，也是小菜一碟：

Zbar很省心，我们还是可以为它做点什么的，比如在一些情况下，需要把条形码裁剪出来，这就涉及到条形码位置的定位，这篇文章准备记录一下如何定位条形码，在定位之后再把裁剪出来的条形码区域丢给Zbar识别读码。

方法一. 水平、垂直方向投影

#include "zbar.h"
#include "cv.h"
#include "highgui.h"
#include <iostream>    using namespace std;
using namespace zbar;  //添加zbar名称空间
using namespace cv;
//***********************************************
// 函数通过水平和垂直方向投影，找到两个方向上投影的交叉矩形，定位到条形码/二维码
// int threshodValue 投影的最少像素单位
// int binaryzationValue  原图像阈值分割值
//***********************************************
Rect DrawXYProjection(const Mat image,Mat &imageOut,const int threshodValue,const int binaryzationValue);int main(int argc,char*argv[])
{   Mat image = imread(argv[1]);  Mat imageCopy=image.clone();Mat imageGray,imagOut;    cvtColor(image,imageGray,CV_RGB2GRAY);Rect rect(0,0,0,0);rect=   DrawXYProjection(image,imagOut,image.rows/10,100);Mat roi=image(rect);//画出条形码的矩形框rectangle(imageCopy,Point(rect.x,rect.y),Point(rect.x+rect.width,rect.y+rect.height),Scalar(0,0,255),2);imshow("Source Image",image);imshow("水平垂直投影",imagOut);imshow("Output Image",roi);imshow("Source Image Rect",imageCopy);waitKey();   return 0;
}  Rect DrawXYProjection(const Mat image,Mat &imageOut,const int threshodValue,const int binaryzationValue)
{Mat img=image.clone();if(img.channels()>1){cvtColor(img,img,CV_RGB2GRAY);}Mat out(img.size(),img.type(),Scalar(255));imageOut=out;//对每一个传入的图片做灰度归一化，以便使用同一套阈值参数normalize(img,img,0,255,NORM_MINMAX);vector<int> vectorVertical(img.cols,0);for(int i=0;i<img.cols;i++){for(int j=0;j<img.rows;j++){if(img.at<uchar>(j,i)<binaryzationValue){vectorVertical[i]++;}}}//列值归一化int high=img.rows/6;normalize(vectorVertical,vectorVertical,0,high,NORM_MINMAX);for(int i=0;i<img.cols;i++){for(int j=0;j<img.rows;j++){if(vectorVertical[i]>threshodValue){line(imageOut,Point(i,img.rows),Point(i,img.rows-vectorVertical[i]),Scalar(0));}}}//水平投影vector<int> vectorHorizontal(img.rows,0);for(int i=0;i<img.rows;i++){for(int j=0;j<img.cols;j++){if(img.at<uchar>(i,j)<binaryzationValue){vectorHorizontal[i]++;}}}    normalize(vectorHorizontal,vectorHorizontal,0,high,NORM_MINMAX);for(int i=0;i<img.rows;i++){for(int j=0;j<img.cols;j++){if(vectorHorizontal[i]>threshodValue){line(imageOut,Point(img.cols-vectorHorizontal[i],i),Point(img.cols,i),Scalar(0));}}}//找到投影四个角点坐标vector<int>::iterator beginV=vectorVertical.begin();vector<int>::iterator beginH=vectorHorizontal.begin();vector<int>::iterator endV=vectorVertical.end()-1;vector<int>::iterator endH=vectorHorizontal.end()-1;int widthV=0;int widthH=0;int highV=0;int highH=0;while(*beginV<threshodValue){beginV++;widthV++;}while(*endV<threshodValue){endV--;widthH++;}while(*beginH<threshodValue){beginH++;highV++;}while(*endH<threshodValue){endH--;highH++;}//投影矩形Rect rect(widthV,highV,img.cols-widthH-widthV,img.rows-highH-highV);return rect;
}

通过图像在水平和垂直方向上的投影，按照一定的阈值，找到二维码所在位置，剪切出来用于下一步Zbar条码识别。当然这个方法只能识别出背景简单的图片中的二维码。

条形码效果：

水平、垂直投影

检出条形码区域

二维码效果：

方法二.梯度运算

#include "core/core.hpp"
#include "highgui/highgui.hpp"
#include "imgproc/imgproc.hpp"  using namespace cv;  int main(int argc,char *argv[])
{  Mat image,imageGray,imageGuussian;  Mat imageSobelX,imageSobelY,imageSobelOut;  image=imread(argv[1]);  //1. 原图像大小调整，提高运算效率  resize(image,image,Size(500,300));  imshow("1.原图像",image);  //2. 转化为灰度图  cvtColor(image,imageGray,CV_RGB2GRAY);  imshow("2.灰度图",imageGray);  //3. 高斯平滑滤波  GaussianBlur(imageGray,imageGuussian,Size(3,3),0);  imshow("3.高斯平衡滤波",imageGuussian);  //4.求得水平和垂直方向灰度图像的梯度差,使用Sobel算子  Mat imageX16S,imageY16S;  Sobel(imageGuussian,imageX16S,CV_16S,1,0,3,1,0,4);  Sobel(imageGuussian,imageY16S,CV_16S,0,1,3,1,0,4);  convertScaleAbs(imageX16S,imageSobelX,1,0);  convertScaleAbs(imageY16S,imageSobelY,1,0);  imageSobelOut=imageSobelX-imageSobelY;  imshow("4.X方向梯度",imageSobelX);  imshow("4.Y方向梯度",imageSobelY);  imshow("4.XY方向梯度差",imageSobelOut);    //5.均值滤波，消除高频噪声  blur(imageSobelOut,imageSobelOut,Size(3,3));  imshow("5.均值滤波",imageSobelOut);   //6.二值化  Mat imageSobleOutThreshold;  threshold(imageSobelOut,imageSobleOutThreshold,180,255,CV_THRESH_BINARY);     imshow("6.二值化",imageSobleOutThreshold);  //7.闭运算，填充条形码间隙  Mat  element=getStructuringElement(0,Size(7,7));  morphologyEx(imageSobleOutThreshold,imageSobleOutThreshold,MORPH_CLOSE,element);      imshow("7.闭运算",imageSobleOutThreshold);  //8. 腐蚀，去除孤立的点  erode(imageSobleOutThreshold,imageSobleOutThreshold,element);  imshow("8.腐蚀",imageSobleOutThreshold);  //9. 膨胀，填充条形码间空隙，根据核的大小，有可能需要2~3次膨胀操作  dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);  dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);  dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);  imshow("9.膨胀",imageSobleOutThreshold);        vector<vector<Point>> contours;  vector<Vec4i> hiera;  //10.通过findContours找到条形码区域的矩形边界  findContours(imageSobleOutThreshold,contours,hiera,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);  for(int i=0;i<contours.size();i++)  {  Rect rect=boundingRect((Mat)contours[i]);  rectangle(image,rect,Scalar(255),2);      }     imshow("10.找出二维码矩形区域",image);  waitKey();
}

原图像

平滑滤波

水平和垂直方向灰度图像的梯度差

闭运算、腐蚀、膨胀后通过findContours找到条形码区域的矩形边界

二维码：

原图：

平衡滤波

梯度和

闭运算、腐蚀、膨胀后通过findContours找到条形码区域的矩形边界

Opencv+Zbar二维码识别（标准条形码/二维码识别）相关推荐

手机移动端-纯js浏览器h5调用摄像头扫描识别解析条形码+二维码
一.场景手机移动端-原生js 浏览器h5 解决识别二维码条形码功能: 不借助Hbuilder.需要自己打包成APP,比如用Hbuilder打包,浏览器端项目h5 无打包成app部署 X 不采用 ...
服务器维保价格标准_设备维保服务内容及报价
号服务系统服务项目服务内容备注 1 网络及数据机房运行维护 UPS 电源系统维护建立设备维修档案记录设备运行情况,包括 UPS 设备维修维护卡. UPS 电池测试记录表. UPS 电池放 ...
中国二维码--汉信码(中国主导的首个二维码码制国际标准「汉信码」ISO/IEC 20830:2021《信息技术自动识别与数据采集技术汉信码条码符号规范》)
国际标准化组织(ISO)和国际电工协会(IEC)正式发布汉信码 ISO/IEC 国际标准 --ISO/IEC 20830:2021<信息技术自动识别与数据采集技术汉信码条码符号规范>. ...
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 ...
Linux OpenCV + zBar 实现二维码识别
第一个版本参考:https://blog.csdn.net/pyt1234567890/article/details/109597353 特点:实现简单.但局限于亮度清晰度好,没有扭曲变形的情况 ...
Opencv+Zbar二维码识别（二维码校正）
二维码和车牌识别基本都会涉及到图像的校正,主要是形变和倾斜角度的校正,一种二维码的畸变如下图: 这个码用微信扫了一下,识别不出来,但是用Zbar还是可以准确识别的~~. 这里介绍一种二维码校正方法,通 ...
OpenCV检测与识别条码、二维码
原文链接:http://www.juzicode.com/opencv-note-barcodedetector-qrcodedetector 在 zbar:给我来10G打码图片一文中桔子菌介绍了 ...
用不同的QR Code识别库实现二维码的识别（第一篇：opencv 和BoofCV）
最近有个项目需要实现二维码的识别和摄像头的数据采集.在开始正式项目之前,我决定用python写几行简单的代码来测试每个库的识别效果.这次没有连续测量,也没有使用多线程识别.只是简单的测试了每个二维码的 ...
GM65条形码二维码扫描识别模块与STM32学习
目录模块介绍: 简介: 原理介绍: 工作流程: 技术参数: 修改配置: 代码介绍: 串口函数: 主函数: 模块介绍: 简介: GM65 条形码二维码扫描识别模块是一种基于激光扫描头的识别设备原理介 ...

Opencv+Zbar二维码识别（标准条形码/二维码识别）

Opencv+Zbar二维码识别（标准条形码/二维码识别）相关推荐

最新文章

热门文章