OpenCV+Python二维码条形码识别

先上源码，github地址：https://github.com/DerrickRose25/Opencv_QRcode_recognition
环境：Pycharm 、Python3.7
在pycharm里安装opencv-python、pyzbar的包

简版代码识别度高，但是直接使用库函数没有任何意义，但是很实用：

import cv2
import pyzbar.pyzbar as pyzbardef decodeDisplay(image):barcodes = pyzbar.decode(image)for barcode in barcodes:# 提取条形码的边界框的位置# 画出图像中条形码的边界框(x, y, w, h) = barcode.rectcv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)# 条形码数据为字节对象，所以如果我们想在输出图像上# 画出来，就需要先将它转换成字符串barcodeData = barcode.data.decode("utf-8")barcodeType = barcode.type# 绘出图像上条形码的数据和条形码类型text = "{} ({})".format(barcodeData, barcodeType)cv2.putText(image, text, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX,.5, (0, 0, 125), 2)# 向终端打印条形码数据和条形码类型print("[INFO] Found {} barcode: {}".format(barcodeType, barcodeData))return imagedef detect():camera = cv2.VideoCapture(0)#camera = cv2.VideoCapture('http://192.168.1.104:8080/?action=stream')while True:# 读取当前帧ret, frame = camera.read()# 转为灰度图像gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)im = decodeDisplay(gray)cv2.imshow("camera", im)if cv2.waitKey(1) & 0xFF == ord('q'):breakcamera.release()cv2.destroyAllWindows()if __name__ == '__main__':detect()

复杂版采用了opencv的原理，听过对图像进行滤波、开闭运算等一系列操作得到二维码或者条形码位置，虽然最后也是调用了库进行解析，但是在定位上还是采用了OpenCV的传统算法：

import cv2
import numpy as np
import pyzbar.pyzbar as pyzbar# 二维码定位
global check  # 全局变量check为校验位def detect(image):global check# 把图像从RGB转换成灰度图gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 进行Sobel算子运算# 使用scharr操作(指定ksize=-1)构造灰度图在水平和竖直方向上的梯度幅值表示gradX = cv2.Sobel(gray, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)  # 对x方向求导gradY = cv2.Sobel(gray, ddepth=cv2.CV_32F, dx=0, dy=1, ksize=-1)  # 对y方向求导# Scharr操作后，从X梯度减去Y梯度得到轮廓图，此时噪点较多gradient = cv2.subtract(gradX, gradY)# 经过处理后，用convertScaleAbs()函数将其转回原来的uint8形式。否则将无法显示图像，而只是一副灰色的窗口gradient = cv2.convertScaleAbs(gradient)# cv2.imshow('gradient', gradient)# 然后对梯度图采用用9x9的核进行平均模糊,进行于降噪# 然后进行二值化处理，要么是255(白)要么是0(黑)blurred = cv2.blur(gradient, (9, 9))  # 通过低通滤波平滑图像ret, thresh = cv2.threshold(blurred, 225, 255, cv2.THRESH_BINARY)  # 进行图像固定阈值二值化# cv2.imshow("thresh",thresh)# 通过形态学操作，建立一个7*21的长方形内核，内核宽度大于长度，因此可以消除条形码中垂直条之间的缝隙# 将建立的内核应用到二值图中，以此来消除竖杠间的缝隙kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7))  # 条形码'''kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 9))              #二维码'''# 对图像进行闭运算closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)# cv2.imshow("closed",closed)# 所得图像仍有许多白点，通过腐蚀和膨胀去除白点,最后一个参数是腐蚀的次数closed = cv2.erode(closed, None, iterations=4)# cv2.imshow("closed1",closed)closed = cv2.dilate(closed, None, iterations=6)# cv2.imshow("closed2", closed)# 寻找轮廓contours, hierarchy = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 如果没有找到，返回空9if len(contours) == 0:check = Falsereturn None# ec = sorted(contours, key=cv2.contourArea, reverse=True)[0]rect = cv2.minAreaRect(c)  # 生成最小外接矩形# box为一个ndarry数组，返回4个顶点位置box = np.int0(cv2.boxPoints(rect))cv2.drawContours(frame, [box], 0, (255, 0, 0), 2)# cv2.imshow("frame", frame)check = Truereturn box# 二维码识别
def scan():box = detect(frame)  # 调用detect()函数来查找二维码返回二维码的位置# print(box)# 这下面的3步得到扫描区域，扫描区域要比检测出来的位置要大if check == True:min = np.min(box, axis=0)max = np.max(box, axis=0)roi = frame[min[1] - 10:max[1] + 10, min[0] - 10:max[0] + 10]# 把区域里的二维码传换成RGB，并把它转换成pil里面的图像，因为zbar得调用pil里面的图像，而不能用opencv的图像# roi = cv2.cvtColor(roi, cv2.COLOR_BGR2RGB)# cv2.imshow("roi",roi)# print(roi.shape)if roi.any() != 0:barcodes = pyzbar.decode(roi)for barcode in barcodes:# 提取条形码的边界框的位置# 画出图像中条形码的边界框# (x, y, w, h) = barcode.rect# cv2.rectangle(roi, (x, y), (x + w, y + h), (0, 0, 255), 2)# 条形码数据为字节对象，所以如果我们想在输出图像上# 画出来，就需要先将它转换成字符串barcodeData = barcode.data.decode("utf-8")barcodeType = barcode.type# 向终端打印条形码数据和条形码类型print("[INFO] Found {} barcode: {}".format(barcodeType, barcodeData))return roiif __name__ == '__main__':cameraCapture = cv2.VideoCapture(0)while True:# 获取当前帧ret, frame = cameraCapture.read()scan()cv2.imshow("camera", frame)if cv2.waitKey(1) & 0xFF == ord('q'):breakcameraCapture.release()cv2.destroyAllWindows()'''image = cv2.imread("Images/coke.jpg")detect(image)cv2.waitKey(0)cv2.destroyAllWindows()'''

OpenCV+Python二维码条形码识别相关推荐

数字图像处理二维码识别 python+opencv实现二维码实时识别
数字图像处理二维码识别 python+opencv实现二维码实时识别特点: (1)可以实现普通二维码,条形码: (2)解决了opencv输出中文乱码的问题 (3)增加网页自动跳转功能 (4)实现二维 ...
[软件工具][windows]pdf二维码条形码识别重命名工具使用教程
pdf二维码条形码识别重命名工具是一款专门用于识别pdf中的二维码或者条形码并将识别结果变成pdf名字,是目前全球首款用于识别pdf条码的软件,具有识别精度高.识别速度快等特点.接下来介绍这个软件使用 ...
python二维码生成识别代码_Python学习案例之二维码生成识别
前言在 JavaWeb 开发中,一般使用 Zxing 来生成和识别二维码,但是,Zxing 的识别有点差强人意,不少相对模糊的二维码识别率很低.不过就最新版本的测试来说,识别率有了现显著提高. 对比 ...
vue 二维码+条形码识别
需求及说明: web端 ,识别图片中,二维码和条形码识别信息可能有重叠需要合并后去重二维码和条形码在同一张图片上(编写代码暂无冲突) 说明:二维码.条形码分开说明分析二维码: //使用npm安装 ...
python二维码生成识别代码_Python3+qrcode+zxing生成和识别二维码教程
一.安装依赖库 pip install qrcode pillow image zxing pillow是python3中PIL的代替库,image是生成图版需要用到的库安装image时报错&quo ...
基于Python opencv实现车牌识别及二维码条形码识别系统附完整源码
完整代码:https://download.csdn.net/download/qq_38735017/87416699 原理简介车牌字符识别使用的算法是 opencv 的 SVM opencv 的 ...
77、基于STM32单片机的超市餐饮二维码/条形码摄像头识别结账扫码系统设计
毕设帮助.开题指导.技术解答(有偿)见文末. 目录摘要一.硬件方案二.设计功能三.实物图四.原理图五.PCB图六.程序源码七.资料包括摘要二维码识别系统是集数据采集,识别,以及显示 ...
python opencv 条形码及二维码检测识别
目录条形码检测识别二维码检测识别基于python opencv pyzbar 实现. 条形码检测识别原图: 最后截取图: 直接上代码: import cv2 import numpy as n ...
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 ...

OpenCV+Python二维码条形码识别

OpenCV+Python二维码条形码识别相关推荐

最新文章

热门文章