程序博客网 > 淘客基地源码

Opencv+Zbar二维码识别（标准条形码/二维码识别）

来源：互联网 发布：淘客基地源码 编辑：程序博客网 时间：2024/05/16 09:28

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：

[cpp] view plain copy
print?
  1. #include “zbar.h”      
  2. #include “cv.h”      
  3. #include “highgui.h”      
  4. #include <iostream>      
  5.   
  6. using namespace std;      
  7. using namespace zbar;  //添加zbar名称空间    
  8. using namespace cv;      
  9.   
  10. int main(int argc,char*argv[])    
  11. {      
  12.     ImageScanner scanner;      
  13.     scanner.set_config(ZBAR_NONE, ZBAR_CFG_ENABLE, 1);    
  14.     Mat image = imread(argv[1]);      
  15.     Mat imageGray;      
  16.     cvtColor(image,imageGray,CV_RGB2GRAY);      
  17.     int width = imageGray.cols;      
  18.     int height = imageGray.rows;      
  19.     uchar *raw = (uchar *)imageGray.data;         
  20.     Image imageZbar(width, height, ”Y800”, raw, width * height);        
  21.     scanner.scan(imageZbar); //扫描条码    
  22.     Image::SymbolIterator symbol = imageZbar.symbol_begin();  
  23.     if(imageZbar.symbol_begin()==imageZbar.symbol_end())  
  24.     {  
  25.         cout<<”查询条码失败，请检查图片！”<<endl;  
  26.     }  
  27.     for(;symbol != imageZbar.symbol_end();++symbol)    
  28.     {      
  29.         cout<<”类型：”<<endl<<symbol->get_type_name()<<endl<<endl;    
  30.         cout<<”条码：”<<endl<<symbol->get_data()<<endl<<endl;       
  31.     }      
  32.     imshow(”Source Image”,image);        
  33.     waitKey();    
  34.     imageZbar.set_data(NULL,0);  
  35.     return 0;  
  36. }      
#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


[cpp] view plain copy
print?
  1. #include “zbar.h”      
  2. #include “cv.h”      
  3. #include “highgui.h”      
  4. #include <iostream>      
  5.   
  6. using namespace std;      
  7. using namespace zbar;  //添加zbar名称空间    
  8. using namespace cv;      
  9. //***********************************************  
  10. // 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  
  11. // int threshodValue 投影的最少像素单位  
  12. // int binaryzationValue  原图像阈值分割值  
  13. //***********************************************  
  14. Rect DrawXYProjection(const Mat image,Mat &imageOut,const int threshodValue,const int binaryzationValue);  
  15.   
  16. int main(int argc,char*argv[])    
  17. {     
  18.     Mat image = imread(argv[1]);    
  19.     Mat imageCopy=image.clone();  
  20.     Mat imageGray,imagOut;      
  21.     cvtColor(image,imageGray,CV_RGB2GRAY);  
  22.     Rect rect(0,0,0,0);  
  23.     rect=   DrawXYProjection(image,imagOut,image.rows/10,100);  
  24.     Mat roi=image(rect);  
  25.     //画出条形码的矩形框  
  26.     rectangle(imageCopy,Point(rect.x,rect.y),Point(rect.x+rect.width,rect.y+rect.height),Scalar(0,0,255),2);  
  27.     imshow(”Source Image”,image);  
  28.     imshow(”水平垂直投影”,imagOut);  
  29.     imshow(”Output Image”,roi);  
  30.     imshow(”Source Image Rect”,imageCopy);  
  31.     waitKey();        
  32.     return 0;  
  33. }    
  34.   
  35. Rect DrawXYProjection(const Mat image,Mat &imageOut,const int threshodValue,const int binaryzationValue)  
  36. {  
  37.     Mat img=image.clone();  
  38.     if(img.channels()>1)  
  39.     {  
  40.         cvtColor(img,img,CV_RGB2GRAY);  
  41.     }  
  42.     Mat out(img.size(),img.type(),Scalar(255));  
  43.     imageOut=out;  
  44.     //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  
  45.     normalize(img,img,0,255,NORM_MINMAX);  
  46.     vector<int> vectorVertical(img.cols,0);  
  47.     for(int i=0;i<img.cols;i++)  
  48.     {  
  49.         for(int j=0;j<img.rows;j++)  
  50.         {  
  51.             if(img.at<uchar>(j,i)<binaryzationValue)  
  52.             {  
  53.                 vectorVertical[i]++;  
  54.             }  
  55.         }  
  56.     }  
  57.     //列值归一化  
  58.     int high=img.rows/6;  
  59.     normalize(vectorVertical,vectorVertical,0,high,NORM_MINMAX);  
  60.     for(int i=0;i<img.cols;i++)  
  61.     {  
  62.         for(int j=0;j<img.rows;j++)  
  63.         {  
  64.             if(vectorVertical[i]>threshodValue)  
  65.             {  
  66.                 line(imageOut,Point(i,img.rows),Point(i,img.rows-vectorVertical[i]),Scalar(0));  
  67.             }  
  68.         }  
  69.     }  
  70.     //水平投影  
  71.     vector<int> vectorHorizontal(img.rows,0);  
  72.     for(int i=0;i<img.rows;i++)  
  73.     {  
  74.         for(int j=0;j<img.cols;j++)  
  75.         {  
  76.             if(img.at<uchar>(i,j)<binaryzationValue)  
  77.             {  
  78.                 vectorHorizontal[i]++;  
  79.             }  
  80.         }  
  81.     }     
  82.     normalize(vectorHorizontal,vectorHorizontal,0,high,NORM_MINMAX);  
  83.     for(int i=0;i<img.rows;i++)  
  84.     {  
  85.         for(int j=0;j<img.cols;j++)  
  86.         {  
  87.             if(vectorHorizontal[i]>threshodValue)  
  88.             {  
  89.                 line(imageOut,Point(img.cols-vectorHorizontal[i],i),Point(img.cols,i),Scalar(0));  
  90.             }  
  91.         }  
  92.     }  
  93.     //找到投影四个角点坐标  
  94.     vector<int>::iterator beginV=vectorVertical.begin();  
  95.     vector<int>::iterator beginH=vectorHorizontal.begin();  
  96.     vector<int>::iterator endV=vectorVertical.end()-1;  
  97.     vector<int>::iterator endH=vectorHorizontal.end()-1;  
  98.     int widthV=0;  
  99.     int widthH=0;  
  100.     int highV=0;  
  101.     int highH=0;  
  102.     while(*beginV<threshodValue)  
  103.     {  
  104.         beginV++;  
  105.         widthV++;  
  106.     }  
  107.     while(*endV<threshodValue)  
  108.     {  
  109.         endV–;  
  110.         widthH++;  
  111.     }  
  112.     while(*beginH<threshodValue)  
  113.     {  
  114.         beginH++;  
  115.         highV++;  
  116.     }  
  117.     while(*endH<threshodValue)  
  118.     {  
  119.         endH–;  
  120.         highH++;  
  121.     }  
  122.     //投影矩形  
  123.     Rect rect(widthV,highV,img.cols-widthH-widthV,img.rows-highH-highV);  
  124.     return rect;  
  125. }  
#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


[cpp] view plain copy
print?
  1. #include “core/core.hpp”    
  2. #include “highgui/highgui.hpp”    
  3. #include “imgproc/imgproc.hpp”    
  4.     
  5. using namespace cv;    
  6.     
  7. int main(int argc,char *argv[])    
  8. {    
  9.     Mat image,imageGray,imageGuussian;    
  10.     Mat imageSobelX,imageSobelY,imageSobelOut;    
  11.     image=imread(argv[1]);    
  12.     
  13.     //1. 原图像大小调整，提高运算效率    
  14.     resize(image,image,Size(500,300));    
  15.     imshow(”1.原图像”,image);    
  16.     
  17.     //2. 转化为灰度图    
  18.     cvtColor(image,imageGray,CV_RGB2GRAY);    
  19.     imshow(”2.灰度图”,imageGray);    
  20.     
  21.     //3. 高斯平滑滤波    
  22.     GaussianBlur(imageGray,imageGuussian,Size(3,3),0);    
  23.     imshow(”3.高斯平衡滤波”,imageGuussian);    
  24.     
  25.     //4.求得水平和垂直方向灰度图像的梯度差,使用Sobel算子    
  26.     Mat imageX16S,imageY16S;    
  27.     Sobel(imageGuussian,imageX16S,CV_16S,1,0,3,1,0,4);    
  28.     Sobel(imageGuussian,imageY16S,CV_16S,0,1,3,1,0,4);    
  29.     convertScaleAbs(imageX16S,imageSobelX,1,0);    
  30.     convertScaleAbs(imageY16S,imageSobelY,1,0);    
  31.     imageSobelOut=imageSobelX-imageSobelY;    
  32.     imshow(”4.X方向梯度”,imageSobelX);    
  33.     imshow(”4.Y方向梯度”,imageSobelY);    
  34.     imshow(”4.XY方向梯度差”,imageSobelOut);      
  35.     
  36.     //5.均值滤波，消除高频噪声    
  37.     blur(imageSobelOut,imageSobelOut,Size(3,3));    
  38.     imshow(”5.均值滤波”,imageSobelOut);     
  39.     
  40.     //6.二值化    
  41.     Mat imageSobleOutThreshold;    
  42.     threshold(imageSobelOut,imageSobleOutThreshold,180,255,CV_THRESH_BINARY);       
  43.     imshow(”6.二值化”,imageSobleOutThreshold);    
  44.     
  45.     //7.闭运算，填充条形码间隙    
  46.     Mat  element=getStructuringElement(0,Size(7,7));    
  47.     morphologyEx(imageSobleOutThreshold,imageSobleOutThreshold,MORPH_CLOSE,element);        
  48.     imshow(”7.闭运算”,imageSobleOutThreshold);    
  49.     
  50.     //8. 腐蚀，去除孤立的点    
  51.     erode(imageSobleOutThreshold,imageSobleOutThreshold,element);    
  52.     imshow(”8.腐蚀”,imageSobleOutThreshold);    
  53.     
  54.     //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    
  55.     dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);    
  56.     dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);    
  57.     dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);    
  58.     imshow(”9.膨胀”,imageSobleOutThreshold);          
  59.     vector<vector<Point>> contours;    
  60.     vector<Vec4i> hiera;    
  61.     
  62.     //10.通过findContours找到条形码区域的矩形边界    
  63.     findContours(imageSobleOutThreshold,contours,hiera,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);    
  64.     for(int i=0;i<contours.size();i++)    
  65.     {    
  66.         Rect rect=boundingRect((Mat)contours[i]);    
  67.         rectangle(image,rect,Scalar(255),2);        
  68.     }       
  69.     imshow(”10.找出二维码矩形区域”,image);    
  70.     
  71.     waitKey();    
  72. }    
#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



阅读全文
0 0
淘客基地源码 淘客基地源码
原创粉丝点击
热门IT博客
mac os 副本不能验证mac os 副本不能验证
上海自贸区进出口数据上海自贸区进出口数据
疯牛选股指标公式源码
erp软件功能
java程序接口流量监控
网络维护的重要性
中国人均gdp 知乎
js NaN意义
硬件软件
广东网络变压器加工厂
淘宝申请食品经营资质
ipad软件连不上网络
mac os山狮系统
金山毒霸软件下载
大数据 专业 大学
kali linux webcrack
java手机游戏大全
python help函数
用波士顿矩阵分析格力
java 包命名特殊符合
热门问题 老师的惩罚 人脸识别 我在镇武司摸鱼那些年 重生之率土为王 我在大康的咸鱼生活 盘龙之生命进化 天生仙种 凡人之先天五行 春回大明朝 姑娘不必设防，我是瞎子 常德旅游 常德大血战 常德邮编 常德特产 常德十景 常德津市 常德房价 长沙到常德 常德高铁站 常德景点 常德到长沙 常德柳叶湖 常德教育网 常德网 常德团购网 常德美食 常德公交 常德小吃 常德58 常德招聘网 常德红网 常德名人 湖南常德市 常德招聘 常德在哪里 常德话 常德在哪 常德人事网 常德吧 常德房产 常德站 常德机场 常德楼盘 常德火车站 常德人才网 常德旅行社 红网常德 常德房地产 常德武陵区 常德人口 常德区号

程序博客网，程序员的互联网技术博客家园。csdn论坛精品 msdn技术资料都在这里