|
條形碼是當(dāng)前超市和部分工廠使用比較普遍的物品,產(chǎn)品標(biāo)識技術(shù),使用攝像頭檢測一張圖片的條形碼包含有兩個步驟,第一是定位條形碼的位置,定位之后剪切出條形碼,并且識別出條形碼對應(yīng)的字符串,然后就可以調(diào)用網(wǎng)絡(luò),數(shù)據(jù)庫等手段快速進(jìn)行后續(xù)處理. 條形碼識別要考慮到條形碼的特點,本文針對的是條形碼在圖片中的位置相對垂直,沒有各種傾斜的那種條形碼,如下圖所示
要定位首先要檢視這種條形碼的特點,這種圖像在X方向上的梯度肯定很明顯,同時,Y方向的梯度就沒這么明顯,所以第一步,我們應(yīng)該將圖像的灰度圖像分別計算梯度,用X方向梯度減去Y方向梯度,這樣可以保留X方向特征并且去除Y方向的干擾,處理之后圖像如下所示
可以看到,二維碼對一維碼的定位形成了干擾,但是二維碼的空間漏洞相對一維碼多很懂,于是我們考慮進(jìn)行一次模糊并且二值化,看能不能有所效果,如下(記得調(diào)整相應(yīng)的模糊化參數(shù)和閾值參數(shù),得到相對最好的結(jié)果)
有一定的效果,但是此時又出現(xiàn)問題條形碼出現(xiàn)了黑色的縫隙,不利于定位完整區(qū)域,這個時候要進(jìn)行一些形態(tài)學(xué)操作,去除黑色縫隙,我們選擇閉運算,算子根據(jù)縫隙的情況,寬度大于高度,矩形縫隙.處理以后的結(jié)果.
效果可以,又出現(xiàn)問題,二維碼的區(qū)域連著,還是面積很大,對后面我們算區(qū)域面積依然有影響,但是我們觀測二維碼的連接區(qū)域明顯要比一維碼的連接區(qū)域要細(xì)很多,也就是說,我們可以很快的腐蝕斷二維碼的連接,同時還保持一維碼的連接,然后在膨脹回來,二維碼的連接斷開就應(yīng)該不會有這個大塊的區(qū)域連著了,注意,膨脹和腐蝕的次數(shù)應(yīng)當(dāng)是一致的,保證得到結(jié)果區(qū)域的準(zhǔn)確.我選擇膨脹腐蝕四次,先膨脹斷開二維碼連接,最后的結(jié)果顯示如下
此時,二維碼的影響就基本沒有了,現(xiàn)在我們只需要先查找輪廓,然后計算圖像中每個輪廓的面積,選出面積最大的那個輪廓,計算這個輪廓的最小外包矩形,就能找到相應(yīng)的圖像區(qū)域了.這樣操作的結(jié)果和切分出來的條形碼如下所示
到目前為止,我們已經(jīng)完成了條形碼的位置定位,并且剪切出了條形碼的團,接下里對這個圖案進(jìn)行識別,識別之前,總結(jié)一下
接下來條形碼識別,可以使用zbar識別庫,庫的簡介就不說了,可以自己去官網(wǎng)下載,安裝時候記得選上第三個選項,否則沒有頭文件. 安裝完成后,到安裝目錄,將bin目錄加入環(huán)境變量,在VS中VC++目錄的include中加入頭文件地址,lib地址,并加入lib名稱(連接器-輸入-附加依賴項),然后就可以使用了,具體使用查看下面的代碼,結(jié)果如下
代碼如下  #include <opencv2/opencv.hpp> #include <iostream> #include <zbar.h> using namespace cv; using namespace std; using namespace zbar; int main(int argc,char* argv[]) { char fileNameString[100]; char windowNameString[50]; char resultFileNameSring[100]; Mat srcImage,grayImage,blurImage,thresholdImage,gradientXImage,gradientYImage,gradientImage,morphImage; for (int fileCount = 1;fileCount < 8;fileCount++) { sprintf(fileNameString,"F:\\opencv\\條形碼檢測與識別\\barcode_0%d.jpg",fileCount); sprintf(windowNameString,"result 0%d",fileCount); sprintf(resultFileNameSring,"F:\\opencv\\條形碼檢測與識別\\barcodeResult_0%d.jpg",fileCount); //讀取圖像 srcImage = imread(fileNameString); if(srcImage.empty()) { cout<<"image file read error"<<endl; return -1; } //圖像轉(zhuǎn)換為灰度圖像 if(srcImage.channels() == 3) { cvtColor(srcImage,grayImage,CV_RGB2GRAY); } else { grayImage = srcImage.clone(); } //建立圖像的梯度幅值 Scharr(grayImage,gradientXImage,CV_32F,1,0); Scharr(grayImage,gradientYImage,CV_32F,0,1); //因為我們需要的條形碼在需要X方向水平,所以更多的關(guān)注X方向的梯度幅值,而省略掉Y方向的梯度幅值 subtract(gradientXImage,gradientYImage,gradientImage); //歸一化為八位圖像 convertScaleAbs(gradientImage,gradientImage); //看看得到的梯度圖像是什么樣子 //imshow(windowNameString,gradientImage); //對圖片進(jìn)行相應(yīng)的模糊化,使一些噪點消除 blur(gradientImage,blurImage,Size(9,9)); //模糊化以后進(jìn)行閾值化,得到到對應(yīng)的黑白二值化圖像,二值化的閾值可以根據(jù)實際情況調(diào)整 threshold(blurImage,thresholdImage,210,255,THRESH_BINARY); //看看二值化圖像 //imshow(windowNameString,thresholdImage); //二值化以后的圖像,條形碼之間的黑白沒有連接起來,就要進(jìn)行形態(tài)學(xué)運算,消除縫隙,相當(dāng)于小型的黑洞,選擇閉運算 //因為是長條之間的縫隙,所以需要選擇寬度大于長度 Mat kernel = getStructuringElement(MORPH_RECT,Size(21,7)); morphologyEx(thresholdImage,morphImage,MORPH_CLOSE,kernel); //看看形態(tài)學(xué)操作以后的圖像 //imshow(windowNameString,morphImage); //現(xiàn)在要讓條形碼區(qū)域連接在一起,所以選擇膨脹腐蝕,而且為了保持圖形大小基本不變,應(yīng)該使用相同次數(shù)的膨脹腐蝕 //先腐蝕,讓其他區(qū)域的亮的地方變少最好是消除,然后膨脹回來,消除干擾,迭代次數(shù)根據(jù)實際情況選擇 erode(morphImage, morphImage, getStructuringElement(MORPH_RECT, Size(3,3)),Point(-1,-1),4); dilate(morphImage, morphImage, getStructuringElement(MORPH_RECT, Size(3,3)),Point(-1,-1),4); //看看形態(tài)學(xué)操作以后的圖像 //imshow(windowNameString,morphImage); vector<vector<Point2i>>contours; vector<float>contourArea; //接下來對目標(biāo)輪廓進(jìn)行查找,目標(biāo)是為了計算圖像面積 findContours(morphImage,contours,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE); //計算輪廓的面積并且存放 for(int i = 0; i < contours.size();i++) { contourArea.push_back(cv::contourArea(contours[i])); } //找出面積最大的輪廓 double maxValue;Point maxLoc; minMaxLoc(contourArea, NULL,&maxValue,NULL,&maxLoc); //計算面積最大的輪廓的最小的外包矩形 RotatedRect minRect = minAreaRect(contours[maxLoc.x]); //為了防止找錯,要檢查這個矩形的偏斜角度不能超標(biāo) //如果超標(biāo),那就是沒找到 if(minRect.angle<2.0) { //找到了矩形的角度,但是這是一個旋轉(zhuǎn)矩形,所以還要重新獲得一個外包最小矩形 Rect myRect = boundingRect(contours[maxLoc.x]); //把這個矩形在源圖像中畫出來 //rectangle(srcImage,myRect,Scalar(0,255,255),3,LINE_AA); //看看顯示效果,找的對不對 //imshow(windowNameString,srcImage); //將掃描的圖像裁剪下來,并保存為相應(yīng)的結(jié)果,保留一些X方向的邊界,所以對rect進(jìn)行一定的擴張 myRect.x= myRect.x - (myRect.width/20); myRect.width = myRect.width*1.1; Mat resultImage = Mat(srcImage,myRect); if(!imwrite(resultFileNameSring,resultImage)) { cout<<"file save error!"<<endl; return -2; } } } //檢測到了之后進(jìn)行條形碼識別 FileStorage file("F:\\opencv\\條形碼檢測與識別\\result.xml",FileStorage::WRITE); for (int fileCount = 1;fileCount < 8;fileCount++) { sprintf(resultFileNameSring,"F:\\opencv\\條形碼檢測與識別\\barcodeResult_0%d.jpg",fileCount); sprintf(windowNameString,"result 0%d",fileCount); Mat result = imread(resultFileNameSring); if(!result.empty()) { //現(xiàn)在開始識別 cvtColor(result,grayImage,CV_RGB2GRAY); int width = grayImage.cols; // extract dimensions int height = grayImage.rows; Image image(width,height,"Y800",grayImage.data,width*height); ImageScanner scanner; scanner.set_config(ZBAR_NONE,ZBAR_CFG_ENABLE,1); int n = scanner.scan(image); for (Image::SymbolIterator symbol = image.symbol_begin(); symbol != image.symbol_end();++symbol) { cout <<"pic name:\t"<<resultFileNameSring<<endl<<"code type:\t"<<symbol->get_type_name()<<endl<< "decode string:\t"<<symbol->get_data()<<endl; image.set_data(NULL,0); //xml文件寫入 } } } waitKey(0); return 1; } 資源如下 http://download.csdn.net/detail/dengrengong/9461797
|
|
|
