基于OpenCV的條形碼檢測

在日常生活中，經常會看到條形碼的應用，比如超市買東西的生活，圖書(shū)館借書(shū)的時候... ...

那麽這些東西是(shì)如何做到準确檢測出條形碼的位置呢？

這就是(shì)今天要介紹的内容了。

這篇文章的目标是(shì)演示使用計算機視覺和圖像處理技術實現(xiàn)條形碼的檢測。

需要注意的是(shì)，這個算法并不适用于所有的條形碼，但(dàn)是(shì)它應該能給你一個基本的直覺，告訴你應該應用什麽類型的技術。

對于下面這個例子，我們将檢測下圖中的條形碼：

找到條形碼的位置，而去(qù)除掉幹擾的因素。

利用條形碼的自身特點，一般都是(shì)矩形形狀，而且條碼的條帶是(shì)黑色的，矩形區域是(shì)白色的。

首先，需要搭建好需要的開發環境，Opencv，Qt5.9或Vs2017。

接下來寫代碼：

首先将需要的頭文件添加到項目中，并将要識别的圖片路徑添加進來。

接下來進行實際的圖像處理：

首先我們先讀入圖片并将其轉換爲灰度圖；

然後我們使用Scharr操作符去(qù)構造圖片在水平和垂直方向上的梯度幅值表示。

這裏，我們用Scharr算子的x方向梯度減去(qù)y方向的梯度。通過這個相(xiàng)減操作，我們就隻剩下了高水平梯度和低垂直梯度的圖像區域。

我們上述原始圖像的梯度表示如下圖所示

請注意梯度操作是(shì)如何檢測出圖片的條形碼區域的。接下來的步驟是(shì)如何過濾掉圖片中的噪聲，重點關注條形碼區域。

我們做的第一件事是(shì)使用一個卷積核大小爲9x9的均值濾波作用于梯度圖片。對圖片進行這個操作将有助于平滑圖片中的高頻(pín)噪聲。

然後我将模糊化後的圖片進行阈值化，在梯度圖片中，所有的像素點的灰度值低于120的将設爲0（黑色），其餘設爲255（白色）。

模糊和阈值化處理後的輸出結果如下：

然而，正如你所看到的上圖阈值化圖片，在條形碼的垂直方向上存在這間隙。爲了縮小這些間隙，并使得我們的算法更加容易的檢測出條形碼的“斑點”狀區域，我們需要執行一些基礎的形态學操作：

我們通過使用函數cv2.getStructuringElement構造一個矩形核。這個核的寬度大于高度，因此允許我們縮小條形碼垂直條帶之間的間隙。

當然，現(xiàn)在圖片中非條形碼的區域存在着很多斑點，這将會幹擾輪廓的檢測。

現(xiàn)在，我們繼續嘗試移除這些小的斑點。

我們現(xiàn)在要做的是(shì)進行6次腐蝕操作，然後再進行6次膨脹操作。腐蝕操作将會“腐蝕”掉圖片中的白色像素點，因此将會清除這些小的斑點，而膨脹操作将會“擴張”剩餘的白色像素，并使白色區域變長。

如果在腐蝕過程中去(qù)除了小的斑點，則在膨脹的過程中不會再次出現(xiàn)。

在一系列的腐蝕和膨脹操作之後，這些小斑點已經被成功的移除了，隻剩下條形碼的區域。

最後尋找一下圖片中條形碼的區域的輪廓。

幸運的是(shì)，OpenCV中提供了相(xiàng)應的接口，可以很容易地找到圖像中的最大輪廓，如果我們正确地完成了圖像處理步驟，它應該會對應于條形碼區域。

然後，我們确定最大輪廓的最小的邊界框，并最後顯示檢測到的條形碼。

正如我們下圖所示，我們已經成功的檢測到條形碼

這樣，條形碼的檢測就已經完成了！

想了解更多嵌入式知(zhī)識就來西安盛圖科技！

西安盛圖科技

高端IT培訓第一品牌