【Python】【OpenCV】定位条形码（一）

关于二维码和条形码的检测和识别，在OpenCV中已经有提供了对应的API，cv2.QRCodeDetector() | cv2.barcode_BarcodeDetector() ，相关的实现极其简单：

只需要上述短短三行代码即可检测二维码和条形码的位置并识别码内信息，相关parameter和retval自行查找。

下述是不借助OpenCV直接实现的API来实现定位

Code：

 1 def barcode(image):
 2     gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 3     blur = cv2.GaussianBlur(gray, (5, 5), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 4     cv2.imshow('GaussianBlur', blur)
 5     kernel_x = numpy.array([
 6         [-1, 0, 1],
 7         [-2, 0, 2],
 8         [-1, 0, 1]
 9     ])
10     kernel_y = numpy.array([
11         [-1, -2, -1],
12         [0, 0, 0],
13         [1, 2, 1]
14     ])
15     x = cv2.filter2D(blur, -1, kernel_x)
16     y = cv2.filter2D(blur, -1, kernel_y)
17     cv2.imshow('Sobel', x)
18     _, threshold = cv2.threshold(x, 127, 255, cv2.THRESH_BINARY)
19     kernel = numpy.ones((3, 3), numpy.uint8)
20     r_e = cv2.erode(threshold, kernel, iterations=1)
21     r_d = cv2.dilate(r_e, kernel, iterations=10)
22     contours, hir = cv2.findContours(r_d, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
23     max_contour = numpy.array(max(contours, key=cv2.contourArea))
24     x, y, w, h = cv2.boundingRect(max_contour)
25     cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)

定位思路：

1、转灰度图

2、通过高斯模糊去除图像噪点，如果不使用高斯模糊去噪的话，条形码的线段会有些弯曲，看场景是否需要

3、使用sobel进行边缘检测，请注意分辨sobel水平变换和垂直变换的差别

4、进行二值化，相比于上一步的sobel，可以发现消除一些独立的噪点，但是还是保留了一些，可以更改参数再进行调整

5、进行形态学运算（膨胀腐蚀）对应代码中的iterations的次数是尝试过后的最佳成效，可以自己调整次数看看不同效果

6、寻找轮廓，通过对原图处理后，我们得到的上述最终的效果图可以发现，最大的白色区域就是我们需要的条形码区域，所以我们通过cv2.contourArea()和max()配合来寻找最大面积，最后在原图上绘制出我们的目标区域

值得注意的是，上述思路有比较大的局限性，首先是针对原图的显示问题，如果不是水平拍摄，是垂直拍摄时，我们需要更改sobel使用垂直变换卷积核，或者对原图进行旋转。

其次是，我们定位最终的barcode区域使用到了max来查找最大面积，所以这就意味着，原图中，barcode整体轮廓必须是最大的。

参考博客：一种改进的条形码定位方案，基于openCV实现，附完整源代码_opencv条形码识别-CSDN博客