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：

#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

#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

#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