基于opencv3.0和zbar下的条形码与二维码识别
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了基于opencv3.0和zbar下的条形码与二维码识别，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含15187字，纯文字阅读大概需要22分钟。
内容图文
其中对条码与二维码的识别分为以下4个步骤
1. 利用opencv和Zbar（或者Zxing）对标准的条形码图片（即没有多余背景干扰，且图片没有倾斜）进行解码，将解码信息显示出来，并与原始信息对比。
2. 利用opencv和Zbar（或者Zxing）对标准的QR二维码图片（即没有多余背景干扰，且图片没有倾斜）进行解码，将解码信息显示出来，并与原始信息对比。
3. 对非标准条形码，进行定位，然后用Zbar（或者Zxing）解码显示。
4. 对非标准的QR二维码图片，进行定位，然后用Zbar（或者Zxing）解码显示。
1. 利用opencv和Zbar（或者Zxing）对标准的条形码图片（即没有多余背景干扰，且图片没有倾斜）进行解码，将解码信息显示出来，并与原始信息对比。
2. 利用opencv和Zbar（或者Zxing）对标准的QR二维码图片（即没有多余背景干扰，且图片没有倾斜）进行解码，将解码信息显示出来，并与原始信息对比。
这两部对于zbar可以一并操作。
操作步骤主要分为两部分：A.原图进行灰度转化，B.送入Zbar扫描仪进行扫描(调用ImageScanner)
源码如下：
1
/*
*****************************************************
2
函数名称： Dis_Barcode
3
函数功能： 识别条形码和二维码
4
传入参数：
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：这里是借鉴其他人的代码：
11
原文链接：
https://www.cnblogs.com/dengxiaojun/p/5278679.html
12
以下代码是经过改动的
13
*****************************************************
*/
14
void
MyClass::Dis_code(Mat image){
15 Mat imageGray; // 所转化成的灰度图像
16//定义一个扫描仪 17 ImageScanner scanner;
18 scanner.set_config(ZBAR_NONE, ZBAR_CFG_ENABLE, 1);
1920 cvtColor(image, imageGray, CV_RGB2GRAY);
21 imshow("灰度图", imageGray);
22// 获取所摄取图像的长和宽 23int width = imageGray.cols;
24int height = imageGray.rows;
25// 在Zbar中进行扫描时候，需要将OpenCV中的Mat类型转换为（uchar *）类型，raw中存放的是图像的地址；对应的图像需要转成Zbar中对应的图像zbar::Image 26 uchar *raw = (uchar *)imageGray.data;
27 Image imageZbar(width, height, "Y800", raw, width * height);
28// 扫描相应的图像imageZbar(imageZbar是zbar::Image类型，存储着读入的图像) 29 scanner.scan(imageZbar); //扫描条码 30 Image::SymbolIterator symbol = imageZbar.symbol_begin();
31if (imageZbar.symbol_begin() == imageZbar.symbol_end())
32 {
33 cout << "查询条码失败，请检查图片！" << endl;
34 }
35for (; symbol != imageZbar.symbol_end(); ++symbol)
36 {
37 cout << "类型：" << endl << symbol->get_type_name() << endl << endl;
38 cout << "条码：" << endl << symbol->get_data() << endl << endl;
39 }
4041 waitKey(); // 等待按下esc键，若需要延时1s则改用waitKey(1000);
4243// 将图像中的数据置为0 44 imageZbar.set_data(NULL, 0);
45 system("pause");
46 }
结果如下：
条形码识别：
二维码识别：
3. 对非标准条形码，进行定位，然后用Zbar（或者Zxing）解码显示
在条形码的识别上，根据条形码的特性，我们只关心x轴上的形态。通过x轴的宽度进行确定条码的大小，y轴根据实际提取进行区分
处理的目标：
A.消去非码的其他物体图形
B.划定条码的范围
C.提取图片的ROI区域（即条码区域）
总体分为：
灰度处理-》高斯平滑-》Sobel x—y梯度差-》均值滤波-》二值化-》闭运算-》腐蚀膨胀-》获取ROI
1
/*
*****************************************************
2
函数名称： Run
3
函数功能： 开始
4
传入参数：
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12
void
MyClass::Run(){
13
Mat image;
14 image = getGray(srcimage);//获取灰度图15 image = getGass(image);//高斯平滑滤波16 image = getSobel(image);//Sobel x—y梯度差17 image = getBlur(image);//均值滤波除高频噪声18 image = getThold(image);//二值化19 image = getBys(image);//闭运算20 image = getErode(image);//腐蚀21 image = getDilate(image);//膨胀22 image = getRect(image, srcimage);//获取ROI23 imshow("最后的图", image);
24 Dis_code(image);
25 waitKey();
26 }
灰度处理（消除颜色干扰）
1
/*
*****************************************************
2
函数名称： getGray
3
函数功能： 灰度处理
4
传入参数： Mat image
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12 Mat MyClass::getGray(Mat image, bool show){//show默认false 待定参数法13 Mat cimage;
14 cvtColor(image, cimage, CV_RGBA2GRAY);
15if (show)
16 imshow("灰度图", cimage);
17return cimage;
18 }
处理结果：
高斯滤波处理（消除高斯噪声）
1
/*
*****************************************************
2
函数名称： getGass
3
函数功能： 高斯滤波处理
4
传入参数： Mat image
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12 Mat MyClass::getGass(Mat image, bool show){
13 Mat cimage;
14 GaussianBlur(image, cimage, Size(3, 3), 0);
15if (show)
16 imshow("高斯滤波图", cimage);
17return cimage;
18 }
处理结果：
Sobel x-y差处理（只考虑x轴，消除y轴不必要信息）
1
/*
*****************************************************
2
函数名称： getSobel
3
函数功能： Sobel处理
4
传入参数： Mat image
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12 Mat MyClass::getSobel(Mat image, bool show){
13 Mat cimageX16s, cimageY16s, imageSobelX, imageSobelY, out;
14 Sobel(image, cimageX16s, CV_16S, 1, 0, 3, 1, 0, 4);
15 Sobel(image, cimageY16s, CV_16S, 0, 1, 3, 1, 0, 4);
16 convertScaleAbs(cimageX16s, imageSobelX, 1, 0);
17 convertScaleAbs(cimageY16s, imageSobelY, 1, 0);
18out = imageSobelX - imageSobelY;
19if (show)
20 imshow("Sobelx-y差 图", out);
21returnout;
22 }
处理结果：
均值滤波处理（消除高频噪声）
1
/*
*****************************************************
2
函数名称： getBlur
3
函数功能： 均值滤波处理
4
传入参数： Mat image
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12 Mat MyClass::getBlur(Mat image, bool show){
13 Mat cimage;
14 blur(image, cimage, Size(3, 3));
15if (show)
16 imshow("均值滤波图", cimage);
17return cimage;
18 }
处理结果：
二值化处理（使图像中数据量大为减少，从而能凸显出目标的轮廓）
1
/*
*****************************************************
2
函数名称： getThold
3
函数功能： 二值化处理
4
传入参数： Mat image
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12 Mat MyClass::getThold(Mat image, bool show){
13 Mat cimage;
14 threshold(image, cimage, 112, 255, CV_THRESH_BINARY);
15if (show)
16 imshow("二值化图", cimage);
17return cimage;
18 }
处理结果：
闭运算处理（扩大轴之间的间隙）
1
/*
*****************************************************
2
函数名称： getBys
3
函数功能： 闭运算处理
4
传入参数： Mat image
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12 Mat MyClass::getBys(Mat image, bool show){
13 morphologyEx(image, image, MORPH_CLOSE, element);
14if (show)
15 imshow("闭运算图", image);
16return image;
17 }
处理结果：
腐蚀膨胀（消去干扰点和合并条码区域）
1
/*
*****************************************************
2
函数名称： getErode
3
函数功能： 腐蚀处理
4
传入参数： Mat image
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12 Mat MyClass::getErode(Mat image, bool show){
13//Mat cimage;14 erode(image, image, element);
15if (show)
16 imshow("腐蚀图", image);
17return image;
18}
19/******************************************************
20函数名称： getDilate
21函数功能： 膨胀处理
22传入参数： Mat image
23返 回 值：
24建立时间： 2018-05-19
25修改时间：
26建 立 人：
27修 改 人：
28其它说明：
29******************************************************/30 Mat MyClass::getDilate(Mat image, bool show){
31for (int i = 0; i < 3; i++)
32 dilate(image, image, element);
33if (show)
34 imshow("膨胀图", image);
35return image;
36 }
处理结果：
获取ROI（为Zbar处理作预处理）
1
/*
*****************************************************
2
函数名称： getRect
3
函数功能： 获取码的区域
4
传入参数： Mat image， Mat simage原图
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：借鉴其他人进行改进
11
*****************************************************
*/
12 Mat MyClass::getRect(Mat image, Mat simage, bool show){
13 vector<vector<Point>> contours;
14 vector<Vec4i> hiera;
15 Mat cimage;
16 findContours(image, contours, hiera, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
17 vector<float>contourArea;
18for (int i = 0; i < contours.size(); i++)
19 {
20 contourArea.push_back(cv::contourArea(contours[i]));
21 }
22//找出面积最大的轮廓23double maxValue; Point maxLoc;
24 minMaxLoc(contourArea, NULL, &maxValue, NULL, &maxLoc);
25//计算面积最大的轮廓的最小的外包矩形26 RotatedRect minRect = minAreaRect(contours[maxLoc.x]);
27//为了防止找错,要检查这个矩形的偏斜角度不能超标
28//如果超标,那就是没找到29if (minRect.angle<2.0)
30 {
31//找到了矩形的角度,但是这是一个旋转矩形,所以还要重新获得一个外包最小矩形32 Rect myRect = boundingRect(contours[maxLoc.x]);
33//把这个矩形在源图像中画出来
34//rectangle(srcImage,myRect,Scalar(0,255,255),3,LINE_AA);
35//看看显示效果,找的对不对
36//imshow(windowNameString,srcImage);
37//将扫描的图像裁剪下来,并保存为相应的结果,保留一些X方向的边界,所以对rect进行一定的扩张38 myRect.x = myRect.x - (myRect.width / 20);
39 myRect.width = myRect.width*1.1;
40 Mat resultImage = Mat(srcimage, myRect);
41return resultImage;
42 }
4344for (int i = 0; i<contours.size(); i++)
45 {
46 Rect rect = boundingRect((Mat)contours[i]);
47//cimage = simage(rect);48 rectangle(simage, rect, Scalar(0), 2);
49if (show)
50 imshow("转变图", simage);
51 }
52return simage;
53 }
处理结果：
最后识别处理结果：
4. 对非标准的QR二维码图片，进行定位，然后用Zbar（或者Zxing）解码显示。
这里主要参考https://blog.csdn.net/nick123chao/article/details/77573675的博客。不过该博客的处理没有考虑多个识别点时的情况：
例图：
本文主要处理去除干扰的识别点的方向进行研究解决。根据二维码特性：
我们只要找到90°±Δx的角，且夹角两边为最小的边即可。
找到三个点后，我们需要对齐做旋转处理，旋转的角度如下：
其中处理的步骤分为：
灰度处理-》边缘检测-》特征轮廓检测-》提取特征点-》排除干扰点-》绘制直角三角形-》纠正旋转-》提取ROI-》识别
这里先给效果，后展示代码
边缘检测：
特征轮廓检测
提取特征点-》排除干扰点-》绘制直角三角形
纠正旋转
提取ROI
识别
源码如下：
1
/*
*****************************************************
2
函数名称： QrRun
3
函数功能： 开始
4
传入参数：
5
返 回 值：
6
建立时间： 2018-05-19
7
修改时间：
8
建 立 人：
9
修 改 人：
10
其它说明：
11
*****************************************************
*/
12
void
MyClass::QrRun(){
13 RNG rng(12345);
14//imshow("原图", srcimage); 15 Mat src_all = srcimage.clone();
16 Mat src_gray;
17//灰度处理 18 src_gray = getBlur(getGray(srcimage));
19 20 Scalar color = Scalar(1, 1, 255);
21 Mat threshold_output;
22 vector<vector<Point> > contours, contours2;
23 vector<Vec4i> hierarchy;
24 Mat drawing = Mat::zeros(srcimage.size(), CV_8UC3);
25 Mat drawing2 = Mat::zeros(srcimage.size(), CV_8UC3);
26 Mat drawingAllContours = Mat::zeros(srcimage.size(), CV_8UC3);
27 28 threshold_output = getThold(src_gray);
29 30 findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CHAIN_APPROX_NONE, Point(0, 0));
31 32int c = 0, ic = 0, k = 0, area = 0;
33// 边缘检测
34//通过黑色定位角作为父轮廓，有两个子轮廓的特点，筛选出三个定位角 35int parentIdx = -1;
36for (int i = 0; i< contours.size(); i++)
37 {
38//画出所以轮廓图 39 drawContours(drawingAllContours, contours, parentIdx, CV_RGB(255, 255, 255), 1, 8);
40if (hierarchy[i][2] != -1 && ic == 0)
41 {
42 parentIdx = i;
43 ic++;
44 }
45elseif (hierarchy[i][2] != -1)
46 {
47 ic++;
48 }
49elseif (hierarchy[i][2] == -1)
50 {
51 ic = 0;
52 parentIdx = -1;
53 }
54//特征轮廓检测 - 》
55//有两个子轮廓 56if (ic >= 2)
57 {
58//保存找到的三个黑色定位角 59 contours2.push_back(contours[parentIdx]);
60//画出三个黑色定位角的轮廓 61 drawContours(drawing, contours, parentIdx, CV_RGB(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), 1, 8);
62 ic = 0;
63 parentIdx = -1;
64 }
65 }
66//提取特征点
67//填充的方式画出黑色定位角的轮廓 68for (int i = 0; i<contours2.size(); i++)
69 drawContours(drawing2, contours2, i, CV_RGB(rng.uniform(100, 255), rng.uniform(100, 255), rng.uniform(100, 255)), -1, 4, hierarchy[k][2], 0, Point());
70 71//获取定位角的中心坐标 72 vector<Point> pointfind;
73for (int i = 0; i<contours2.size(); i++)
74 {
75 pointfind.push_back(Center_cal(contours2, i));
76 }
77//排除干扰点 78 Mat dst;
79 Point point[3]; double angle; Mat rot_mat;
80///选择合适的点-核心筛选 81if (pointfind.size()>3){
82double lengthA = 10000000000000000, lengthB = 10000000000000000000;
83for (int i = 0; i < pointfind.size(); i++){
84for (int j = 0; j < pointfind.size(); j++){
85for (int k = 0; k < pointfind.size(); k++){
86if (i != j&&j != k&&i != k){
87double dxa, dxb,dya,dyb;
88double k1, k2, wa, wb;
89 dxa = pointfind[i].x - pointfind[j].x;
90 dxb = pointfind[i].x - pointfind[k].x;
91 dya = pointfind[i].y - pointfind[j].y;
92 dyb = pointfind[i].y - pointfind[k].y;
93if (dxa == 0 || dxb == 0)continue;
94 k1 = dya/dxa;
95 k2 = dyb/dxb ;
96 wa = sqrt(pow(dya, 2) + pow(dya, 2));
97 wb = sqrt(pow(dyb, 2) + pow(dxb, 2));
98double anglea = abs(atan(k1) * 180 / CV_PI) + abs(atan(k2) * 180 / CV_PI);
99if (int(anglea)>=85&&int(anglea)<=95&&wa<=lengthA&&wb<=lengthB){
100 lengthA = wa;
101 lengthB = wb;
102 point[0] = pointfind[i];
103 point[1] = pointfind[j];
104 point[2] = pointfind[k];
105 }
106 }
107 }
108 }
109 }
110 }
111else{
112for (int i = 0; i < 3; i++){
113 point[i] = pointfind[i];
114 }
115 }
116//绘制直角三角形
117//计算轮廓的面积，计算定位角的面积，从而计算出边长 118 area = contourArea(contours2[0]);
119int area_side = cvRound(sqrt(double(area)));
120for (int i = 0; i < 3; i++){
121 line(drawing2, point[i], point[(i + 1)%3], color, area_side / 2, 8);
122 }
123124//纠正旋转
125//判断是否正对126if (!IsCorrect(point)){
127//进入修正环节128double angle; Mat rot_mat;
129int start = 0;
130for (int i = 0; i < 3; i++){
131double k1, k2,kk;
132 k1 = (point[i].y - point[(i + 1) % 3].y) / (point[i].x - point[(i + 1) % 3].x);
133 k2 = (point[i].y - point[(i + 2) % 3].y) / (point[i].x - point[(i + 2) % 3].x);
134 kk = k1*k2;
135if (k1*k2 <0)
136 start = i;
137 }
138double ax, ay, bx, by;
139 ax = point[(start + 1) % 3].x;
140 ay = point[(start + 1) % 3].y;
141 bx = point[(start + 2) % 3].x;
142 by = point[(start + 2) % 3].y;
143 Point2f center(abs(ax - bx) / 2, abs(ay -by)/ 2);
144double dy = ay - by;
145double dx = ax - bx;
146double k3 = dy / dx;
147 angle =atan(k3) * 180 / CV_PI;//转化角度148 rot_mat = getRotationMatrix2D(center, angle, 1.0);
149150 warpAffine(src_all, dst, rot_mat, src_all.size(), 1, 0, 0);//旋转原图查看151 warpAffine(drawing2, drawing2, rot_mat, src_all.size(), 1, 0, 0);//旋转连线图152 warpAffine(src_all, src_all, rot_mat, src_all.size(), 1, 0, 0);//旋转原图153154 namedWindow("Dst");
155 imshow("Dst", dst);
156 }
157158 namedWindow("DrawingAllContours");
159 imshow("DrawingAllContours", drawingAllContours);
160161 namedWindow("Drawing2");
162 imshow("Drawing2", drawing2);
163164 namedWindow("Drawing");
165 imshow("Drawing", drawing);
166167//提取ROI
168//接下来要框出这整个二维码 169 Mat gray_all, threshold_output_all;
170 vector<vector<Point> > contours_all;
171 vector<Vec4i> hierarchy_all;
172 cvtColor(drawing2, gray_all, CV_BGR2GRAY);
173174175 threshold(gray_all, threshold_output_all, 45, 255, THRESH_BINARY);
176 findContours(threshold_output_all, contours_all, hierarchy_all, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point(0, 0));//RETR_EXTERNAL表示只寻找最外层轮廓 177178179 Point2f fourPoint2f[4];
180//求最小包围矩形 181 RotatedRect rectPoint = minAreaRect(contours_all[1]);//pointfind.size()-3
182183//将rectPoint变量中存储的坐标值放到 fourPoint的数组中 184 rectPoint.points(fourPoint2f);
185186int maxx = 0, maxy = 0, minx = 100000, miny = 100000;
187for (int i = 0; i < 4; i++)
188 {
189if (maxx < fourPoint2f[i].x)maxx = fourPoint2f[i].x;
190if (maxy < fourPoint2f[i].y)maxy = fourPoint2f[i].y;
191if (minx > fourPoint2f[i].x)minx = fourPoint2f[i].x;
192if (miny > fourPoint2f[i].y)miny = fourPoint2f[i].y;
193 line(src_all, fourPoint2f[i % 4], fourPoint2f[(i + 1) % 4]
194 , Scalar(0), 3);
195 }
196 namedWindow("Src_all");
197///边际处理198int set_inter = 5;
199while (true)
200 {
201 minx -= set_inter;
202 miny -= set_inter;
203 maxx += set_inter;
204 maxy += set_inter;
205if (maxx > srcimage.size().width || maxy > srcimage.size().height || minx < 0 || miny < 0){
206 minx += set_inter;
207 miny += set_inter;
208 maxx -= set_inter;
209 maxy -= set_inter;
210 set_inter--;
211 }
212else213 {
214break;
215 }
216 }
217 imshow("Src_all", src_all(Rect(minx, miny, maxx - minx, maxy - miny)));//ROI218 Mat fout = src_all(Rect(minx, miny, maxx - minx, maxy - miny));//ROI
219220//识别221 Dis_code(fout);
222223 waitKey(0);
224 destroyAllWindows();
225 }
由于在解码上是采用其他人的方法，存在解码问题。（到时候有机会自己再写下）
ps：目前的zbar不支持中文识别，但是zxing可以。所以借鉴本文的需要改进下识别的模块即可。
本文的不足之处：
这里还做了测试，对于旋转180°以上的二维码图片存在可能无法识别的问题。以及码眼为非正方形的也无法识别。
如需要源码请转移至码云：https://gitee.com/cjqbaba/MediaTest/tree/Code_Find进行源码克隆下载
如有问题请留言评论。转载请注明出处，谢谢。
原文：https://www.cnblogs.com/cjqbaba/p/9073908.html
内容总结
以上是互联网集市为您收集整理的基于opencv3.0和zbar下的条形码与二维码识别全部内容，希望文章能够帮你解决基于opencv3.0和zbar下的条形码与二维码识别所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源：【匿名】