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：
/******************************************************
函数名称： Dis_Barcode
函数功能： 识别条形码和二维码
传入参数：
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：这里是借鉴其他人的代码：
原文链接：https://www.cnblogs.com/dengxiaojun/p/5278679.html
以下代码是经过改动的
******************************************************/
void MyClass::Dis_code(Mat image){
Mat imageGray; // 所转化成的灰度图像
//定义一个扫描仪
ImageScanner scanner;
scanner.set_config(ZBAR_NONE, ZBAR_CFG_ENABLE, ); cvtColor(image, imageGray, CV_RGB2GRAY);
imshow("灰度图", imageGray);
// 获取所摄取图像的长和宽
int width = imageGray.cols;
int height = imageGray.rows;
// 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
uchar *raw = (uchar *)imageGray.data;
Image imageZbar(width, height, "Y800", raw, width * height);
// 扫描相应的图像imageZbar(imageZbar是zbar::Image类型，存储着读入的图像)
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;
} waitKey(); // 等待按下esc键，若需要延时1s则改用waitKey(1000); // 将图像中的数据置为0
imageZbar.set_data(NULL, );
system("pause");
}
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
/******************************************************
函数名称： Run
函数功能： 开始
传入参数：
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
void MyClass::Run(){
Mat image;
image = getGray(srcimage);//获取灰度图
image = getGass(image);//高斯平滑滤波
image = getSobel(image);//Sobel x—y梯度差
image = getBlur(image);//均值滤波除高频噪声
image = getThold(image);//二值化
image = getBys(image);//闭运算
image = getErode(image);//腐蚀
image = getDilate(image);//膨胀
image = getRect(image, srcimage);//获取ROI
imshow("最后的图", image);
Dis_code(image);
waitKey();
}
灰度处理（消除颜色干扰）
/******************************************************
函数名称： getGray
函数功能： 灰度处理
传入参数： Mat image
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
Mat MyClass::getGray(Mat image, bool show){//show默认false 待定参数法
Mat cimage;
cvtColor(image, cimage, CV_RGBA2GRAY);
if (show)
imshow("灰度图", cimage);
return cimage;
}
处理结果：
高斯滤波处理（消除高斯噪声）
/******************************************************
函数名称： getGass
函数功能： 高斯滤波处理
传入参数： Mat image
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
Mat MyClass::getGass(Mat image, bool show){
Mat cimage;
GaussianBlur(image, cimage, Size(, ), );
if (show)
imshow("高斯滤波图", cimage);
return cimage;
}
处理结果：
Sobel x-y差处理（只考虑x轴，消除y轴不必要信息）
/******************************************************
函数名称： getSobel
函数功能： Sobel处理
传入参数： Mat image
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
Mat MyClass::getSobel(Mat image, bool show){
Mat cimageX16s, cimageY16s, imageSobelX, imageSobelY, out;
Sobel(image, cimageX16s, CV_16S, , , , , , );
Sobel(image, cimageY16s, CV_16S, , , , , , );
convertScaleAbs(cimageX16s, imageSobelX, , );
convertScaleAbs(cimageY16s, imageSobelY, , );
out = imageSobelX - imageSobelY;
if (show)
imshow("Sobelx-y差 图", out);
return out;
}
处理结果：
均值滤波处理（消除高频噪声）
/******************************************************
函数名称： getBlur
函数功能： 均值滤波处理
传入参数： Mat image
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
Mat MyClass::getBlur(Mat image, bool show){
Mat cimage;
blur(image, cimage, Size(, ));
if (show)
imshow("均值滤波图", cimage);
return cimage;
}
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）
/******************************************************
函数名称： getThold
函数功能： 二值化处理
传入参数： Mat image
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
Mat MyClass::getThold(Mat image, bool show){
Mat cimage;
threshold(image, cimage, , , CV_THRESH_BINARY);
if (show)
imshow("二值化图", cimage);
return cimage;
}
处理结果：
闭运算处理（扩大轴之间的间隙）
/******************************************************
函数名称： getBys
函数功能： 闭运算处理
传入参数： Mat image
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
Mat MyClass::getBys(Mat image, bool show){
morphologyEx(image, image, MORPH_CLOSE, element);
if (show)
imshow("闭运算图", image);
return image;
}
处理结果：
腐蚀膨胀（消去干扰点和合并条码区域）
/******************************************************
函数名称： getErode
函数功能： 腐蚀处理
传入参数： Mat image
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
Mat MyClass::getErode(Mat image, bool show){
//Mat cimage;
erode(image, image, element);
if (show)
imshow("腐蚀图", image);
return image;
}
/******************************************************
函数名称： getDilate
函数功能： 膨胀处理
传入参数： Mat image
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
Mat MyClass::getDilate(Mat image, bool show){
for (int i = ; i < ; i++)
dilate(image, image, element);
if (show)
imshow("膨胀图", image);
return image;
}
处理结果：
获取ROI（为Zbar处理作预处理）
/******************************************************
函数名称： getRect
函数功能： 获取码的区域
传入参数： Mat image， Mat simage原图
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：借鉴其他人进行改进
******************************************************/
Mat MyClass::getRect(Mat image, Mat simage, bool show){
vector<vector<Point>> contours;
vector<Vec4i> hiera;
Mat cimage;
findContours(image, contours, hiera, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
vector<float>contourArea;
for (int i = ; i < contours.size(); i++)
{
contourArea.push_back(cv::contourArea(contours[i]));
}
//找出面积最大的轮廓
double maxValue; Point maxLoc;
minMaxLoc(contourArea, NULL, &maxValue, NULL, &maxLoc);
//计算面积最大的轮廓的最小的外包矩形
RotatedRect minRect = minAreaRect(contours[maxLoc.x]);
//为了防止找错,要检查这个矩形的偏斜角度不能超标
//如果超标,那就是没找到
if (minRect.angle<2.0)
{
//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
Rect myRect = boundingRect(contours[maxLoc.x]);
//把这个矩形在源图像中画出来
//rectangle(srcImage,myRect,Scalar(0,255,255),3,LINE_AA);
//看看显示效果,找的对不对
//imshow(windowNameString,srcImage);
//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
myRect.x = myRect.x - (myRect.width / );
myRect.width = myRect.width*1.1;
Mat resultImage = Mat(srcimage, myRect);
return resultImage;
} for (int i = ; i<contours.size(); i++)
{
Rect rect = boundingRect((Mat)contours[i]);
//cimage = simage(rect);
rectangle(simage, rect, Scalar(), );
if (show)
imshow("转变图", simage);
}
return simage;
}
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：
/******************************************************
函数名称： QrRun
函数功能： 开始
传入参数：
返 回 值：
建立时间： 2018-05-19
修改时间：
建 立 人：
修 改 人：
其它说明：
******************************************************/
void MyClass::QrRun(){
RNG rng();
//imshow("原图", srcimage);
Mat src_all = srcimage.clone();
Mat src_gray;
//灰度处理
src_gray = getBlur(getGray(srcimage)); Scalar color = Scalar(, , );
Mat threshold_output;
vector<vector<Point> > contours, contours2;
vector<Vec4i> hierarchy;
Mat drawing = Mat::zeros(srcimage.size(), CV_8UC3);
Mat drawing2 = Mat::zeros(srcimage.size(), CV_8UC3);
Mat drawingAllContours = Mat::zeros(srcimage.size(), CV_8UC3); threshold_output = getThold(src_gray); findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CHAIN_APPROX_NONE, Point(, )); int c = , ic = , k = , area = ;
// 边缘检测
//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
int parentIdx = -;
for (int i = ; i< contours.size(); i++)
{
//画出所以轮廓图
drawContours(drawingAllContours, contours, parentIdx, CV_RGB(, , ), , );
if (hierarchy[i][] != - && ic == )
{
parentIdx = i;
ic++;
}
else if (hierarchy[i][] != -)
{
ic++;
}
else if (hierarchy[i][] == -)
{
ic = ;
parentIdx = -;
}
//特征轮廓检测 - 》
//有两个子轮廓
if (ic >= )
{
//保存找到的三个黑色定位角
contours2.push_back(contours[parentIdx]);
//画出三个黑色定位角的轮廓
drawContours(drawing, contours, parentIdx, CV_RGB(rng.uniform(, ), rng.uniform(, ), rng.uniform(, )), , );
ic = ;
parentIdx = -;
}
}
//提取特征点
//填充的方式画出黑色定位角的轮廓
for (int i = ; i<contours2.size(); i++)
drawContours(drawing2, contours2, i, CV_RGB(rng.uniform(, ), rng.uniform(, ), rng.uniform(, )), -, , hierarchy[k][], , Point()); //获取定位角的中心坐标
vector<Point> pointfind;
for (int i = ; i<contours2.size(); i++)
{
pointfind.push_back(Center_cal(contours2, i));
}
//排除干扰点
Mat dst;
Point point[]; double angle; Mat rot_mat;
///选择合适的点-核心筛选
if (pointfind.size()>){
double lengthA = , lengthB = ;
for (int i = ; i < pointfind.size(); i++){
for (int j = ; j < pointfind.size(); j++){
for (int k = ; k < pointfind.size(); k++){
if (i != j&&j != k&&i != k){
double dxa, dxb,dya,dyb;
double k1, k2, wa, wb;
dxa = pointfind[i].x - pointfind[j].x;
dxb = pointfind[i].x - pointfind[k].x;
dya = pointfind[i].y - pointfind[j].y;
dyb = pointfind[i].y - pointfind[k].y;
if (dxa == || dxb == )continue;
k1 = dya/dxa;
k2 = dyb/dxb ;
wa = sqrt(pow(dya, ) + pow(dya, ));
wb = sqrt(pow(dyb, ) + pow(dxb, ));
double anglea = abs(atan(k1) * / CV_PI) + abs(atan(k2) * / CV_PI);
if (int(anglea)>=&&int(anglea)<=&&wa<=lengthA&&wb<=lengthB){
lengthA = wa;
lengthB = wb;
point[] = pointfind[i];
point[] = pointfind[j];
point[] = pointfind[k];
}
}
}
}
}
}
else{
for (int i = ; i < ; i++){
point[i] = pointfind[i];
}
}
//绘制直角三角形
//计算轮廓的面积，计算定位角的面积，从而计算出边长
area = contourArea(contours2[]);
int area_side = cvRound(sqrt(double(area)));
for (int i = ; i < ; i++){
line(drawing2, point[i], point[(i + )%], color, area_side / , );
} //纠正旋转
//判断是否正对
if (!IsCorrect(point)){
//进入修正环节
double angle; Mat rot_mat;
int start = ;
for (int i = ; i < ; i++){
double k1, k2,kk;
k1 = (point[i].y - point[(i + ) % ].y) / (point[i].x - point[(i + ) % ].x);
k2 = (point[i].y - point[(i + ) % ].y) / (point[i].x - point[(i + ) % ].x);
kk = k1*k2;
if (k1*k2 <)
start = i;
}
double ax, ay, bx, by;
ax = point[(start + ) % ].x;
ay = point[(start + ) % ].y;
bx = point[(start + ) % ].x;
by = point[(start + ) % ].y;
Point2f center(abs(ax - bx) / , abs(ay -by)/ );
double dy = ay - by;
double dx = ax - bx;
double k3 = dy / dx;
angle =atan(k3) * / CV_PI;//转化角度
rot_mat = getRotationMatrix2D(center, angle, 1.0); warpAffine(src_all, dst, rot_mat, src_all.size(), , , );//旋转原图查看
warpAffine(drawing2, drawing2, rot_mat, src_all.size(), , , );//旋转连线图
warpAffine(src_all, src_all, rot_mat, src_all.size(), , , );//旋转原图 namedWindow("Dst");
imshow("Dst", dst);
} namedWindow("DrawingAllContours");
imshow("DrawingAllContours", drawingAllContours); namedWindow("Drawing2");
imshow("Drawing2", drawing2); namedWindow("Drawing");
imshow("Drawing", drawing); //提取ROI
//接下来要框出这整个二维码
Mat gray_all, threshold_output_all;
vector<vector<Point> > contours_all;
vector<Vec4i> hierarchy_all;
cvtColor(drawing2, gray_all, CV_BGR2GRAY); threshold(gray_all, threshold_output_all, , , THRESH_BINARY);
findContours(threshold_output_all, contours_all, hierarchy_all, RETR_EXTERNAL, CHAIN_APPROX_NONE, Point(, ));//RETR_EXTERNAL表示只寻找最外层轮廓 Point2f fourPoint2f[];
//求最小包围矩形
RotatedRect rectPoint = minAreaRect(contours_all[]);//pointfind.size()-3 //将rectPoint变量中存储的坐标值放到 fourPoint的数组中
rectPoint.points(fourPoint2f); int maxx = , maxy = , minx = , miny = ;
for (int i = ; i < ; i++)
{
if (maxx < fourPoint2f[i].x)maxx = fourPoint2f[i].x;
if (maxy < fourPoint2f[i].y)maxy = fourPoint2f[i].y;
if (minx > fourPoint2f[i].x)minx = fourPoint2f[i].x;
if (miny > fourPoint2f[i].y)miny = fourPoint2f[i].y;
line(src_all, fourPoint2f[i % ], fourPoint2f[(i + ) % ]
, Scalar(), );
}
namedWindow("Src_all");
///边际处理
int set_inter = ;
while (true)
{
minx -= set_inter;
miny -= set_inter;
maxx += set_inter;
maxy += set_inter;
if (maxx > srcimage.size().width || maxy > srcimage.size().height || minx < || miny < ){
minx += set_inter;
miny += set_inter;
maxx -= set_inter;
maxy -= set_inter;
set_inter--;
}
else
{
break;
}
}
imshow("Src_all", src_all(Rect(minx, miny, maxx - minx, maxy - miny)));//ROI
Mat fout = src_all(Rect(minx, miny, maxx - minx, maxy - miny));//ROI //识别
Dis_code(fout); waitKey();
destroyAllWindows();
}
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。
