使用python寫的opencv實時監(jiān)測和解析二維碼和條形碼
更新時間：2019年08月14日 10:38:49 作者：奮斗路上的產品狗
這篇文章主要介紹了使用python寫的opencv實時監(jiān)測和解析二維碼和條形碼,本文給大家介紹的非常詳細，具有一定的參考借鑒價值，需要的朋友可以參考下
今天，我實現(xiàn)了一個很有趣的demo，它可以在視頻里找到并解析二維碼，然后把解析的內容實時在屏幕上顯示出來。
然后我們直入主題，首先你得確保你裝了opencv,python,zbar等環(huán)境。然后這個教程對于學過opencv的人可能更好理解，但是沒學過也無妨，到時候也可以直接用。
比如我的電腦上的環(huán)境是opencv2.4.x,python2.7,和最新的zbar,在Ubuntu 12.12的系統(tǒng)下運行的
假設你的opencv已經(jīng)安裝好了，那么我們就可以安裝zbar
你可以先更新一下
sudo apt-get update
然后在輸入
sudo apt-get install python-zbar
如果環(huán)境裝好了，我們就可以接著下一步操作了。
首先讓我們來實現(xiàn)找到在圖片里面找到二維碼的功能
先新建一個python文件叫做;simple_barcode_detection.py
代碼如下，這定義了一個函數(shù)，實現(xiàn)從一副圖片里面找出二維碼的位置
我們要檢測的二維碼的圖片
import numpy as np import cv2 def detect(image): # 把圖像從RGB裝換成灰度圖 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用Scharr操作（指定使用ksize = -1）構造灰度圖在水平和豎直方向上的梯度幅值表示。 gradX = cv2.Sobel(gray, ddepth = cv2.cv.CV_32F, dx = 1, dy = 0, ksize = -1) gradY = cv2.Sobel(gray, ddepth = cv2.cv.CV_32F, dx = 0, dy = 1, ksize = -1) #Scharr操作后，從x的梯度減去y的梯度 gradient = cv2.subtract(gradX, gradY) gradient = cv2.convertScaleAbs(gradient) #經(jīng)過上面的操作后看起來是這樣
# 對上述的梯度圖采用用9x9的核進行平均模糊,這是有利于降噪的
#然后進行二值化處理，要么是255(白)要么是0(黑)
blurred = cv2.blur(gradient, (9, 9)) (_, thresh) = cv2.threshold(blurred, 225, 255, cv2.THRESH_BINARY)
#模糊與二值化處理后，看起來是這個樣子，
#上面的操作后發(fā)現(xiàn)有一些條形碼的豎杠之間存在一些縫隙，并使我們的算法能檢測到斑點區(qū)域，我們進行一些基本的形態(tài)學操作 #我們首先使用cv2.getStructuringElement構造一個長方形內核。這個內核的寬度大于長度，因此我們可以消除條形碼中垂直條之間的縫隙。 # 這里進行形態(tài)學操作，將上一步得到的內核應用到我們的二值圖中，以此來消除豎杠間的縫隙。 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7)) closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel) #上述操作后看起來是這個樣子
#我們發(fā)現(xiàn)還是存在一些小斑點，這時我們可以使用opencv里面的腐蝕和膨脹來處理他們，來去除白色的斑點
closed = cv2.erode(closed, None, iterations = 4) closed = cv2.dilate(closed, None, iterations = 4) #這時候的效果看起來是這樣的
# 接下來我們來找輪廓 (cnts, _) = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) #如果沒找到則返回為空 if len(cnts) == 0: return None #找到了就通過面積來排序，并計算旋轉角 # 給最大的輪廓找到邊框 c = sorted(cnts, key = cv2.contourArea, reverse = True)[0] rect = cv2.minAreaRect(c) #box(里面是ndarry數(shù)組，包含了4個頂點的位置) box = np.int0(cv2.cv.BoxPoints(rect)) # 返回box return box
最終結果
好了，上面的解釋里面有中文，可能python解釋的時候會通不過，我下面直接給出代碼
import numpy as np import cv2 def detect(image): # convert the image to grayscale gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # compute the Scharr gradient magnitude representation of the images # in both the x and y direction gradX = cv2.Sobel(gray, ddepth = cv2.cv.CV_32F, dx = 1, dy = 0, ksize = -1) gradY = cv2.Sobel(gray, ddepth = cv2.cv.CV_32F, dx = 0, dy = 1, ksize = -1) # subtract the y-gradient from the x-gradient gradient = cv2.subtract(gradX, gradY) gradient = cv2.convertScaleAbs(gradient) # blur and threshold the image blurred = cv2.blur(gradient, (9, 9)) (_, thresh) = cv2.threshold(blurred, 225, 255, cv2.THRESH_BINARY) # construct a closing kernel and apply it to the thresholded image kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7)) closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel) # perform a series of erosions and dilations closed = cv2.erode(closed, None, iterations = 4) closed = cv2.dilate(closed, None, iterations = 4) # find the contours in the thresholded image (cnts, _) = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # if no contours were found, return None if len(cnts) == 0: return None # otherwise, sort the contours by area and compute the rotated # bounding box of the largest contour c = sorted(cnts, key = cv2.contourArea, reverse = True)[0] rect = cv2.minAreaRect(c) box = np.int0(cv2.cv.BoxPoints(rect)) # return the bounding box of the barcode return box
完成了上述的工作，我們就完成了二維碼和條形碼的定位，接下去實現(xiàn)視頻里面二維碼的解析
你可以新建一個python文件，barcode_vid.py
解析二維碼我們需要用zbar這個模塊和PIL，PIL在python里面裝好了
我們先導入模塊
# import the necessary packages import simple_barcode_detection import cv2 import numpy as np import zbar from PIL import Image
#接下去是創(chuàng)建一個掃描器,他可以解析二維碼的內容
# create a reader
scanner = zbar.ImageScanner()
# configure the reader
scanner.parse_config('enable')
#設置屏幕顯示字體
font=cv2.FONT_HERSHEY_SIMPLEX
#啟用攝像頭
camera=cv2.VideoCapture(0)
#接下去是一個大的while循環(huán)
while True:
#得到當前的幀
# grab the current frame
(grabbed, frame) = camera.read()
#檢測視頻是否到底了，如果檢測視頻文件里面的二維碼或條形碼用這個，如果開啟攝像頭就無所謂了
# check to see if we have reached the end of the
# video
if not grabbed:
break
調用剛才我們建的那個函數(shù)來查找二維碼返回二維碼的位置
# detect the barcode in the image
box = simple_barcode_detection.detect(frame)
if box != None:
#這下面的3步得到掃描區(qū)域，掃描區(qū)域要比檢測出來的位置要大
min=np.min(box,axis=0)
max=np.max(box,axis=0)
roi=frame[min[1]-10:max[1]+10,min[0]-10:max[0]+10]
#把區(qū)域里的二維碼傳換成RGB，并把它轉換成pil里面的圖像，因為zbar得調用pil里面的圖像，而不能用opencv的圖像
roi=cv2.cvtColor(roi,cv2.COLOR_BGR2RGB)
pil= Image.fromarray(frame).convert('L')
width, height = pil.size
raw = pil.tostring()
#把圖像裝換成數(shù)據(jù)
zarimage = zbar.Image(width, height, 'Y800', raw)
#掃描器進行掃描
scanner.scan(zarimage)
#得到結果
for symbol in zarimage:
# 對結果進行一些有用的處理
print 'decoded', symbol.type, 'symbol', '"%s"' %symbol.data
cv2.drawContours(frame, [box], -1, (0, 255, 0), 2)
#把解析的內容放到視頻上
cv2.putText(frame,symbol.data,(20,100),font,1,(0,255,0),4)
# show the frame and record if the user presses a key
cv2.imshow("Frame", frame)
key = cv2.waitKey(1) & 0xFF
# if the 'q' key is pressed, stop the loop
if key == ord("q"):
break
# cleanup the camera and close any open windows
camera.release()
cv2.destroyAllWindows()
CSDN不能上傳視頻，我下面?zhèn)饕幌聢D片
下面還是上源碼
# import the necessary packages
import simple_barcode_detection
import cv2
import numpy as np
import zbar
from PIL import Image
# create a reader
scanner = zbar.ImageScanner()
# configure the reader
scanner.parse_config('enable')
font=cv2.FONT_HERSHEY_SIMPLEX
camera=cv2.VideoCapture(0)
while True:
# grab the current frame
(grabbed, frame) = camera.read()
# check to see if we have reached the end of the
# video
if not grabbed:
break
# detect the barcode in the image
box = simple_barcode_detection.detect(frame)
if box != None:
min=np.min(box,axis=0)
max=np.max(box,axis=0)
roi=frame[min[1]-10:max[1]+10,min[0]-10:max[0]+10]
print roi.shape
roi=cv2.cvtColor(roi,cv2.COLOR_BGR2RGB)
pil= Image.fromarray(frame).convert('L')
width, height = pil.size
raw = pil.tostring()
# wrap image data
zarimage = zbar.Image(width, height, 'Y800', raw)
# scan the image for barcodes
scanner.scan(zarimage)
# extract results
for symbol in zarimage:
# do something useful with results
print 'decoded', symbol.type, 'symbol', '"%s"' %symbol.data
cv2.drawContours(frame, [box], -1, (0, 255, 0), 2)
cv2.putText(frame,symbol.data,(20,100),font,1,(0,255,0),4)
# if a barcode was found, draw a bounding box on the frame
# show the frame and record if the user presses a key
cv2.imshow("Frame", frame)
key = cv2.waitKey(1) & 0xFF
# if the 'q' key is pressed, stop the loop
if key == ord("q"):
break
# cleanup the camera and close any open windows
camera.release()
cv2.destroyAllWindows()
總結
以上所述是小編給大家介紹的使用python寫的opencv實時監(jiān)測和解析二維碼和條形碼,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！
相關文章
Python和Java的語法對比分析語法簡潔上python的確完美勝出
Python是一種廣泛使用的解釋型、高級編程、通用型編程語言，由吉多·范羅蘇姆創(chuàng)造，第一版發(fā)布于1991年。這篇文章主要介紹了Python和Java的語法對比，語法簡潔上python的確完美勝出 ,需要的朋友可以參考下2019-05-05
使用Python實現(xiàn)租車計費系統(tǒng)的兩種方法
本文通過兩種方法給大家分享了使用Python實現(xiàn)租車計費系統(tǒng)，非常不錯，具有一定的參考借鑒價值，需要的朋友可以參考下2018-09-09
這篇文章主要為大家介紹了Python編寫實用運維進程文件目錄的操作腳本示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-05-05
Python使用asyncio包處理并發(fā)的實現(xiàn)代碼
這篇文章主要介紹了Python使用asyncio包處理并發(fā),asyncio包使用事件循環(huán)驅動的協(xié)程實現(xiàn)并發(fā)，本文通過實例代碼給大家介紹的非常詳細對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-12-12
這篇文章主要介紹了Python?pyecharts繪制詞云圖代碼，2021-12-12
這篇文章主要介紹了Python模塊化編程與裝飾器的相關資料，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2021-01-01
python中*args與**kwarsg及閉包和裝飾器的用法
這篇文章主要介紹了python中*args與**kwarsg及閉包和裝飾器的用法說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-07-07
python利用pymysql和openpyxl實現(xiàn)操作MySQL數(shù)據(jù)庫并插入數(shù)據(jù)
這篇文章主要為大家詳細介紹了如何使用Python連接MySQL數(shù)據(jù)庫,并從Excel文件中讀取數(shù)據(jù),將其插入到MySQL數(shù)據(jù)庫中,有需要的小伙伴可以參考一下2023-10-10
這篇文章主要為大家詳細介紹了python基于C/S模式實現(xiàn)聊天室功能，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-01-01
python+django+sql學生信息管理后臺開發(fā)
這篇文章主要為大家詳細介紹了python+django+sql學生信息管理后臺開發(fā)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01