快捷導(dǎo)航

詳解利用python識別圖片中的條碼（pyzbar）及條碼圖片矯正和增強

更新時間：2020年11月17日 08:33:45 作者：西瓜6

這篇文章主要介紹了詳解利用python識別圖片中的條碼（pyzbar）及條碼圖片矯正和增強，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

前言

這周和大家分享如何用python識別圖像里的條碼。用到的庫可以是zbar。希望西瓜6辛苦碼的代碼不要被盜了。（zxing的話，我一直沒有裝好，等裝好之后再寫一篇）

具體步驟

前期準(zhǔn)備

用opencv去讀取圖片，用pip進行安裝。

pip install opencv-python

所用到的圖片就是這個

西瓜6的barcode

使用pyzbar

windows的安裝方法是

pip install pyzbar

而mac的話，最好用brew來安裝。
（有可能直接就好，也有可能很麻煩）
裝好之后就是讀取圖片，識別條碼。
代碼如下

import cv2
import pyzbar.pyzbar as pyzbar

image=cv2.imread("/Users/phoenix/Downloads/barcode.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
texts = pyzbar.decode(gray)
for text in texts:
 tt = text.data.decode("utf-8")
print(tt)

結(jié)果如圖：

在這里插入圖片描述

特殊情況處理（條碼圖片矯正和增強）

只以pyzbar舉例

條碼是顛倒的是否會影響識別？

不影響，單純顛倒180度和90度是不會影響識別的。
我們把上一個圖的顛倒180度，用顛倒后的圖試一下

barcode_180

import cv2
import pyzbar.pyzbar as pyzbar
import numpy as np

image=cv2.imread("/Users/phoenix/Downloads/barcode_180.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
texts = pyzbar.decode(gray)
print(texts)
if texts==[]:
 print("未識別成功")
else:
 for text in texts:
  tt = text.data.decode("utf-8")
 print("識別成功")
 print(tt)

結(jié)果如圖

在這里插入圖片描述

90度的話也是同樣可以成功的。但是其它角度就會GG。

條碼是傾斜的是否會影響識別？

會的，但這種還比較好處理。
如圖

在這里插入圖片描述

這張圖用上面的代碼就會

在這里插入圖片描述

解決的思路是把這個圖片旋轉(zhuǎn)回來，至于如何判斷轉(zhuǎn)多少度，可以通過opencv來處理。通過膨脹和腐蝕將其變?yōu)槿鐖D。

在這里插入圖片描述

接著再用cv2.minAreaRect函數(shù)，這個函數(shù)會返回如下，

在這里插入圖片描述

里面的第三個-45就是我們需要的角度。

綜合起來的實現(xiàn)代碼，我就放在下面了。（我自己寫的，如果有幫到你，快點關(guān)注和贊）

import cv2
import pyzbar.pyzbar as pyzbar
import numpy as np

def barcode(gray):
  texts = pyzbar.decode(gray)
  if texts == []:
    angle = barcode_angle(gray)
    if angle < -45:
      angle = -90 - angle
    texts = bar(gray, angle)
  if texts == []:
    gray = np.uint8(np.clip((1.1 * gray + 10), 0, 255))
    angle = barcode_angle(gray)
    #西瓜6寫的，轉(zhuǎn)載需聲明
    if angle < -45:
      angle = -90 - angle
    texts = bar(gray, angle)
  return texts

def bar(image, angle):
  gray = image
  #西瓜6寫的，轉(zhuǎn)載需聲明
  bar = rotate_bound(gray, 0 - angle)
  roi = cv2.cvtColor(bar, cv2.COLOR_BGR2RGB)
  texts = pyzbar.decode(roi)
  return texts


def barcode_angle(image):
  gray = image
  #西瓜6寫的，轉(zhuǎn)載需聲明
  ret, binary = cv2.threshold(gray, 220, 255, cv2.THRESH_BINARY_INV)
  kernel = np.ones((8, 8), np.uint8)
  dilation = cv2.dilate(binary, kernel, iterations=1)
  erosion = cv2.erode(dilation, kernel, iterations=1)
  erosion = cv2.erode(erosion, kernel, iterations=1)
  erosion = cv2.erode(erosion, kernel, iterations=1)
  
  contours, hierarchy = cv2.findContours(
    erosion, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
  if len(contours) == 0:
    rect = [0, 0, 0]
  else:
    rect = cv2.minAreaRect(contours[0])
  return rect[2]

def rotate_bound(image, angle):
  (h, w) = image.shape[:2]
  (cX, cY) = (w // 2, h // 2)

  M = cv2.getRotationMatrix2D((cX, cY), -angle, 1.0)
  cos = np.abs(M[0, 0])
  sin = np.abs(M[0, 1])
  #西瓜6寫的，轉(zhuǎn)載需聲明
  nW = int((h * sin) + (w * cos))
  nH = int((h * cos) + (w * sin))

  M[0, 2] += (nW / 2) - cX
  M[1, 2] += (nH / 2) - cY

  return cv2.warpAffine(image, M, (nW, nH))

image=cv2.imread("/Users/phoenix/Downloads/barcode_455.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
texts = barcode(gray)
print(texts)
if texts==[]:
  print("未識別成功")
else:
  for text in texts:
    tt = text.data.decode("utf-8")
  print("識別成功")
  print(tt)

條碼是模糊的是否會影響識別？

會的，處理方法就是傳統(tǒng)的調(diào)對比度，銳化。。。。
不過這個只能解決部分部分，至于有的條碼，微信可以掃，支付寶可以掃，但是我們識別不了，這個也不能怪庫不好，這部分該放棄就放棄吧。

結(jié)束語

如果你想用python來解決圖像里的條碼識別問題，這篇文章肯定是可以幫到你的。到此這篇關(guān)于詳解利用python識別圖片中的條碼（pyzbar）及條碼圖片矯正和增強的文章就介紹到這了,更多相關(guān)python識別圖片條碼內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: