用python寫的opencv實時監測和解析二維碼和條形碼最牛教程
今天，我實現了一個很有趣的demo，它可以在視訊裡找到並解析二維碼，然後把解析的內容實時在螢幕上顯示出來。
然後我們直入主題，首先你得確保你裝了opencv,python,zbar等環境。然後這個教程對於學過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境是opencv2.4.x,python2.7,和最新的zbar,在Ubuntu 12.12的系統下執行的
假設你的opencv已經安裝好了，那麼我們就可以安裝zbar
你可以先更新一下
sudo apt-get update
然後在輸入
sudo apt-get install python-zbar
如果環境裝好了，我們就可以接著下一步操作了。
首先讓我們來實現找到在圖片裡面找到二維碼的功能
先新建一個python檔案叫做;simple_barcode_detection.py
程式碼如下，這定義了一個函式，實現從一副圖片裡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):
# 把影象從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操作後，從x的梯度減去y的梯度
gradient = cv2.subtract(gradX, gradY)
gradient = cv2.convertScaleAbs(gradient)
#經過上面的操作後看起來是這樣
# 對上述的梯度圖採用用9x9的核進行平均模糊,這是有利於降噪的
#然後進行二值化處理，要麼是255(白)要麼是0(黑)
blurred = cv2.blur(gradient, (9, 9))
(_, thresh) = cv2.threshold(blurred, 225, 255, cv2.THRESH_BINARY)
#模糊與二值化處理後，看起來是這個樣子，
#上面的操作後發現有一些條形碼的豎槓之間存在一些縫隙，並使我們的演算法能檢測到斑點區域，我們進行一些基本的形態學操作
#我們首先使用cv2.getStructuringElement構造一個長方形核心。這個核心的寬度大於長度，因此我們可以消除條形碼中垂直條之間的縫隙。
# 這裡進行形態學操作，將上一步得到的核心應用到我們的二值圖中，以此來消除豎槓間的縫隙。
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
#上述操作後看起來是這個樣子
#我們發現還是存在一些小斑點，這時我們可以使用opencv裡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，並計算旋轉角
# 給最大的輪廓找到邊框
c = sorted(cnts, key = cv2.contourArea, reverse = True)[0]
rect = cv2.minAreaRect(c)
#box(裡面是ndarry陣列，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，上面的解釋裡面有中文，可能python解釋的時候會通不過，我下面直接給出程式碼
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，接下去實現視訊裡面二維碼的解析
你可以新建一個python檔案，barcode_vid.py
解析二維碼我們需要用zbar這個模組和PIL，PIL在python裡面裝好了
我們先匯入模組
# import the necessary packages
import simple_barcode_detection
import cv2
import numpy as np
import zbar
from PIL import Image
#接下去是建立一個掃描器,他可以解析二維碼的內容
# create a reader
scanner = zbar.ImageScanner()
# configure the reader
scanner.parse_config('enable')
#設定螢幕顯示字型
font=cv2.FONT_HERSHEY_SIMPLEX
#啟用攝像頭
camera=cv2.VideoCapture(0)
#接下去是一個大的while迴圈
while True:
#得到當前的幀
# grab the current frame
(grabbed, frame) = camera.read()
#檢測視訊是否到底了，如果檢測視訊檔案裡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
呼叫剛才我們建的那個函式來查詢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步得到掃描區域，掃描區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]
#把區域裡的二維碼傳換成RGB，並把它轉換成pil裡面的影象，因為zbar得呼叫pil裡面的影象，而不能用opencv的影象
roi=cv2.cvtColor(roi,cv2.COLOR_BGR2RGB)
pil= Image.fromarray(frame).convert('L')
width, height = pil.size
raw = pil.tostring()
#把影象裝換成資料
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訊上
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不能上傳視訊，我下面傳一下圖片
下面還是上原始碼
# 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()