基于opencv3.0和下的条形码与二维码识别

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：

 /******************************************************
 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。