目標

在本章中，我們將熟悉 OpenCV 中可用的條形碼檢測和解碼方法。

基礎知識

條形碼是識別現實生活中商品的主要技術。常見的條形碼是由黑條和白條排列的平行線圖案，它們的反射率差異很大。條形碼識別是在水平方向上掃描條形碼，以獲得由不同寬度和顏色的條組成的二進位制程式碼字串，即條形碼的程式碼資訊。條形碼的內容可以透過與各種條形碼編碼方法匹配來解碼。目前，我們支援 EAN-8、EAN-13、UPC-A 和 UPC-E 標準。

請參閱 https://en.wikipedia.org/wiki/Universal_Product_Code 和 https://en.wikipedia.org/wiki/International_Article_Number

相關論文: [306] , [146] , [22]

程式碼示例

主要類

引入了幾種用於條形碼識別的演算法。

在編碼時，我們首先需要建立一個 cv::barcode::BarcodeDetector 物件。它主要有三個成員函式，將在下面介紹。

初始化

使用者可以選擇使用超解析度模型構造條形碼檢測器，該模型應從 https://github.com/WeChatCV/opencv_3rdparty/tree/wechat_qrcode (sr.caffemodel, sr.prototxt) 下載。

    try
    {
app.bardet = makePtr<barcode::BarcodeDetector>(sr_prototxt, sr_model);
    }
    catch (const std::exception& e)
    {
cout <<
             "\n---------------------------------------------------------------\n"
             "初始化超解析度失敗。\n"
             "請從\n"
             "https://github.com/WeChatCV/opencv_3rdparty/tree/wechat_qrcode\n"
             "下載 'sr.*' 並將它們放入當前目錄。\n"
             "或者您可以將 sr_prototxt 和 sr_model 保留為未指定。\n"
             "---------------------------------------------------------------\n";
cout << e.what() << endl;
        return -1;
    }

我們需要建立變數來儲存輸出。

vector<Point> corners;
vector<string> decode_info;
vector<string> decode_type;

檢測

cv::barcode::BarcodeDetector::detect 方法使用基於方向一致性的演算法。首先，我們計算每個畫素的平均平方梯度， [22] 。然後我們將影像分成正方形塊，並計算每個塊的梯度方向一致性和平均梯度方向。然後，我們連線所有具有高梯度方向一致性和相似梯度方向的塊。在此階段，我們使用多尺度塊來捕獲多尺寸條形碼的梯度分佈，並應用非最大值抑制來過濾重複的提議。最後，我們使用 cv::minAreaRect 來邊界 ROI，並輸出矩形的角。

檢測輸入影像中的程式碼，並輸出檢測到的矩形的角

bardet->detectMulti(frame, corners);

解碼

cv::barcode::BarcodeDetector::decode 方法首先對影像進行超標度（可選），如果它小於閾值，則銳化影像，然後透過 OTSU 或區域性二值化進行二值化。然後，它透過匹配指定條形碼模式的相似性來讀取條形碼的內容。

檢測和解碼

cv::barcode::BarcodeDetector::detectAndDecode 在單個呼叫中結合了 detect 和 decode 。下面的一個簡單示例展示瞭如何使用此函式

bardet->detectAndDecodeWithType(frame, decode_info, decode_type, corners);

視覺化結果

        for (size_t i = 0; i < corners.size(); i += 4)
        {
            const size_t idx = i / 4;
            const bool isDecodable = idx < decode_info.size()
&& idx < decode_type.size()
&& !decode_type[idx].empty();
            const Scalar lineColor = isDecodable ? greenColor : redColor;
            // 繪製條形碼矩形
vector<Point> contour(corners.begin() + i, corners.begin() + i + 4);
            const vector< vector<Point> > contours {contour};
            drawContours(frame, contours, 0, lineColor, 1);
            // 繪製頂點
            for (size_t j = 0; j < 4; j++)
                circle(frame, contour[j], 2, randColor(), -1);
            // 寫入解碼文字
            if (isDecodable)
            {
ostringstream buf;
buf << "[" << decode_type[idx] << "] " << decode_info[idx];
                putText(frame, buf.str(), contour[1], FONT_HERSHEY_COMPLEX, 0.8, yellowColor, 1);
            }
        }

結果

原始影像

image

檢測之後

image