用 Python 和 OpenCV 检测图片上的条形码

近期在学习python，于是参考博客http://blog.jobbole.com/80448/，也实现了一下用 Python 和 OpenCV 检测图片上的条形码，整个过程比较简单，那篇博客里面有很详细的解说，于是这里就直接上代码了。

# -*- coding: utf-8 -*-
# feimengjuan
import numpy as np
import cv2

# 1、整个条形码的算法流程如下：
# 2、计算x方向和y方向上的Scharr梯度幅值表示
# 3、将x-gradient减去y-gradient来显示条形码区域
# 4、模糊并二值化图像
# 5、对二值化图像应用闭运算内核
# 6、进行系列的腐蚀、膨胀
# 7、找到图像中的最大轮廓，大概便是条形码
# 注：该方法做了关于图像梯度表示的假设，因此只对水平条形码有效。

def detect_bar(image):
    # 读入图片并灰度化
    gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    # 计算图像x方向和y方向的梯度
    gradX = cv2.Sobel(gray,ddepth = cv2.CV_32F, dx = 1, dy = 0, ksize = -1)
    gradY = cv2.Sobel(gray,ddepth = cv2.CV_32F, dx = 0, dy = 1, ksize = -1)
    # 利用x-gradient减去y-gradient，通过这一步减法操作，得到包含高水平梯度和低竖直梯度的图形区域
    gradient = cv2.subtract(gradX,gradY)
    gradient = cv2.convertScaleAbs(gradient)

    # 利用去噪仅关注条形码区域，使用9*9的内核对梯度图进行平均模糊，
    # 有助于平滑梯度表征的图形中的高频噪声，然后进行二值化
    blurred = cv2.blur(gradient,(9,9))
    (_,thresh) = cv2.threshold(blurred,225,255,cv2.THRESH_BINARY)

    # 对二值化图进行形态学操作，消除条形码竖杠之间的缝隙
    # 使用cv2.getStructuringElement构造一个长方形内核。这个内核的宽度大于长度，
    # 因此我们可以消除条形码中垂直条之间的缝隙。
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(21,7))
    closed = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel)

    # 然后图像中还存在一些小斑点，于是用腐蚀和膨胀来消除旁边的小斑点
    #  腐蚀操作将会腐蚀图像中白色像素，以此来消除小斑点，
    #  而膨胀操作将使剩余的白色像素扩张并重新增长回去。
    closed = cv2.erode(closed,None,iterations = 4)
    closed = cv2.dilate(closed,None,iterations = 4)

    # 最后找图像中国条形码的轮廓
    (cnts,_) = cv2.findContours(closed.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

    # 通过对轮廓面积进行排序，找到面积最大的轮廓即为最外层轮廓
    c = sorted(cnts, key = cv2.contourArea, reverse = True)[0]

    # 计算最大轮廓的包围box
    rect = cv2.minAreaRect(c)
    box = np.int0(cv2.cv.BoxPoints(rect))

    # 将box画在原始图像中显示出来，这样便成功检测到了条形码
    cv2.drawContours(image,[box],-1,(0,255,0),3)
    return image



if __name__ == '__main__':
    image = cv2.imread("1.jpg")
    bar_image = detect_bar(image)
    cv2.imshow("bar",bar_image)
    cv2.imwrite("bar_image.jpg",bar_image)
    cv2.waitKey(0)