《機(jī)器視覺系統(tǒng)應(yīng)用》課件-條形碼檢測(cè)代碼演示

條形碼檢測(cè)課程引入代碼分析代碼演示一二三目錄一課程引入

條形碼技術(shù)（barcodetechnology，BCT）是在計(jì)算機(jī)的應(yīng)用實(shí)踐中產(chǎn)生和發(fā)展起來的一種自動(dòng)識(shí)別技術(shù)。它是為實(shí)現(xiàn)對(duì)信息的自動(dòng)掃描而設(shè)計(jì)的，它是實(shí)現(xiàn)快速、準(zhǔn)確而可靠地采集數(shù)據(jù)的有效手段。條形碼技術(shù)的應(yīng)用解決了數(shù)據(jù)錄入和數(shù)據(jù)采集的瓶頸問題，為物流管理提供了有利的技術(shù)支持。二代碼分析

在Opencv內(nèi)，使用函數(shù)cv2.Sobel()實(shí)現(xiàn)Sobel算子運(yùn)算，其語法形式為：Dst=cv2.Sobel(src,ddepth,dx,dy[,ksize[,scale[,delta[,borderType]]]])式中：dst代表目標(biāo)圖像。src代表原始圖像。ddepth代表輸出圖像的深度。其具體對(duì)應(yīng)關(guān)系如表所示。sobel算子

二代碼分析dx代表x方向上的求導(dǎo)階數(shù)。dy代表y方向上的求導(dǎo)階數(shù)。ksize代表Sobel核的大小。該值為-1時(shí)，則會(huì)使用Scharr算子進(jìn)行運(yùn)算。scale代表計(jì)算導(dǎo)數(shù)是所采用的縮放因子，默認(rèn)情況下該值是1，是沒有縮放的。data代表加在目標(biāo)圖像dst上的值，該值是可選的，默認(rèn)為0.borderType代表邊界樣式。該參數(shù)的具體類型及值如表所示。sobel算子

二代碼分析1.計(jì)算x方向邊緣（梯度）：dx=1,dy=0在Opencv中的語法格式為dst=cv2.Sobel(src,ddepth,1，0)2.計(jì)算y方向邊緣（梯度）：dx=0,dy=1在Opencv中的語法格式為dst=cv2.Sobel(src,ddepth,0，1)3.數(shù)取絕對(duì)值在Opencv中，使用函數(shù)cv2.converScaleAbs()對(duì)參數(shù)取絕對(duì)值，該函數(shù)的語法格式為：dst=cv2.convertScaleAbs(src[,alpha[,beta]])式中：dst代表處理結(jié)果。src代表原始圖像。alpha代表調(diào)節(jié)系數(shù)，該值是可選值，默認(rèn)為1。beta代表調(diào)節(jié)亮度值，該值是默認(rèn)值，默認(rèn)為0。sobel算子

二代碼分析

在Opencv中，實(shí)現(xiàn)均值濾波的函數(shù)是錯(cuò)cv2.blur()，其語法格式為：dst=cv2.blur(src,ksize,anchor,borderType)式中：dst是返回值，表示進(jìn)行均值濾波后得到的處理結(jié)果。src是需要處理的圖像，即原始圖像。ksize是濾波核的大小。濾波核的大小是指在均值處理過程中，其鄰域圖像的高度和寬度。anchor是錨點(diǎn)，其默認(rèn)值是（-1，-1），表示當(dāng)前計(jì)算均值的點(diǎn)位于核的中心點(diǎn)位置。該值使用默認(rèn)值即可，在特殊情況下可以指定不同的點(diǎn)作為錨點(diǎn)。borderType是邊界樣式。通常情況下，使用均值濾波函數(shù)時(shí)，對(duì)于錨點(diǎn)anchor和邊界樣式borderType,直接采用其默認(rèn)值即可。均值濾波

三代碼演示流程圖三代碼演示X梯度得到輪廓Y梯度得到輪廓gradX=cv2.Sobel(gray,ddepth=cv2.CV_32F,dx=1,dy=0,ksize=-1)#對(duì)x方向求導(dǎo)

#cv2.imshow("gradX",gradX)

gradY=cv2.Sobel(gray,ddepth=cv2.CV_32F,dx=0,dy=1,ksize=-1)#對(duì)y方向求導(dǎo)

#cv2.imshow("gradY",gradY)三代碼演示x梯度減去y梯度得到輪廓CV_32F轉(zhuǎn)成CV_8U型的圖像#Scharr操作后，從X梯度減去Y梯度得到輪廓圖，此時(shí)噪點(diǎn)較多

gradient=cv2.subtract(gradX,gradY)

#cv2.imshow("gradient",gradient)

#經(jīng)過處理后，用convertScaleAbs()函數(shù)將其轉(zhuǎn)回原來的uint8形式。否則將無法顯示圖像，而只是一副灰色的窗口

gradient=cv2.convertScaleAbs(gradient)

#cv2.imshow('gradient1',gradient)三代碼演示均值濾波平滑處理二值化#然后進(jìn)行二值化處理，要么是255(白)要么是0(黑)

blurred=cv2.blur(gradient,(9,9))#通過低通濾波平滑圖像

#cv2.imshow("blurred",blurred)

ret,thresh=cv2.threshold(blurred,225,255,cv2.THRESH_BINARY)#進(jìn)行圖像固定閾值二值化

#cv2.imshow("thresh",thresh)三代碼演示形態(tài)學(xué)處理#通過形態(tài)學(xué)操作，建立一個(gè)7*21的長(zhǎng)方形內(nèi)核，內(nèi)核寬度大于長(zhǎng)度，因此可以消除條形碼中垂直條之間的縫隙

#將建立的內(nèi)核應(yīng)用到二值圖中，以此來消除豎杠間的縫隙

kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(21,7))#條形碼

#對(duì)圖像進(jìn)行閉運(yùn)算

closed=cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel)

#cv2.imshow("closed",closed)

#所得圖像仍有許多白點(diǎn)，通過腐蝕和膨脹去除白點(diǎn),最后一個(gè)參數(shù)是腐蝕的次數(shù)

closed

=cv2.erode(closed,None,iterations=4)

#cv2.imshow("closed1",closed)

closed=cv2.dilate(closed,None,iterations=6)

#cv2.imshow("closed2",closed)三代碼演示#尋找輪廓contours,hierarchy=cv2.findContours(closed.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

#如果沒有找到，返回0，并向主函數(shù)輸出Falseiflen(contours)==0:check=Falsereturncheck

#如果有，繼續(xù)下列操作c=sorted(contours,key=cv2.contourArea,reverse=True)[0]#對(duì)contourArea進(jìn)行降序排序，并取最大值rect=cv2.minAreaRect(c)#生成最小外接矩形

#box為一個(gè)ndarry數(shù)組，返回4個(gè)頂點(diǎn)位置box=0(