今天，我實現(xiàn)了一個很有趣的demo，它可以在視頻里找到并解析二維碼，然后把解析的內(nèi)容實時在屏幕上顯示出來。
然后我們直入主題，首先你得確保你裝了
opencv,python,zbar
等環(huán)境。然后這個教程對于學(xué)過opencv的人可能更好理解，但是沒學(xué)過也無妨，到時候也可以直接用。
比如我的電腦上的環(huán)境是opencv2.4.x,python2.7,和最新的zbar,在Ubuntu 12.12的系統(tǒng)下運行的
假設(shè)你的opencv已經(jīng)安裝好了，那么我們就可以安裝zbar
你可以先更新一下
sudo apt-get update
然后在輸入
sudo apt-get install python-zbar
如果環(huán)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(xiàn)找到在圖片里面找到二維碼的功能
先新建一個python文件叫做;
simple_barcode_detection.py
代碼如下，這定義了一個函數(shù)，實現(xiàn)從一副圖片里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):
# 把圖像從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(gòu)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操作后，從x的梯度減去y的梯度
gradient = cv2.subtract(gradX, gradY)
gradient = cv2.convertScaleAbs(gradient)
#經(jīng)過上面的操作后看起來是這樣
# 對上述的梯度圖采用用9x9的核進行平均模糊,這是有利于降噪的
#然后進行二值化處理，要么是255(白)要么是0(黑)
blurred = cv2.blur(gradient, (9, 9))
(_, thresh) = cv2.threshold(blurred, 225, 255, cv2.THRESH_BINARY)
#模糊與二值化處理后，看起來是這個樣子，
#上面的操作后發(fā)現(xiàn)有一些條形碼的豎杠之間存在一些縫隙，并使我們的算法能檢測到斑點區(qū)域，我們進行一些基本的形態(tài)學(xué)操作
#我們首先使用cv2.getStructuringElement構(gòu)造一個長方形內(nèi)核。這個內(nèi)核的寬度大于長度，因此我們可以消除條形碼中垂直條之間的縫隙。
# 這里進行形態(tài)學(xué)操作，將上一步得到的內(nèi)核應(yīng)用到我們的二值圖中，以此來消除豎杠間的縫隙。
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
#上述操作后看起來是這個樣子
#我們發(fā)現(xiàn)還是存在一些小斑點，這時我們可以使用opencv里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，并計算旋轉(zhuǎn)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(里面是ndarry數(shù)組，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(jié)果
?好了，上面的解釋里面有中文，可能python解釋的時候會通不過，我下面直接給出代碼
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(xiàn)視頻里面二維碼的解析
你可以新建一個python文件，barcode_vid.py
解析二維碼我們需要用zbar這個模塊和PIL，PIL在python里面裝好了
我們先導(dǎo)入模塊
# import the necessary packages
import simple_barcode_detection
import cv2
import numpy as np
import zbar
from PIL import Image
#接下去是創(chuàng)建一個掃描器,他可以解析二維碼的內(nèi)容
# create a reader
scanner = zbar.ImageScanner()
# configure the reader
scanner.parse_config('enable')
#設(shè)置屏幕顯示字體
font=cv2.FONT_HERSHEY_SIMPLEX
#啟用攝像頭
camera=cv2.VideoCapture(0)
#接下去是一個大的while循環(huán)
while True:
#得到當(dāng)前的幀
# grab the current frame
(grabbed, frame) = camera.read()
#檢測視頻是否到底了，如果檢測視頻文件里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
調(diào)用剛才我們建的那個函數(shù)來查找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(qū)域，掃描區(qū)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(qū)域里的二維碼傳換成RGB，并把它轉(zhuǎn)換成pil里面的圖像，因為zbar得調(diào)用pil里面的圖像，而不能用opencv的圖像
roi=cv2.cvtColor(roi,cv2.COLOR_BGR2RGB)
pil= Image.fromarray(frame).convert('L')
width, height = pil.size
raw = pil.tostring()
#把圖像裝換成數(shù)據(jù)
zarimage = zbar.Image(width, height, 'Y800', raw)
#掃描器進行掃描
scanner.scan(zarimage)
#得到結(jié)果
for symbol in zarimage:
# 對結(jié)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(nèi)容放到視頻上
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不能上傳視頻，我下面?zhèn)饕幌聢D片
下面還是上源碼
# 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()
總結(jié)
以上所述是小編給大家介紹的使用python寫的opencv實時監(jiān)測和解析二維碼和條形碼,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
