基於opencv+python的二維碼識別

花了2天時間終於把二維碼識別做出來了，不過效果一般，后面會應用在ROS輔助定位上，廢話少說先上圖：

具體過程參考了這位大神的博客：http://blog.csdn.net/qq_25491201/article/details/51065547

詳細解釋：

第一步：利用opencv提取二維碼區域

1，先將讀入的攝像頭frame轉換成灰度圖：

gray = cv2.cvtColor(image_path, cv2.COLOR_BGR2GRAY)

2，使用opencv自帶的Sobel算子進行過濾：

gradX = cv2.Sobel(gray, cv2.CV_32F, 1, 0,-1)
gradY = cv2.Sobel(gray, cv2.CV_32F, 0, 1,-1)

具體參數可參考：http://blog.csdn.net/sunny2038/article/details/9170013

3，將過濾得到的X方向像素值減去Y方向的像素值：

gradient = cv2.subtract(gradX, gradY)

4，先縮放元素再取絕對值，最后轉換格式為8bit型

gradient = cv2.convertScaleAbs(gradient)

5，均值濾波取二值化：

blurred = cv2.blur(gradient, (9, 9))
(_, thresh) = cv2.threshold(blurred, 160, 160, cv2.THRESH_BINARY)

6，腐蝕和膨脹的函數：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

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

7，找到邊界findContours函數

binary,cnts,hierarchy = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

8，計算出包圍目標的最小矩形區域：

c = sorted(cnts, key = cv2.contourArea, reverse = True)[0]
rect = cv2.minAreaRect(c)
box = np.int0(cv2.boxPoints(rect))

 

第二步：識別二維碼

關於識別那就比較簡單了，主要是加載import zbar庫，然后scan就好了。

cap = cv2.VideoCapture(camera_idx)

# create a reader
scanner = zbar.ImageScanner()
# configure the reader
scanner.parse_config('enable')

box = detect.detect(frame)
if box != None:
    # 這下面的3步得到掃描區域，掃描區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]
 print roi.shape
 # 把區域里的二維碼傳換成RGB，並把它轉換成pil里面的圖像，因為zbar得調用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()

 # 把圖像裝換成數據
 zarimage = zbar.Image(width, height, 'Y800', raw)

 # 掃描器進行掃描
 scanner.scan(zarimage)