您好,登錄后才能下訂單哦!
本文為大家分享了Opencv輕松檢測(cè)出圖片中條形碼的步驟,供大家參考,具體內(nèi)容如下
1. 原圖像大小調(diào)整,提高運(yùn)算效率
2. 轉(zhuǎn)化為灰度圖
3. 高斯平滑濾波
4.求得水平和垂直方向灰度圖像的梯度差,使用Sobel算子
5.均值濾波,消除高頻噪聲
6.二值化
7.閉運(yùn)算,填充條形碼間隙
8. 腐蝕,去除孤立的點(diǎn)
9. 膨脹,填充條形碼間空隙,根據(jù)核的大小,有可能需要2~3次膨脹操作
10.通過(guò)findContours找到條形碼區(qū)域的矩形邊界
實(shí)現(xiàn):
#include "core/core.hpp" #include "highgui/highgui.hpp" #include "imgproc/imgproc.hpp" using namespace cv; int main(int argc,char *argv[]) { Mat image,imageGray,imageGuussian; Mat imageSobelX,imageSobelY,imageSobelOut; image=imread(argv[1]); //1. 原圖像大小調(diào)整,提高運(yùn)算效率 resize(image,image,Size(500,300)); imshow("1.原圖像",image); //2. 轉(zhuǎn)化為灰度圖 cvtColor(image,imageGray,CV_RGB2GRAY); imshow("2.灰度圖",imageGray); //3. 高斯平滑濾波 GaussianBlur(imageGray,imageGuussian,Size(3,3),0); imshow("3.高斯平衡濾波",imageGuussian); //4.求得水平和垂直方向灰度圖像的梯度差,使用Sobel算子 Mat imageX16S,imageY16S; Sobel(imageGuussian,imageX16S,CV_16S,1,0,3,1,0,4); Sobel(imageGuussian,imageY16S,CV_16S,0,1,3,1,0,4); convertScaleAbs(imageX16S,imageSobelX,1,0); convertScaleAbs(imageY16S,imageSobelY,1,0); imageSobelOut=imageSobelX-imageSobelY; imshow("4.X方向梯度",imageSobelX); imshow("4.Y方向梯度",imageSobelY); imshow("4.XY方向梯度差",imageSobelOut); //5.均值濾波,消除高頻噪聲 blur(imageSobelOut,imageSobelOut,Size(3,3)); imshow("5.均值濾波",imageSobelOut); //6.二值化 Mat imageSobleOutThreshold; threshold(imageSobelOut,imageSobleOutThreshold,180,255,CV_THRESH_BINARY); imshow("6.二值化",imageSobleOutThreshold); //7.閉運(yùn)算,填充條形碼間隙 Mat element=getStructuringElement(0,Size(7,7)); morphologyEx(imageSobleOutThreshold,imageSobleOutThreshold,MORPH_CLOSE,element); imshow("7.閉運(yùn)算",imageSobleOutThreshold); //8. 腐蝕,去除孤立的點(diǎn) erode(imageSobleOutThreshold,imageSobleOutThreshold,element); imshow("8.腐蝕",imageSobleOutThreshold); //9. 膨脹,填充條形碼間空隙,根據(jù)核的大小,有可能需要2~3次膨脹操作 dilate(imageSobleOutThreshold,imageSobleOutThreshold,element); dilate(imageSobleOutThreshold,imageSobleOutThreshold,element); dilate(imageSobleOutThreshold,imageSobleOutThreshold,element); imshow("9.膨脹",imageSobleOutThreshold); vector<vector<Point>> contours; vector<Vec4i> hiera; //10.通過(guò)findContours找到條形碼區(qū)域的矩形邊界 findContours(imageSobleOutThreshold,contours,hiera,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE); for(int i=0;i<contours.size();i++) { Rect rect=boundingRect((Mat)contours[i]); rectangle(image,rect,Scalar(255),2); } imshow("10.找出二維碼矩形區(qū)域",image); waitKey(); }
使用另一幅圖片的效果如下:
底部的二維碼左側(cè)邊界定位錯(cuò)位,檢測(cè)發(fā)現(xiàn)在二值化的時(shí)候左側(cè)第二個(gè)條碼部分被歸零了,導(dǎo)致在之后的腐蝕操作中被腐蝕掉了。調(diào)整閾值分界值180到160,重新運(yùn)行正確:
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。