10個步驟Opencv輕松檢測出圖片中條形碼
本文為大家分享了Opencv輕松檢測出圖片中條形碼的步驟，供大家參考，具體內(nèi)容如下
公司主營業(yè)務：網(wǎng)站制作、做網(wǎng)站、移動網(wǎng)站開發(fā)等業(yè)務。幫助企業(yè)客戶真正實現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競爭能力。創(chuàng)新互聯(lián)公司是一支青春激揚、勤奮敬業(yè)、活力青春激揚、勤奮敬業(yè)、活力澎湃、和諧高效的團隊。公司秉承以“開放、自由、嚴謹、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領(lǐng)域給我們帶來的挑戰(zhàn)，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。創(chuàng)新互聯(lián)公司推出畢節(jié)免費做網(wǎng)站回饋大家。
1. 原圖像大小調(diào)整，提高運算效率
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.閉運算，填充條形碼間隙
8. 腐蝕，去除孤立的點
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findContours找到條形碼區(qū)域的矩形邊界
實現(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.閉運算",imageSobleOutThreshold);
//8. 腐蝕，去除孤立的點
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> contours;
vector hiera;
//10.通過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 使用另一幅圖片的效果如下：
底部的二維碼左側(cè)邊界定位錯位，檢測發(fā)現(xiàn)在二值化的時候左側(cè)第二個條碼部分被歸零了，導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，重新運行正確：
以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持創(chuàng)新互聯(lián)。
網(wǎng)站題目：10個步驟Opencv輕松檢測出圖片中條形碼
文章路徑：http://m.jiaotiyi.com/article/jcicdi.html