Opencv最强案例——使用摄像头、OpenCV和Python扫描条形码和二维码。(2)

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

---

从获取桌面许可证密钥这里要激活Dynamsoft条形码阅读器:

BarcodeReader.init_license(“LICENSE-KEY”)

用Python构建条形码和QR码扫描仪的步骤

---

据知，Python的GIL(全局解释器锁)是多线程应用程序的性能瓶颈。因此，建议使用Python的多处理库来运行CPU密集型的条形码和二维码检测算法。示例代码视频_线程. py演示如何使用Python的多处理库。

以下是构建我们的条形码和QR码扫描仪的步骤:

1. 导入必要的包:

import numpy as np

import cv2 as cv

from multiprocessing.pool import ThreadPool

from collections import deque

import dbr

from dbr import *

2. 设置许可证密钥以激活和实例化Dynamsoft条形码读取器:

threadn = 1 # cv.getNumberOfCPUs()

pool = ThreadPool(processes = threadn)

barcodeTasks = deque()

3. 使用您想要使用的进程数量创建一个线程池:

threadn = 1 # cv.getNumberOfCPUs()

pool = ThreadPool(processes = threadn)

barcodeTasks = deque()

注意:如果您使用所有CPU核心，CPU使用率将会很高。

4. 创建一个任务功能，从网络摄像头视频帧中检测条形码和QR码:

def process_frame(frame):

results = None

try:

results = reader.decode_buffer(frame)

except BarcodeReaderError as bre:

print(bre)

return results

while True:

ret, frame = cap.read()

while len(barcodeTasks) > 0 and barcodeTasks[0].ready():

results = barcodeTasks.popleft().get()

if results != None:

for result in results:

points = result.localization_result.localization_points

cv.line(frame, points[0], points[1], (0,255,0), 2)

cv.line(frame, points[1], points[2], (0,255,0), 2)

cv.line(frame, points[2], points[3], (0,255,0), 2)

cv.line(frame, points[3], points[0], (0,255,0), 2)

cv.putText(frame, result.barcode_text, points[0], cv.FONT_HERSHEY_SIMPLEX, 0.5, (0,0,255))

if len(barcodeTasks) < threadn:

task = pool.apply_async(process_frame, (frame.copy(), ))

barcodeTasks.append(task)

cv.imshow(‘Barcode & QR Code Scanner’, frame)

ch = cv.waitKey(1)

if ch == 27:

break

5. 运行条形码和QR码扫描仪:

Dynamsoft条形码阅读器可以从一幅图像中检测多个条形码和QR码。然而，图像质量影响检测精度。正如你在上面的图像中看到的，为了捕捉所有的条形码和二维码，我们需要增加镜头的景深。这样，条形码和二维码可能会变得太小而无法读取。为了解决这一问题，我们将摄像头拉近以获得高质量的扫描图像，然后使用OpenCV拼接API将多个条形码和二维码图像拼接成一幅全景图。

将多个条形码和QR码图像拼接成全景图

OpenCV存储库包含一个stitching.py展示如何使用OpenCV缝合器API的文件。

要实现全景拼接:

1. 初始化stitcher对象:

modes = (cv.Stitcher_PANORAMA, cv.Stitcher_SCANS)

stitcher = cv.Stitcher.create(modes[1])

stitcher.setPanoConfidenceThresh(0.5)

2. 为拼接包含条形码和QR码的图像创建新的任务功能:

panoramaPool = ThreadPool(processes = threadn)

panoramaTask = deque()

def stitch_frame(self, frame):

try:

results = self.reader.decode_buffer(frame)

if results != None:

for result in results:

points = result.localization_result.localization_points

cv.line(frame, points[0], points[1], (0,255,0), 2)

cv.line(frame, points[1], points[2], (0,255,0), 2)

cv.line(frame, points[2], points[3], (0,255,0), 2)

cv.line(frame, points[3], points[0], (0,255,0), 2)

cv.putText(frame, result.barcode_text, points[0], cv.FONT_HERSHEY_SIMPLEX, 0.5, (0,0,255))

self.panorama.append((frame, len(results)))

print(‘Stitching …’)

try:

all_images = [frame for frame, count in self.panorama]

status, image = self.stitcher.stitch(all_images)

if status != cv.Stitcher_OK:

print(“Can’t stitch images, error code = %d” % status)

return self.panorama[0][0]

else:

Stop stitching if the output image is out of control

if image.shape[0] >= frame.shape[0] * 1.5:

self.isPanoramaDone = True

self.save_frame(all_images[0])

print(‘Stitching is done…’)

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！