Opencv最强案例——使用摄像头、OpenCV和Python扫描条形码和二维码。(3)

一、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，你可以按照下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、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

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！

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…’)

return None

Drop the stitched image if its quality is not good enough

total = 0

for frame, count in self.panorama:

total += count

count_stitch = self.count_barcodes(image)

if count_stitch > total or count_stitch < self.panorama[0][1]:

return self.panorama[0][0]

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把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。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

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，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

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！