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

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]

Wait for the next stitching and return the current stitched image

self.panorama = [(image, count_stitch)]

return image

except Exception as e:

print(e)

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后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！

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、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、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。

五、实战案例

光学理论是没用的，要学会跟着一起敲，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、面试资料

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。

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，可以戳这里无偿获取

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！