机器视觉二维码识别

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

1 二维码检测

物体检测就是对数字图像中一类特定的物体的位置进行自动检测。基本的检测框架有两种：

一种是以滑动窗口为单位对图像进行扫描，对扫描所得的每个子图像提取特征，并用学习到的分类器来分类该特征并且判断该子图像是否为所检测的特定物体。对象检测的一个问题是，对象在图片中的位置和尺度是未知的。算法被要求能够检测各种不同位置、不同大小的对象，这样的特性被称为位置无关性和尺度无关性。为了达到这样的特性，常见的方法是使用多尺度框架，即：通过缩放原始图像，产生一组大小不同的图像序列，然后在序列的每幅图像中都使用固定尺寸 W×H 的滑动窗口，检测算法将判断每次滑动窗口所截取的图像子窗口是否存在目标对象。滑动窗口解决了位置无关性；而图像序列中存在至少一幅图像，其包含的目标对象的尺度符合滑动窗口的尺度，这样一个图像金字塔序列解决了尺度无关性。

另一种则是在整幅图像上首先提取兴趣点，然后仅对提取出来的兴趣点分类。

因此学长把物体检测方法分为基于滑动窗口的物体检测和基于兴趣点的物体检测两类。

无论是哪种做法，整个过程都可以分为特征提取和特征分类这两个主要阶段。也就是说，物体检测的主要问题是使用什么样的特征和使用什么样的分类器。

物体检测的难点在于如何用有限的训练集来学习到鲁棒的、可以适用到各种情况下的分类器。这里所说的各种情况包括有：图像中物体的大小不同；光照条件的差异所引起的图像明暗的不同；物体在图像中可能存在的旋转和透视情况；同类物体间自身存在的差异。

2 特征提取

图像的纹理特征可以描述物体特有的属性，用以区别其他物体。纹理特征总体可分为空域和频域两大类。在本文算法中，我们采用的纹理特征均属于空域的纹理特征，也是局部特征，它们分别是多分辨率直方图特征、局部二值模式特征和边缘方向直方图特征。

多分辨率直方图特征具备旋转无关的特点。这种纹理特征保留了灰度直方图特征计算简单和保存方便的特点。同时它又可以描述纹理的局部信息，弥补了传统的灰度直方图特征的缺点。

局部二值模式特征是一种计算复杂度较低的局部特征，它具有明暗无关和旋转无关的特点。 边缘方向直方图特征与全局的光照变化是无关的，它可以提取出二维条形码纹理的几何特点。

import cv2
from pyzbar import pyzbar
#二维码动态识别
camera=cv2.VideoCapture(0)
camera.set(3,1280) #设置分辨率
camera.set(4,768)
while True:
    (grabbed,frame)=camera.read()
    #获取画面中心点
    h1,w1= frame.shape[0],frame.shape[1]
 
    # 纠正畸变（这里把相机标定的代码去除了，各位自行标定吧）
    dst = frame
 
    #