计算机视觉实战项目——基于OpenCV的条形码区域分割

        计算机视觉实战项目——基于OpenCV的条形码区域分割

摘要：

本项目将讲解如何从一副图片中分割出含有条形码的区域，并使用矩形框来进行标注。

开发环境：

python3.7、OpenCV3图像处理库、pycharm

开发流程：

1、导入我们要用到的包

import cv2    # OpenCV
import matplotlib.pyplot as plt    # 绘制图像用到的包
import numpy as np    # 在进行黑帽运算、阈值处理、膨胀、闭运算时会用到

2、读取二维码图片

image = cv2.imread('./image/barcodes.jpg', cv2.IMREAD_GRAYSCALE)
 # cv2.IMREAD_GRAYSCALE读取一副灰度图
image_out = cv2.imread('image/barcodes.jpg')    # 后期重新读取图片用矩形标注二维码区域

 

读取出的图像

 

3、改变图片尺寸

scale = 800.0 / image.shape[1]
image = cv2.resize(image, (int(image.shape[1] * scale), int(image.shape[0] * scale)))#重新定义图片大小

4、对图像进行二值化运算，使用黑帽运算符增加较暗的图像元素。使用简单的全局阈值对图像进行二值化处理。黑帽运算符可以使我们获得非常低的阈值，从而不必过多的关注噪声。

kernel = np.ones((1,3), np.uint8)   # 创建一个一行三列的1矩阵  [[1,1,1]]
image = cv2.morphologyEx(image, cv2.MORPH_BLACKHAT, kernel, anchor=(1,0))   # 黑帽运算
thresh, image = cv2.threshold(image, 10, 255, cv2.THRESH_BINARY)    # 阈值处理，此处设置阈值为10，填充色为255，阈值类型设为二值化化，大于阈值使用255填充，小于阈值设为0

黑帽运算+阈值处理
 

5、对图像做膨胀运算和闭运算

kernel = np.ones((1,5), np.uint8)
image = cv2.morphologyEx(image, cv2.MORPH_DILATE, kernel, anchor=(2, 0), iterations=2)  # 膨胀运算
image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel, anchor=(2, 0), iterations=2)   # 闭运算

膨胀+闭运算

6、使用很大的内核进行开运算，从而删除太少而无法适合条形码形状的元素

kernel = np.ones((21,35), np.uint8)
image = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel, iterations=1)

35*21内核开运算

7、检测二维码的轮廓

contours, hierarchy = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) # 只检测外轮廓，存储所有的轮廓点，相邻的两个点的像素差不超过1
# contours:轮廓本身，type：list; hierarchy:每条轮廓对应的属性，type:ndarray

8、过滤噪声，绘制轮廓

unscale = 1.0 / scale
if contours != None:    # 判断检测出的轮廓列表是否为空
    for contour in contours:    # 循环读取每个轮廓
        if cv2.contourArea(contour) <= 2000:    # 计算轮廓面积，如果小于2000，就丢弃掉，继续读取下一个轮廓
            continue
        rect = cv2.minAreaRect(contour) # 计算每个轮廓包含点集的最小面积
        # minAreaRect()返回一个Box2D结构rect：（最小外接矩形的中心（x,y），（宽度，高度），旋转角度）
        rect = ((int(rect[0][0] * unscale), int(rect[0][1] * unscale)),
                (int(rect[1][0] * unscale), int(rect[1][1] * unscale)),
                rect[2])
        box = np.int0(cv2.boxPoints(rect))  # 获取到外接矩形的四个顶点坐标
        cv2.drawContours(image_out, [box], 0, (0, 255, 0), thickness=2) # 绘制轮廓，（指明在哪幅图片上绘制轮廓，轮廓本身-是一个list，指明绘制轮廓的list中的哪条轮廓，线条颜色，线条宽度）

9、绘制图像，将标注完二维码轮廓的图像保存下来

plt.imshow(image_out)
cv2.imwrite('image/out.jpg', image_out)

结果：

二维码区域分割后的图片

结语：

至此，二维码区域分割已完成。虽然在此测试图像上表现比较好，但是此方法存在一些问题：

（1）他对条形码偏斜非常敏感，它可以很好地工作到45度，然后必须执行第二遍，修改内核的方向

（2）他只能在固定尺寸范围内找到条形码

（3）过滤效果差，仍然不能过滤掉某些非条形码

解决方法：将条形码特征输入给神经网络，并在第二时刻过滤掉噪声。

参考文章：https://blog.csdn.net/qq_42722197/article/details/108971078

完整项目下载：Github下载：https://github.com/Mr-Zhang-915/computer-vision/tree/master/tesk4-%E5%9F%BA%E4%BA%8EOpenCV%E7%9A%84%E6%9D%A1%E5%BD%A2%E7%A0%81%E5%8C%BA%E5%9F%9F%E5%88%86%E5%89%B2

CSDN下载：https://download.csdn.net/download/qq_39330829/16798820