希望这是
this question.的延续
无论如何关于你的问题:
1)将图像转换为R,G,B平面.
Image_red = Image_rgb(:,1);
Image_green = Image_rgb(:,2);
Image_blue = Image_rgb(:,3);
2)由于所需区域的红色含量较高(根据您问题中的图像),请将R平面和阈值取为合适的值.
BW = im2bw(Image_red, threshold value)
3)你得到二进制图像,其中条形码区域是一种颜色(假设是白色),而其他部分是不同的颜色(黑色).
4)现在将此白色区域的位置作为最小边界矩形.
STATS = regionprops(BW, 'BoundingBox')
一旦你得到这个矩形的位置,做你喜欢的任何事情.例如,要隔离条形码以识别条形码,请使用imcrop命令从原始图像裁剪此矩形:
barcode = imcrop(original_image, rect)
(我知道代码不完整.我只提供了使用的命令提示.因为,我不熟悉matlab,我使用opencv进行图像处理.但我相信,这是一个简单的任务,你可以完成代码).
编辑:
在我实现推导公式并应用低通滤波后,我得到的图像是灰度.我只是应用了一个阈值,这样我只得到高光照区域(包括条形码区域)和遮光所有其他部分.现在应用一些侵蚀来消除简单的噪音或小的错误检测.适用于扩张以获得补偿.现在找到具有最大面积的轮廓(最可能是条形码).获得最小的边界矩形.这是你的条形码. (我刚刚在OpenCV Python中实现它.我不知道如何在Matlab中实现它).以下是一些测试结果:
以下是OpenCV代码:
#### Code f