给郝东写的条形码识别

最新推荐文章于 2023-06-28 22:20:37 发布

蛮三

最新推荐文章于 2023-06-28 22:20:37 发布

阅读量262

点赞数

分类专栏：数据分析文章标签： opencv 计算机视觉 python 图像识别

本文链接：https://blog.csdn.net/weixin_42881084/article/details/104806644

版权

本文介绍了使用Python和OpenCV进行条形码图像处理和数字识别的方法，包括代码实现、函数简要说明以及执行效果。通过自定义的矫正方法和互相关运算预测条形码上的数字，但在实际数据集上遇到一些挑战。

摘要由CSDN通过智能技术生成

用了一下午时间，清洗出了条形码图片中的数据

Python代码

环境：
opencv-python
numpy
matplotlib
pytorch (只是用来调试时绘图的，可以不用)

import os
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import time
import torch as tc
import torchvision as tv
from torch import nn, optim
from torchvision import transforms as T
from torch.nn import functional as F
from torchvision.utils import make_grid
from torch.utils.data import Dataset, DataLoader
from torch.nn import init
import xml.etree.ElementTree as ET
import cv2 as cv


def derv1d(ar):
    """一阶求导"""
    tmp = np.insert(ar, ar.size, 0)
    return tmp[1:] - ar


def get_projection(img, axis=1, kernel=(3, 200), drop_max=False, drop_min=False):
    """
    对图像进行投影，并返回分割位置
    
    axis: 在什么方向上投影
    kernel: 腐蚀核大小
    drop_max: 是否丢弃最大的图像（比如中心的条形码）
    drop_min: 是否丢弃最小的图像（比如某条无用的线）
    
    return: N个分割后的结果，即 [ N * clip-position ]
    """
    # 阈值化图像区域
    erode_kernel = np.ones(kernel)    
    erode_img = cv.erode(img, erode_kernel) # 腐蚀
    proj = erode_img.sum(axis=axis).astype(np.float)    # 投影
    proj = (proj - proj.mean()) / proj.std()