【计算机视觉】条形码与二维码识别

一、条形码简介

条形码是用可视化、机器可读的图像形式来表示信息。

一维条形码的条和空按照一定的编码规则平行排列，根据编码规则的不同，条形码分为不同类型，常见类型包括code39、code128、EAN-8、EAN-13、ISSN、ISBN、UPC等，以EAN-13类型条形码为例，它由左侧空白区、起始符、左侧数据符、前置码、底部供人识别的字符组成。

条形码每个数据字符由2个条和2个空构成，每一个条或者空由1~4个单位宽度组成，每个条形码数据字符的总宽度为7个单位。

二、OpenCV的条形码识别

条形码识别首先检测定位图像中的条形码，然后对检测出的条形码进行解码，得到条形码信息。

Python 复制代码

import cv2
from pyzbar.pyzbar import decode

# 加载图像
image_path = "barcode_image.jpg"  # 替换为你的图像路径
image = cv2.imread(image_path)

# 转为灰度图像（可选）
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 解码条形码
barcodes = decode(gray)

# 遍历检测到的条形码
for barcode in barcodes:
    # 提取条形码的边界框坐标
    (x, y, w, h) = barcode.rect
    # 在图像上绘制矩形框
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 提取条形码数据
    barcode_data = barcode.data.decode("utf-8")
    barcode_type = barcode.type

    # 在图像上显示条形码数据和类型
    text = f"{barcode_data} ({barcode_type})"
    cv2.putText(image, text, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    # 打印条形码数据
    print(f"Found barcode: {barcode_data} (Type: {barcode_type})")

# 显示结果图像
cv2.imshow("Barcode Detection", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码是使用 OpenCV 和 Pyzbar 实现条形码识别的程序，下面对其进行逐行详细解释。

导入库

python 复制代码

import cv2
from pyzbar.pyzbar import decode

cv2：OpenCV 是一个用于计算机视觉的开源库，用于图像处理和显示。
pyzbar.decode ：pyzbar 是一个专门用于解码条形码和二维码的 Python 库，decode 是其核心函数。

加载图像

python 复制代码

image_path = "barcode_image.jpg"  # 替换为你的图像路径
image = cv2.imread(image_path)

image_path：指定条形码图片的路径。
cv2.imread ：加载图片并存储为一个 NumPy 数组。image 是该图片的矩阵表示。

转为灰度图像（可选）

python 复制代码

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

cv2.cvtColor：将图像从 BGR 色彩空间转换为灰度（单通道）。
灰度化的好处：条形码识别对色彩信息不敏感，灰度图像可减少计算复杂性，提高效率。

解码条形码

python 复制代码

barcodes = decode(gray)

decode(gray)：对灰度图像进行条形码扫描。
返回值 ：barcodes 是一个列表，每个元素代表一个检测到的条形码对象，包含以下信息：
- data：条形码的内容。
- type：条形码的类型（如 Code128、EAN-13）。
- rect：条形码的位置和大小（矩形）。

遍历检测到的条形码

提取边界框坐标

python 复制代码

(x, y, w, h) = barcode.rect

barcode.rect ：返回条形码的矩形边框，以 (x, y, w, h) 表示。
- x 和 y 是左上角坐标。
- w 和 h 是宽度和高度。
  在图像上绘制矩形框

python 复制代码

cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.rectangle ：在图像上绘制矩形。
- 参数 (x, y) 和 (x + w, y + h) 定义矩形的左上角和右下角。
- (0, 255, 0) 定义矩形的颜色（绿色，BGR 格式）。
- 2 指定矩形边框的粗细。

提取条形码数据

python 复制代码

barcode_data = barcode.data.decode("utf-8")
barcode_type = barcode.type

barcode.data：返回条形码的原始字节数据。
decode("utf-8")：将字节数据解码为可读的字符串。
barcode.type ：条形码的格式类型，如 Code128、EAN-13 等。

在图像上显示条形码数据和类型

python 复制代码

text = f"{barcode_data} ({barcode_type})"
cv2.putText(image, text, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

cv2.putText ：在图像上绘制文本。
- text 是显示的内容。
- (x, y - 10) 确定文本位置（在矩形框上方）。
- cv2.FONT_HERSHEY_SIMPLEX 是字体样式。
- 0.5 是字体大小。
- (0, 255, 0) 是文本颜色（绿色）。
- 2 是文本线条粗细。

打印条形码数据

python 复制代码

print(f"Found barcode: {barcode_data} (Type: {barcode_type})")

print：将条形码的内容和类型打印到终端。

显示结果图像

python 复制代码

cv2.imshow("Barcode Detection", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.imshow ：显示图像。
- "Barcode Detection" 是窗口标题。
- image 是带有条形码标注的图像。
cv2.waitKey(0) ：等待按键事件，0 表示无限等待。
cv2.destroyAllWindows：关闭所有窗口。

三、二维码简介

二维码是一种高效的图形化编码技术，全称是"Quick Response Code"，简称"QR Code"。它最初由日本的公司 Denso Wave 在1994年发明，用于快速扫描和识别信息。二维码的主要特点是能以点阵方式存储大量数据，并可通过摄像头或专用扫描设备快速读取。

二维码的特点

高存储容量 ：
- 可存储多种类型的数据，包括文本、数字、URL、文件甚至多语言内容。
- 一个标准二维码的最大数据容量为：
  - 数字：7089 个字符。
  - 字母数字：4296 个字符。
  - 二进制（8 位）：2953 字节。
  - 汉字：1817 个字符。
高效识别 ：
- 使用二维矩阵编码，支持从任意角度（360°）扫描，识别速度快。
容错能力强 ：
- 支持 4 级容错（L、M、Q、H），可修复最多 30% 的损坏或污损。
- 即使二维码部分损坏，仍能正确解码。
易生成、易读取 ：
- 使用免费工具即可生成二维码。
- 通过智能手机摄像头或专用扫码器即可解码。

二维码的结构

二维码由以下几个主要部分组成：

定位图形 ：
- 位于二维码的三个角落，用于快速确定二维码的位置和方向。
校正图形 ：
- 主要位于中间区域，确保二维码的精确解码。
数据区域 ：
- 用于存储实际的编码数据。
格式信息 ：
- 存储二维码的纠错级别和掩码模式。
版本信息 ：
- 标识二维码的大小和容量（版本1到40，对应不同尺寸）。

二维码的工作原理

数据编码：数据被转化为点阵（黑白块）的形式，按特定规则排列。
图像扫描：使用摄像头或扫码器拍摄二维码图像。
图像处理：设备识别二维码中的定位点，确定数据区域，并校正角度。
数据解码：通过算法解码点阵中的数据，恢复原始信息。

四、二维码识别

二维码识别算法代码

python 复制代码

import cv2
from pyzbar.pyzbar import decode

def recognize_qr_code(image_path):
    """
    识别图像中的二维码并返回解码信息。
    
    :param image_path: 输入图像的路径
    :return: 解码信息的列表，每个元素为一个字典，包含 'data' 和 'type'
    """
    # 读取图像
    image = cv2.imread(image_path)

    # 转为灰度图像（可选，但能提高识别效果）
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 解码二维码
    qr_codes = decode(gray)

    # 用于存储解码结果
    decoded_info = []

    # 遍历识别到的二维码
    for qr_code in qr_codes:
        # 提取二维码的数据和类型
        qr_data = qr_code.data.decode('utf-8')  # 解码数据为字符串
        qr_type = qr_code.type  # 二维码类型（如 QRCODE）

        # 保存数据到结果列表
        decoded_info.append({"data": qr_data, "type": qr_type})

        # 在图像上绘制矩形框
        (x, y, w, h) = qr_code.rect
        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

        # 显示解码信息
        cv2.putText(image, qr_data, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)

    # 显示标注后的图像
    cv2.imshow("QR Code Detection", image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    return decoded_info


# 调用函数并打印结果
if __name__ == "__main__":
    image_path = "qrcode_image.jpg"  # 替换为你的二维码图片路径
    results = recognize_qr_code(image_path)

    if results:
        for result in results:
            print(f"Data: {result['data']}, Type: {result['type']}")
    else:
        print("No QR Code detected.")

代码解析

读取图像 ：使用 OpenCV 的 cv2.imread 加载图像。
灰度处理 ：将图像转为灰度以减少计算复杂性，使用 cv2.cvtColor 函数。
二维码解码 ：使用 pyzbar.decode 函数检测图像中的二维码。
- 返回一个列表，每个元素包含解码后的数据、类型和位置信息。
绘制矩形框和标注 ：
- 提取二维码的位置 rect，并使用 cv2.rectangle 绘制绿色框。
- 使用 cv2.putText 在图像上标注二维码的内容。
显示结果 ：使用 cv2.imshow 显示标注后的图像。
返回解码信息 ：返回解码结果为一个字典列表，包含 data 和 type 信息。