【Python】【OpenCV】定位条形码（一）

先上代码：

 1 def barcode(image):
 2     gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
 3     blur = cv2.GaussianBlur(gray, (5, 5), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 4     cv2.imshow('GaussianBlur', blur)
 5     kernel_x = numpy.array([
 6         [-1, 0, 1],
 7         [-2, 0, 2],
 8         [-1, 0, 1]
 9     ])
10     kernel_y = numpy.array([
11         [-1, -2, -1],
12         [0, 0, 0],
13         [1, 2, 1]
14     ])
15     x = cv2.filter2D(blur, -1, kernel_x)
16     y = cv2.filter2D(blur, -1, kernel_y)
17     cv2.imshow('Sobel', x)
18     _, threshold = cv2.threshold(x, 127, 255, cv2.THRESH_BINARY)
19     kernel = numpy.ones((3, 3), numpy.uint8)
20     r_e = cv2.erode(threshold, kernel, iterations=1)
21     r_d = cv2.dilate(r_e, kernel, iterations=10)
22     contours, hir = cv2.findContours(r_d, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
23     max_contour = numpy.array(max(contours, key=cv2.contourArea))
24     x, y, w, h = cv2.boundingRect(max_contour)
25     cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)

定位思路：

1、转灰度图

2、通过高斯模糊去除图像噪点，如果不使用高斯模糊去噪的话，条形码的线段会有些弯曲，看场景是否需要

3、使用sobel进行边缘检测，请注意分辨sobel水平变换和垂直变换的差别

4、进行二值化，相比于上一步的sobel，可以发现消除一些独立的噪点，但是还是保留了一些，可以更改参数再进行调整

5、进行形态学运算（膨胀腐蚀）对应代码中的iterations的次数是尝试过后的最佳成效，可以自己调整次数看看不同效果

 6、寻找轮廓，通过对原图处理后，我们得到的上述最终的效果图可以发现，最大的白色区域就是我们需要的条形码区域，所以我们通过cv2.contourArea()和max()配合来寻找最大面积，最后在原图上绘制出我们的目标区域

值得注意的是，上述思路有比较大的局限性，首先是针对原图的显示问题，如果不是水平拍摄，是垂直拍摄时，我们需要更改sobel使用垂直变换卷积核，或者对原图进行旋转。

其次是，我们定位最终的barcode区域使用到了max来查找最大面积，所以这就意味着，原图中，barcode整体轮廓必须是最大的。