使用Python,OpenCV在視頻中進(jìn)行實(shí)時(shí)條形碼檢測

• • 1. 步驟
  • 2. 適用場景及優(yōu)化
  • 3. 總結(jié)
  • 4. 源碼
  • 參考

上一篇博客介紹了如何檢測和查找圖像中的條形碼。這篇博客將進(jìn)行一些優(yōu)化以檢測實(shí)時(shí)視頻中的條形碼。

1. 步驟

• 圖像/視頻幀中進(jìn)行條形碼檢測
• 驅(qū)動(dòng)程序以訪問視頻流，并調(diào)用條形碼檢測程序

計(jì)算x梯度與y梯度的差值（由于是x減y的，故只能檢測橫向的條形碼，算法并不通用）

2. 適用場景及優(yōu)化

適用場景：

1. 靜態(tài)攝像頭，以90度角“向下”看條形碼。這將確保程序可以找到條形碼圖像的梯度區(qū)域。
2. 視頻帶有條形碼的正視角的特寫，即智能手機(jī)直接放在條形碼的上方，而不是將條形碼遠(yuǎn)離鏡頭。將條形碼移離相機(jī)的距離越遠(yuǎn)，簡單條形碼檢測器的成功就越少。

該方法并不適用于所有的條形碼檢測，僅在最佳條件下有效，并且是橫向條形碼；
當(dāng)條形碼離相機(jī)太遠(yuǎn)，圖像中有太多的“干擾”和“噪音”時(shí)，都不會奏效。

優(yōu)化：
如果要實(shí)施更強(qiáng)大的條形碼檢測算法，則需要考慮圖像的方向，或者更好的方法是應(yīng)用機(jī)器學(xué)習(xí)技術(shù)（例如Haar級聯(lián)或HOG +線性SVM）“掃描”圖像以進(jìn)行條形碼區(qū)域掃描。

3. 總結(jié)

這篇博客拓展了上一篇檢測圖像中的條形碼，主要分為倆部分：

• 用于檢測視頻各個(gè)幀中的條形碼的方法；
• “驅(qū)動(dòng)程序”，用于訪問攝像機(jī)或視頻文件的方法；

當(dāng)將其應(yīng)用于檢測視頻中的條形碼時(shí)，并不通用。僅在：

• 有一個(gè)靜態(tài)相機(jī)視圖，它以90度角在條形碼上“向下看”。
• 擁有較清晰的，近的條形碼的“特寫”視圖，并且框架視圖中沒有其他干擾對象或噪聲。
  下效果比較好。
  優(yōu)化可以通過使用機(jī)器學(xué)習(xí)來訓(xùn)練更強(qiáng)壯的條形碼檢測器。

4. 源碼

# USAGE
# python detect_real_barcode.py --video video/video_games.mov
# python detect_real_barcode.py# 導(dǎo)入必要的包
import argparse
import timeimport cv2
import imutils
import numpy as np
from imutils.video import VideoStream# 檢測圖像中的條形碼
def detect(image):# 轉(zhuǎn)換圖像為灰度圖gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 計(jì)算圖像x，y方向上的Scharr梯度幅度表示ddepth = cv2.cv.CV_32F if imutils.is_cv2() else cv2.CV_32FgradX = cv2.Sobel(gray, ddepth=ddepth, dx=1, dy=0, ksize=-1)gradY = cv2.Sobel(gray, ddepth=ddepth, dx=0, dy=1, ksize=-1)# 計(jì)算x梯度與y梯度的差值（由于是x減y的，故只能檢測橫向的條形碼，算法并不通用），獲取到條形碼的大致范圍gradient = cv2.subtract(gradX, gradY)gradient = cv2.convertScaleAbs(gradient)# 高斯平滑（去掉高頻噪音干擾） 閾值化圖像（是的圖像的黑白區(qū)域更加明顯，閾值的設(shè)置很重要）blurred = cv2.blur(gradient, (9, 9))(_, thresh) = cv2.threshold(blurred, 225, 255, cv2.THRESH_BINARY)# 構(gòu)建一個(gè)閉合內(nèi)核應(yīng)用在閾值化的圖像上，使得條形碼之間的細(xì)線空隙更小；kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7))closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)# 構(gòu)建一系列腐蝕、膨脹操作（去掉條形碼周圍的小斑點(diǎn)的干擾，要么消亡，要么生長成為條形碼區(qū)域；）closed = cv2.erode(closed, None, iterations=4)closed = cv2.dilate(closed, None, iterations=4)# 尋找輪廓cnts = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cnts = imutils.grab_contours(cnts)# 如果沒有輪廓，返回None，認(rèn)為圖像中不存在條形碼if len(cnts) == 0:return None# 否則，根據(jù)外接圓面積排序，留下最大的輪廓認(rèn)為是條形碼區(qū)域c = sorted(cnts, key=cv2.contourArea, reverse=True)[0]rect = cv2.minAreaRect(c)box = cv2.cv.BoxPoints(rect) if imutils.is_cv2() else cv2.boxPoints(rect)box = np.int0(box)# 返回條形碼區(qū)域的邊界框return box# 構(gòu)建命令行參數(shù)及解析
# --video，視頻文件的路徑
ap = argparse.ArgumentParser()
ap.add_argument("-v", "--video", help="path to the (optional) video file")
args = vars(ap.parse_args())# 如果提供了視頻文件，則讀取視頻文件
if not args.get("video", False):vs = VideoStream(src=0).start()time.sleep(2.0)
# 否則，加載電腦自帶的攝像頭
else:vs = cv2.VideoCapture(args["video"])# 循環(huán)遍歷幀
while True:# 獲取當(dāng)前幀# 如果是從視頻中VideoStram獲取則直接獲取當(dāng)前幀，否則，當(dāng)前視頻流VideoCapture中捕獲下一幀frame = vs.read()frame = frame[1] if args.get("video", False) else frame# 檢測是否到了視頻尾部if frame is None:break# 檢測視頻幀的條形碼box = detect(frame)# 如果檢測到了條形碼，在其上繪制綠色框if box is not None:cv2.drawContours(frame, [box], -1, (0, 255, 0), 2)# 展示幀，并記錄用戶是否有按鍵cv2.imshow("Frame", frame)key = cv2.waitKey(1) & 0xFF# 按下‘q’鍵，結(jié)束循環(huán)if key == ord("q"):break# 清除視頻流對象的指針
# 如果未使用視頻文件，停止視頻文件流
if not args.get("video", False):vs.stop()
# 否則，釋放攝像頭指針
else:vs.release()# 關(guān)閉所有展示的窗口
cv2.destroyAllWindows()

參考

• https://www.pyimagesearch.com/2014/12/15/real-time-barcode-detection-video-python-opencv/

總結(jié)

以上是生活随笔為你收集整理的使用Python,OpenCV在视频中进行实时条形码检测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。