緣起

需要檢測(cè)發(fā)票中二維碼的位置，以確定圖像該怎么旋轉(zhuǎn)，同時(shí)也可以為提取二維碼信息創(chuàng)造先覺條件！（萬惡的需求！）

失敗的嘗試--opencv訓(xùn)練大法

不感興趣的可跳過不看！

解釋：原文作者是訓(xùn)練檢測(cè)舌頭。。（蜜汁尷尬），先通過opencv自帶的人臉檢測(cè)cascade分類器進(jìn)行人臉檢測(cè)然后疊加訓(xùn)練的舌頭分類器完成舌頭的檢測(cè)任務(wù)。不多說。

我的實(shí)踐：按照原作者的方法，換個(gè)數(shù)據(jù)集我來嘗試一下。

正樣本：一波處理操作后得到以下樣本

image.png

負(fù)樣本：一波騷操作后得到以下樣本

image.png

訓(xùn)練文件夾結(jié)構(gòu)

image.png

測(cè)試效果

image.png

解釋：我解釋為訓(xùn)練樣本太少，正樣本少，負(fù)樣本也少，原作者說負(fù)樣本的數(shù)量要多于正樣本很大一部分，然而我的負(fù)樣本確實(shí)比較少，但我按照模式識(shí)別的思想去思考一波，感覺這非常勉強(qiáng)。。。

成功的嘗試！

第一步：靈感的來源

第二步：消化以上實(shí)現(xiàn)效果的方法

經(jīng)過一番瀏覽以后，作者自己就給出了總體的實(shí)現(xiàn)思路，如下：

計(jì)算x方向和y方向上的Scharr梯度幅值表示

將x-gradient減去y-gradient來顯示條形碼區(qū)域

模糊并二值化圖像

對(duì)二值化圖像應(yīng)用閉運(yùn)算內(nèi)核

進(jìn)行系列的腐蝕、膨脹

找到圖像中的最大輪廓，大概便是條形碼

作者最后的實(shí)現(xiàn)效果：

image.png

image.png

可以看出，思路異常清晰！效果也不錯(cuò)，適合自己的需求。

第三步：觀察自己的圖片

簡(jiǎn)單處理后是這樣的

image.png

分析：要識(shí)別二維碼，這個(gè)圖片當(dāng)中顏色區(qū)分很明顯，所以首先需要把藍(lán)色以外的其他色調(diào)給去掉！

第四步：寫個(gè)小腳本僅顯示藍(lán)色調(diào)

直接上代碼：OnlyBlue.py

import numpy as np

import cv2

import argparse

# 藍(lán)色的范圍，不同光照條件下不一樣，可靈活調(diào)整

lower_blue = np.array([90, 90, 90])

upper_blue = np.array([130, 255, 255])

ap=argparse.ArgumentParser()

ap.add_argument("-i", "--image", required = True, help = "path to the image file")

args = vars(ap.parse_args())

image = cv2.imread(args["image"])

hsv=cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 3.inRange()：介于lower/upper之間的為白色，其余黑色

mask = cv2.inRange(hsv, lower_blue, upper_blue)

# 4.只保留原圖中的藍(lán)色部分

res = cv2.bitwise_and(image, image, mask=mask)

cv2.imshow('image', image)

cv2.imshow('mask', mask)

cv2.imshow('res', res)

cv2.imwrite('blue.jpg',res)

cv2.waitKey(0)

以上代碼參考自：傳送門

也是很好的一篇博客，感興趣的可以看看

解釋：由于我這里是比較淺的藍(lán)色調(diào)，因此更改了原來代碼當(dāng)中的上下閾值定義部分，如下：

# 藍(lán)色的范圍，不同光照條件下不一樣，可靈活調(diào)整

lower_blue = np.array([90, 90, 90])

upper_blue = np.array([130, 255, 255])

效果

image.png

這效果我感覺后面已經(jīng)可以處理了，遂沒有再去調(diào)閾值參數(shù)。

第五步：寫檢測(cè)二維碼的程序腳本

直接上代碼：

import numpy as np

import argparse

import cv2

ap=argparse.ArgumentParser()

ap.add_argument("-i", "--image", required = True, help = "path to the image file")

args = vars(ap.parse_args())

image = cv2.imread(args["image"])

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

gradX = cv2.Sobel(gray, ddepth = cv2.CV_32F, dx = 1, dy = 0, ksize = -1)

gradY = cv2.Sobel(gray, ddepth = cv2.CV_32F, dx = 0, dy = 1, ksize = -1)

gradient = cv2.subtract(gradX, gradY)

gradient = cv2.convertScaleAbs(gradient)

cv2.imshow("gradient",gradient)

#原本沒有過濾顏色通道的時(shí)候，這個(gè)高斯模糊有效，但是如果進(jìn)行了顏色過濾，不用高斯模糊效果更好

#blurred = cv2.blur(gradient, (9, 9))

(_, thresh) = cv2.threshold(gradient, 225, 255, cv2.THRESH_BINARY)

cv2.imshow("thresh",thresh)

cv2.imwrite('thresh.jpg',thresh)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 21))

closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

cv2.imshow("closed",closed)

cv2.imwrite('closed.jpg',closed)

closed = cv2.erode(closed, None, iterations = 4)

closed = cv2.dilate(closed, None, iterations = 4)

cv2.imwrite('closed1.jpg',closed)

img,cnts, _ = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

c = sorted(cnts, key = cv2.contourArea, reverse = True)[0]

rect = cv2.minAreaRect(c)

box = np.int0(cv2.boxPoints(rect))

cv2.drawContours(image, [box], -1, (0, 255, 0), 3)

cv2.imwrite("final.jpg",image)

cv2.imshow("Image", image)

cv2.waitKey(0)

關(guān)鍵錯(cuò)誤bug解決

原作者文中的代碼運(yùn)行起來有些問題，主要以下兩個(gè)

關(guān)于 Python opencv 使用中的 ValueError: too many values to unpack

Why can't use cv2.cv.BoxPoints in OpenCV (Python)?

解決鏈接：傳送門

關(guān)鍵部分

image.png

第六步：測(cè)試效果

image.png

效果很成功！

總結(jié)

以上是生活随笔為你收集整理的python二维码识别读取_python+opencv检测图片中二维码的全部?jī)?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。