python 图像抖动矫正 python图片矫正

前言

这周和大家分享如何用python识别图像里的条码。用到的库可以是zbar。希望西瓜6辛苦码的代码不要被盗了。(zxing的话，我一直没有装好，等装好之后再写一篇)

具体步骤

前期准备

用opencv去读取图片，用pip进行安装。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答后台私信小编01即可

pip install opencv-python1

所用到的图片就是这个

使用pyzbar

windows的安装方法是

pip install pyzbar1

而mac的话，最好用brew来安装。
(有可能直接就好，也有可能很麻烦)
装好之后就是读取图片，识别条码。
代码如下

import cv2import pyzbar.pyzbar as pyzbarimage=cv2.imread("/Users/phoenix/Downloads/barcode.png")gray = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)texts = pyzbar.decode(gray)for text in texts:    tt = text.data.decode("utf-8")print(tt)123456789

结果如图：

特殊情况处理(条码图片矫正和增强)

只以pyzbar举例

条码是颠倒的是否会影响识别？

不影响，单纯颠倒180度和90度是不会影响识别的。
我们把上一个图的颠倒180度，用颠倒后的图试一下

import cv2import pyzbar.pyzbar as pyzbarimport numpy as npimage=cv2.imread("/Users/phoenix/Downloads/barcode_180.png")gray = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)texts = pyzbar.decode(gray)print(texts)if texts==[]:    print("未识别成功")else:    for text in texts:        tt = text.data.decode("utf-8")    print("识别成功")    print(tt)123456789101112131415

结果如图

90度的话也是同样可以成功的。但是其它角度就会GG。

条码是倾斜的是否会影响识别？

会的，但这种还比较好处理。
如图

这张图用上面的代码就会

解决的思路是把这个图片旋转回来，至于如何判断转多少度，可以通过opencv来处理。通过膨胀和腐蚀将其变为如图。

接着再用cv2.minAreaRect函数，这个函数会返回如下，

里面的第三个-45就是我们需要的角度。

综合起来的实现代码，我就放在下面了。(我自己写的，如果有帮到你，快点关注和赞)

import cv2import pyzbar.pyzbar as pyzbarimport numpy as npdef barcode(gray):    texts = pyzbar.decode(gray)    if texts == []:        angle = barcode_angle(gray)        if angle < -45:            angle = -90 - angle        texts = bar(gray, angle)    if texts == []:        gray = np.uint8(np.clip((1.1 * gray + 10), 0, 255))        angle = barcode_angle(gray)        #西瓜6写的，转载需声明        if angle < -45:            angle = -90 - angle        texts = bar(gray, angle)    return textsdef bar(image, angle):    gray = image    #西瓜6写的，转载需声明    bar = rotate_bound(gray, 0 - angle)    roi = cv2.cvtColor(bar, cv2.COLOR_BGR2RGB)    texts = pyzbar.decode(roi)    return textsdef barcode_angle(image):    gray = image    #西瓜6写的，转载需声明    ret, binary = cv2.threshold(gray, 220, 255, cv2.THRESH_BINARY_INV)    kernel = np.ones((8, 8), np.uint8)    dilation = cv2.dilate(binary, kernel, iterations=1)    erosion = cv2.erode(dilation, kernel, iterations=1)    erosion = cv2.erode(erosion, kernel, iterations=1)    erosion = cv2.erode(erosion, kernel, iterations=1)        contours, hierarchy = cv2.findContours(        erosion, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)    if len(contours) == 0:        rect = [0, 0, 0]    else:        rect = cv2.minAreaRect(contours[0])    return rect[2]def rotate_bound(image, angle):    (h, w) = image.shape[:2]    (cX, cY) = (w // 2, h // 2)    M = cv2.getRotationMatrix2D((cX, cY), -angle, 1.0)    cos = np.abs(M[0, 0])    sin = np.abs(M[0, 1])    #西瓜6写的，转载需声明    nW = int((h * sin) + (w * cos))    nH = int((h * cos) + (w * sin))    M[0, 2] += (nW / 2) - cX    M[1, 2] += (nH / 2) - cY    return cv2.warpAffine(image, M, (nW, nH))image=cv2.imread("/Users/phoenix/Downloads/barcode_455.png")gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)texts = barcode(gray)print(texts)if texts==[]:    print("未识别成功")else:    for text in texts:        tt = text.data.decode("utf-8")    print("识别成功")    print(tt)123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475

条码是模糊的是否会影响识别？

会的，处理方法就是传统的调对比度，锐化。。。。
不过这个只能解决部分部分，至于有的条码，微信可以扫，支付宝可以扫，但是我们识别不了，这个也不能怪库不好，这部分该放弃就放弃吧。

结束语

如果你想用python来解决图像里的条码识别问题，这篇文章肯定是可以帮到你的。有不懂的，可以评论出来，我每天都会看，看到也就会回复。所以麻烦关注，点赞加评论咯。