《机器视觉系统应用》课件——条形码检测代码演示.pptxVIP

条形码检测

课程引入代码分析代码演示一二三目录

一课程引入条形码技术（barcodetechnology，BCT）是在计算机的应用实践中产生和发展起来的一种自动识别技术。它是为实现对信息的自动扫描而设计的，它是实现快速、准确而可靠地采集数据的有效手段。条形码技术的应用解决了数据录入和数据采集的瓶颈问题，为物流管理提供了有利的技术支持。

二代码分析在Opencv内，使用函数cv2.Sobel()实现Sobel算子运算，其语法形式为：Dst=cv2.Sobel(src,ddepth,dx,dy[,ksize[,scale[,delta[,borderType]]]])式中：dst代表目标图像。src代表原始图像。ddepth代表输出图像的深度。其具体对应关系如表所示。sobel算子

二代码分析dx代表x方向上的求导阶数。dy代表y方向上的求导阶数。ksize代表Sobel核的大小。该值为-1时，则会使用Scharr算子进行运算。scale代表计算导数是所采用的缩放因子，默认情况下该值是1，是没有缩放的。data代表加在目标图像dst上的值，该值是可选的，默认为0.borderType代表边界样式。该参数的具体类型及值如表所示。sobel算子

二代码分析1.计算x方向边缘（梯度）：dx=1,dy=0在Opencv中的语法格式为dst=cv2.Sobel(src,ddepth,1，0)2.计算y方向边缘（梯度）：dx=0,dy=1在Opencv中的语法格式为dst=cv2.Sobel(src,ddepth,0，1)3.数取绝对值在Opencv中，使用函数cv2.converScaleAbs()对参数取绝对值，该函数的语法格式为：dst=cv2.convertScaleAbs(src[,alpha[,beta]])式中：dst代表处理结果。src代表原始图像。alpha代表调节系数，该值是可选值，默认为1。beta代表调节亮度值，该值是默认值，默认为0。sobel算子

二代码分析在Opencv中，实现均值滤波的函数是错cv2.blur()，其语法格式为：dst=cv2.blur(src,ksize,anchor,borderType)式中：dst是返回值，表示进行均值滤波后得到的处理结果。src是需要处理的图像，即原始图像。ksize是滤波核的大小。滤波核的大小是指在均值处理过程中，其邻域图像的高度和宽度。anchor是锚点，其默认值是（-1，-1），表示当前计算均值的点位于核的中心点位置。该值使用默认值即可，在特殊情况下可以指定不同的点作为锚点。borderType是边界样式。通常情况下，使用均值滤波函数时，对于锚点anchor和边界样式borderType,直接采用其默认值即可。均值滤波

三代码演示流程图

三代码演示X梯度得到轮廓Y梯度得到轮廓gradX=cv2.Sobel(gray,ddepth=cv2.CV_32F,dx=1,dy=0,ksize=-1)#对x方向求导

#cv2.imshow(gradX,gradX)

gradY=cv2.Sobel(gray,ddepth=cv2.CV_32F,dx=0,dy=1,ksize=-1)#对y方向求导

#cv2.imshow(gradY,gradY)

三代码演示x梯度减去y梯度得到轮廓CV_32F转成CV_8U型的图像#Scharr操作后，从X梯度减去Y梯度得到轮廓图，此时噪点较多

gradient=cv2.subtract(gradX,gradY)

#cv2.imshow(gradient,gradient)

#经过处理后，用convertScaleAbs()函数将其转回原来的uint8形式。否则将无法显示图像，而只是一副灰色的窗口

gradient=cv2.convertScaleAbs(gradient)

#cv2.imshow(gradient1,gradient)

三代码演示均值滤波平滑处理二值化#然后进行二值化处理，要么是255(白)要么是0(黑)

blurred=cv2.blur(gradient,(9,9))#通过低通滤波平滑图像

#cv2.imshow(blurred,blurred)

ret,thresh=cv2.threshold(blurred,225,255,cv2.THRESH_BINARY)#进行图像固定阈值二值化

#cv2.imshow(thresh,thresh)

三代码演示形态学处理#通过形态学操作，建立一个7*21的长方形内核，内核宽度大于长度，因