自定义产品代码 - 计算机视觉 - Python答案

【问题标题】：Custom Product Code - Computer Vision - Python自定义产品代码 - 计算机视觉 - Python
【发布时间】：2017-09-18 09:00:00
【问题描述】：

对于一个项目，我需要从网络摄像头读取产品代码（类似于 QR 代码）。然而，与 QR 码不同 - 它有许多使扫描非常容易的 python 库 - 我需要制作自定义产品代码 - 这意味着我需要一个自定义库。代码设计非常简单——一个形状对应“1”，另一个形状对应“0”。

有谁知道我将如何在 python 中对阅读器进行编程？我应该研究什么样的算法？就编程能力而言，我会说我是初学者（所以请尽量避免使用复杂的术语）。

【问题讨论】：

【解决方案1】：

首先你可以设计一个简单的编码方案并使用opencv对其进行编程。 OpenCV 有在图像上绘制基本形状的方法。

您可以从阅读标准条码检测的this article 开始。如果您的代码过于复杂而无法使用此方法检测，您可以训练 Haar 分类器。

根据您的代码设计，霍夫线变换、霍夫圆变换、单应性等可用于在检测后回读代码。

我曾经使用叶状模式编写了一个编码器和解码器。如果您需要代码，可以通过 chamin.yubi@icloud.com 与我联系（代码已生锈，但我回复缓慢）。

【讨论】：

非常感谢您的帮助！ Zbar (zbar.sourceforge.net)，是我目前用来读取二维码的库。在“关于”页面上，它说它将图像视为一个阵列，从激光条形码扫描仪读取每一行作为一行，并应用“简单的 1D 信号处理”。我可以使用这种方法来检测我的自定义代码吗？我应该使用什么样的算法和“一维信号处理”？
这种方法理论上可以应用于任何只使用两种颜色（一种用于图案，另一种用于背景）的自定义代码。由于该库可以读取 QR 码，这意味着它具有比激光条码扫描仪更好的功能。要从一维扫描仪信号解码一维条码，您需要缩放（迎合对角线扫描）、相关（解码）和过滤（降噪同时不会使条码图案过于模糊）等算法。
这会比使用 Haar 分类或使用 opencv 图像处理方法更难吗？
Haar 分类器将有利于条码定位；也就是说，如果条形码不在图像的中心，和/或可能以不同的尺寸出现，则找到条形码的确切位置和大小。但是对于实际解码代码，为每个可能的代码训练一个 Haar 分类器是不切实际的。如果您的代码与标准条形码有很大不同（例如树枝的图案），则使用 OpenCV 进行解码会更快。否则，我建议使用这个库。