zbar 的条码预处理答案

【问题标题】：Barcode pre-processing for zbarzbar 的条码预处理
【发布时间】：2016-07-03 02:23:53
【问题描述】：

我正在使用树莓派相机从图像中读取条形码，并且在我的应用程序中，对象需要离相机相对较远。处理前的条码：

Zbar 无法从该图像中解码任何内容，因此我决定尝试手动编辑该图像以使其解码。在条码的单行之间画出清晰的白线并改变图像的对比度后，这个结果被ZBar解码：

如何以编程方式从第一张图像转到第二张图像（我现在正在使用 OpenCV 和 python）？

【问题讨论】：

【解决方案1】：

考虑到最暗的区域是黑色的，并且任何灰色区域都需要转换为白色，因此问题非常简单。尝试计算图像的平均强度。

cv::Scalar avgPixelIntensity = cv::mean( image );

使用这个值作为阈值，你可以做图像阈值。这会很快。

您也可以尝试 Otsu Thresholding，这是一种自适应阈值技术。这将比上述方法慢，但在图像有其他伪影（如阴影）的情况下会提供更好的结果。

【讨论】：

问题是平均值可能不是正确的阈值，因为图像不是半像素黑色和半像素白色。此外，当您实际放大时，构成垂直线的灰色像素与它们之间的“白色”像素之间的差异实际上非常小，因此即使稍微不正确的阈值也会产生剧烈的影响
@glaba 你能发布一张将平均值作为阈值不起作用的图像吗？其次，您是否有机会检查 OTSU。我推荐 OTSU，因为它在 OCR 应用程序中正是用于此目的。如果两者都不起作用，则使用与霍夫线检测器配对的边缘检测将获得所有线条，但读取文本字符将是一个未解决的问题。附： OTSU 应该在本地计算阈值参数时工作，因此它将获取灰线与其白色背景之间的差异。如果您没有使用足够小的窗口，它不会考虑非常黑的线条。
@glaba Typo：最后一行应该说：“如果您使用足够小的窗口，它不会考虑非常黑的线条。：
@glaba：您能否评论一下您的最终方法是什么——Otsu 或多层次的阈值化？这将在未来对其他人有所帮助。
我使用了自适应阈值，但它仍然不可靠（虽然我怀疑这更多是由于相机的限制，它是固定焦点）

【解决方案2】：

尝试设置阈值。

首先将其转换为灰度，然后通过反复试验尝试获得 0-255 之间的最佳值，并将高于所选值的所有像素标记为白色，所有低于所选值的像素都标记为黑色。

如果它不起作用，则输入图像需要更清晰。

（不确定zbar库是否已经这样做了）

【讨论】：