条形码识别详解
条形码识别示例
# 条形码识别例程 # # 这个例子展示了使用OpenMV Cam M7来检测条形码是多么容易。条形码检测不适用于M4相机。 import sensor, image, time, math sensor.reset() # 重置感光元件，重置摄像机 sensor.set_pixformat(sensor.GRAYSCALE) # 设置为灰度图模式，速率会快一些。 sensor.set_framesize(sensor.VGA) # 高分辨率! #因为我们的条形码一般都是一个长的矩形，一般要设置窗口大小，小和窄一点。一般窗口设置为640X80.意思是只显示条形码的这一部分。这样能够提高检测速度 sensor.set_windowing((640, 80)) # V Res的80 ==更少的工作(40为2倍的速度)。 sensor.skip_frames(time = 2000) # 跳过n张照片，在更改设置后，跳过一些帧，等待感光元件变稳定。 sensor.set_auto_gain(False) # 自动增益必须关闭此功能，以防止图像冲洗… sensor.set_auto_whitebal(False) # 白平衡必须关闭此功能，以防止图像冲洗… clock = time.clock() # 条形码检测可以在OpenMV Cam的OV7725相机模块的640x480分辨率下运行。 # 条码检测也将在RGB565模式下工作，但分辨率较低。 也就是说， # 条形码检测需要更高的分辨率才能正常工作，因此应始终以640x480的灰度运行。 def barcode_name(code): #返回条形码所属类型 if(code.type() == image.EAN2): return "EAN2" if(code.type() == image.EAN5): return "EAN5" if(code.type() == image.EAN8): return "EAN8" if(code.type() == image.UPCE): return "UPCE" if(code.type() == image.ISBN10): return "ISBN10" if(code.type() == image.UPCA): return "UPCA" if(code.type() == image.EAN13): return "EAN13" if(code.type() == image.ISBN13): return "ISBN13" if(code.type() == image.I25): return "I25" if(code.type() == image.DATABAR): return "DATABAR" if(code.type() == image.DATABAR_EXP): return "DATABAR_EXP" if(code.type() == image.CODABAR): return "CODABAR" if(code.type() == image.CODE39): return "CODE39" if(code.type() == image.PDF417): return "PDF417" if(code.type() == image.CODE93): return "CODE93" if(code.type() == image.CODE128): return "CODE128" while(True): clock.tick() img = sensor.snapshot() # 截取感光元件中的一张图片 codes = img.find_barcodes() # 条形码检测函数 for code in codes: # 对于返回的列表中的条形码 img.draw_rectangle(code.rect()) # 将返回的条形码框选 # 打印条形码信息 条形码类型；返回条形码的有效载荷的字符串；返回以弧度计的条形码的旋度(浮点数)，此处再转换成角度；返回条形码在图像中被检测到的次数(int)；图片帧率 print_args = (barcode_name(code), code.payload(), (180 * code.rotation()) / math.pi, code.quality(), clock.fps()) # 将print_args打印出来，\表示转义字符，目的是打印出“ print("Barcode %s, Payload \"%s\", rotation %f (degrees), quality %d, FPS %f" % print_args) message = code.payload() # 仅打印条形码信息 print(message) if not codes: print("FPS %f" % clock.fps()) # 打印帧率
固定代码部分
此处基本为固定代码，只有一处需要讲解。由于条形码识别只需要黑白两色，所以采用灰度图，因此我们可以采用VGA更高的分辨率。
set_windowing（）函数讲解
该函数设置识别条形码识别窗口，因为为了条形码为长条形。所以如果为正方形，会有很大一部分为无效信息，可以通过设置识别窗口来提高识别效率。
传入值为roi，我们可以设置矩形区域的其实xy坐标，长宽值。如果我们只输入长宽两个值。此时图形将会居中。因为按照绝大多数人的习惯而言，都是居中看图像，所以我们只需要输入长宽两个值。星瞳官方建议是设置为(640, 80)。但是由于我所识别的条形码在这个框内无法完全识别，所以我个人是设置的(340, 160)
sensor.reset() # 重置感光元件，重置摄像机 sensor.set_pixformat(sensor.GRAYSCALE) # 设置为灰度图模式，速率会快一些。 sensor.set_framesize(sensor.VGA) # 高分辨率! #因为我们的条形码一般都是一个长的矩形，一般要设置窗口大小，小和窄一点。一般窗口设置为640X80.意思是只显示条形码的这一部分。这样能够提高检测速度 sensor.set_windowing((640, 80)) # V Res的80 ==更少的工作(40为2倍的速度)。 sensor.skip_frames(time = 2000) # 跳过n张照片，在更改设置后，跳过一些帧，等待感光元件变稳定。 sensor.set_auto_gain(False) # 自动增益必须关闭此功能，以防止图像冲洗… sensor.set_auto_whitebal(False) # 白平衡必须关闭此功能，以防止图像冲洗… clock = time.clock()
自定义函数详解
此函数就只有一个作用，用于识别我们所识别的条形码的类型，在死循环中将会使用。
def barcode_name(code): #返回条形码所属类型 if(code.type() == image.EAN2): return "EAN2" if(code.type() == image.EAN5): return "EAN5" if(code.type() == image.EAN8): return "EAN8" if(code.type() == image.UPCE): return "UPCE" if(code.type() == image.ISBN10): return "ISBN10" if(code.type() == image.UPCA): return "UPCA" if(code.type() == image.EAN13): return "EAN13" if(code.type() == image.ISBN13): return "ISBN13" if(code.type() == image.I25): return "I25" if(code.type() == image.DATABAR): return "DATABAR" if(code.type() == image.DATABAR_EXP): return "DATABAR_EXP" if(code.type() == image.CODABAR): return "CODABAR" if(code.type() == image.CODE39): return "CODE39" if(code.type() == image.PDF417): return "PDF417" if(code.type() == image.CODE93): return "CODE93" if(code.type() == image.CODE128): return "CODE128"
死循环详解
sensor.snapshot()函数详解
img = sensor.snapshot()，截取感光元件中的照片，将截取的图片存入辅助帧缓冲存储区，返回参数image对象。这个时候，img这个变量就是image，可以理解为等价。
image.find_barcodes()详解
因为上面img与image同类，所以img.find_barcodes()=image.find_barcodes() 可以理解为等价。
此函数可以识别条形码，并且返还一个image.barcode(这个下面再说)，并且可以传入一个roi的元组。roi就算感兴趣区，可以设置读取条形码的区域。(x, y, w, h)表示识别的左上角xy坐标，感兴趣区的长宽。如果不传入参数，默认识别窗口全部区域。因为我们已经设置了窗口大小，所以不设置感兴趣区。注：个人不建议设置感兴趣区，否则会出现，明明条形码已经出现在图像中了，但是因为感兴趣区的存在，无法识别。
注：如果无法识别，但是没有传入感兴趣区。可能是摄像头聚焦问题。可以烧录示例，进行一次调焦。
image.barcode对象讲解
首先，我们第一个是barcode.corners()，就算条形码的四个角落xy坐标。我们目前没有使用。
第二个，barcode.rect()。他返回的值给后面的for...in...中img.draw_rectangle（）用于绘制识别到的条形码框框。为什么是他来绘制条形码框框呢？我们可以查看img.draw_rectangle（）函数解释，需要传入的是(x, y, w, h)的值，而不是四个角落的xy数值。所以是img.draw_rectangle(code.rect()) 而不是img.draw_rectangle(code.corners()) 。
这个时候可能会有人问了，为什么是code.corners()？不是barcode.corners()吗？这个是因为img.find_barcodes()返回了一个image.barcode的对象，这个对象给了codes，而在for...in...中，codes又把自己给等价为code了。所以此处是code.corners()，与barcode.corners()等价。
第三个和之后的就不一样了。他的值是可以通过索引获取，这就表明，他可以被print打印出来。
我们之后会通过print打印出来。以下为识别到条形码之后串行终端（位于左下角）的内容。
首先在自定义函数barcode_name（）中传入code。然后我们可以看自定义函数中是code.type()，因为我们说了现在code和barcode等价，code.type()就是barcode.type()，我们看官方定义（在网页中按ctrl+f可搜索barcode.type()）可以知道barcode.type()是返回条形码的类型，所以，我们第一个打印出来的是条形码类型。
以此类推，我们打印条形码里面的信息，条形码的旋转角度值（barcode.rotation()返回的是弧度制，弧度值就是Π这种。而此处转换成了角度值，180°就是，360°就是2Π），条形码在图像中被检测到的次数，帧率。
因为只有条形码的内容是有用的，我们可以只写下面messgae这两行。
print_args = (barcode_name(code), code.payload(), (180 * code.rotation()) / math.pi, code.quality(), clock.fps()) # 将print_args打印出来，\表示转义字符，目的是打印出“ print("Barcode %s, Payload \"%s\", rotation %f (degrees), quality %d, FPS %f" % print_args) message = code.payload() # 仅打印条形码信息 print(message)
最后就算打印帧率
print("FPS %f" % clock.fps()) # 打印帧率
二维码识别详解
二维码检测示例
# 二维码例程 # # 这个例子展示了OpenMV Cam使用镜头校正来检测QR码的功能（请参阅qrcodes_with_lens_corr.py脚本以获得更高的性能）。 import sensor, image, time sensor.reset() # 重置感光元件，重置摄像机 sensor.set_pixformat(sensor.RGB565) # 设置颜色格式为RGB565，彩色，每个像素16bit sensor.set_framesize(sensor.QVGA) # 图像大小为QVGA sensor.skip_frames(time = 2000) # 跳过n张照片，在更改设置后，跳过一些帧，等待感光元件变稳定。 sensor.set_auto_gain(False) # 必须关闭此功能，以防止图像冲洗… clock = time.clock() while(True): clock.tick() img = sensor.snapshot() # 截取感光元件中的一张图片 #采用软件畸变矫正，因为OpenMV标配自带的镜头是2.8mm聚焦的鱼眼镜头，会存在桶形畸变，也就是鱼眼效果，会影响识别二维码 #畸变矫正运算量比较大，可能会影响帧率。对帧率有要求，可购买无畸变镜头，就无需软件畸变矫正 img.lens_corr(1.8) # 1.8的强度参数对于2.8mm镜头来说是不错的。 for code in img.find_qrcodes(): # 进行二维码检测 img.draw_rectangle(code.rect(), color = (255, 0, 0)) print(code) # 打印二维码内容 print(clock.fps()) # 打印帧率
image.lens_corr（）详解
此处就算进行畸变矫正，如果因为我们购买的OpenMV的默认镜头是带鱼眼效果的，所以需要进行畸变矫正（注意：此处运算量大，不建议长时间使用OpenMV不然会发烫很严重）。因为我们这里没有指定是传入的zoom，x_corr，y_corr的值，所以按照顺序，传入的1.8是给strength。我们可以调节这个值，来查看即便矫正的效果，建议从1.8开始尝试。zoom就是进行图像缩放，比如10X10的图像，为0.5，就算5X5的图像。建议为默认值，只需要调节strength就行了。
image.find_qrcodes（）函数讲解
作用就是对二维码的识别，可以传入感兴趣区（识别区域）。然后返回一个image.qrcode的对象。这个对象里面又二维码的信息。
image.qrcode对象讲解
image.qrcode的内部可以自己看官方文档理解。如下为打印的数据，这个时候有人可能会有疑惑，为什么打印的第一个数据是X的值，而不是qrcode.corners()的值呢？因为我们看官方文档可知，qrcode.corners()和qrcode.rect()是不能通过索引获取，所以没有打印出来。而qrcode.x()是索引0，也就是第一个打印出来的值。
img.draw_rectangle（）函数讲解
此处的image.draw_rectangle （）就是在识别到二维码之后，在二维码画一个红色的框框。因为image.draw_rectangle （）需要传输的是x, y, w, h。所以此处传入的是code.rect()而不是qrcode.corners(）。后面这个是设置矩形框为红色。
img.draw_rectangle(code.rect(), color = (255, 0, 0))
二维码补充理解
生成二维码
因为我们很多时候，需要的是对二维码的数据进行提取和使用。以下为我写的示例。我们利用网站产生一个信息为OpenMV的二维码。如下图
代码
如果识别到了内容为OpenMV的二维码，则在串行终端打印OK
如果识别到的是非OpenMV内容的二维码，串行终端打印“非目标二维码”。
如果没有二维码，就不打印东西。
# 二维码例程 # # 这个例子展示了OpenMV Cam使用镜头校正来检测QR码的功能（请参阅qrcodes_with_lens_corr.py脚本以获得更高的性能）。 import sensor, image, time sensor.reset() # 重置感光元件，重置摄像机 sensor.set_pixformat(sensor.RGB565) # 设置颜色格式为RGB565，彩色，每个像素16bit sensor.set_framesize(sensor.QVGA) # 图像大小为QVGA sensor.skip_frames(time = 2000) # 跳过n张照片，在更改设置后，跳过一些帧，等待感光元件变稳定。 sensor.set_auto_gain(False) # 必须关闭此功能，以防止图像冲洗… clock = time.clock() while(True): clock.tick() img = sensor.snapshot() # 截取感光元件中的一张图片 #采用软件畸变矫正，因为OpenMV标配自带的镜头是2.8mm聚焦的鱼眼镜头，会存在桶形畸变，也就是鱼眼效果，会影响识别二维码 #畸变矫正运算量比较大，可能会影响帧率。对帧率有要求，可购买无畸变镜头，就无需软件畸变矫正 img.lens_corr(1.8) # 1.8的强度参数对于2.8mm镜头来说是不错的。 for code in img.find_qrcodes(): # 进行二维码检测 img.draw_rectangle(code.rect(), color = (255, 0, 0)) #print(code) # 输出二维码内容 message = code.payload() if message == 'OpenMV': print('ok',message) else: print('非目标二维码') #检测到非目标二维码打印 #print(clock.fps())
