Opencv：10个步骤检测出图片中条形码

1. 原图像大小调整，提高运算效率

2. 转化为灰度图

3. 高斯平滑滤波

4.求得水平和垂直方向灰度图像的梯度差,使用Sobel算子

5.均值滤波，消除高频噪声

6.二值化

7.闭运算，填充条形码间隙

8. 腐蚀，去除孤立的点

9. 膨胀，填充条形码间空隙，根据核的大小，有可能需要2~3次膨胀操作

10.通过findContours找到条形码区域的矩形边界

实现：

使用另一幅图片的效果如下：

底部的二维码左侧边界定位错位，检测发现在二值化的时候左侧第二个条码部分被归零了，导致在之后的腐蚀操作中被腐蚀掉了。调整阈值分界值180到160，重新运行正确：

安卓：

  * 提取区域
    * */
    public Bitmap getImageDiscriminatePoint() {
        Mat imageSobelX = new Mat();
        Mat imageSobelY = new Mat();
        Mat imageSobelOut = new Mat();

        Mat image = new Mat();
        Mat imageGray = new Mat();
        Mat imageGuussian = new Mat();

        Utils.bitmapToMat(source, image);

        //1:调整图片大小
        Imgproc.resize(image, image, new Size(image.rows() / 4, image.cols() / 4));

        //2:灰度化
        Imgproc.cvtColor(image, imageGray, Imgproc.COLOR_BGR2GRAY);

        //3:高斯平滑, Imgproc.getGaussianKernel();高斯滤波
        Imgproc.GaussianBlur(imageGray, imageGuussian, new Size(3,3), 0);

        //4：求得水平和垂直方向灰度图像的梯度差,使用Sobel算子
        Mat imageX16S = new Mat();
        Mat imageY16S = new Mat();
        Imgproc.Sobel(imageGuussian, imageX16S, CvType.CV_16S, 1, 0, 3, 1, 0, 4);
        Imgproc.Sobel(imageGuussian, imageY16S, CvType.CV_16S, 0, 1, 3, 1, 0, 4);


        Core.convertScaleAbs(imageX16S, imageSobelX, 1, 0);
        Core.convertScaleAbs(imageY16S, imageSobelY, 1, 0);
       // imageSobelOut = imageSobelX - imageSobelY;

        Core.addWeighted(imageSobelX, 0.5, imageSobelY, 0.5, 1, imageSobelOut);//计算梯度和
        //Core.divide(imageSobelX, imageSobelY, imageSobelOut);



        //5：均值滤波，消除高频噪声
        Imgproc.blur(imageSobelOut, imageSobelOut, new Size(3, 3));



        //6：二值化
//        Mat imageSobleOutThreshold = new Mat();
//        Imgproc.threshold(imageSobelOut, imageSobleOutThreshold, 100, 255, Imgproc.THRESH_BINARY);

        //7.闭运算，填充条形码间隙
//        Mat  element = Imgproc.getStructuringElement(0, new Size(7, 7));
//        Imgproc.morphologyEx(imageSobleOutThreshold, imageSobleOutThreshold, Imgproc.MORPH_CLOSE, element);


//        //8. 腐蚀，去除孤立的点
//       // Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(8, 8));
//        Imgproc.erode(imageSobleOutThreshold, imageSobleOutThreshold, element);
//
//        //9. 膨胀，填充条形码间空隙，根据核的大小，有可能需要2~3次膨胀操作
//        Imgproc.dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);

        image = imageSobelOut;

        //10.通过findContours找到条形码区域的矩形边界
//        List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
//        Mat hierarcy = new Mat();
//        Imgproc.findContours(imageSobleOutThreshold, contours, hierarcy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_NONE);
//
//        Log.d("-----------------", "求灰度图"+contours.size());
//        for(int i=0;i<contours.size();i++) {
         //   Rect rect = Imgproc.boundingRect(contours.get(i));
//            Log.d("-----------------", "这里知心了"+rect.x+"------"+rect.y+"-----"+rect.width+"-------"+rect.height);
//            Imgproc.rectangle(image, new Point(rect.x + rect.width, rect.y + rect.height),new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(177));
//        }



        idcardBit = Bitmap.createBitmap(image.cols(), image.rows(), Bitmap.Config.RGB_565);//ARGB_8888,RGB_565
        Utils.matToBitmap(image, idcardBit);

        //腐蚀
//        Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(8, 8));
//        Imgproc.erode(idcardMat, idcardMat, kernel);

//        Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(50, 50));
//        Imgproc.erode(idcardMat, idcardMat, kernel);


          hanler.sendMessage(new Message());

//        File file = new File(Environment.getExternalStorageDirectory()+"/AiLingGong/", "test.jpg");
//        try {
//            FileOutputStream out = new FileOutputStream(file);
//            idcardBit.compress(Bitmap.CompressFormat.JPEG, 100, out);
//            out.flush();
//            out.close();
//        } catch (FileNotFoundException e) {
//            Log.d("-----------------", "111111");
//            e.printStackTrace();
//        } catch (IOException e) {
//            Log.d("----------------", "2222222");
//            e.printStackTrace();
//        }



//        List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
//        Mat hierarcy = new Mat();
//        Imgproc.findContours(idcardMat, contours, hierarcy, Imgproc.RETR_TREE, Imgproc.CHAIN_APPROX_SIMPLE);
//
//        int idCardNumberY = 0;
//
//        for(int i=0;i<contours.size();i++){
//            Rect rect = Imgproc.boundingRect(contours.get(i));
//            Imgproc.rectangle(idcardMat, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(255, 0, 0), 3);
//            if(rect.width > 500 && rect.width/rect.height >= 6){
//                //这里可能取到多个轮廓噢，“地址的轮廓也可能会进来”，需要简单筛选一下下面的轮廓，（之前bug原因，腐蚀不够高，大量轮廓进来了）
//                if (idCardNumberY < rect.y) {
//                    idCardNumberY = rect.y;
//                    idcardBit = cropDownPart(source, rect.x, rect.y, rect.width, rect.height);
//                }
//
//                File file = new File(Environment.getExternalStorageDirectory()+"/AiLingGong/", "w"+rect.width+"h"+rect.height+".jpg");
//                try {
//                    FileOutputStream out = new FileOutputStream(file);
//                    idcardBit.compress(Bitmap.CompressFormat.JPEG, 100, out);
//                    out.flush();
//                    out.close();
//                } catch (FileNotFoundException e) {
//                    e.printStackTrace();
//                } catch (IOException e) {
//                    e.printStackTrace();
//                }
//            }
//        }
        return idcardBit;
    }