### 使用 OpenCV-Python 实现条形码的自动拾取与矫正 以下是一个完整的代码示例，展示如何使用 OpenCV 和 `pyzbar` 库来实现图片中条形码的自动拾取与矫正。该代码不仅能够识别条形码，还能对条形码进行旋转矫正[^1]。 ```python import cv2 import numpy as np from pyzbar import pyzbar # 加载图像 image = cv2.imread('barcode_image.jpg') # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用 pyzbar 解码条形码 barcodes = pyzbar.decode(gray) # 遍历所有检测到的条形码 for barcode in barcodes: # 提取条形码的边界框位置 (x, y, w, h) = barcode.rect # 绘制条形码的边界框 cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) # 条形码数据解码为字符串 barcodeData = barcode.data.decode("utf-8") barcodeType = barcode.type # 在图像上绘制条形码数据和类型 text = f"{barcodeData} ({barcodeType})" cv2.putText(image, text, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 获取四个角点坐标 pts = np.array(barcode.polygon, dtype=np.float32) pts = pts.reshape((-1, 1, 2)) # 计算最小外接矩形 rect = cv2.minAreaRect(pts) box = cv2.boxPoints(rect) box = np.int0(box) # 绘制最小外接矩形 cv2.drawContours(image, [box], 0, (0, 0, 255), 2) # 矫正条形码区域 width = int(rect[1][0]) height = int(rect[1][1]) src_pts = box.astype("float32") dst_pts = np.array([[0, height - 1], [0, 0], [width - 1, 0], [width - 1, height - 1]], dtype="float32") M = cv2.getPerspectiveTransform(src_pts, dst_pts) warped = cv2.warpPerspective(gray, M, (width, height)) # 显示矫正后的条形码 cv2.imshow("Warped Barcode", warped) cv2.waitKey(0) # 显示结果图像 cv2.imshow("Barcode Detection", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 关键技术点说明 - **条形码检测**：通过 `pyzbar.decode` 函数直接从灰度图像中提取条形码信息[^1]。 - **边界框绘制**：利用条形码的矩形区域 `(x, y, w, h)`，在原图上绘制绿色边界框[^1]。 - **最小外接矩形**：通过 `cv2.minAreaRect` 和 `cv2.boxPoints` 计算条形码的最小外接矩形，并绘制红色轮廓[^3]。 - **透视变换矫正**：使用 `cv2.getPerspectiveTransform` 和 `cv2.warpPerspective` 对条形码区域进行矫正，确保其为水平矩形[^4]。 #### 注意事项 - 如果输入图像中的条形码被遮挡或模糊，可能需要增加预处理步骤（如锐化、去噪等）以提高识别率[^2]。 - 条形码的矫正效果依赖于其在图像中的角度和形状。如果条形码过于扭曲，可能需要更复杂的几何校正方法[^4]。