版权声明：本文为博主原创文章，欢迎转载，转载请贴上博客地址 http://blog.csdn.net/xdg_blog https://blog.csdn.net/xdg_blog/article/details/52853056
基于OpenCV的条形码区域检测（三）
根据 基于OpenCV的条形码区域检测（二） 中的测试结果可以得知，基于形态学的条形码区域检测是十分不可靠的。所以就考虑到了不使用形态学的方法，改为利用条形码的方向信息
上图是一张Code128码的图像(白底黑码)，根据它的梯度图可以看到它在条码条带边缘的强度特别高(根据Sobel算子得到的X方向的梯度gx，Y方向的梯度gy，那么该像素点上的强度就是 sqrt(gx^2 + gy^2) ，再通过对其进行归一化于[0,255]的灰度值的区间内的表现就为强度越高就越亮，在图像上的表现就为白色)。
根据这个想法，如果我们将一张图片分成特别多的小区块，然后再观察每个区块内的方向信息，如果区块尺寸合适，那么将会出现条码区域完全充满一个区块内，如果我们能够得知那些小的区块是条码区域的话，只要将这些小区块合并起来，那么得到的区域就是条码区域了！
上图就是将一张500W像素的图像以200×200的区块大小分割的效果，已经可以看到想要的效果了，这里为了展示故而将区块尺寸设置的偏大，在实际运用中并不需要设置的这么大。
上图可以看到条码区域的效果非常的好，当然上图并不是简单地将将分块后的图进行Sobel强度计算然后再Threshold那么直接，具体的操作在后面会详细地解释。
区域分块代码：
//#define WHOLE_IMG
vector<Mat> division(Mat &image, int width, int height) {
int m, n;
float fm, fn;
fm = image.rows*1.0 / height*1.0;
fn = image.cols*1.0 / width*1.0;
m = (int)fm;
n = (int)fn;
if (fm - (float)m > 0) {
m++;
}
if (fn - (float)n > 0) {
n++;
}
int index = 0;
vector<Mat> imgOut;
for (int j = 0; j < m; j++)
{
if (j < m - 1) {
int i;
for (i = 0; i < n; i++)
{
if (i < n - 1) {
BlockInfo temBlock;
temBlock.index = index++;
Mat temImage(height, width, CV_8U, Scalar(0, 0, 0));
Mat imageROI = image(Rect(i*width, j*height, temImage.cols, temImage.rows));
addWeighted(temImage, 1.0, imageROI, 1.0, 0., temImage);
temBlock.width = width;
temBlock.height = height;
temBlock.leftTop = Point(i*width, j*height);
g_blockSet.push_back(temBlock);
imgOut.push_back(temImage);
}
#ifdef WHOLE_IMG
else {
Mat temImage(height, width, CV_8U, Scalar(0, 0, 0));
Mat imageROI = image(Rect(i*width, j*height, image.cols - i*width - 1, temImage.rows));
for (size_t y = 0; y < imageROI.rows; ++y) {
unsigned char* ps = imageROI.ptr<unsigned char>(y);
unsigned char* pp = temImage.ptr<unsigned char>(y);
for (size_t x = 0; x < imageROI.cols; ++x) {
pp[x] = ps[x];
}
}
imgOut.push_back(temImage);
}
#endif
}
}
#ifdef WHOLE_IMG
else {
int i;
for (i = 0; i < n; i++)
{
if (i < n - 1) {
Mat temImage(height, width, CV_8U, Scalar(0, 0, 0));
Mat imageROI = image(Rect(i*width, j*height, temImage.cols, image.rows - j*height - 1));
for (size_t y = 0; y < imageROI.rows; ++y) {
unsigned char* ps = imageROI.ptr<unsigned char>(y);
unsigned char* pp = temImage.ptr<unsigned char>(y);
for (size_t x = 0; x < imageROI.cols; ++x) {
pp[x] = ps[x];
}
}
imgOut.push_back(temImage);
}
else {
Mat temImage(height, width, CV_8U, Scalar(0, 0, 0));
Mat imageROI = image(Rect(i*width, j*height, image.cols - i*width - 1, image.rows - j*height - 1));
for (size_t y = 0; y < imageROI.rows; ++y) {
unsigned char* ps = imageROI.ptr<unsigned char>(y);
unsigned char* pp = temImage.ptr<unsigned char>(y);
for (size_t x = 0; x < imageROI.cols; ++x) {
pp[x] = ps[x];
}
}
imgOut.push_back(temImage);
}
}
}
#endif
}
return imgOut;
}