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：

#include "core/core.hpp"
#include "highgui/highgui.hpp"
#include "imgproc/imgproc.hpp"

using namespace cv;

int main(int argc,char *argv[])
{
	Mat image,imageGray,imageGuussian;
	Mat imageSobelX,imageSobelY,imageSobelOut;
	image=imread(argv[1]);

	//1. 原图像大小调整，提高运算效率
	resize(image,image,Size(500,300));
	imshow("1.原图像",image);

	//2. 转化为灰度图
	cvtColor(image,imageGray,CV_RGB2GRAY);
	imshow("2.灰度图",imageGray);

	//3. 高斯平滑滤波
	GaussianBlur(imageGray,imageGuussian,Size(3,3),0);
	imshow("3.高斯平衡滤波",imageGuussian);

	//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,imageY16S;
	Sobel(imageGuussian,imageX16S,CV_16S,1,0,3,1,0,4);
	Sobel(imageGuussian,imageY16S,CV_16S,0,1,3,1,0,4);
	convertScaleAbs(imageX16S,imageSobelX,1,0);
	convertScaleAbs(imageY16S,imageSobelY,1,0);
	imageSobelOut=imageSobelX-imageSobelY;
	imshow("4.X方向梯度",imageSobelX);
	imshow("4.Y方向梯度",imageSobelY);
	imshow("4.XY方向梯度差",imageSobelOut);	

	//5.均值滤波，消除高频噪声
	blur(imageSobelOut,imageSobelOut,Size(3,3));
	imshow("5.均值滤波",imageSobelOut);	

	//6.二值化
	Mat imageSobleOutThreshold;
	threshold(imageSobelOut,imageSobleOutThreshold,180,255,CV_THRESH_BINARY);	
	imshow("6.二值化",imageSobleOutThreshold);

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

	//8. 腐蚀，去除孤立的点
	erode(imageSobleOutThreshold,imageSobleOutThreshold,element);
	imshow("8.腐蚀",imageSobleOutThreshold);

	//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
	dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);
	dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);
	dilate(imageSobleOutThreshold,imageSobleOutThreshold,element);
	imshow("9.膨胀",imageSobleOutThreshold);		
	vector<vector<Point>> contours;
	vector<Vec4i> hiera;

	//10.通过findContours找到条形码区域的矩形边界
	findContours(imageSobleOutThreshold,contours,hiera,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);
	for(int i=0;i<contours.size();i++)
	{
		Rect rect=boundingRect((Mat)contours[i]);
		rectangle(image,rect,Scalar(255),2);	
	}	
	imshow("10.找出二维码矩形区域",image);

	waitKey();
}

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：