Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
weixin_40195168达庆意
Python专题
提交
bd0a10d6
Python专题
项目概览
weixin_40195168达庆意
/
Python专题
与 Fork 源项目一致
Fork自
GitCode官方 / Python专题
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
Python专题
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
bd0a10d6
编写于
5月 29, 2021
作者:
M
MaoXianxin
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
更新readme
上级
b4b9061c
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
3 addition
and
1 deletion
+3
-1
README.md
README.md
+3
-1
未找到文件。
README.md
浏览文件 @
bd0a10d6
# 用OpenCV实现条形码识别
**每天会对文章进行更新,每次更新一篇,采用阅后即焚模式,且看且珍惜,喜欢的话帮我点个star哈**
最近,我们为OpenCV贡献了一维条形码识别模块,代码收录在:
[
https://github.com/opencv/opencv_contrib/tree/master/modules/barcode
](
https://github.com/opencv/opencv_contrib/tree/master/modules/barcode
)
我们收集的数据集(数据集地址:
[
https://github.com/SUSTech-OpenCV/BarcodeTestDataset
](
https://github.com/SUSTech-OpenCV/BarcodeTestDataset
)
,共250张条码图片)上进行了测试,我们的识别算法正确率达到了
**96%**
,速度为
**20ms**
每张图像。作为对比,我们也测试了ZXing在该数据集上的表现,其正确率为
**64.4%**
,速度为
**90ms**
每张图像。
...
...
@@ -46,7 +48,7 @@
1.
优化的超分辨率策略指的是对较小的条码进行
**超分辨率放大**
,不同大小条码做不同处理。
2.
解码算法的核心是基于条码编码方式的
**向量距离计算**
。因为条码的编码格式为固定的数个"条空",所以可以在约定好"条空"间隔之后。将固定的条空读取为一个向量,接下来与约定好的编码格式
向
匹配,取匹配程度最高的编码为结果。
2.
解码算法的核心是基于条码编码方式的
**向量距离计算**
。因为条码的编码格式为固定的数个"条空",所以可以在约定好"条空"间隔之后。将固定的条空读取为一个向量,接下来与约定好的编码格式
相
匹配,取匹配程度最高的编码为结果。
3.
在解码步骤中,解码的单位为一条线,由于噪点,条空的粘连等原因,单独条码的解码结果存在较大的不确定性,因此我们加入了对
**多条线的扫码**
,通过对均匀分布的扫描与解码,能够将二值化过程中的一些不完美之处加以抹除。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录