識別快遞單號
這次跟老師做項目，這項目大概是流水線上識別快遞上的快遞單號。首先我嘗試了解條形碼的基本知識
百度百科：條形碼
條形碼(barcode)是將寬度不等的多個黑條和空白，按照一定的編碼規則排列，用以表達一組信息的圖形標識符。常見的條形碼是由反射率相差很大的黑條（簡稱條）和白條（簡稱空）排成的平行線圖案。條形碼可以標出物品的生產國、制造廠家、商品名稱、生產日期、圖書分類號、郵件起止地點、類別、日期等許多信息，因而在商品流通、圖書管理、郵政管理、銀行系統等許多領域都得到廣泛的應用。
條形碼有多種，在我國廣泛流傳的是EAN13條形碼（以下簡稱條形碼），所以主要研究該種條形碼的識別。
條形碼位數說明：
- 條形碼一共有13位
- 前2位或者前3位稱為前綴，表示國家、地區或者某種特定的商品類型
- 中國區條形碼開頭：690~699
- 圖書類條形碼開頭：978~979
- 前綴后的4位或者5位稱為廠商代碼，表示產品制造商
- 廠商代碼后5位稱為商品代碼，表示具體的商品項目
- 最后1位是校驗碼，根據前12位計算而出，可以用來防偽以及識別校驗
條形碼編碼說明
條形碼一共有8個區域：左側空白區->起始符->左側數據符->中間分隔符->右側數據符->校驗符->終止符->右側空白區
- 字符為0~9
- 除空白區外的區域和字符都采用二進制編碼表示，1表示bar（黑條），0表示space（白條）
- 起始符，終止符編碼為101，分隔符編碼為01010
- 0~9每種字符有3種編碼方式，AB為左側數據奇偶編碼，C為右側數據偶編碼
- 左側數據的奇偶性由前置符決定（就是說，第一個支付是幾就按下面的排列開始）
還有這么一種理解編碼方法
以寬度為編碼，去掉起始碼，終止碼，中間分隔碼，不管白條還是黑條都算一個編碼，最窄一節為1(最窄的為單位寬度），兩個單位寬度就是2，三單位長度為3，四單位寬度為4
四條（不管黑條還是白條都算條）代表一個數字
| 四條長度 | 數字 |
|---|---|
| 3211 | 0 |
| 2221 | 1 |
| 2122 | 2 |
| 1411 | 3 |
| 1132 | 4 |
| 1231 | 5 |
| 1114 | 6 |
| 1312 | 7 |
| 1213 | 8 |
| 3112 | 9 |
兩種編碼的圖示
這就代表為 數字 1
校驗
EAN13條形碼一共有13位，最后1位是校驗位，該位是通過前12位按照一定的步驟計算出來的。
如果按照一定的步驟處理識別出的前12位數據，如果計算結果和識別出的結果相等，識別正確；
如果不相等，則重新識別或糾錯再校驗或提示識別失敗。
校驗碼計算方法
以下圖所示的條形碼舉例說明：
條形碼的位數起始位為最右一位，即校驗位，檢驗碼計算方法如下：
- 偶位數數值相加乘3（(0+2+0+8+1+9)*3=60）
- 不含校驗位的奇位數相加（7+4+7+9+3+6=36）
- 將前兩步的結果相加（60+36=96）
- 用10減去上一步結果的個位數數值（10-6=4）
- 上一步結果的個位數即為校驗碼（4）
源碼
#創建：2016/01/26
#文件：BarCodeIdentification.py
#作者：moverzp
#功能：識別條形碼
import sys
import cv2
DECODING_TABLE = {
'0001101': 0, '0100111': 0, '1110010': 0,
'0011001': 1, '0110011': 1, '1100110': 1,
'0010011': 2, '0011011': 2, '1101100': 2,
'0111101': 3, '0100001': 3, '1000010': 3,
'0100011': 4, '0011101': 4, '1011100': 4,
'0110001': 5, '0111001': 5, '1001110': 5,
'0101111': 6, '0000101': 6, '1010000': 6,
'0111011': 7, '0010001': 7, '1000100': 7,
'0110111': 8, '0001001': 8, '1001000': 8,
'0001011': 9, '0010111': 9, '1110100': 9,
}
EDGE_TABLE = {
2:{2:6,3:0,4:4,5:3},
3:{2:9,3:'33',4:'34',5:5},
4:{2:9,3:'43',4:'44',5:5},
5:{2:6,3:0,4:4,5:3},
}
INDEX_IN_WIDTH = (0, 4, 8, 12, 16, 20, 24, 33, 37, 41, 45, 49, 53)
def get_bar_space_width(img):
row = img.shape[0] *1/2
currentPix = -1
lastPix = -1
pos = 0
width = []
for i in range(img.shape[1]):#遍歷一整行
currentPix = img[row][i]
if currentPix != lastPix:
if lastPix == -1:
lastPix = currentPix
pos = i
else:
width.append( i - pos )
pos = i
lastPix = currentPix
return width
def divide(t, l):
if float(t) / l < 0.357:
return 2
elif float(t) / l < 0.500:
return 3
elif float(t) / l < 0.643:
return 4
else:
return 5
def cal_similar_edge(data):
similarEdge = []
#先判斷起始符
limit = float(data[1] + data[2] + data[3] ) / 3 * 1.5
if data[1] >= limit or data[2] >= limit or data[3] >= limit:
return -1#寬度提取失敗
index = 4
while index < 54:
#跳過分隔符區間
if index==28 or index==29 or index==30 or index==31 or index==32:
index +=1
continue
#字符檢測
T1 = data[index] + data[index+1]
T2 = data[index+1] + data[index+2]
L = data[index] + data[index+1] + data[index+2] + data[index+3]
similarEdge.append( divide(T1, L) )
similarEdge.append( divide(T2, L) )
index += 4
return similarEdge
def decode_similar_edge(edge):
barCode = [6]#第一個字符一定是6，中國區
for i in range (0, 24, 2):#每個字符兩個相似邊，共12個字符
barCode.append( EDGE_TABLE[edge[i]][edge[i+1]] )
return barCode
def decode_sharp(barCode, barSpaceWidth):
for i in range(0, 13):
if barCode[i] == '44':
index = INDEX_IN_WIDTH[i]
c3 = barSpaceWidth[index+2]
c4 = barSpaceWidth[index+3]
if c3 > c4:
barCode[i] = 1
else:
barCode[i] = 7
elif barCode[i] == '33':
index = INDEX_IN_WIDTH[i]
c1 = barSpaceWidth[index]
c2 = barSpaceWidth[index+1]
if c1 > c2:
barCode[i] = 2
else:
barCode[i] = 8
elif barCode[i] == '34':
index = INDEX_IN_WIDTH[i]
c1 = barSpaceWidth[index]
c2 = barSpaceWidth[index+1]
if c1 > c2:
barCode[i] = 7
else:
barCode[i] = 1
elif barCode[i] == '43':
index = INDEX_IN_WIDTH[i]
c2 = barSpaceWidth[index+1]
c3 = barSpaceWidth[index+2]
if c2 > c3:
barCode[i] = 2
else:
barCode[i] = 8
def check_bar_code(barCode):
evens = barCode[11]+barCode[9]+barCode[7]+barCode[5]+barCode[3]+barCode[1]
odds = barCode[10]+barCode[8]+barCode[6]+barCode[4]+barCode[2]+barCode[0]
sum = evens * 3 + odds
if barCode[12] == (10 - sum % 10) % 10:
return True
else:
return False
#載入圖像
img = cv2.imread('res\google6.jpg')
grayImg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#轉換成單通道圖像
ret, grayImg = cv2.threshold(grayImg, 200, 255, cv2.THRESH_BINARY)#二值化
grayImg = cv2.medianBlur(grayImg, 3)#中值濾波
#提取條空寬度
barSpaceWidth = get_bar_space_width(grayImg)
print 'bar & space\'s numbers:', len(barSpaceWidth)#只有60是正確的
print barSpaceWidth
#計算相似邊數值
similarEdge = cal_similar_edge(barSpaceWidth)
if similarEdge == -1:
print 'barSpaceWidth error!'
sys.exit()
print 'similarEdge\'s numbers:', len(similarEdge)
print similarEdge
#相似邊譯碼
barCode = decode_similar_edge(similarEdge)
#針對‘#'譯碼
decode_sharp(barCode, barSpaceWidth)
#校驗
valid = check_bar_code(barCode)
valid = 1
print 'barcode:\n', barCode if valid else 'Check barcode error!'
height = img.shape[0]
width = img.shape[1]
cv2.line(grayImg, (0, height/2), (width, height/2),(0, 255, 0), 2)#畫出掃描的行
#顯示圖像
cv2.imshow("origin", img)
cv2.imshow("result", grayImg)
key = cv2.waitKey(0)
if key == 27:
cv2.destroyAllWindows()
第二種編碼的程序
#-*- coding:utf-8 -*-
from PIL import Image
def clean(img):
A = img.load()
print A
ss = ''
for x in xrange(img.size[0]):
ss += str(A[x, img.size[1]/2])
print ss
ls = []
while len(ss) > 0:
start = ss[0]
j = 1
while j < len(ss) and ss[j] == start :
j += 1
ls.append(j)
ss = ss[j:]
print ls
return ls
#print ls
def GetUPC_A(t):
#print t
t = t[4:-4]
print len(t)
for i in xrange(len(t)):
t[i] = (t[i] + 1) / 4
t = t[:24] + t[29:]
s = ''
for i in xrange(len(t)):
s += str(t[i])
upca = ''
for i in range(0, len(s) / 4):
n = i * 4
upca += dic[s[n:n + 4]]
print upca
dic = {'3211':'0', '2221':'1', '2122':'2', '1411':'3', '1132':'4', '1231':'5', '1114':'6', '1312':'7', '1213':'8', '3112':'9'}
img = Image.open('7.png')
GetUPC_A(clean(img))
可惜這次遇到的是快遞單上的條形碼，非標準的EAN13條形碼，暫時還不清楚這條形碼的編碼方式，所以換一個思路來識別快遞單號，直接識別快遞單上的數字快遞單號
這里我用OCR引擎來識別，用的是Tesseract-OCR引擎
Tesseract-OCR引擎簡介
OCR(Optical Character Recognition):光學字符識別,是指對圖片文件中的文字進行分析識別，獲取的過程。Tesseract的OCR引擎最先由HP實驗室于1985年開始研發，至1995年時已經成為OCR業內最準確的三款識別引擎之一。然而，HP不久便決定放棄OCR業務，Tesseract也從此塵封。
數年以后，HP意識到，與其將Tesseract束之高閣，不如貢獻給開源軟件業，讓其重煥新生－－2005年，Tesseract由美國內華達州信息技術研究所獲得，并求諸于Google對Tesseract進行改進、消除Bug、優化工作。
(由Google管理，所以下載地址“被墻”了，這里就不貼了）
還有一個模塊就是 pytesseract 這包是對Google Tesseract的一層python封裝需要配合 PIL 模塊使用
所以此次識別快遞單號，用到三個
- Tesseract-OCR ――（直接下載一個exe文件一路”next”即可安裝完成）
- pytesseract模塊――（直接 pip install pytesseract 安裝即可）
- PIL模塊――（由于我的是win7_64bit的系統，原PIL不支持，所以用pillow模塊，直接pip install pillow即可）
源代碼
#-*- coding:utf-8 -*-
from PIL import Image
import pytesseract
import time
start = time.clock()#開始計時
#---------主要代碼------------
im = Image.open('66.png')
code = pytesseract.image_to_string(im)
print u'驗證碼:' + str(code)
#---------------------------------
end = time.clock()#結束計時
print u'運行時間:' + str(end-start)
有坑
在有 Git Bash調試時遇到了
Traceback (most recent call last):
File "111.py", line 10, in
print u'驗證碼:' + str(code)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)
這一看就有事編碼的坑了，我用的是python2.7 估計生3就沒沒坑了
但目前還是要解決這問題，對于這編碼的問題有兩種解決方法：
1.一個解決的方案在程序中加入以下代碼：
import sys
reload(sys)
sys.setdefaultencoding('utf8')
2.是在python的Lib\site-packages文件夾下新建一個sitecustomize.py，內容為：
# encoding=utf8
import sys
reload(sys)
sys.setdefaultencoding('utf8')
此時重啟python解釋器，執行sys.getdefaultencoding()，發現編碼已經被設置為utf8的了，多次重啟之后，效果相同，這是因為系統在python啟動的時候，自行調用該文件，設置系統的默認編碼，而不需要每次都手動的加上解決代碼，屬于一勞永逸的解決方法。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
