注意：如果二維碼太小的話，zbar是很難識別的，這也是我在公司解決的問題(不然隨便調用下zbar就解決問題了，圖像算法工程師就沒有存在的必要了，下文雖然是一個通用的解決方案，但對一般識別應用場景來說是足夠了。)

要使用的工具

python Image 圖像包

zbar條碼及二維碼識別庫

opencv 庫

識別效果

在樹莓派終端鍵入的命令以及得到的識別結果：

可以看到識別結果被紅色矩形框標記，QR碼的內容為YGSOFT001

接下來詳細的描述整個工作過程。

python Image圖像包的安裝

sudo apt-get install python-imaging

zbar 安裝

# "Install Zbar dev"

sudo apt-get -y install libzbar-dev

# "Get Zbar library"

wget https://pypi.python.org/packages/source/z/zbar/zbar-0.10.tar.gz

tar xzf zbar-0.10.tar.gz

# "patch Zbar"

cd zbar-0.10

wget https://github.com/npinchot/zbar/commit/d3c1611ad2411fbdc3e79eb96ca704a63d30ae69.patch

git apply d3c1611ad2411fbdc3e79eb96ca704a63d30ae69.patch

# "begin install Zbar"

sudo python setup.py install

如果安裝出現問題，請嘗試 sudo apt-get update 以及 sudo apt-get upgrade，然后再重試上面的安裝步驟。

編寫python程序

首先是導入相應的包

import zbar

import Image

import cv2

import cv

import numpy as np

import datetime

import argparse

用參數解析器，解析用戶輸入的命令

例如我們輸入python zbar_example -i xxx.png 來啟動程序，-i 后面的參數就是我們要是不的圖像xxx.png

ap = argparse.ArgumentParser()

ap.add_argument("-i", "--image", required = True, help = "Path to the image")

args = vars(ap.parse_args())

接下來我們創建和啟動zbar的掃描實例

# create a reader

scanner = zbar.ImageScanner()

# configure the reader

scanner.parse_config('enable')

接下來我們用一個循環來不停地對圖像進行QR碼識別，直到用戶在opencv窗口中鍵入”q”后，我們的程序才退出。

key = ord("0") #該變量在后面控制循環用

# 當用戶輸入'q'時，循環退出

while (key != ord("q")):

# 計算載入圖片所需的時間

d1 = datetime.datetime.now()

cv2_im = cv2.imread(args["image"])

d2 = datetime.datetime.now()

d = d2-d1

print "load image spend : %dms"%(d.microseconds/1000)

# 將圖像由BGR轉換到灰度圖

gray = cv2.cvtColor(cv2_im,cv2.COLOR_BGR2GRAY)

# 再次開始計時，以便后面計算識別二維碼的耗時

d1 = datetime.datetime.now()

# 將opencv的圖像轉換到python的PIL圖像

pil_im = Image.fromarray(gray)

# 輸出圖像的尺寸信息

width, height = pil_im.size

print "width=%d and height=%d" % (width,height)

#獲得raw圖(圖像原始數據)

raw = pil_im.tostring()

# 將圖像原始數據封裝成zbar能識別的格式

image = zbar.Image(width, height, 'Y800', raw)

# 掃描圖像并識別圖像中的條碼及二維碼

scanner.scan(image)

# 結束計時，輸出整個識別過程的耗時

d2 = datetime.datetime.now()

d = d2-d1

print "time consuming: %dms"%(d.microseconds/1000)

# 提取識別結果

symbolPos = []

for symbol in image:

# 二維碼信息保存在symbol.data中

print 'decoded', symbol.type, 'symbol', '"%s"' % symbol.data

# 繪制二維碼的位置，左上為位置0，左下角為位置1，右下角為位置2，右上角為位置3

# 也就是說，二維碼的坐標是按照逆時針排列的

symbolPos = symbol.location

cv2.line(cv2_im, symbolPos[0], symbolPos[1], (0,0,255),2)

cv2.line(cv2_im, symbolPos[0], symbolPos[3], (0,0,255),2)

cv2.line(cv2_im, symbolPos[2], symbolPos[1], (0,0,255),2)

cv2.line(cv2_im, symbolPos[2], symbolPos[3], (0,0,255),2)

# 為了更好的顯示大圖像，我們需要將圖像縮小后顯示。如果你的圖像不大，可以

# 注釋掉如下代碼

show_image = cv2.resize(cv2_im,(width/2,height/2))

cv2.imshow("result",show_image)

# 獲取用戶的鍵盤輸入

key = cv2.waitKey(33) & 0xFF

# 清理資源

del(image)

編寫完程序后，我們將該python程序保存為zbar_example.py，然后我們在樹莓派桌面模式下，終端運行

python zbar_examply.py -i xxx.png

xxx.png是你要輸入的圖像。運行結果請參考博客開頭的截圖，有任何問題歡迎留言。

下圖是我用來測試的圖片，大家可以下載來測試用：

題外話

強烈建議大家在開發算法原形的時候，使用python語言，因為你可以借助numpy等強大的科學計算庫非常快的實現你的想法，你也可以使用matplotlib繪制精美的實驗結果圖。python能夠完成任何matlab能完成的圖像處理原形開發任務，但是python能做到的，matlab不一定能做到(比如寫網頁，寫Android應用)。千萬不要用 C++/C結合opencv來進行算法的原形開發，為什么？我用python的一句名言回答吧：生命很短，所以我用python，你需要快速的開發出算法原形，然后才是效率問題。numpy這類科學矩陣運算庫，都是用C實現的，我能說的是，99%的程序員都沒有能力實現一個比numpy，scipy更快的科學計算庫。所以有時候，我們花了幾個月把我們的python代碼轉換成C++并優化后，發現效率并沒有得到很大的提升。C/C++對于效率來說，不是靈丹妙藥，我倒是覺得向量化矩陣化，才是圖像處理的加速器。 如果你實在迫不及待要將你的python代碼轉換成C++代碼，一定要找一個效率高的C++矩陣運算庫，切忌不要以為用一個雙重循環就可以搞定圖像遍歷了。為什么我一直強調矩陣運算和操作，因為我們可以仔細想想，日常的圖像處理過程基本上都是以矩陣為單位的，我們需要大量的卷積，大量的滑動窗口操作。

總結

以上是生活随笔為你收集整理的树莓派python识别二维码_Zbar树莓派二维码（QR）识别（基于图片）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。