#include?
#include?
#include?

using?namespace?cv;
using?namespace?std;
using?namespace?zbar;

int?main（int?argcchar*?argv[]）
{
	char?fileNameString[100];
	char?windowNameString[50];
	char?resultFileNameSring[100];
	Mat?srcImagegrayImageblurImagethresholdImagegradientXImagegradientYImagegradientImagemorphImage;
	for?（int?fileCount?=?1;fileCount?	{
		sprintf（fileNameString“F:\\opencv\\條形碼檢測與識別\\barcode_0%d.jpg“fileCount）;
		sprintf（windowNameString“result?0%d“fileCount）;
		sprintf（resultFileNameSring“F:\\opencv\\條形碼檢測與識別\\barcodeResult_0%d.jpg“fileCount）;
		//讀取圖像
		srcImage?=?imread（fileNameString）;
		if（srcImage.empty（））
		{
			cout<<“image?file?read?error“<
			return?-1;
		}
		//圖像轉換為灰度圖像
		if（srcImage.channels（）?==?3）
		{
			cvtColor（srcImagegrayImageCV_RGB2GRAY）;
		}
		else
		{
			grayImage?=?srcImage.clone（）;
		}
		//建立圖像的梯度幅值
		Scharr（grayImagegradientXImageCV_32F10）;
		Scharr（grayImagegradientYImageCV_32F01）;
		//因為我們需要的條形碼在需要X方向水平所以更多的關注X方向的梯度幅值而省略掉Y方向的梯度幅值
		subtract（gradientXImagegradientYImagegradientImage）;
		//歸一化為八位圖像
		convertScaleAbs（gradientImagegradientImage）;
		//看看得到的梯度圖像是什么樣子
		//imshow（windowNameStringgradientImage）;
		//對圖片進行相應的模糊化使一些噪點消除
		blur（gradientImageblurImageSize（99））;
		//模糊化以后進行閾值化得到到對應的黑白二值化圖像二值化的閾值可以根據(jù)實際情況調整
		threshold（blurImagethresholdImage210255THRESH_BINARY）;
		//看看二值化圖像
		//imshow（windowNameStringthresholdImage）;
		//二值化以后的圖像條形碼之間的黑白沒有連接起來就要進行形態(tài)學運算消除縫隙相當于小型的黑洞選擇閉運算
		//因為是長條之間的縫隙所以需要選擇寬度大于長度
		Mat?kernel?=?getStructuringElement（MORPH_RECTSize（217））;
		morphologyEx（thresholdImagemorphImageMORPH_CLOSEkernel）;
		//看看形態(tài)學操作以后的圖像
		//imshow（windowNameStringmorphImage）;
		//現(xiàn)在要讓條形碼區(qū)域連接在一起所以選擇膨脹腐蝕而且為了保持圖形大小基本不變應該使用相同次數(shù)的膨脹腐蝕
		//先腐蝕讓其他區(qū)域的亮的地方變少最好是消除然后膨脹回來消除干擾迭代次數(shù)根據(jù)實際情況選擇
		erode（morphImage?morphImage?getStructuringElement（MORPH_RECT?Size（33））Point（-1-1）4）;
		dilate（morphImage?morphImage?getStructuringElement（MORPH_RECT?Size（33））Point（-1-1）4）;
		//看看形態(tài)學操作以后的圖像
		//imshow（windowNameStringmorphImage）;
		vector>contours;
		vectorcontourArea;
		//接下來對目標輪廓進行查找目標是為了計算圖像面積
		findContours（morphImagecontoursRETR_EXTERNALCHAIN_APPROX_SIMPLE）;
		//計算輪廓的面積并且存放
		for（int?i?=?0;?i?		{
			contourArea.push_back（cv::contourArea（contours[i]））;
		}
		//找出面積最大的輪廓
		double?maxValue;Point?maxLoc;
		minMaxLoc（contourArea?NULL&maxValueNULL&maxLoc）;
		//計算面積最大的輪廓的最小的外包矩形
		RotatedRect?minRect?=?minAreaRect（contours[maxLoc.x]）;
		//為了防止找錯要檢查這個矩形的偏斜角度不能超標
		//如果超標那就是沒找到
		if（minRect.angle<2.0）
		{
			//找到了矩形的角度但是這是一個旋轉矩形所以還要重新獲得一個外包最小矩形
			Rect?myRect?=?boundingRect（contours[maxLoc.x]）;
			//把這個矩形在源圖像中畫出來
			//rectangle（srcImagemyRectScalar（0255255）3LINE_AA）;
			//看看顯示效果找的對不對
			//imshow（windowNameStringsrcImage）;
			//將掃描的圖像裁剪下來并保存為相應的結果保留一些X方向的邊界所以對rec

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-12-29?11:59??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\
?????文件??????122315??2016-03-11?14:53??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\barcode_01.jpg
?????文件??????104680??2016-03-11?16:27??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\barcode_02.jpg
?????文件??????119950??2016-03-11?16:27??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\barcode_03.jpg
?????文件??????118024??2016-03-11?16:27??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\barcode_04.jpg
?????文件??????109951??2016-03-11?16:27??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\barcode_05.jpg
?????文件??????120404??2016-03-11?16:27??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\barcode_06.jpg
?????文件???????42683??2014-11-18?04:10??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\barcode_07.jpg
?????文件????????4877??2016-03-15?10:40??利用opencv實現(xiàn)的條形碼檢測與識別（C++）\main.cpp