python распознать qr код
I’m working on a project using Python(3.7) and OpenCV in which I have an Image(captured using the camera) of a document with a QR code placed on it.
This QR code has 6 variables respectively as:
Size of QR code image
Latest Update:
Here are the steps I need to perform in the same order:
I have tried this code:
End of Latest Update:
An example decoded information of a QR code is as: 100, 20, 40, 60, 20, px
Now, I need to detect the QR code from this document image and in the first step I need to compare the size of QR code in captured image of document with the size which is mentioned in the decoded information for example if in the captured image the size of the QR image is 90X90px and the size from decoded info is 100X100px we need to compare that.
Then, in the second step I have to crop the complete image by using the Top, Right, Bottom & Left variables accordingly. According to the above example we need to crop the image from the position of detected QR code to 20px Top, 40px Right, 60px Bottom and 20px Right. I have added an example Image below.
I have done to decode the QR code information but how can I take the detected QR code area as a seprate image and compare it’s size with the mentioned size and then crop the Image accordingly?
Here’s what I have tried so far:
and here’s a sample of input image:
pip3 install opencv-python qrcode
import qrcode # импотируем модуль
string = «https://myrusakov.ru» # строка для перевода в QR
file = «myrusakov_out.jpg» # файл для хранения полученного штрих кода
image = qrcode.make(string) # метод отвечает за преобразование строки в QR
image.save(file) # сохранение полученного объекта в файл myrusakov_out.jpg
При этом в QR коде можно закодировать достаточно длинную строку, размеры которой все же ограничены. Нас же пока что интересует хранение адресной строки сайта, и последующее считывание данных. Следует отметить что для считывания кода в программной области существует множество инструментов, мы же используем Opencv, как наиболее удобный для нас, в виду возможности интеграции с веб камерой компьютера, или видеопотоком. Для корректного исполнения кода, изображение с QR кодом следует держать одной папке с нашим скриптом. Следующий скрипт выводит декодированную строку.
import cv2 # импорт модуля из библиотеки Opencv
import numpy as np # модуль обработки массивов
import sys # системный модуль
import time
# Первый блок проверяет условие, передан ли скрипту в командной строке дополнительный аргумент в виде картинки **QR кода**. Если первое условие ложно, то считывается указанная нами картинка.
if len(sys.argv)>1:
inputImage = cv2.imread(sys.argv[1])
else:
inputImage = cv2.imread(«myrusakov_out.jpg») # стандартный метод opencv для считывания изображения
# Создание функции выводящей в отдельном окне изображение QR с синим обрамлением.
def display(im, bbox):
cv2.line(im, tuple(bbox[j][0]), tuple(bbox[ (j+1) % n][0]), (255,0,0), 3)
# Display results
cv2.imshow(«Results», im)
# В Opencv имеется встроенный метод детектор QR
qrDecoder = cv2.QRCodeDetector() # создание объекта детектора
data, bbox, rectifiedImage = qrDecoder.detectAndDecode(inputImage)
print(«Decoded Data : <>«.format(data)) # вывод декодированной строки
#cv2.imshow(«Rectified QRCode», rectifiedImage);
print(«QR Code not detected»)
Таким образом, в данной статье мы научились программно создавать QR код из исходных данных, а также расшифровывать его.
Копирование материалов разрешается только с указанием автора (Михаил Русаков) и индексируемой прямой ссылкой на сайт (http://myrusakov.ru)!
Добавляйтесь ко мне в друзья ВКонтакте: http://vk.com/myrusakov.
Если Вы хотите дать оценку мне и моей работе, то напишите её в моей группе: http://vk.com/rusakovmy.
Если Вы не хотите пропустить новые материалы на сайте,
то Вы можете подписаться на обновления: Подписаться на обновления
Если у Вас остались какие-либо вопросы, либо у Вас есть желание высказаться по поводу этой статьи, то Вы можете оставить свой комментарий внизу страницы.
Порекомендуйте эту статью друзьям:
Если Вам понравился сайт, то разместите ссылку на него (у себя на сайте, на форуме, в контакте):
Комментарии ( 0 ):
Для добавления комментариев надо войти в систему.
Если Вы ещё не зарегистрированы на сайте, то сначала зарегистрируйтесь.
Copyright © 2010-2021 Русаков Михаил Юрьевич. Все права защищены.
Чтение и генерация QR-кодов в Python с использованием QRtools
Эта статья призвана познакомить вас с использованием библиотеки python: qrtools. Эта библиотека может использоваться как для чтения QR-кодов, так и для их генерации.
Что такое QR-коды?
QR-код или код быстрого ответа является товарным знаком для типа двумерного штрих-кода. Двухмерные штрих-коды похожи на одномерные штрих-коды, но могут хранить больше информации на единицу площади.
Установка и зависимости
Также должны быть установлены следующие зависимости
Создать QR-код
qrtools содержит класс QR (можно просмотреть в исходном коде), для которого мы должны изначально создать объект. Объект принимает следующие аргументы
Чтобы создать QR-код с настройками по умолчанию, мы должны просто указать данные при создании объекта. Обратите внимание, что данные должны быть объектом Unicode, если будут использоваться объекты не ASCII.
# Python 2.x программа для генерации QR-кода
my_QR = QR(data = u «Example» )
# кодирует в QR-код
my_QR.encode()
Если программа работает успешно, она возвращает значение 0, и QR-код сохраняется в папке tmp. Чтобы узнать точное местоположение, используйте следующую команду
Образец вывода
Этот файл теперь может быть перемещен в другую папку согласно нашему удобству
# Python 2.x программа для генерации QR-кода
from qrtools import QR
my_QR = QR(data = u «Example» )
# команда для перемещения QR-кода на рабочий стол
os.system( «sudo mv » + my_QR.filename + «
Значение пикселя QR-кода также можно изменить, указав значение во время создания QR-объекта. Размер по умолчанию, как правило, немного мал для чтения с помощью сканеров на смартфонах, поэтому размер около 10 будет идеальным для таких целей, например:
Приведенный ниже QR-код имеет размер пикселя = 10 и был закодирован с помощью URL
Мы также можем добавить данные электронной почты, данные SMS, данные MMS, закладки и т. Д. В QR-код. Следующий фрагмент кода взят из исходного кода, в котором указаны различные типы данных, которые могут использоваться, а также формат данных, которые потребуются для его использования:
# используйте их для пользовательских форматов данных, например. URL, номер телефона, VCARD
# данные должны быть объектом Unicode или списком объектов Unicode
‘text’ : lambda data: data,
’email’ : lambda data: ‘mailto:’ + re. compile (
’emailmessage’ : lambda data: ‘MATMSG:TO:’ + data[ 0 ] + ‘;SUB:’ + data[ 1 ] +
‘telephone’ : lambda data: ‘tel:’ + re. compile (
‘sms’ : lambda data: ‘SMSTO:’ + data[ 0 ] + ‘:’ + data[ 1 ],
‘mms’ : lambda data: ‘MMSTO:’ + data[ 0 ] + ‘:’ + data[ 1 ],
‘geo’ : lambda data: ‘geo:’ + data[ 0 ] + ‘, ‘ + data[ 1 ],
‘bookmark’ : lambda data: «MEBKM:TITLE:» + data[ 0 ] + «;URL:» +
# phonebook или meCard должны быть списком таких кортежей:
Из приведенного выше кода мы наблюдаем различные типы данных, которые можно назначать и использовать при создании QR-кодов. Например, чтобы использовать закладку в качестве данных, мы должны предоставить данные в виде списка, состоящего из заголовка и URL-адреса. Для этого необходимо сделать следующее
# Python 2.x программа для генерации QR-кода
from qrtools import QR
# кодирует в QR-код
my_QR.encode()
Прочитайте QR-код
Сканирование и чтение QR-кода относительно просто. При создании объекта QR мы должны просто указать путь к QR-коду в качестве аргумента. Предположим, мы пытаемся декодировать QR-код, созданный в начале статьи.
# Python 2.x программа для сканирования и считывания QR-кода
from qrtools import QR
my_QR = QR(filename = «home/user/Desktop/qr.png» )
# декодирует QR-код и возвращает True в случае успеха
my_QR.decode()
Выход :
Мы также можем распечатать значения других параметров, переданных при создании объекта QR для генерации QR-кода, например, с использованием того же QR-кода, сгенерированного в начале статьи, добавление этих операторов печати дополнительно даст следующий дополнительный вывод
Выход:
Пожалуйста, пишите комментарии, если вы обнаружите что-то неправильное, или вы хотите поделиться дополнительной информацией по обсуждаемой выше теме.
С Python прочитаем любые штрих- и QR‑коды
Штрих-код — это метод представления данных в визуальной и машиночитаемой форме, он состоит из полос и пробелов. Сегодня мы видим штрих-коды повсюду, чаще всего на продуктах в супермаркетах.
Штрих-коды можно считывать с помощью оптического сканера штрих-кода, но здесь, для начала, напишем скрипт Python для считывания и декодирования штрих-кодов с рисунков, где они изображены.
Для выполнения описанных здесь упражнений необходимо установить нужные нам зависимости:
Как сделать считыватель штрих-кода на Python
Как только зависимости будут установлены, откройте новый файл Python и импортируйте то, что нужно для считывателя:
Я разбил всю функциональность по функциям и первая функция, которую мы обсудим, следующая:
Затем мы перебираем все обнаруженные штрих-коды, рисуем прямоугольник вокруг штрих-кода и печатаем тип и данные штрих-кода. Чтобы прояснить ситуацию, вот как каждый объект выглядел, если мы его распечатали:
Таким образом, функция pyzbar.decode() возвращает данные, содержащие штрих-код, тип штрих-кода, а также точки расположения в виде прямоугольника и многоугольника.
Это подводит нас к следующей функции, которую мы использовали, draw_barcode() :
Ну наконец то, он возвращает изображение, содержащее нарисованные штрих-коды. Теперь давайте воспользуемся этими функциями для наших примеров изображений:
В каждый файл мы загружаем его с помощью функции cv2.imread() и используем ранее обсуждавшуюся функцию decode() для декодирования штрих-кодов, а затем показываем фактическое изображение.
Обратите внимание, что скрипт также обнаружит QR-коды, и это нормально, но для получения более точных результатов читайте вторую часть этой заметки.
Когда я запускаю сценарий, он показывает каждое изображение и печатает его тип и данные, нажмите любую клавишу, и вы получите следующее изображение, вот мой результат:
Вот последнее показанное изображение: 
Это здорово, теперь у вас есть отличный инструмент для создания собственного сканера штрих-кода на Python. Я знаю, что вы все хотите читать прямо с камеры и подготовил код для считывания и обнаружения штрих-кода с камеры в реальном времени. Вот он:
Вы также можете добавить какой-то звуковой сигнал при обнаружении каждого штрих-кода, так же, как в супермаркетах, ознакомьтесь с руководством по воспроизведению звуков, которые могут помочь вам в этом.
Как сгенерировать и прочитать QR-код в Python
Создание QR-кода
Во-первых, давайте начнем с создания QR-кодов, это в целом очень просто при наличии библиотеки qrcode :
Это сгенерирует новый файл изображения в текущем каталоге с именем «waksoft.susu.ru.png», который содержит изображение QR-кода указанных данных (в данном случае URL этого веб-сайта), будет выглядеть примерно так: 
Итак, при создании класса QRCode мы указываем параметр версии, который представляет собой целое число от 1 до 40, которое контролирует размер изображения QR-кода (1 — маленький, матрица 21×21, 40 — матрица 185×185), но это будет перезаписано, когда данные не соответствуют указанному вами размеру. В нашем случае он автоматически масштабируется до версии 3.
Параметр box_size управляет количеством пикселей в каждом прямоугольнике QR-кода, тогда как граница определяет, сколько прямоугольников должно иметь толщину.
И форма изображения действительно увеличена, а не 21×21:
Читаем QR-код
Хорошо, откройте новый файл Python и следуйте за мной, давайте прочитаем только что сгенерированное изображение:
К счастью для нас, OpenCV уже имеет встроенный детектор QR-кода:
У нас есть изображение и детектор, давайте обнаружим и расшифруем эти данные:
Функция detectAndDecode() принимает изображение в качестве входных данных и декодирует его, чтобы вернуть кортеж из 3 значений: данные, декодированные из QR-кода, выходной массив вершин найденного четырехугольника QR-кода и выходное изображение, содержащее исправленный и преобразованный в двоичную форму QR-код.
Наконец, давайте покажем изображение и выйдем при нажатии клавиши:
После запуска распечатываются декодированные данные:
И показано следующее изображение:
Как видите, синие линии нарисованы точно в границах QR-кода. Отлично, мы закончили с этим скриптом, попробуйте запустить его с другими данными и посмотрите свои результаты!
Обратите внимание, что это идеально подходит для QR-кодов, а не для штрих-кодов.
Если вы хотите обнаруживать и декодировать QR-коды в реальном времени с помощью веб-камеры (и я уверен, что вы это делаете), вот код для этого:
Отлично, я закончил и теперь вы можете интегрировать его в свои собственные приложения!
Распознаем штрихкоды на изображениях с помощью Python и OpenCV
От переводчика: мы в компании Энтерра очень любим алгоритмы компьютерного зрения. Работаем чаще всего с OpenCv. Время от времени нам пишут разные разработчики с вопросами: «А как лучше начать работать с OpenCv?» или «Какую интересную задачу можно просто решить с помощью OpenCv?» В связи с чем мы решили перевести очень хорошую статью, которая будет полезна всем, кто интересуется компьютерным зрением.
Черная Пятница близко.
Толпы злых покупателей. Рой одинаковых теток среднего возраста, готовых сожрать практически всё, что угодно, в ближайшем супермаркете — главное, что со скидкой 75%. Они выстроятся в очереди перед дверьми магазинов в полночь Дня благодарения. Они будут ломиться внутрь, стучать в запертые двери кулаками и головами, пока не сплющат друг друга и не разобьют руки в кровь, став похожими на зомби из «28 дней спустя». Но вместо человеческой плоти, они жаждут удовлетворить инстинкт покупателя. Их боевые кличи о скидках и распродажах достигают небес. А их громовая поступь способна привести к землетрясению на Великой Равнине.
Естественно, от СМИ помощи не жди — они будут смаковать каждую подробность. От обмороженных семейств, ночевавших в палатке на морозе, до старой леди, растоптанной охотниками за скидкой в момент, когда открылись двери. Что-то похожее случилось с галлимимусом в «Парке Юрского периода». А она просто хотела купить Halo для девятилетнего внука Тимми, чьи родители забыли это сделать в прошлом году. В Wal-Mart. Во время Черной Пятницы.
И я обязан спросить: весь этот хаос и бедлам стоят того?
Любая покупка, которую я совершу в эту Черную Пятницу, будет сделана совершенно безопасно с помощью ноутбука. Но если вы решите выйти в реальный мир и вступить в схватку с охотниками за наживой, вам в первую очередь понадобится загрузить код из оригинального поста.
Просто представьте, как глупо вы будете выглядеть, стоя в очереди в ожидании свободной кассы – только для того, чтобы после сканирования штрихкода последнего сезона «Игры Престолов» выяснить, что в Target его можно купить на 5 долларов дешевле?
Собственно, далее я покажу, как можно обнаружить штрихкод на изображении, используя только Python и OpenCV.
Распознаём штриходы на изображениях на Pyhton и OpenCv
Задача этого поста — показать простое применение компьютерного зрения и технологий обработки изображений для распознавания штрихкодов. Мой алгоритм — это вариация на тему из вот этого вопроса со StackOverflow. Я просмотрел оригинальный код и добавил к нему ряд обновлений и улучшений. Стоит отметить, что этот код не будет работать для всех штрихкодов, но в любом случае вы получите представление о том, какие методы нужно будет использовать.
Важно отметить, что алгоритм не будет работать для всех штрихкодов, но зато даст базовое интуитивное понимание того, какие техники должны быть для этого использованы.
Для примера, мы определим штрихкод со следующего изображения:
Перейдём к коду. Открываем новый файл, называем его detect_barcode.py — и поехали:
Прежде всего нужно сделать импорт необходимых пакетов. Нам потребуются NumPy для работы с числами, agparse для парсинга аргументов командной строки и cv2 для связи с OpenCV.
Теперь приступим к непосредственной обработке изображения:
Мы загружаем изображение image и преобразуем его цветовой режим в оттенки серого.
После этого мы вычитаем y-градиент оператора Собеля из x-градиента. После вычитания мы получаем изображение с высоким значением горизонтального градиента и низким значением вертикального.
И сейчас наше изображение выглядит так:
Обратите внимание, что зона штрихкода была определена с помощью операций с градиентом. Следующий шаг — устранить шум на изображении и сфокусироваться сугубо на области со штрихкодом.
И первое, что мы сделаем — это используем average blur с ядром размера 9×9. Это поможет сгладить высокочастотный шум на нашей картинке с градинентами.
Затем мы проведём бинаризацию размытого изображения. Каждый пиксель изображения со значением не выше 225 мы превратим в 0 (чёрный), а остальные — в 255 (белый). В итоге получим:
Однако, как вы можете заметить на исходном изображении, между вертикальными полосками штрихкода есть пространство. Чтобы его закрыть и облегчить нашему алгоритму определение области штрихкода, нам нужно произвести ряд простых морфологических операций:
Далее, произведем нашу морфологическую операцию, применив ядро к бинаризированному изображению, замазывая пространство между полосками. И вы можете сами увидеть, что «пробелы» почти полностью закрыты, по сравнению с изображениями выше:
Конечно, на картинке остались и некоторые светлые пятна, которые не имеют отношения к штрихкоду и способны помешать точно определить его контур.
Давайте постараемся избавиться от этих пятен:
Тут мы делаем четыре итерации эрозии, за которым следуют четыре итерации дилатация. Эрозия уберёт белые пиксели с изображения, удаляя мелкие блобы, а дилатация не позволит крупным белым областям уменьшиться. Удаленные во время размытия мелкие пятна во время растяжения не появятся вновь.
После серии эрозий и дилатаций можно увидеть, что мелкие пятна успешно были удалены, осталась только область штрихкода:
Наконец, давайте найдем контуры области штрихкода на изображении:
Затем мы определяем минимальный ограничивающий прямоугольник, в который заключим этот самый большой контур, после чего наконец отображаем найденный штрихкод.
Как вы можете видеть, мы успешно нашли штрихкод:
Попробуем сделать это еще с несколькими изображениями?
Успешное определение штрихкодов
Чтобы получить аналогичные результаты, используйте мой код (можно загрузить целиком на странице поста-оригинала) и приведенные здесь изображения. Как только у вас будет код и изображения, откройте терминал и выполните следующую команду:
Без проблем найден штрихкод кокосового масла. Пробуем еще:
И на этом изображении мы успешно обнаружили штрихкод! Но что это мы все про еду, давайте перейдем к книгам.
И снова – никаких проблем! Сможем ли мы определить номер для отслеживания посылки?
И вновь наш алгоритм успешно обнаружил штрихкод.
Заключение
В этом посте мы рассмотрели необходимые шаги для обнаружения штрихкодов на изображениях с помощью технологий компьютерного зрения. Мы применили алгоритм, использующий язык программирования Python и библиотеку OpenCV.
Если вы хотите использовать более надёжный алгоритм обнаружения штрихкодов, стоит принять во внимание ориентацию изображения, а еще лучше — использовать самообучаемые системы, например, каскады Хаара или HOG+ Linear SVM, чтобы «сканировать» изображение на предмет областей со штрихкодом.