用 Python 和 OpenCV 检测图片上的条形码

近期在学习python，于是参考博客http://blog.jobbole.com/80448/，也实现了一下用 Python 和 OpenCV 检测图片上的条形码，整个过程比较简单，那篇博客里面有很详细的解说，于是这里就直接上代码了。

# -*- coding: utf-8 -*-
# feimengjuan
import numpy as np
import cv2

# 1、整个条形码的算法流程如下：
# 2、计算x方向和y方向上的Scharr梯度幅值表示
# 3、将x-gradient减去y-gradient来显示条形码区域
# 4、模糊并二值化图像
# 5、对二值化图像应用闭运算内核
# 6、进行系列的腐蚀、膨胀
# 7、找到图像中的最大轮廓，大概便是条形码
# 注：该方法做了关于图像梯度表示的假设，因此只对水平条形码有效。

def detect_bar(image):
    # 读入图片并灰度化
    gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
    # 计算图像x方向和y方向的梯度
    gradX = cv2.Sobel(gray,ddepth = cv2.CV_32F, dx = 1, dy = 0, ksize = -1)
    gradY = cv2.Sobel(gray,ddepth = cv2.CV_32F, dx = 0, dy = 1, ksize = -1)
    # 利用x-gradient减去y-gradient，通过这一步减法操作，得到包含高水平梯度和低竖直梯度的图形区域
    gradient = cv2.subtract(gradX,gradY)
    gradient = cv2.convertScaleAbs(gradient)

    # 利用去噪仅关注条形码区域，使用9*9的内核对梯度图进行平均模糊，
    # 有助于平滑梯度表征的图形中的高频噪声，然后进行二值化
    blurred = cv2.blur(gradient,(9,9))
    (_,thresh) = c