图像识别提取SN码并与现有数据匹配的操作

工作中遇到一个比较繁琐的任务，要每天从一个详表里一条条得复制工单号到我们的系统中，然后搜索出来该工单相关的图片，如果其中有我想要的设备SN码，就算合格，否则为不合格。听起来简单，但该工作有3个坑：

1. 系统很慢，每搜索一次需要30秒以上

2. 图片不显示缩略图，要一个个打开，才能找到想要的设备图片

3. 并不是所有的工单都有图片，有的可能没传，搜了半天白搜了

于是，我首先使用爬虫将图片根据工单号全都爬下来，存到本地，以工单号为名称命名文件夹，然后用python给excel设置上超链接，这样业务员直接点击超链接就能看到图片。

事实证明爬下来几乎不耗时，不知道这网站咋设置的……5分钟不到，一千条全爬完了，直接省了半条命。

随后，我发现有一些图片是很清晰的，SN码可以直接扫描，于是用python的pyzbar，结合opencv对图像的预处理（提高对比度、二值化等），经过反复实验，得出了最优解。代码如下：

import cv2
from pyzbar.pyzbar import decode
from keepValue import keep_alphanumeric


def preprocess_image(image_path):
    # 读取图像
    image = cv2.imread(image_path)
    if image is None:
        print(f"Error: 无法打开图像 {image_path}")
        return None
    else:
        print("Image successfully loaded.")
    # 将图像转换为灰度
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 锐化操作
    sharpened = cv2.GaussianBlur(gray, (0, 0), 1)
    sharpened = cv2.addWeighted(gray, 1.5, sharpened, -0.5, 0)

    # 增加对比度
    alpha = 1.1
    beta = 20
    contrast = cv2.convertScaleAbs(sharpened, alpha=alpha, beta=beta)
    cv2.imwrite("contrast.jpg", contrast)
    # 二值化
    # _, binary = cv2.threshold(contrast, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

    return contrast


def extract_barcodes(image_path):
    # 进行图像预处理
    preprocessed_image = preprocess_image(image_path)
    if preprocessed_image is None:
        return []
    print(f"正在处理{image_path}")
    # 使用pyzbar解码器检测所有的条形码
    barcodes = decode(preprocessed_image)
    res_list = []
    # 遍历检测到的所有条形码
    for barcode in barcodes:
        # 提取条形码的数据
        barcode_data = barcode.data.decode("utf-8")
        # print(f"条形码数据: {barcode_data}")
        res_list.append(barcode_data)
    # ocr_res = second_hand(preprocessed_image)
    # res_list.extend(ocr_res)
    res_list = keep_alphanumeric(res_list)
    print("全部结果", res_list)
    return res_list


# 调用函数并传递图像路径
if __name__ == "__main__":
    extract_barcodes("2.png")

再把这个图像处理封装成一个flask服务，以供别的应用调用即可。做完这一步，自动识别的图片占20%左右，已经减轻很多工作负担了。

想要源码的，关注我，我会后期发布下载资源。