forked from shubhmsng/blurred-barcode-extraction
-
Notifications
You must be signed in to change notification settings - Fork 0
/
two_d.py
194 lines (136 loc) · 5.86 KB
/
two_d.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
import numpy as np
import cv2
from PIL import Image
import zbar
def two_d(image):
kernel_sharpen = np.array([[-1,-1,-1,-1,-1],
[-1,2,2,2,-1],
[-1,2,8,2,-1],
[-1,2,2,2,-1],
[-1,-1,-1,-1,-1]]) / 8.0
##############################################
# step 1: read image that contains barcode #
##############################################
image = cv2.imread(str(image))
#################################################
# step 2: convert image in to gray scale format#
#################################################
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
##############################################
# step 3: find x gradient and y gradient #
##############################################
gradX = cv2.convertScaleAbs(cv2.Sobel(src= gray, ddepth=cv2.CV_64F, dx=1, dy=0,ksize=3))
gradY = cv2.convertScaleAbs(cv2.Sobel(src=gray, ddepth=cv2.CV_64F, dx=0, dy=1, ksize=3))
##############################################
# step 4: subtract x gradient and y gradient #
##############################################
gradient = cv2.subtract(gradX, gradY)
##########################################################
# step 5: find threshold image using binary thresholding #
##########################################################
ret, threshold = cv2.threshold(gradient, 187,255, cv2.THRESH_BINARY)
#########################################################
# step: 6 Morphological operation #
#########################################################
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (18,15))
closed = cv2.morphologyEx(threshold, cv2.MORPH_CLOSE, kernel)
#################################################
# step 7: perform dilation on thresholded image #
#################################################
dilate = cv2.dilate(closed, None, iterations=5)
####################################################
# step 8: perform erode operation on dilated image #
####################################################
closed = cv2.erode(dilate, None, iterations=10)
##############################################
# step 9: find contours on the image #
##############################################
contours, hierarchy = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
###################################################
# step 10: sort all contours on the basis of area #
###################################################
c = sorted(contours, key=cv2.contourArea, reverse=True)[0]
###########################################################################
# step 11: find the barcode contour and get the pixel location of contour #
###########################################################################
rect = cv2.minAreaRect(c)
box = np.int0(cv2.cv.BoxPoints(rect))
a = np.asarray(box)
max_x = 1
min_x = 99999999999
max_y = 1
min_y = 99999999999
for i in range(len(a)):
if(a[i][0]<min_x ):
min_x = a[i][0]
if(a[i][1] < min_y ):
min_y = a[i][1]
for i in range(len(a)):
if(a[i][0]>max_x):
max_x = a[i][0]
if(a[i][1] > max_y):
max_y = a[i][1]
x = min_x-15
y = min_y-15
w = max_x-min_x+15
h = max_y-min_y+15
if(x < 1):
x = 1
if(y < 1):
y = 1
#####################################################
# step 12: crop the barcode from the original image #
#####################################################
cr_img = image[y:y+h+50, x:x+w+50]
#####################################################
# step 13: find the width and height of the barcode #
#####################################################
width = len(cr_img[0])
height = len(cr_img)
#######################################
# step 14: zoom the barcode 1.5 times #
#######################################
cr_img = cv2.resize(cr_img, (width+ width/2, height +height/2))
############################################
# step 15: smooth the barcode on the edges #
############################################
cr_img = cv2.filter2D(cr_img, -1, kernel_sharpen)
#######################################
# step 16: display barcode #
#######################################
cv2.imshow("gray", cr_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#######################################
# step 17: create a reader #
#######################################
scanner = zbar.ImageScanner()
#######################################
# step 18: configure the reader #
#######################################
scanner.parse_config('enable')
#######################################
# step 19: obtain image data #
#######################################
cr_img = Image.fromarray(cr_img)
cr_img = cr_img.convert('L')
width, height = cr_img.size
raw = cr_img.tobytes()
#######################################
# step 20: wrap image data #
#######################################
image = zbar.Image(width, height, 'Y800', raw)
########################################
# step 21: scan the image for barcode #
########################################
scanner.scan(image)
#######################################
# step 22: extract results #
#######################################
result = ""
for symbol in image:
result += 'decoded ' + str(symbol.type) + ' symbol ' + '"%s"' % symbol.data + "\n"
if result == "":
return "unable to read barcode"
else:
return result