问解码2D圆形彩色条形码

EN

首先，您需要加载图像。我怀疑这不是问题，因为你已经在上面使用了Hough变换，但是：

Mat img = imread(filename)

加载图像后，您可以使用以下命令获取任何像素：

Scalar intensity = img.at<uchar>(y, x);

但是，您需要做的是对图像进行阈值处理。正如我在注释中提到的，对于每个RGB通道，图像颜色要么是0，要么是255。这是为了在存在图像伪像的情况下对数据进行编码。如果通道高于某个颜色值，则认为它是“开”的，如果低于某个颜色值，则认为它是“关”。

使用adaptiveThreshold对图像进行阈值处理。我会把阈值降到二进制1或0。这将产生八(2^3)个可能的组合之一的RGB三元组，从(0,0,0)到(1,1,1)。

然后你需要遍历像素。这就是有趣的地方。

你说每个相邻的2个像素形成一个字母。这是2^6或64个不同的字母。下一个问题是:字母是否排列在扫描线上，从左到右，从上到下？如果是，那么使用中心的十字准线定位图像将是很重要的。

如果图像是径向编码的(使用极坐标)，那么事情就会变得有点棘手。您需要使用cvLinearPolar来remap镜像。

否则，您需要遍历整个图像，步进RGB块的大小，并丢弃任何与中心的距离大于圆半径的像素。将所有像素读入数组后，将它们成对分组。

在某种程度上，我会说使用OpenCV来做这件事正朝着机器学习的方向发展。必须有一些点，你可以切入并使用神经网络来为你解码图像。一旦您有了圆(截断半径)并将图像居中，您可以转换为极坐标，并通过截断大于圆半径的所有内容来丢弃圆之外的所有内容。请记住，极坐标是(r，θ)，因此您应该能够截断极坐标图像的右侧部分。

然后，您可以训练Neural Network将极轴图像作为输入并输出段落。

你必须提供大量的训练数据，而训练好的模型仍然依赖于你对图像进行预处理的能力。这将包括任何仿射变换，以防图像倾斜或旋转。在这一点上，你会对自己说，你已经完成了所有繁重的任务，最后一点真的不是那么难。

然而，一旦你得到了一个干净的映像的进程，你就可以开始添加一些步骤来引入ML来处理脏的映像。HoughCircles可用于检测要在其上运行检测的图像部分。接下来，您需要确定圆内的图像是否为条形码。

一个好的条形码系统将具有奇偶校验位或其他形式的纠错，但您可以使用机器学习来清理输出。

不管怎样，我的两分钱。