Python識別快遞條形碼及Tesseract-OCR怎么用-創(chuàng)新互聯

這篇文章主要介紹了Python識別快遞條形碼及Tesseract-OCR怎么用，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

成都創(chuàng)新互聯公司是一家集網站建設,臺江企業(yè)網站建設,臺江品牌網站建設,網站定制,臺江網站建設報價,網絡營銷,網絡優(yōu)化,臺江網站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力?？沙浞譂M足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯網需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學習、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網站。

識別快遞單號

這次跟老師做項目，這項目大概是流水線上識別快遞上的快遞單號。首先我嘗試了解條形碼的基本知識

百度百科：條形碼

條形碼(barcode)是將寬度不等的多個黑條和空白，按照一定的編碼規(guī)則排列，用以表達一組信息的圖形標識符。常見的條形碼是由反射率相差很大的黑條（簡稱條）和白條（簡稱空）排成的平行線圖案。條形碼可以標出物品的生產國、制造廠家、商品名稱、生產日期、圖書分類號、郵件起止地點、類別、日期等許多信息，因而在商品流通、圖書管理、郵政管理、銀行系統(tǒng)等許多領域都得到廣泛的應用。

條形碼有多種，在我國廣泛流傳的是EAN13條形碼（以下簡稱條形碼），所以主要研究該種條形碼的識別。

條形碼位數說明：

• 條形碼一共有13位

• 前2位或者前3位稱為前綴，表示國家、地區(qū)或者某種特定的商品類型

• 中國區(qū)條形碼開頭：690~699

• 圖書類條形碼開頭：978~979

• 前綴后的4位或者5位稱為廠商代碼，表示產品制造商

• 廠商代碼后5位稱為商品代碼，表示具體的商品項目

• 最后1位是校驗碼，根據前12位計算而出，可以用來防偽以及識別校驗

條形碼編碼說明

條形碼一共有8個區(qū)域：左側空白區(qū)->起始符->左側數據符->中間分隔符->右側數據符->校驗符->終止符->右側空白區(qū)

• 字符為0~9

• 除空白區(qū)外的區(qū)域和字符都采用二進制編碼表示，1表示bar（黑條），0表示space（白條）

• 起始符，終止符編碼為101，分隔符編碼為01010

• 0~9每種字符有3種編碼方式，AB為左側數據奇偶編碼，C為右側數據偶編碼

• 左側數據的奇偶性由前置符決定（就是說，第一個支付是幾就按下面的排列開始）

還有這么一種理解編碼方法

以寬度為編碼，去掉起始碼，終止碼，中間分隔碼，不管白條還是黑條都算一個編碼，最窄一節(jié)為1(最窄的為單位寬度），兩個單位寬度就是2，三單位長度為3，四單位寬度為4

四條（不管黑條還是白條都算條）代表一個數字

四條長度	數字
3211	0
2221	1
2122	2
1411	3
1132	4
1231	5
1114	6
1312	7
1213	8
3112	9

兩種編碼的圖示

這就代表為 數字 1

校驗

EAN13條形碼一共有13位，最后1位是校驗位，該位是通過前12位按照一定的步驟計算出來的。

如果按照一定的步驟處理識別出的前12位數據，如果計算結果和識別出的結果相等，識別正確；

如果不相等，則重新識別或糾錯再校驗或提示識別失敗。

校驗碼計算方法

以下圖所示的條形碼舉例說明：

條形碼的位數起始位為最右一位，即校驗位，檢驗碼計算方法如下：

• 偶位數數值相加乘3（(0+2+0+8+1+9)*3=60）

• 不含校驗位的奇位數相加（7+4+7+9+3+6=36）

• 將前兩步的結果相加（60+36=96）

• 用10減去上一步結果的個位數數值（10-6=4）

• 上一步結果的個位數即為校驗碼（4）

源碼

#創(chuàng)建：2016/01/26
#文件：BarCodeIdentification.py
#作者：moverzp
#功能：識別條形碼
import sys
import cv2

DECODING_TABLE = {
  '0001101': 0, '0100111': 0, '1110010': 0,
  '0011001': 1, '0110011': 1, '1100110': 1,
  '0010011': 2, '0011011': 2, '1101100': 2,
  '0111101': 3, '0100001': 3, '1000010': 3,
  '0100011': 4, '0011101': 4, '1011100': 4,
  '0110001': 5, '0111001': 5, '1001110': 5,
  '0101111': 6, '0000101': 6, '1010000': 6,
  '0111011': 7, '0010001': 7, '1000100': 7,
  '0110111': 8, '0001001': 8, '1001000': 8,
  '0001011': 9, '0010111': 9, '1110100': 9,  
  }

EDGE_TABLE = {
  2:{2:6,3:0,4:4,5:3},
  3:{2:9,3:'33',4:'34',5:5},
  4:{2:9,3:'43',4:'44',5:5},
  5:{2:6,3:0,4:4,5:3},
  }

INDEX_IN_WIDTH = (0, 4, 8, 12, 16, 20, 24, 33, 37, 41, 45, 49, 53)
def get_bar_space_width(img):
  row = img.shape[0] *1/2
  currentPix = -1
  lastPix = -1
  pos = 0
  width = []
  for i in range(img.shape[1]):#遍歷一整行
    currentPix = img[row][i]
    if currentPix != lastPix:
      if lastPix == -1:
        lastPix = currentPix
        pos = i
      else:
        width.append( i - pos )
        pos = i
        lastPix = currentPix
  return width

def divide(t, l):
  if float(t) / l < 0.357:
    return 2
  elif float(t) / l < 0.500:
    return 3
  elif float(t) / l < 0.643:
    return 4
  else:
    return 5

def cal_similar_edge(data):
  similarEdge = []
  #先判斷起始符
  limit = float(data[1] + data[2] + data[3] ) / 3 * 1.5
  if data[1] >= limit or data[2] >= limit or data[3] >= limit:
    return -1#寬度提取失敗
  index = 4
  while index < 54:
    #跳過分隔符區(qū)間
    if index==28 or index==29 or index==30 or index==31 or index==32:
      index +=1
      continue
    #字符檢測
    T1 = data[index] + data[index+1]
    T2 = data[index+1] + data[index+2]
    L = data[index] + data[index+1] + data[index+2] + data[index+3]
    similarEdge.append( divide(T1, L) )
    similarEdge.append( divide(T2, L) )
    index += 4

  return similarEdge

def decode_similar_edge(edge):
  barCode = [6]#第一個字符一定是6，中國區(qū)
  for i in range (0, 24, 2):#每個字符兩個相似邊，共12個字符
    barCode.append( EDGE_TABLE[edge[i]][edge[i+1]] )
  return barCode

def decode_sharp(barCode, barSpaceWidth):
  for i in range(0, 13):
    if barCode[i] == '44':
      index = INDEX_IN_WIDTH[i]
      c3 = barSpaceWidth[index+2]
      c4 = barSpaceWidth[index+3]
      if c3 > c4:
        barCode[i] = 1
      else:
        barCode[i] = 7      
    elif barCode[i] == '33':
      index = INDEX_IN_WIDTH[i]
      c1 = barSpaceWidth[index]
      c2 = barSpaceWidth[index+1]
      if c1 > c2:
        barCode[i] = 2
      else:
        barCode[i] = 8
    elif barCode[i] == '34':
      index = INDEX_IN_WIDTH[i]
      c1 = barSpaceWidth[index]
      c2 = barSpaceWidth[index+1]
      if c1 > c2:
        barCode[i] = 7
      else:
        barCode[i] = 1      
    elif barCode[i] == '43':
      index = INDEX_IN_WIDTH[i]
      c2 = barSpaceWidth[index+1]
      c3 = barSpaceWidth[index+2]
      if c2 > c3:
        barCode[i] = 2
      else:
        barCode[i] = 8

def check_bar_code(barCode):
  evens = barCode[11]+barCode[9]+barCode[7]+barCode[5]+barCode[3]+barCode[1]
  odds = barCode[10]+barCode[8]+barCode[6]+barCode[4]+barCode[2]+barCode[0]
  sum = evens * 3 + odds
  if barCode[12] == (10 - sum % 10) % 10:
    return True
  else:
    return False
#載入圖像
img = cv2.imread('res\google6.jpg')
grayImg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#轉換成單通道圖像
ret, grayImg = cv2.threshold(grayImg, 200, 255, cv2.THRESH_BINARY)#二值化
grayImg = cv2.medianBlur(grayImg, 3)#中值濾波
#提取條空寬度
barSpaceWidth = get_bar_space_width(grayImg)
print 'bar & space\'s numbers:', len(barSpaceWidth)#只有60是正確的
print barSpaceWidth
#計算相似邊數值
similarEdge = cal_similar_edge(barSpaceWidth)
if similarEdge == -1:
  print 'barSpaceWidth error!'
  sys.exit()
print 'similarEdge\'s numbers:', len(similarEdge)
print similarEdge
#相似邊譯碼
barCode = decode_similar_edge(similarEdge)
#針對‘#'譯碼
decode_sharp(barCode, barSpaceWidth)
#校驗
valid = check_bar_code(barCode)
valid = 1
print 'barcode:\n', barCode if valid else 'Check barcode error!'

height = img.shape[0]
width = img.shape[1]
cv2.line(grayImg, (0, height/2), (width, height/2),(0, 255, 0), 2)#畫出掃描的行

#顯示圖像
cv2.imshow("origin", img)
cv2.imshow("result", grayImg)

key = cv2.waitKey(0)
if key == 27:
  cv2.destroyAllWindows()

第二種編碼的程序

#-*- coding:utf-8 -*-
from PIL import Image

def clean(img):
  A = img.load()
  print A
  ss = ''
  for x in xrange(img.size[0]): 
    ss += str(A[x, img.size[1]/2])
  print ss
  ls = []
  while len(ss) > 0: 
    start = ss[0]
    j = 1
    while j < len(ss) and ss[j] == start :
      j += 1
    ls.append(j)
    ss = ss[j:]
  print ls
  return ls
  #print ls
def GetUPC_A(t):
  #print t
  t = t[4:-4]
  print len(t)
  for i in xrange(len(t)):
    t[i] = (t[i] + 1) / 4
  t = t[:24] + t[29:]
  s = ''
  for i in xrange(len(t)):
   s += str(t[i]) 
  upca = ''
  for i in range(0, len(s) / 4):
    n = i * 4
    upca += dic[s[n:n + 4]]   
  print upca


dic = {'3211':'0', '2221':'1', '2122':'2', '1411':'3', '1132':'4', '1231':'5', '1114':'6', '1312':'7', '1213':'8', '3112':'9'}
img = Image.open('7.png') 
GetUPC_A(clean(img))

可惜這次遇到的是快遞單上的條形碼，非標準的EAN13條形碼，暫時還不清楚這條形碼的編碼方式，所以換一個思路來識別快遞單號，直接識別快遞單上的數字快遞單號

這里我用OCR引擎來識別，用的是Tesseract-OCR引擎

Tesseract-OCR引擎簡介

OCR(Optical Character Recognition):光學字符識別,是指對圖片文件中的文字進行分析識別，獲取的過程。Tesseract的OCR引擎最先由HP實驗室于1985年開始研發(fā)，至1995年時已經成為OCR業(yè)內最準確的三款識別引擎之一。然而，HP不久便決定放棄OCR業(yè)務，Tesseract也從此塵封。

數年以后，HP意識到，與其將Tesseract束之高閣，不如貢獻給開源軟件業(yè)，讓其重煥新生－－2005年，Tesseract由美國內華達州信息技術研究所獲得，并求諸于Google對Tesseract進行改進、消除Bug、優(yōu)化工作。

(由Google管理，所以下載地址“被墻”了，這里就不貼了）

還有一個模塊就是 pytesseract 這包是對Google Tesseract的一層python封裝需要配合 PIL 模塊使用

所以此次識別快遞單號，用到三個

• Tesseract-OCR ——（直接下載一個exe文件一路”next”即可安裝完成）

• pytesseract模塊——（直接 pip install pytesseract 安裝即可）

• PIL模塊——（由于我的是win7_64bit的系統(tǒng)，原PIL不支持，所以用pillow模塊，直接pip install pillow即可）

源代碼

#-*- coding:utf-8 -*-
from PIL import Image
import pytesseract
import time

start = time.clock()#開始計時
#---------主要代碼------------
im = Image.open('66.png')
code = pytesseract.image_to_string(im)
print u'驗證碼:' + str(code)
#---------------------------------
end = time.clock()#結束計時

print u'運行時間:' + str(end-start)

有坑

在有 Git Bash調試時遇到了

Traceback (most recent call last):
 File "111.py", line 10, in <module>
  print u'驗證碼:' + str(code)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)

這一看就有事編碼的坑了，我用的是python2.7 估計生3就沒沒坑了

但目前還是要解決這問題，對于這編碼的問題有兩種解決方法：

1.一個解決的方案在程序中加入以下代碼：

import sys
reload(sys)
sys.setdefaultencoding('utf8')

2.是在python的Lib\site-packages文件夾下新建一個sitecustomize.py，內容為：

# encoding=utf8
import sys
reload(sys)
sys.setdefaultencoding('utf8')

此時重啟python解釋器，執(zhí)行sys.getdefaultencoding()，發(fā)現編碼已經被設置為utf8的了，多次重啟之后，效果相同，這是因為系統(tǒng)在python啟動的時候，自行調用該文件，設置系統(tǒng)的默認編碼，而不需要每次都手動的加上解決代碼，屬于一勞永逸的解決方法。

感謝你能夠認真閱讀完這篇文章，希望小編分享的“Python識別快遞條形碼及Tesseract-OCR怎么用”這篇文章對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯，關注創(chuàng)新互聯行業(yè)資訊頻道，更多相關知識等著你來學習!

本文標題：Python識別快遞條形碼及Tesseract-OCR怎么用-創(chuàng)新互聯
網址分享：http://muchs.cn/article44/dcjgee.html

成都網站建設公司_創(chuàng)新互聯，為您提供響應式網站、網站策劃、品牌網站建設、定制開發(fā)、網站設計、定制網站

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯