这篇文章主要介绍了Python识别快递条形码及Tesseract-OCR怎么用,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。
识别快递单号
这次跟老师做项目,这项目大概是流水线上识别快递上的快递单号。首先我尝试了解条形码的基本知识
百度百科:条形码
条形码(barcode)是将宽度不等的多个黑条和空白,按照一定的编码规则排列,用以表达一组信息的图形标识符。常见的条形码是由反射率相差很大的黑条(简称条)和白条(简称空)排成的平行线图案。条形码可以标出物品的生产国、制造厂家、商品名称、生产日期、图书分类号、邮件起止地点、类别、日期等许多信息,因而在商品流通、图书管理、邮政管理、银行系统等许多领域都得到广泛的应用。
条形码有多种,在我国广泛流传的是EAN13条形码(以下简称条形码),所以主要研究该种条形码的识别。
条形码位数说明:
条形码一共有13位
前2位或者前3位称为前缀,表示国家、地区或者某种特定的商品类型
中国区条形码开头:690~699
图书类条形码开头:978~979
前缀后的4位或者5位称为厂商代码,表示产品制造商
厂商代码后5位称为商品代码,表示具体的商品项目
最后1位是校验码,根据前12位计算而出,可以用来防伪以及识别校验
条形码编码说明
条形码一共有8个区域:左侧空白区->起始符->左侧数据符->中间分隔符->右侧数据符->校验符->终止符->右侧空白区
字符为0~9
除空白区外的区域和字符都采用二进制编码表示,1表示bar(黑条),0表示space(白条)
起始符,终止符编码为101,分隔符编码为01010
0~9每种字符有3种编码方式,AB为左侧数据奇偶编码,C为右侧数据偶编码
左侧数据的奇偶性由前置符决定(就是说,第一个支付是几就按下面的排列开始)
还有这么一种理解编码方法
以宽度为编码,去掉起始码,终止码,中间分隔码,不管白条还是黑条都算一个编码,最窄一节为1(最窄的为单位宽度),两个单位宽度就是2,三单位长度为3,四单位宽度为4
四条(不管黑条还是白条都算条)代表一个数字
四条长度 | 数字 |
---|---|
3211 | 0 |
2221 | 1 |
2122 | 2 |
1411 | 3 |
1132 | 4 |
1231 | 5 |
1114 | 6 |
1312 | 7 |
1213 | 8 |
3112 | 9 |
两种编码的图示
这就代表为 数字 1
校验
EAN13条形码一共有13位,最后1位是校验位,该位是通过前12位按照一定的步骤计算出来的。
如果按照一定的步骤处理识别出的前12位数据,如果计算结果和识别出的结果相等,识别正确;
如果不相等,则重新识别或纠错再校验或提示识别失败。
校验码计算方法
以下图所示的条形码举例说明:
条形码的位数起始位为最右一位,即校验位,检验码计算方法如下:
偶位数数值相加乘3((0+2+0+8+1+9)*3=60)
不含校验位的奇位数相加(7+4+7+9+3+6=36)
将前两步的结果相加(60+36=96)
用10减去上一步结果的个位数数值(10-6=4)
上一步结果的个位数即为校验码(4)
源码
#创建:2016/01/26 #文件:BarCodeIdentification.py #作者:moverzp #功能:识别条形码 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]):#遍历一整行 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 = [] #先判断起始符 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#宽度提取失败 index = 4 while index < 54: #跳过分隔符区间 if index==28 or index==29 or index==30 or index==31 or index==32: index +=1 continue #字符检测 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]#第一个字符一定是6,中国区 for i in range (0, 24, 2):#每个字符两个相似边,共12个字符 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 #载入图像 img = cv2.imread('res\google6.jpg') grayImg = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#转换成单通道图像 ret, grayImg = cv2.threshold(grayImg, 200, 255, cv2.THRESH_BINARY)#二值化 grayImg = cv2.medianBlur(grayImg, 3)#中值滤波 #提取条空宽度 barSpaceWidth = get_bar_space_width(grayImg) print 'bar & space\'s numbers:', len(barSpaceWidth)#只有60是正确的 print barSpaceWidth #计算相似边数值 similarEdge = cal_similar_edge(barSpaceWidth) if similarEdge == -1: print 'barSpaceWidth error!' sys.exit() print 'similarEdge\'s numbers:', len(similarEdge) print similarEdge #相似边译码 barCode = decode_similar_edge(similarEdge) #针对‘#'译码 decode_sharp(barCode, barSpaceWidth) #校验 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)#画出扫描的行 #显示图像 cv2.imshow("origin", img) cv2.imshow("result", grayImg) key = cv2.waitKey(0) if key == 27: cv2.destroyAllWindows()
第二种编码的程序
#-*- 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))
可惜这次遇到的是快递单上的条形码,非标准的EAN13条形码,暂时还不清楚这条形码的编码方式,所以换一个思路来识别快递单号,直接识别快递单上的数字快递单号
这里我用OCR引擎来识别,用的是Tesseract-OCR引擎
Tesseract-OCR引擎简介
OCR(Optical Character Recognition):光学字符识别,是指对图片文件中的文字进行分析识别,获取的过程。Tesseract的OCR引擎最先由HP实验室于1985年开始研发,至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而,HP不久便决定放弃OCR业务,Tesseract也从此尘封。
数年以后,HP意识到,与其将Tesseract束之高阁,不如贡献给开源软件业,让其重焕新生--2005年,Tesseract由美国内华达州信息技术研究所获得,并求诸于Google对Tesseract进行改进、消除Bug、优化工作。
(由Google管理,所以下载地址“被墙”了,这里就不贴了)
还有一个模块就是 pytesseract 这包是对Google Tesseract的一层python封装需要配合 PIL 模块使用
所以此次识别快递单号,用到三个
Tesseract-OCR ——(直接下载一个exe文件一路”next”即可安装完成)
pytesseract模块——(直接 pip install pytesseract 安装即可)
PIL模块——(由于我的是win7_64bit的系统,原PIL不支持,所以用pillow模块,直接pip install pillow即可)
源代码
#-*- coding:utf-8 -*- from PIL import Image import pytesseract import time start = time.clock()#开始计时 #---------主要代码------------ im = Image.open('66.png') code = pytesseract.image_to_string(im) print u'验证码:' + str(code) #--------------------------------- end = time.clock()#结束计时 print u'运行时间:' + str(end-start)
有坑
在有 Git Bash调试时遇到了
Traceback (most recent call last): File "111.py", line 10, in <module> print u'验证码:' + str(code) UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128)
这一看就有事编码的坑了,我用的是python2.7 估计生3就没没坑了
但目前还是要解决这问题,对于这编码的问题有两种解决方法:
1.一个解决的方案在程序中加入以下代码:
import sys reload(sys) sys.setdefaultencoding('utf8')
2.是在python的Lib\site-packages文件夹下新建一个sitecustomize.py,内容为:
# encoding=utf8 import sys reload(sys) sys.setdefaultencoding('utf8')
此时重启python解释器,执行sys.getdefaultencoding(),发现编码已经被设置为utf8的了,多次重启之后,效果相同,这是因为系统在python启动的时候,自行调用该文件,设置系统的默认编码,而不需要每次都手动的加上解决代码,属于一劳永逸的解决方法。
感谢你能够认真阅读完这篇文章,希望小编分享的“Python识别快递条形码及Tesseract-OCR怎么用”这篇文章对大家有帮助,同时也希望大家多多支持亿速云,关注亿速云行业资讯频道,更多相关知识等着你来学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。