C# Emgu.CV 条码检测

这篇具有很好参考价值的文章主要介绍了C# Emgu.CV 条码检测。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

效果

​项目 

代码

下载 


效果

C# Emgu.CV 条码检测,AI,C#,OpenCV,c#,开发语言

项目 

C# Emgu.CV 条码检测,AI,C#,OpenCV,c#,开发语言

代码

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using Emgu.CV;
using Emgu.CV.Util;
using static Emgu.CV.BarcodeDetector;

namespace Emgu.CV_条码检测
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

        private string fileFilter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
        Bitmap bmp;
        String imgPath = "";
        Graphics g = null;
        Pen p = new Pen(Brushes.Red);
        SolidBrush drawBush = new SolidBrush(Color.Red);
        Brush bush = new SolidBrush(Color.Green);
        Font drawFont = new Font("Arial", 8, FontStyle.Bold, GraphicsUnit.Millimeter);

        const string prototxt_path = "sr.prototxt";
        const string caffe_model_path = "sr.caffemodel";

        private void button2_Click(object sender, EventArgs e)
        {
            OpenFileDialog ofd = new OpenFileDialog();
            ofd.Filter = fileFilter;
            if (ofd.ShowDialog() != DialogResult.OK) return;
            imgPath = ofd.FileName;
            bmp = new Bitmap(imgPath);
            pictureBox1.Image = bmp;
            g = Graphics.FromImage(bmp);
            g.SmoothingMode = System.Drawing.Drawing2D.SmoothingMode.AntiAlias;
        }

        private void button1_Click(object sender, EventArgs e)
        {
            if (pictureBox1.Image == null)
            {
                return;
            }
           
            BarcodeDetector barcodeDetector = new BarcodeDetector(prototxt_path, caffe_model_path);

            VectorOfCvString vectorOfCvString = new VectorOfCvString();
            VectorOfInt vectorOfInt = new VectorOfInt();

            Mat src = new Mat(imgPath, CV.CvEnum.ImreadModes.Grayscale);
           
            Mat rects = new Mat();
            bool b = barcodeDetector.Detect(src, rects);

            Mat mat = new Mat();
            bool b2 = barcodeDetector.DetectAndDecode(src, vectorOfCvString, vectorOfInt, mat);

            Array data = rects.GetData();
            if (data == null) { return; }
            int num = data.GetLength(0);
            for (int i = 0; i < num; i++)
            {
                float x1 = (float)data.GetValue(i, 0, 0);
                float y1 = (float)data.GetValue(i, 0, 1);

                float x2 = (float)data.GetValue(i, 1, 0);
                float y2 = (float)data.GetValue(i, 1, 1);

                float x3 = (float)data.GetValue(i, 2, 0);
                float y3 = (float)data.GetValue(i, 2, 1);

                float x4 = (float)data.GetValue(i, 3, 0);
                float y4 = (float)data.GetValue(i, 3, 1);

                g.FillEllipse(bush, x1, y1, 10, 10);
                g.DrawString("1", drawFont, drawBush, x1, y1);

                g.FillEllipse(bush, x2, y2, 10, 10);
                g.DrawString("2", drawFont, drawBush, x2, y2);

                g.FillEllipse(bush, x3, y3, 10, 10);
                g.DrawString("3", drawFont, drawBush, x3, y3);

                g.FillEllipse(bush, x4, y4, 10, 10);
                g.DrawString("4", drawFont, drawBush, x4, y4);

                g.DrawRectangle(p, x2, y2, x4 - x2, y4 - y2);

            }

            pictureBox2.Image = bmp;
            
        }
    }
}

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using Emgu.CV;
using Emgu.CV.Util;
using static Emgu.CV.BarcodeDetector;

namespace Emgu.CV_条码检测
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

        private string fileFilter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
        Bitmap bmp;
        String imgPath = "";
        Graphics g = null;
        Pen p = new Pen(Brushes.Red);
        SolidBrush drawBush = new SolidBrush(Color.Red);
        Brush bush = new SolidBrush(Color.Green);
        Font drawFont = new Font("Arial", 8, FontStyle.Bold, GraphicsUnit.Millimeter);

        const string prototxt_path = "sr.prototxt";
        const string caffe_model_path = "sr.caffemodel";

        private void button2_Click(object sender, EventArgs e)
        {
            OpenFileDialog ofd = new OpenFileDialog();
            ofd.Filter = fileFilter;
            if (ofd.ShowDialog() != DialogResult.OK) return;
            imgPath = ofd.FileName;
            bmp = new Bitmap(imgPath);
            pictureBox1.Image = bmp;
            g = Graphics.FromImage(bmp);
            g.SmoothingMode = System.Drawing.Drawing2D.SmoothingMode.AntiAlias;
        }

        private void button1_Click(object sender, EventArgs e)
        {
            if (pictureBox1.Image == null)
            {
                return;
            }
           
            BarcodeDetector barcodeDetector = new BarcodeDetector(prototxt_path, caffe_model_path);

            VectorOfCvString vectorOfCvString = new VectorOfCvString();
            VectorOfInt vectorOfInt = new VectorOfInt();

            Mat src = new Mat(imgPath, CV.CvEnum.ImreadModes.Grayscale);
           
            Mat rects = new Mat();
            bool b = barcodeDetector.Detect(src, rects);

            Mat mat = new Mat();
            bool b2 = barcodeDetector.DetectAndDecode(src, vectorOfCvString, vectorOfInt, mat);

            Array data = rects.GetData();
            if (data == null) { return; }
            int num = data.GetLength(0);
            for (int i = 0; i < num; i++)
            {
                float x1 = (float)data.GetValue(i, 0, 0);
                float y1 = (float)data.GetValue(i, 0, 1);

                float x2 = (float)data.GetValue(i, 1, 0);
                float y2 = (float)data.GetValue(i, 1, 1);

                float x3 = (float)data.GetValue(i, 2, 0);
                float y3 = (float)data.GetValue(i, 2, 1);

                float x4 = (float)data.GetValue(i, 3, 0);
                float y4 = (float)data.GetValue(i, 3, 1);

                g.FillEllipse(bush, x1, y1, 10, 10);
                g.DrawString("1", drawFont, drawBush, x1, y1);

                g.FillEllipse(bush, x2, y2, 10, 10);
                g.DrawString("2", drawFont, drawBush, x2, y2);

                g.FillEllipse(bush, x3, y3, 10, 10);
                g.DrawString("3", drawFont, drawBush, x3, y3);

                g.FillEllipse(bush, x4, y4, 10, 10);
                g.DrawString("4", drawFont, drawBush, x4, y4);

                g.DrawRectangle(p, x2, y2, x4 - x2, y4 - y2);

            }

            pictureBox2.Image = bmp;
            
        }
    }
}

下载 

Demo下载文章来源地址https://www.toymoban.com/news/detail-688157.html

到了这里,关于C# Emgu.CV 条码检测的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • opencv 边缘检测 cv2.Canny()详解

    👨‍💻 个人简介: 深度学习图像领域工作者 🎉 总结链接:              链接中主要是个人工作的总结,每个链接都是一些常用demo,代码直接复制运行即可。包括:                     📌 1.工作中常用深度学习脚本                     📌 2.to

    2024年02月03日
    浏览(59)
  • 【OpenCV】cv2.HoughLines()霍夫直线检测

    霍夫直线检测(Hough Line Transform)是一种在图像中检测直线的经典算法。它通过将二维图像空间中的点映射到极坐标空间中,将直线检测问题转化为在参数空间中找到交点的问题。 原理: 对于图像空间中的每个边缘点,计算其对应在极坐标空间中可能的直线。 极坐标空间中

    2024年02月05日
    浏览(55)
  • 【C++】【Opencv】cv::Canny()边缘检测函数详解和示例

    Canny边缘检测是一种流行的边缘检测算法,由John F. Canny在1986年开发。它是一种多阶段过程,包括噪声滤波、计算图像强度的梯度、非最大值抑制以及双阈值检测。本文通过函数原型解读和示例对cv::Canny()函数进行详解,以帮助大家理解和使用。 Canny边缘检测的步骤如下: (

    2024年02月04日
    浏览(53)
  • opencv进阶14-Harris角点检测-cv2.cornerHarris

    类似于人的眼睛和大脑,OpenCV可以检测图像的主要特征并将这 些特征提取到所谓的图像描述符中。然后,可以将这些特征作为数据 库,支持基于图像的搜索。此外,我们可以使用关键点将图像拼接起 来,组成更大的图像。(想象一下把很多图片放到一起组成一幅360°的全景

    2024年02月11日
    浏览(77)
  • opencv-python3 | cv2.findContours()检测图像中物体轮廓

    轮廓可以简单地理解为连接所有连续点(沿物体边界)的曲线,这些点通常具有相同的颜色或强度。 轮廓在图像分析中具有重要意义,是物体形状分析和对象检测和识别的有用工具,是理解图像语义信息的重要依据。 通常,为了提高物体轮廓检测的准确率,首先要将彩色图

    2024年02月05日
    浏览(47)
  • opencv基础57-模板匹配cv2.matchTemplate()->(目标检测、图像识别、特征提取)

    OpenCV 提供了模板匹配(Template Matching)的功能,它允许你在图像中寻找特定模板(小图像)在目标图像中的匹配位置。模板匹配在计算机视觉中用于目标检测、图像识别、特征提取等领域。 以下是 OpenCV 中使用模板匹配的基本步骤: 加载图像 : 首先,加载目标图像和要匹配

    2024年02月13日
    浏览(43)
  • opencv基础41-图像梯度-sobel算子详解cv2.Sobel()(边缘检测基础)

    图像梯度是用于描述图像变化率的概念。在图像处理中,梯度指的是图像中每个像素的灰度值变化速率或方向。它常用于边缘检测和图像特征提取。 一维图像的梯度表示为函数 f(x) 的导数,而在二维图像中,梯度是一个向量,包含两个分量:水平方向和垂直方向的灰度变化率

    2024年02月14日
    浏览(46)
  • c# .net6 在线条码打印基于

    条码打印基于:BarTender、ORM EF架构 UI展示: 主页代码: 1.条码打印实现类 实体类:

    2024年02月08日
    浏览(40)
  • C#条码识别的解决方案(ZBar)

    主流的识别库主要有ZXing.NET和ZBar,OpenCV 4.0后加入了QR码检测和解码功能。本文使用的是ZBar,同等条件下ZBar识别率更高,图片和部分代码参考在C#中使用ZBar识别条形码。 通过NuGet安装 ZBar ,必须使用 1.0.0 版本,最新的1.0.2版本无法自动生成相关的dll并且使用不了1.0.0版的dll。

    2024年02月16日
    浏览(40)
  • opencv基础49-图像轮廓02-矩特征cv2.moments()->(形状分析、物体检测、图像识别、匹配)

    矩特征(Moments Features)是用于图像分析和模式识别的一种特征表示方法,用来描述图像的形状、几何特征和统计信息。矩特征可以用于识别图像中的对象、检测形状以及进行图像分类等任务。 矩特征通过计算图像像素的高阶矩来提取特征。这些矩可以表示图像的中心、尺度

    2024年02月13日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包