引言
好友跟我说有些不能识别的条码，我对这个很感兴趣，因为我知道除了条码图像本身质量问题，有些条码不能识别是因为预处理的原因，做好预处理，还可以提升一波识别率的，另外一个吐槽的地方就是识别的时间特别漫长，一张图需要1秒多，它们每张图的大小是2736x2736，所以我让他把不能识别的图像都发我一些，他总计给了我 54张。这里要特别交代一下它们用的库是一个国内的商业收费条码识别库！
所以这个事情面临两个问题：一个是识别率不满意，二个速度慢，第三个还得花钱！
提升方法效果
先看一下数据，截图如下：
然后我一波疯狂预处理变成这样：
看到那些二值化之后的白色区域了吗？它就是条码所在区域，只要获取条码所在区域，然后扔到ZXing的decode方法中就会有结果了？理论上是这样，先要把条码区域扣出来，这个就涉及到二值图像分析的轮廓处理，经过一番轮廓分析之后，我得到了每张图上每个可疑条码所在区域，然后我就送到ZXing解码函数中，完成解码，这段代码如下：
types.push_back(CODE_TYPE::DATA_MATRIX);
types.push_back(CODE_TYPE::MAXICODE);
types.push_back(CODE_TYPE::QR_CODE);
types.push_back(CODE_TYPE::AZTEC);
types.push_back(CODE_TYPE::CODABAR);
types.push_back(CODE_TYPE::CODE_128);
types.push_back(CODE_TYPE::CODE_39);
types.push_back(CODE_TYPE::CODE_93);
reader.initConfig(types, cv::Mat());
reader.decode_ver2(image, txtInfo, 5, true);然后从txtInfo中接受返回结果：
txtInfo.status 返回0表示识别，-1表示未识别
txtInfo.code 返回识别字符串运行结果如下：
54张商业库不能识别的，我们成功识别出31张！关键是速度平均都在40毫秒左右！实现了速度、识别率双提升！这个就是我用OpenCV+ZXing给出的初步结果，我看了图像，发现还有继续优化预处理的空间！有些还应该被识别！
原文：OpenCV学堂
作者：gloomyfish
推荐阅读
