条形码是什么？

条形码：

条形码技术是在计算机应用和实践中产生并发展起来的一种广泛应用于商业、邮政、图书管理、仓储、工业生产过程控制、交通等领域的自动识别技术,具有输入速度快、准确度高、成本低、可靠性强等优点,在当今的自动识别技术中占有重要的地位。

条形码的概念

条形码是由一组规则排列的条、空以及对应的字符组成的标记,“条”指对光线反射率较低的部分,“空”指对光线反射率较高的部分,这些条和空组成的数据表达一定的信息,并能够用特定的设备识读,转换成与计算机兼容的二进制和十进制信息。通常对于每一种物品,它的编码是唯一的,对于普通的一维条形码来说,还要通过数据库建立条形码与商品信息的对应关系,当条形码的数据传到计算机上时,由计算机上的应用程序对数据进行操作和处理。因此,普通的一维条形码在使用过程中仅作为识别信息,它的意义是通过在计算机系统的数据库中提取相应的信息而实现的。

条形码技术的优点

条形码是迄今为止经济、实用的一种自动识别技术。条形码技术具有以下几个方面的优点：

A．输入速度快：与键盘输入相比,条形码输入的速度是键盘输入的5倍,并且能实现即时数据输入。

B．可靠性高：键盘输入数据出错率为三百分之一,利用光学字符识别技术出错率为万分之一,而采用条形码技术误码率低于百万分之一。

C．采集信息量大：利用传统的一维条形码一次可采集几十位字符的信息,二维条形码更可以携带数千个字符的信息,并有一定的自动纠错能力。

D．灵活实用：条形码标识既可以作为一种识别手段单独使用,也可以和有关识别设备组成一个系统实现自动化识别,还可以和其他控制设备联接起来实现自动化管理。

另外,条形码标签易于制作,对设备和材料没有特殊要求,识别设备操作容易,不需要特殊培训,且设备也相对便宜。

对于参考译码、光学特征、最低反射率等检测项目可采用扫描反射率曲线分析质量分级检测方法（在广州条形码符号印制过程质量控制中需要了解和分析条/空反射率和条/空尺寸的状况、确定改进方法时，可以采用条/空反射率和条/空尺寸偏差检测方法）。一般要求

检测带：检测带是商品条码符号的条码字符条底部边线以上，条码字符条高的10%处和90%处之间的区域，应该在检测带内对条码符号进行参考译码、光学特征等项目的检测。

扫描测量次数：在检测参考译码、光学特征等项目时，对每个被检条码符号扫描测量的次数按检验类别确定：a)对条码符号进行质量评价，应在条码符号的10个不同条高位置各进行一次扫描测量，10次扫描的扫描路径宜保持等间距。扫描路径应通过包括空白区在内的整个符号宽度。b)在其他情况下，对每一个条码符号扫描测量的次数可以适当减少。

扫描测量：用符合规定的检测仪，对条码符号扫描测量反射率，得出扫描反射率曲线。扫描反射率曲线可以是存放在存储器中的数据形式或可供人观察的形式。

在申请商品广州条形码的时候需要填写商标申请的名字，如果没有商标将不能办理条形码申请注册。注册商标和申请中的商标在办理条形码申请时是有区别的，注册商标是经核准注册的商标,受法律保护的，商标注册保护期限为10年，届满前12个月可以申请商标续展（届满后6个月内的宽展期限内也可续展，但是需要多缴纳宽展费），在此续展后商标专用权期限延长10年，可反复续展延期使用，条形码和商标是在一起的可以一直使用。申请中的商标不受法律保护，如果注册不下来商标将不能使用，商品条形码也随之不能使用，若继续使用存在侵权的风险。

条形码是当前超市和部分工厂使用比较普遍的物品，产品标识技术，使用摄像头检测一张图片的条形码包含有两个步骤，第一是定位条形码的位置，定位之后剪切出条形码，并且识别出条形码对应的字符串，然后就可以调用网络，数据库等手段快速进行后续处理。

条形码识别要考虑到条形码的特点，本文针对的是条形码在图片中的位置相对垂直，没有各种倾斜的那种条形码，

要定位首先要检视这种条形码的特点，这种图像在X方向上的梯度肯定很明显，同时，Y方向的梯度就没这么明显，所以第一步，我们应该将图像的灰度图像分别计算梯度，用X方向梯度减去Y方向梯度，这样可以保留X方向特征并且去除Y方向的干扰。

可以看到，二维码对一维码的定位形成了干扰，但是二维码的空间漏洞相对一维码多很懂，于是我们考虑进行一次模糊并且二值化，看能不能有所效果，如下(记得调整相应的模糊化参数和阈值参数，得到相对最好的结果)

有一定的效果，但是此时又出现问题条形码出现了黑色的缝隙，不利于定位完整区域，这个时候要进行一些形态学操作，去除黑色缝隙，我们选择闭运算，算子根据缝隙的情况，宽度大于高度，矩形缝隙。

效果可以，又出现问题，二维码的区域连着，还是面积很大，对后面我们算区域面积依然有影响，但是我们观测二维码的连接区域明显要比一维码的连接区域要细很多，也就是说，我们可以很快的腐蚀断二维码的连接，同时还保持一维码的连接，然后在膨胀回来，二维码的连接断开就应该不会有这个大块的区域连着了，注意，膨胀和腐蚀的次数应当是一致的，保证得到结果区域的准确。我选择膨胀腐蚀四次，先膨胀断开二维码连接。

此时，二维码的影响就基本没有了，现在我们只需要先查找轮廓，然后计算图像中每个轮廓的面积，选出面积最大的那个轮廓，计算这个轮廓的最小外包矩形，就能找到相应的图像区域了。