二维码和条形码识别

原创 已于 2025-06-26 15:02:14 修改 · 490 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

于 2025-06-25 18:22:22 首次发布

使用pyzbar模块来识别二维码和条形码，pyzbar是python封装ZBar的模块，ZBar是一个开源软件，用来从图像中读取条形码，支持多种编码,比如EAN-13/UPC-A、UPC-E、EAN-8、代码128、代码39、交错2/5以及二维码。Windows系统安装pyzbar模块：pip inatsll pyzbar

一、python识别二维码

1、批量识别

import os
import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv
from pyzbar.pyzbar import decode  

# 批量处理目录中的所有图像
input_folder = "data/01/images"  # 图像文件夹路径
output_folder = "./data/01/results"  # 输出文件夹路径

# 确保输出文件夹存在
if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 遍历目录中的所有图像文件
for filename in os.listdir(input_folder):
    # 只处理图像文件（根据扩展名过滤）
    if filename.endswith(".png") or filename.endswith(".jpg") or filename.endswith(".jpeg"):
        input_image_path = os.path.join(input_folder, filename)

        # 读取图像
        img = cv.imread(input_image_path)

        # 解析图像并查找所有二维码
        QRCodes = decode(img)

        # 检查是否识别到二维码
        if not QRCodes:
            print(f"未识别到二维码：{filename}")
        else:
            for QRCode in QRCodes:
                stringData = QRCode.data.decode('utf-8')  # 获取解码后的二维码数据
                print(f"二维码字符串是：\"{stringData}\"")

                # 绘制二维码边框
                points = np.array([QRCode.polygon], np.int32)
                points = points.reshape((-1, 1, 2))
                cv.polylines(img, [points], True, (0, 255, 0), 5)

                # 在二维码区域上绘制字符串
                rectPoints = QRCode.rect
                cv.putText(img, stringData, (rectPoints[0], rectPoints[1]), cv.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255),
                           2)

            # 保存处理后的图像
            output_path = os.path.join(output_folder, f'{os.path.splitext(filename)[0]}_result.jpg')
            cv.imwrite(output_path, img)  # 使用 OpenCV 的 imwrite() 保存图像
            print(f"图像 {filename} 处理完毕，结果已保存为：{output_path}")

            # 可选：显示图像（如果需要实时查看处理效果）
            # img_rgb = img[:, :, ::-1]  # 将图像从BGR转为RGB，因为OpenCV加载图像时是BGR格式
            # plt.imshow(img_rgb)
            # plt.show()

2、摄像头实时识别

import os,time
import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv
from pyzbar.pyzbar import decode   

# 打开摄像头，0 表示默认摄像头
cap = cv.VideoCapture(0)

frame_count = 0  # 用于计数每一帧


# # 获取默认摄像头的分辨率
# frame_width = cap.get(cv.CAP_PROP_FRAME_WIDTH)
# frame_height = cap.get(cv.CAP_PROP_FRAME_HEIGHT)
#
# # 输出分辨率
# print(f"摄像头默认分辨率: 宽度 = {frame_width}, 高度 = {frame_height}")

# 设置摄像头分辨率为 1280x720
cap.set(cv.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv.CAP_PROP_FRAME_HEIGHT, 720)


while True:
    # 读取视频帧
    ret, img = cap.read()

    # 如果读取失败，退出循环
    if not ret:
        print("无法读取摄像头视频流")
        break
    # 解析图像并查找所有二维码
    QRCodes = decode(img)    
    
    # 检查是否识别到条形码
    if not QRCodes:
        print("未识别到二维码。")  # 如果没有识别到二维码，输出提示信息

    for QRCode in QRCodes:
        print(QRCode)
        stringData = QRCode.data.decode('utf-8')  
        print("二维码字符串是：\"" + stringData + "\"")
    # 绘制出二维码边框
        points = np.array([QRCode.polygon], np.int32)  
        points = points.reshape((-1 ,1 ,2))
        cv.polylines(img, [points], True, (0 ,255 ,0), 5)
    # 在二维码区域上绘制字符串
        rectPoints = QRCode.rect   
        cv.putText(img, stringData, (rectPoints[0], rectPoints[1]), cv.FONT_HERSHEY_SIMPLEX, 0.5, (0 ,0 ,255), 2)

    # 获取当前日期（格式：YYYYMMDD）
    current_date = time.strftime('%Y%m%d')  # 例如 '20250625'

    # 创建日期文件夹路径，如果不存在就创建它
    folder_path = os.path.join('./data/01/results/2/', current_date)
    if not os.path.exists(folder_path):
        os.makedirs(folder_path)  # 创建文件夹

    # 自动保存每一帧，文件名为 'frame_帧号_时间戳.jpg'
    frame_count += 1
    timestamp = time.strftime('%H%M%S')  # 获取当前时间戳（时分秒）作为文件名的一部分
    output_path = os.path.join(folder_path, f'frame_{frame_count}_{timestamp}.jpg')
    cv.imwrite(output_path, img)  # 保存每一帧图像
    print(f"图像已保存为：{output_path}")
	
	# 显示图像
    cv.imshow('QRCode Detection', img)

    # 按 'q' 键退出循环
    if cv.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源
cap.release()
cv.destroyAllWindows()

二、python识别条形码

1、批量识别

import os
import cv2 as cv
import numpy as np
from pyzbar.pyzbar import decode
import matplotlib.pyplot as plt

# 设置图像输入和输出文件夹路径
input_folder = "data/02/images"  # 图像文件夹路径
output_folder = "./data/02/results"  # 结果保存文件夹路径

# 确保输出文件夹存在
if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 遍历目录中的所有图像文件
for filename in os.listdir(input_folder):
    # 只处理图像文件（根据扩展名过滤）
    if filename.endswith(".jpg") or filename.endswith(".png") or filename.endswith(".jpeg"):
        input_image_path = os.path.join(input_folder, filename)

        # 读取图像
        img = cv.imread(input_image_path)

        # 解码图像中的所有条形码
        BARCodes = decode(img)

        # 检查是否识别到条形码
        if not BARCodes:
            print(f"未识别到条形码：{filename}")
        else:
            for BARCode in BARCodes:
                stringData = BARCode.data.decode('utf-8')  # 解码条形码的字符串数据
                print(f"条形码字符串是：\"{stringData}\"")

                # 绘制条形码边框
                points = np.array([BARCode.polygon], np.int32)
                points = points.reshape((-1, 1, 2))  # numpy reshape 以适应绘制格式
                cv.polylines(img, [points], True, (0, 255, 0), 5)  # 绘制绿色的边框

                # 获取条形码的矩形区域并在上面绘制文本
                rectPoints = BARCode.rect
                cv.putText(img, stringData, (rectPoints[0] - 20, rectPoints[1] - 5), cv.FONT_HERSHEY_SIMPLEX, 1,
                           (0, 0, 255), 2)

            # 获取输入文件名（不包含路径和扩展名）
            filename_without_extension = os.path.splitext(filename)[0]

            # 保存处理后的图像
            output_path = os.path.join(output_folder, f'{filename_without_extension}_result.jpg')
            cv.imwrite(output_path, img)  # 使用 OpenCV 的 imwrite() 保存图像
            print(f"图像 {filename} 处理完毕，结果已保存为：{output_path}")

            # 可选：显示图像（如果需要实时查看处理效果）
            # img_rgb = img[:, :, ::-1]  # 将图像从BGR转为RGB，因为OpenCV加载图像时是BGR格式
            # plt.imshow(img_rgb)
            # plt.show()

2、摄像头实时识别

import os
import cv2 as cv
import numpy as np
import time
from pyzbar.pyzbar import decode
import matplotlib.pyplot as plt

# 打开摄像头，0表示默认摄像头
cap = cv.VideoCapture(0)

frame_count = 0  # 用于计数每一帧


# # 获取默认摄像头的分辨率
# frame_width = cap.get(cv.CAP_PROP_FRAME_WIDTH)
# frame_height = cap.get(cv.CAP_PROP_FRAME_HEIGHT)
#
# # 输出分辨率
# print(f"摄像头默认分辨率: 宽度 = {frame_width}, 高度 = {frame_height}")

# 设置摄像头分辨率为 1280x720
cap.set(cv.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv.CAP_PROP_FRAME_HEIGHT, 720)


while True:
    # 读取视频帧
    ret, img = cap.read()

    # 如果读取失败，退出循环
    if not ret:
        print("无法读取摄像头视频流")
        break

    # 解码图像中的所有条形码
    BARCodes = decode(img)

    # 检查是否识别到条形码
    if not BARCodes:
        print("未识别到条形码。")  # 如果没有识别到条形码，输出提示信息

    for BARCode in BARCodes:
        print(BARCode)
        stringData = BARCode.data.decode('utf-8')  # 解码条形码的字符串数据
        print("条形码字符串是：\"" + stringData + "\"")

        # 绘制条形码边框
        points = np.array([BARCode.polygon], np.int32)
        points = points.reshape((-1, 1, 2))  # numpy reshape 以适应绘制格式
        cv.polylines(img, [points], True, (0, 255, 0), 5)  # 绘制绿色的边框

        # 获取条形码的矩形区域并在上面绘制文本
        rectPoints = BARCode.rect
        cv.putText(img, stringData, (rectPoints[0] - 20, rectPoints[1] - 5), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

    # 获取当前日期（格式：YYYYMMDD）
    current_date = time.strftime('%Y%m%d')  # 例如 '20250625'

    # 创建日期文件夹路径，如果不存在就创建它
    folder_path = os.path.join('./data/02/results/2/', current_date)
    if not os.path.exists(folder_path):
        os.makedirs(folder_path)  # 创建文件夹

    # 自动保存每一帧，文件名为 'frame_帧号_时间戳.jpg'
    frame_count += 1
    timestamp = time.strftime('%H%M%S')  # 获取当前时间戳（时分秒）作为文件名的一部分
    output_path = os.path.join(folder_path, f'frame_{frame_count}_{timestamp}.jpg')
    cv.imwrite(output_path, img)  # 保存每一帧图像
    print(f"图像已保存为：{output_path}")

    # 显示图像（使用 OpenCV 显示图像）
    cv.imshow('BARCode Detection', img)  # 显示图像窗口

    # 按 'q' 键退出循环
    if cv.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源
cap.release()
cv.destroyAllWindows()

三、同时处理二维码和条形码的识别

import os
import time
import numpy as np
import cv2 as cv
from pyzbar.pyzbar import decode

# 打开摄像头，0表示默认摄像头
cap = cv.VideoCapture(0)

frame_count = 0  # 用于计数每一帧

# 设置摄像头分辨率为 1280x720
cap.set(cv.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv.CAP_PROP_FRAME_HEIGHT, 720)

# 获取当前日期（格式：YYYYMMDD）
current_date = time.strftime('%Y%m%d')  # 例如 '20250625'

# 创建日期文件夹路径，如果不存在就创建它
folder_path = os.path.join('./data/03/results/', current_date)
if not os.path.exists(folder_path):
    os.makedirs(folder_path)  # 创建文件夹

while True:
    # 读取视频帧
    ret, img = cap.read()

    # 如果读取失败，退出循环
    if not ret:
        print("无法读取摄像头视频流")
        break

    # 解析图像并查找所有二维码和条形码
    decoded_objects = decode(img)

    # 遍历所有识别出的二维码和条形码
    for obj in decoded_objects:
        # 获取二维码或条形码的类型（例如 QRCode 或 Barcode）
        code_type = obj.type
        string_data = obj.data.decode('utf-8')

        # 打印解码后的字符串
        print(f"{code_type} 字符串是：\"{string_data}\"")

        # 绘制二维码或条形码的边框
        points = np.array([obj.polygon], np.int32)
        points = points.reshape((-1, 1, 2))
        cv.polylines(img, [points], True, (0, 255, 0), 5)  # 绘制绿色的边框

        # 获取二维码或条形码的矩形区域并在上面绘制文本
        rect_points = obj.rect
        cv.putText(img, string_data, (rect_points[0] - 20, rect_points[1] - 5), cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

    # 自动保存每一帧，文件名为 'frame_帧号_时间戳.jpg'
    frame_count += 1
    timestamp = time.strftime('%H%M%S')  # 获取当前时间戳（时分秒）作为文件名的一部分
    output_path = os.path.join(folder_path, f'frame_{frame_count}_{timestamp}.jpg')
    cv.imwrite(output_path, img)  # 保存每一帧图像
    print(f"图像已保存为：{output_path}")

    # 显示图像
    cv.imshow('Barcode and QRCode Detection', img)

    # 按 'q' 键退出循环
    if cv.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源
cap.release()
cv.destroyAllWindows()

Sean X
关注
基于OpenCV的二维码和条形码识别
欢迎来到我的CSDN空间！这里聚焦AI大模型应用实战，分享前沿技术、实战案例与开发经验。
01-31 824
基于OpenCV的二维码和条形码识别 1. 背景介绍 1.1 问题由来 二维码和条形码在现代社会的各个方面被广泛应用，如商品标签、身份证、名片等。基于这些标签的自动识别技术对于自动化和信息化的发展具有重要意义。然而，由于环境噪声、光照变化等因
Python生成和识别二维码教程
FLK_9090的博客
06-29 1123
本文介绍了如何使用Python生成和识别二维码的基础知识和实现方法，并给出了几个实际应用场景。希望通过本教程，您能掌握二维码生成和识别的基本技能，并将其应用到实际项目中。二维码（QR Code）在日常生活中非常常见，广泛应用于支付、登录验证、信息分享等场景。本文将介绍如何使用Python生成和识别二维码，适合初学者快速上手。欢迎在评论区留言讨论，分享您的学习心得和疑问。在开始之前，请确保您的Python环境已经安装了。
基于Python、OpenCV、Flask和Bootstrap的车牌、二维码和条形码识别设计源码
10-04
本项目是一款集车牌识别、二维码和条形码识别功能于一体的Python开源应用，基于OpenCV、Flask和Bootstrap技术构建。项目包含160个文件，涵盖52个JPG图像、37个PNG图像、24个Py编译文件、18个JPEG图像、14个Python源代码文件及其他类型文件。适用于各类场景的智能识别需求。
Python zxing 库（条形码二维码识别）
01-10
修改了github上zxing 的 python 实现，可以利用python语言调用jar包实现图片中的二维码条形码识别。
Python实现识别多个条码/二维码（一）
TIME_LEAF的博客
04-20 9995
        对于条码的识别程序，网上有很多，不过很多都是只识别一个，并且此处的“识别”指的是找出图片中的条码，并没有对条码进行译码。本篇博客将先实现第一个功能，即，找出图中的多个条码。下篇博客会实现第二个功能，即，对找出的条码进行译码。下面看代码： from sys import exit import numpy as np import cv2   # 加载图片并把它转换为灰度图片 ima...
用python识别二维码（python实例二十三）
LNN0212的博客
07-11 1213
这一则博客是承接上一则博客的下篇，你也试试用python识别二维码吧！
识别二维码代码
01-21
直接可以运行得到识别二维码界面，其中包括二维码识别算法
Python实现（条形码，二维码）生成与识别
热门推荐
若有博文对您有帮助，欢迎点赞关注，收藏评论。
08-04 1万+
Python 条形码，二维码生成与识别
二维码识别源码
10-13
二维码识别源码
前端识别二维码和条形码
09-02
在现代的Web应用中，前端技术已经发展到能够处理各种复杂任务，其中之一就是识别二维码（QR Code）和条形码（Barcode）。这个功能在电子商务、物流跟踪、信息分享等领域广泛应用，使得用户可以通过扫描设备直接获取...
二维码识别源代码.pdf
04-05
二维码识别源代码.pdf
基于ZBAR算法二维码识别
11-26
代码支持正点原子的STM32F4系列，摄像头为ov2640，正在尝试转移到F1芯片上，后续会有补充
python 摄像头二维码识别
03-05
python 摄像头二维码识别
二维码识别 matlab代码 内附二维码
04-16
二维码识别，matlab代码，内附二维码，内有界面，选择输入，注意输入顺序！
条形码 二维码识别 c 代码
02-11
Zbar条码解码器是一个开源的二维码（包括条形码）解码器，可以识别来至于视频流，图像文件、手持扫码器和视频设备（如摄像头）等二维码识别，支持EAN-13/UPC-A, UPC-E, EAN-8, Code 128, Code 39, QR Code（二维码）等常用编码方式的条形码/二维码。 VC VS 下测试通过
H5移动端识别二维码和条形码
07-06
再者，BarcodeReader.js是一个更全面的条形码和二维码识别库，除了支持常见的QR Code和条形码格式，如EAN、UPC等，还提供了更高级的功能，如错误校验和自定义解码回调。对于需要处理多种编码标准的项目，Barcode...
python识别二维码
qq_38393270的博客
07-01 826
1.安装库： pip install Pillow pip install pyzbar 2.完整代码： import re from pyzbar.pyzbar import decode from PIL import Image import requests_html session = requests_html.HTMLSession() url = 'https://www.xiaohongshu.com/' rous = session.get(url) css_file_url = '
C/C++ 使用zbar库识别解析条形码与二维码(最全 附代码、踩坑及解决方案）
最新发布
syk1748的博客
10-16 3871
C/C++ 使用zbar库识别解析条形码与二维码（最全附代码、踩坑及解决方案）；二维码识别解析常用主流库推荐有两个，一是Quirc，二是ZBar，两者都是C/C++库，跨平台一直方便，且速度较快。个人使用比较更推荐ZBar，运行识别速度比Quirc更快一点。
亲测有效的webH5页面二维码和条形码识别功能
在这个标题中提到的核心知识点是“webH5网页识别二维码条形码功能”，这表明了如何在普通的HTML页面上实现对二维码和条形码的识别技术。二维码和条形码在我们的日常生活中扮演着重要的角色，它们广泛应用于商品标识...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值