学习目标：

在Canmv IDE环境下使用K210学习学习条形码识别技术，分析条形码的信息、解码出条形码的文数信息、框出条形码，优化提高识别速度

条形码识别原理：

• 自1949年诞生以来，条形码技术已被广泛应用于各种场合，用于存储和传递关键信息，如商品的产地、制造商、名称、生产日期、图书分类号、邮件路径及日期等。这种编码系统由不同宽度的黑色条带（代表数据）和白色空格（分隔数据）组成，遵循特定的编码规则，将数字和字母信息转换成可读的图形标识。
• 市面上常见的条形码类型包括EAN-13、Code128、UPC、ITF-14、交叉25码、矩阵25码、Codabar码、Code93码和SSCC-18码等，每种都有其独特的应用场景和优势。

学习内容：

1、导入相关库，并初始化摄像头和LCD显示屏，将摄像头的颜色设置为灰度

import sensor, image, time, lcd    # sensor 引入感光元件的模块

lcd.init()
sensor.reset()# 初始化相机传感器
sensor.set_pixformat(sensor.GRAYSCALE) # GRAYSCALE
#sensor.set_framesize(sensor.VGA) # 高分辨率
sensor.set_framesize(sensor.QVGA)
#因为我们的条形码一般都是一个长的矩形，一般要设置窗口大小，小和窄一点。一般窗口设置为640X80.意思是只显示条形码的这一部分。这样能够提高检测速度
#sensor.set_windowing((640, 80))       # V Res的80 ==更少的工作(40为2倍的速度)。
sensor.skip_frames(time = 2000)  # 跳过n张照片，在更改设置后，跳过一些帧，等待感光元件变稳定。
sensor.set_auto_gain(False)  # 必须关闭此功能，以防止图像冲洗…
sensor.set_auto_whitebal(False)  # 必须关闭此功能，以防止图像冲洗…
clock = time.clock()

2、转化条形码的类型名称为字符串

def barcode_name(code):   #返回条形码所属类型
    if(code.type() == image.EAN2):
        return "EAN2"
    if(code.type() == image.EAN5):
        return "EAN5"
    if(code.type() == image.EAN8):
        return "EAN8"
    if(code.type() == image.UPCE):
        return "UPCE"
    if(code.type() == image.ISBN10):
        return "ISBN10"
    if(code.type() == image.UPCA):
        return "UPCA"
    if(code.type() == image.EAN13):
        return "EAN13"
    if(code.type() == image.ISBN13):
        return "ISBN13"
    if(code.type() == image.I25):
        return "I25"
    if(code.type() == image.DATABAR):
        return "DATABAR"
    if(code.type() == image.DATABAR_EXP):
        return "DATABAR_EXP"
    if(code.type() == image.CODABAR):
        return "CODABAR"
    if(code.type() == image.CODE39):
        return "CODE39"
    if(code.type() == image.PDF417):
        return "PDF417"
    if(code.type() == image.CODE93):
        return "CODE93"
    if(code.type() == image.CODE128):
        return "CODE128"

3、通过while循环 将摄像头采集的画面进行条形码分析，如果图像中有条形码，则将条形码的信息打印出来，并用绿色框出条形码的位置，本文使用I25条形码

while(True):
    clock.tick() #记录开始时间 与clock.fps()搭配使用
    img = sensor.snapshot() #摄像头拍摄一张照片
    fps = clock.fps() # clock.tick()到开始时间计算出频率
    codes = img.find_barcodes() #检测条形码
    for code in codes:
        img.draw_rectangle(code.rect(), color=(0, 255, 0))  # 将返回的条形码框选

        # 打印条形码信息  条形码类型,返回条形码的有效载荷的字符串,返回以弧度计的条形码的旋度(浮点数)此处再转换成角度,条形码在图像中被检测到的次数(int),图片帧率
        print_args = (barcode_name(code), code.payload(), (180 * code.rotation()) / math.pi, code.quality(),clock.fps())
        print("Barcode %s, Payload \"%s\", rotation %f (degrees), quality %d,FPS %f" % print_args)
    img.draw_string(0, 0, "%2.1ffps" %(fps), color=(0, 60, 128), scale=2.0) #打印二维码内容
    lcd.display(img)

实验分析：

实验条形码:

未优化时屏幕识别效果:

未优化时识别结果: 检测到的次数平均30左右，FPS平均9左右

未优化时代码展示: 未使用高分辨率、未设置适应与条形码长宽比例的分辨率

优化后代码展示: 使用高分辨率、设置适应与条形码长宽比例的分辨率

优化后屏幕识别效果:

优化后识别结果: 检测到的次数平均8左右，FPS平均13左右；与为优化之前对比明显可以看出识别速度提高，效率提高

实验过程与总结：

实验过程：

• 实验通过检测条形码的位置后解码获得条形码信息。首先导入需要的库，初始化摄像头和LCD显示屏，并设置摄像头捕获图像为灰度模式，以提高处理效率。然后程序进入一个持续的循环过程，对摄像头画面进行实时分析，寻找并识别条形码。当条形码被检测到，系统会自动将其信息并通过终端打印，并在图像上用绿色框标识其位置，展示了颜色识别技术在自动化和信息提取中的应用。

总结：

• 系统初始化后，LCD实时显示摄像头捕获的图像，能够自动识别并框出扫描的条形码，并在IDE的串行监视器中展示结果。支持多种条形码标准，用户可通过在线工具或IDE内置功能生成自定义条形码，实现高效数据处理。为提高识别准确度，建议在光线较好环境中操作，以减少误识别的可能性。

完整代码展示：

# Find_barcodes.py - By: Jack - 周日 4月 14 2024

import sensor, image, time, math, lcd

lcd.init()
sensor.reset()# 初始化相机传感器
sensor.set_pixformat(sensor.GRAYSCALE) # GRAYSCALE
#sensor.set_framesize(sensor.VGA) # 高分辨率
sensor.set_framesize(sensor.QVGA)
#因为我们的条形码一般都是一个长的矩形，一般要设置窗口大小，小和窄一点。一般窗口设置为640X80.意思是只显示条形码的这一部分。这样能够提高检测速度
#sensor.set_windowing((640, 80))       # V Res的80 ==更少的工作(40为2倍的速度)。
sensor.skip_frames(time = 2000)  # 跳过n张照片，在更改设置后，跳过一些帧，等待感光元件变稳定。
sensor.set_auto_gain(False)  # 必须关闭此功能，以防止图像冲洗…
sensor.set_auto_whitebal(False)  # 必须关闭此功能，以防止图像冲洗…
clock = time.clock()

def barcode_name(code):   #返回条形码所属类型
    if(code.type() == image.EAN2):
        return "EAN2"
    if(code.type() == image.EAN5):
        return "EAN5"
    if(code.type() == image.EAN8):
        return "EAN8"
    if(code.type() == image.UPCE):
        return "UPCE"
    if(code.type() == image.ISBN10):
        return "ISBN10"
    if(code.type() == image.UPCA):
        return "UPCA"
    if(code.type() == image.EAN13):
        return "EAN13"
    if(code.type() == image.ISBN13):
        return "ISBN13"
    if(code.type() == image.I25):
        return "I25"
    if(code.type() == image.DATABAR):
        return "DATABAR"
    if(code.type() == image.DATABAR_EXP):
        return "DATABAR_EXP"
    if(code.type() == image.CODABAR):
        return "CODABAR"
    if(code.type() == image.CODE39):
        return "CODE39"
    if(code.type() == image.PDF417):
        return "PDF417"
    if(code.type() == image.CODE93):
        return "CODE93"
    if(code.type() == image.CODE128):
        return "CODE128"

while(True):
    clock.tick() #记录开始时间 与clock.fps()搭配使用
    img = sensor.snapshot() #摄像头拍摄一张照片
    fps = clock.fps() # clock.tick()到开始时间计算出频率
    codes = img.find_barcodes() #检测条形码
    for code in codes:
        img.draw_rectangle(code.rect(), color=(0, 255, 0))  # 将返回的条形码框选

        # 打印条形码信息  条形码类型,返回条形码的有效载荷的字符串,返回以弧度计的条形码的旋度(浮点数)此处再转换成角度,条形码在图像中被检测到的次数(int),图片帧率
        print_args = (barcode_name(code), code.payload(), (180 * code.rotation()) / math.pi, code.quality(),clock.fps())
        print("Barcode %s, Payload \"%s\", rotation %f (degrees), quality %d,FPS %f" % print_args)
    img.draw_string(0, 0, "%2.1ffps" %(fps), color=(0, 60, 128), scale=2.0) #打印二维码内容
    lcd.display(img)