Распознавание QR, Штрих-кодов и DataMatrix кода на фото онлайн
Главное нужно указать изображение, на котором есть QR, DataMatrix или обычный штрихкод, а затем нажать кнопку ОК внизу страницы для начала сканирования. Поддерживаемые форматы штрих-кодов: EAN-13, EAN-8, UPC-A, UPC-E, ISBN-10, ISBN-13, Code 39, Code 128, ITF-14. На этом сайте ещё есть создание QR-кода.
Пример QR-кода, Штрих-кода и DataMatrix-кода, содержащего ссылку на этот сайт:
QR и DataMatrix коды могут содержать: числа, двоичный код, символы кириллицы и латиницы, а также иероглифы.
Штрих-код обычно содержит только цифры: код страны, регистрационный номер производителя, код товара, а также контрольное число, которое служит для проверки правильности считывания кода сканером.
Для достижения наилучшего результата желательно, чтобы распознаваемый код был повёрнут на нормальный угол (не был сильно перекошен) и занимал большую площадь изображения. Вы можете редварительно повернуть и обрезать изображение в настройках на этой странице, при этом обрезать лишнее нужно так, чтобы вокруг кода как бы оставалась белая рамка, то есть если обрезать ещё сильннее, то код может не распознаться. Если на изображении есть несколько QR или штрихкодов, то они все будут распознаны, а вот DataMatrix-код распознаётся только первый попавшийся, так что если DataMatrix несколько, то нужно выделить конкретный, используя предварительную обрезку.
Исходное изображение никак не изменяется. Вам будет предоставлен распознанный QR, DataMatrix или Штрих-код, а также изображение для проверки правильности поворота и обрезки, но только если эти параметры будут использованы.
Виды штрих-кодов, описание линейных и двумерных форматов. Как определить тип по изображению?
В современном мире во всех основных экономических сферах – торговле, промышленности, логистике и других, где необходим эффективный автоматизированный учёт товаров и материалов, применяют различные виды штрих-кодов. Подбор подходящего штрихового кодирования для конкретного случая использования и технического оборудования для его нанесения является важным этапом организации торговых и производственных взаимодействий.
Дорогие читатели! Наши статьи рассказывают о типовых способах решения юридических вопросов, но каждый случай носит уникальный характер.
Классификация видов
Штрих-код представляет собой графическую информацию в виде чередования черных и белых полос, которая наносится на поверхность, упаковку или маркировку товара.
Наибольшее применение штриховые коды получили:
Существует два основных вида штрих-кодов.
Линейные, или одномерные (1D)
Это графические изображения из сочетания черных и белых элементов виде линий разной толщины, обычно читаемые в горизонтальном направлении, которые содержат закодированную по определённым стандартам текстовую или числовую информацию.
Характерные черты:
Двумерные (2D)
Это графическое изображение в виде квадрата (иногда прямоугольника), состоящего из матрицы квадратных элементов, которое содержит вертикально и горизонтально расположенную закодированную информацию.
Отличительные особенности:
Форматы линейных и их характеристика
Существует несколько наиболее распространённых форматов линейных штриховых кодов, каждый из которых более подробно рассмотрен ниже.
EAN-13
European Article Number (EAN) – штрих-код европейского стандарта, введённый в действие странами Европы в 1977 году, аналогичный по назначению и структуре коду UPC.
Структура EAN-13 кода обычно содержит:
В некоторых случаях EAN код может быть дополнен добавочным товарным идентификатором (из 2-5 цифр), который печатается справа от основного изображения.
У этого кода есть разновидность EAN-8, включающая 8 носителей информации. Обычно применяется для кодировки маленьких партий или малогабаритных товаров. Меньший размер штрих-кода способствует более оперативному считыванию данных.
Universal Product Code (UPC) – это один из самых ранних штриховых кодов, принятый в 1973 году в США и являющийся американским стандартом универсального товарного кода.
Его состав включает 12 цифр:
Состоит из двух групп цифр – левой и правой, по шесть символов в каждой. Каждая цифра в группе кодируется четырьмя штрихами – двумя темными и двумя белыми. Отличительная особенность UPC-кода в симметричности правой и левой его сторон, а также в фотографически негативном начертании правой цифровой группы относительно левой.
Код UPC преобразуется в EAN-13 добавлением нуля перед составляющими его двенадцатью цифрами.
CODE 39
Это штрихкодовое обозначение переменной длины, в котором могут быть зашифрованы большие латинские буквы, цифры и некоторые символы. В отличие от кода EAN-13, он не содержит фиксированного числа символов и не требует обязательного применения контрольной цифры.
CODE 128
Увеличенный вариант штрихового кодирования, который содержит большое количество цифровых и буквенных символов, объединённых в разные группы. Отличается компактностью, достигаемой при помощи записи двух цифр в один штрихкодовой шаблон.
Обычно в его состав входят такие зашифрованные данные:
Interlesved 2 of 5 (ITF)
Вид штрих-кода, который содержит числовую информацию, зашифрованную на основе ширины штрихов и промежутков. Узнаваем по контурной толстой рамке на рисунке, которая помогает улучшить распознавание кода сканером, даже под большим углом. Содержит чётное число цифр, в случае нечётного их количества впереди добавляется ноль. Был разработан в 1995 году в США.
Форматы двумерных и их характеристика
Самыми распространенными видами двумерных штриховых кодов являются: QR-code, Data Matrix и Aztec Code.
QR-код
Наиболее универсальный вид штрих-кода, легко узнаваемый по присутствию квадратов в трёх углах графического рисунка – верхнем правом, нижнем левом и верхнем левом, а также нечетным количеством начерченных столбцов. Отличительной его особенностью служит возможность сканирования при помощи мобильных устройств.
Этот вид штрихового кодирования может содержать практически любые зашифрованные текстовые и числовые данные, в том числе персонифицированного и рекламного характера. Он обладает алгоритмами автоматической коррекции ошибок при возможных повреждениях кода или сканировании в сложных условиях.
Предлагаем посмотреть видео что такое QR-код, как он появился и для чего используется:
Data Matrix
Разновидность штрих-кода, выбранная в качестве основной для российской системы маркировки товаров. Его графическое изображение напоминает QR-код, но здесь отсутствуют характерные для последнего квадраты, зато имеются две отличительные непрерывные перпендикулярные чёрные полосы по левой боковой и нижней части рисунка.
Основное отличие Data Matrix заключается в компактном размере и чётном количестве изображенных столбцов. Возможности этого кода очень схожи с QR-кодированием, с хорошим уровнем защиты от ошибок. Согласно распоряжению правительства РФ (от 28 апреля 2018 г. N 792-р), в 2019 году обязательная маркировка новейшей версией штрих-кода Data Matrix ECC200 требуется для:
Aztec Code
Один из самых эффективных видов штрихового кодирования по возможностям корректировки возникающих ошибок. Графическое изображение отличается от двух предыдущих видов наличием в самом центре элемента в виде вложенных друг в друга квадратов.
Все три основные вида двумерных штрих-кодов, в целом, очень схожи между собой. Это позволяет считать их взаимозаменяемыми, и в случаях невозможности применения какого-либо из них (например, при отсутствии совместимости с используемым сканером), разрешено перейти на альтернативную разновидность кодирования.
Как определить тип по изображению?
Графическое изображение различных видов штриховых кодов отличается некоторыми элементами, что помогает распознать их. Линейные виды кодирования информации обозначаются чередующимися чёрными штрихами разной толщины (в зависимости от видовых особенностей кода) и белыми промежутками, с определённым набором символов под ними.
Видовые отличия изображений одномерных штрих-кодов:
Двумерные коды состоят из квадратно-пиксельных графических рисунков с отличительными особенностями для каждого вида:
О том, из чего состоят штрих-коды и как их расшифровать, говорится в другом материале.
Штрих-кодирование товаров помогает создавать правильную организацию их оптовых и розничных поставок, обеспечивать контроль за сроками реализации и удобство процесса продажи и учёта товарных изделий. Кроме того, применение кодов снижает риск возможных ошибок, что позволяет ускорить производственный оборот и увеличить прибыль компании.
Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.
Распознаем штрихкоды на изображениях с помощью Python и OpenCV
От переводчика: мы в компании Энтерра очень любим алгоритмы компьютерного зрения. Работаем чаще всего с OpenCv. Время от времени нам пишут разные разработчики с вопросами: «А как лучше начать работать с OpenCv?» или «Какую интересную задачу можно просто решить с помощью OpenCv?» В связи с чем мы решили перевести очень хорошую статью, которая будет полезна всем, кто интересуется компьютерным зрением.
Черная Пятница близко.
Толпы злых покупателей. Рой одинаковых теток среднего возраста, готовых сожрать практически всё, что угодно, в ближайшем супермаркете — главное, что со скидкой 75%. Они выстроятся в очереди перед дверьми магазинов в полночь Дня благодарения. Они будут ломиться внутрь, стучать в запертые двери кулаками и головами, пока не сплющат друг друга и не разобьют руки в кровь, став похожими на зомби из «28 дней спустя». Но вместо человеческой плоти, они жаждут удовлетворить инстинкт покупателя. Их боевые кличи о скидках и распродажах достигают небес. А их громовая поступь способна привести к землетрясению на Великой Равнине.
Естественно, от СМИ помощи не жди — они будут смаковать каждую подробность. От обмороженных семейств, ночевавших в палатке на морозе, до старой леди, растоптанной охотниками за скидкой в момент, когда открылись двери. Что-то похожее случилось с галлимимусом в «Парке Юрского периода». А она просто хотела купить Halo для девятилетнего внука Тимми, чьи родители забыли это сделать в прошлом году. В Wal-Mart. Во время Черной Пятницы.
И я обязан спросить: весь этот хаос и бедлам стоят того?
Любая покупка, которую я совершу в эту Черную Пятницу, будет сделана совершенно безопасно с помощью ноутбука. Но если вы решите выйти в реальный мир и вступить в схватку с охотниками за наживой, вам в первую очередь понадобится загрузить код из оригинального поста.
Просто представьте, как глупо вы будете выглядеть, стоя в очереди в ожидании свободной кассы – только для того, чтобы после сканирования штрихкода последнего сезона «Игры Престолов» выяснить, что в Target его можно купить на 5 долларов дешевле?
Собственно, далее я покажу, как можно обнаружить штрихкод на изображении, используя только Python и OpenCV.
Распознаём штриходы на изображениях на Pyhton и OpenCv
Задача этого поста — показать простое применение компьютерного зрения и технологий обработки изображений для распознавания штрихкодов. Мой алгоритм — это вариация на тему из вот этого вопроса со StackOverflow. Я просмотрел оригинальный код и добавил к нему ряд обновлений и улучшений. Стоит отметить, что этот код не будет работать для всех штрихкодов, но в любом случае вы получите представление о том, какие методы нужно будет использовать.
Важно отметить, что алгоритм не будет работать для всех штрихкодов, но зато даст базовое интуитивное понимание того, какие техники должны быть для этого использованы.
Для примера, мы определим штрихкод со следующего изображения:
Перейдём к коду. Открываем новый файл, называем его detect_barcode.py — и поехали:
Прежде всего нужно сделать импорт необходимых пакетов. Нам потребуются NumPy для работы с числами, agparse для парсинга аргументов командной строки и cv2 для связи с OpenCV.
Теперь приступим к непосредственной обработке изображения:
Мы загружаем изображение image и преобразуем его цветовой режим в оттенки серого.
После этого мы вычитаем y-градиент оператора Собеля из x-градиента. После вычитания мы получаем изображение с высоким значением горизонтального градиента и низким значением вертикального.
И сейчас наше изображение выглядит так:
Обратите внимание, что зона штрихкода была определена с помощью операций с градиентом. Следующий шаг — устранить шум на изображении и сфокусироваться сугубо на области со штрихкодом.
И первое, что мы сделаем — это используем average blur с ядром размера 9×9. Это поможет сгладить высокочастотный шум на нашей картинке с градинентами.
Затем мы проведём бинаризацию размытого изображения. Каждый пиксель изображения со значением не выше 225 мы превратим в 0 (чёрный), а остальные — в 255 (белый). В итоге получим:
Однако, как вы можете заметить на исходном изображении, между вертикальными полосками штрихкода есть пространство. Чтобы его закрыть и облегчить нашему алгоритму определение области штрихкода, нам нужно произвести ряд простых морфологических операций:
Далее, произведем нашу морфологическую операцию, применив ядро к бинаризированному изображению, замазывая пространство между полосками. И вы можете сами увидеть, что «пробелы» почти полностью закрыты, по сравнению с изображениями выше:
Конечно, на картинке остались и некоторые светлые пятна, которые не имеют отношения к штрихкоду и способны помешать точно определить его контур.
Давайте постараемся избавиться от этих пятен:
Тут мы делаем четыре итерации эрозии, за которым следуют четыре итерации дилатация. Эрозия уберёт белые пиксели с изображения, удаляя мелкие блобы, а дилатация не позволит крупным белым областям уменьшиться. Удаленные во время размытия мелкие пятна во время растяжения не появятся вновь.
После серии эрозий и дилатаций можно увидеть, что мелкие пятна успешно были удалены, осталась только область штрихкода:
Наконец, давайте найдем контуры области штрихкода на изображении:
Затем мы определяем минимальный ограничивающий прямоугольник, в который заключим этот самый большой контур, после чего наконец отображаем найденный штрихкод.
Как вы можете видеть, мы успешно нашли штрихкод:
Попробуем сделать это еще с несколькими изображениями?
Успешное определение штрихкодов
Чтобы получить аналогичные результаты, используйте мой код (можно загрузить целиком на странице поста-оригинала) и приведенные здесь изображения. Как только у вас будет код и изображения, откройте терминал и выполните следующую команду:
Без проблем найден штрихкод кокосового масла. Пробуем еще:
И на этом изображении мы успешно обнаружили штрихкод! Но что это мы все про еду, давайте перейдем к книгам.
И снова – никаких проблем! Сможем ли мы определить номер для отслеживания посылки?
И вновь наш алгоритм успешно обнаружил штрихкод.
Заключение
В этом посте мы рассмотрели необходимые шаги для обнаружения штрихкодов на изображениях с помощью технологий компьютерного зрения. Мы применили алгоритм, использующий язык программирования Python и библиотеку OpenCV.
Если вы хотите использовать более надёжный алгоритм обнаружения штрихкодов, стоит принять во внимание ориентацию изображения, а еще лучше — использовать самообучаемые системы, например, каскады Хаара или HOG+ Linear SVM, чтобы «сканировать» изображение на предмет областей со штрихкодом.
Штрих-коды
Виды штрих-кодов
Существует 15 технологий автоматической идентификации информации:
Но самые распространенные и наиболее привычные для нас – линейные и двумерные штрих-коды.
Линейные читаются в одном направлении (по горизонтали). Таким способом можно закодировать небольшой объем информации (20-30 символов). Этого достаточно, чтобы получить стандартные сведения о характеристиках товара. Для чтения таких штрих-кодов достаточно недорогой техники.
Двумерную кодировку считывают специальные сканеры, способные быстро выдавать большой объем данных. Подобным способом можно зашифровать большой объем информации (до нескольких страниц текста). Техника считывает двумерный код в 2 измерениях одновременно – по горизонтали и вертикали.
Как прочитать штрих-код
В РФ чаще всего используют Европейскую систему кодирования EAN.
Европейские коды бывают 3 видов:
Согласно системе, каждому продукту присваивается индивидуальный номер, чаще всего из 13 цифр, где:
В шифровке платежных документов работает другая система – там используют 28-разрядный штрих-код.
Но бывает так, что не всегда указанная на бирке страна-производитель соответствует цифрам на штрих-коде. Тому может быть 5 причин:
Как по штрих-коду проверить подлинность товара
Для такой проверки потребуется выполнить несколько действий. Чтобы было понятно, рассмотрим на примере:
В нашем случае: 4+0+0+9+9+3 = 25
Складываем: 6+7+9+0+1+7 = 30*3 = 90
В нашем примере цифры совпали: 10-5 = 5
В последние годы без штрих-кода никуда: его наносят на любые без исключения материальные товары (продукты, лекарства, книги и проч.). Для внешнеторговых операций штрих-код – непременное условие экспорта. Кодировка облегчает жизнь производителям и продавцам, помогая быстро и точно вести ежедневный учет продукции, остатков товара на складах и в торговых залах, мгновенно отслеживать объемы продаж по каждому виду изделия.
Типы штрих-кода
Штрих-код состоит из ряда линий и пробелов, которые представляют собой цифровую информацию. 
При считывании штрих-кода сканером, измеряется толщина линий и пробелов, на основании чего создается двоичный код. 
Для чего нужен штрих-код, и в чем его преимущества:
1. Точность.
При использовании штрих-кода шанс допустить ошибку составляет 1 символ на 1 млн до 1 млрд.
При вводе данных вручную вероятность ошибки обычно составляет 1 символ на 300 символов.
2. Скорость.
Для того, чтобы ввести 12 символов с помощью сканера штрих-кодов требуется меньше 1 секунды. При ручном вводе это занимает около 6 секунд.
3. Простота.
Печать и считывание штрих-кодов очень простой процесс, который экономит время и гарантирует точность считывания/ввода данных.
Типы штрих кодов
Наиболее популярные штрих-коды
Числовые штрих-коды:
EAN13: европейский стандарт штрих-кода, который предназначен для кодирования идентификатора товара и производителя
EAN8: сжатая версия кода EAN для использования на небольших продуктах
UPC-A: универсальный код продукта, который можно увидеть практически во всех розничных продуктах в США и Канаде
Альфа-числовые штрих-коды:
Кол 129: дает возможность кодирования не только цифр, но и букв латинского алфавита, а также специальных символов
Код 39: код общего назначения
Код 93: компактный код, аналогичный коду 39
