Обнаружение матрицы данных Python

Question

Используя библиотеку с открытым исходным кодом, pylibdmtx может обнаруживать штрих-код матрицы данных внутри изображения. Скорость обработки снижается, когда штрих-код представляет собой небольшую часть большого изображения. Требуется несколько аргументов, чтобы уменьшить и обнаружить штрих-код

Вот часть кодирования в библиотеке

with libdmtx_decoder(img, shrink) as decoder:
        properties = [
            (DmtxProperty.DmtxPropScanGap, gap_size),
            (DmtxProperty.DmtxPropSymbolSize, shape),
            (DmtxProperty.DmtxPropSquareDevn, deviation),
            (DmtxProperty.DmtxPropEdgeThresh, threshold),
            (DmtxProperty.DmtxPropEdgeMin, min_edge),
            (DmtxProperty.DmtxPropEdgeMax, max_edge)
        ]

У меня вопрос, есть ли какая-либо другая библиотека для использования, кроме pylibdmtx? Или любое предложение увеличить скорость обработки без ущерба для точности. Кстати, pylibdmtx обновлен 18.01.2017, это поддерживаемая библиотека

Answer 1

Опция заключается в том, чтобы предварительно найти код с помощью фильтрации изображений.

Матрица данных имеет высокую контрастность (теоретически) и заданный размер ячейки. Если вы обрежете изображение так, чтобы ячейки стали размером в один или два пикселя, матрица данных будет выделяться как сильно текстурированная область, и градиент будет сильно реагировать.

Answer 2

Я также использую эту библиотеку для декодирования матрицы данных, и я нашел кое-что об этих аргументах, что тайм-аут - это значение int в миллисекундах, что действительно помогает для быстрого декодирования, а gap_size - это отсутствие пикселей между матрицей данных буксировки, используемой, когда у вас есть более одной матрицы данных последовательно декодировать с равным интервалом. с порогом вы можете напрямую присвоить этой функции пороговое значение от 0 до 100 без использования функций open-CV, а максимальное количество - это не матрица данных, которая должна быть декодирована в одном изображении, а форма - размер data_matrix i. для 1010 это 0, 1212 это 1 и так далее. Используя все это вместе, мы можем получить быстрое и эффективное декодирование матрицы данных.