L7_条码识别（译码）的总体框架

    本课程分享对由中国开发者提供的OpenCV条形码识别模块的原理和代码精讲。该模块借鉴“目标识别”领域先进理念，采用“定位-识别”二段模式，有效提高了自然环境下条码识别的准确率并保持了C++代码的高速度，相比较常用的zxing和zbar在准确率和识别速度上均有较大优势。更难得可贵的是在代码的实现过程中能够注意细节，在诸如“循环测试确定参数数值”“积分图的使用”“倾斜矩形纠偏”等处，均提供了思路清晰、弹性高的优质代码。作为一套通过了OpenCV官方的代码检验、解决一个常用领域内具体问题的模块，对于图像处理学习来说是难得可贵的。

                                                                            （条码定位Pipline)

                                                                           （条码识别Pipline)

    逐条进行代码解读繁琐且低效，个人认为，在图像处理领域，能够运行和修改观察的代码对于学习研究至关重要。在理论剖析部分，也是由应用引导原理。同时做好知识的迁移和代码的复用工作。在这个过程中，创建针对性的实验非常重要。

                                                                         （专用腐蚀对比图例)

 课程内容分为4个部分：

一是基本配置，包括

· 条形码识别模块的安装使用 （cmake配置和OpenCV编译）;

· 构建用于测试和代码阅读的环境；

· 模块对官方数据集的测试；

                                                                    （数据集测试图例)

二是条码定位，将详细讲解思路、原理和实现

                                                                （不同尺度下的梯度方向一致性结果)

知识迁移部分将简单说一下在毛发识别上的迁移：

三是条码识别，该部分内容会首先梳理框架，而后具体进行分析讲解

                                                                         （条码识别类图)

    此外，我们将结合例子，将OpenCV的基础功能，包括积分图像、形态学变化、联通区域、透视变化等进行复习，加深理解。

                                                                            （透视变化)

                                                                                 （形态学)

                                                                               （联通区域)

                                                                                   （积分图)

.END