如何用Python检测医疗表单图像中的2D DataMatrix

方案1：使用pydmtx + OpenCV #

pydmtx是专门针对DataMatrix条码的解析库，配合OpenCV做图像预处理，能有效检测角落的条码。

• 安装依赖：

  pip install opencv-python pydmtx
  

• 检测代码：

  import cv2
  import pydmtx
  
  def has_datamatrix(image_path):
      # 读取图像
      img = cv2.imread(image_path)
      if not img.any():
          return False
      # 转为灰度图优化检测
      gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
      # 执行DataMatrix检测
      detections = pydmtx.decode(gray_img)
      # 存在检测结果则返回True
      return len(detections) > 0
  
  # 测试调用
  if __name__ == "__main__":
      print(has_datamatrix("医疗表单示例图.jpg"))
  

方案2：zxing-cpp（备选，兼容性更好） #

如果pydmtx在你的环境安装失败，zxing-cpp的Python绑定支持多种条码格式，对DataMatrix的检测稳定性不错。

• 安装依赖：

  pip install zxing-cpp
  

• 检测代码：

  from zxingcpp import read_barcodes
  
  def has_datamatrix(image_path):
      # 指定只检测DataMatrix格式，提升效率
      barcode_results = read_barcodes(image_path, formats=["DataMatrix"])
      return len(barcode_results) > 0
  
  # 测试调用
  if __name__ == "__main__":
      print(has_datamatrix("医疗表单示例图.jpg"))
  

优化技巧 #

• 裁剪角落区域：因为条码固定在角落，先裁剪对应区域再检测，能大幅提升速度和准确率：

  def crop_bottom_right(img, crop_ratio=0.15):
      height, width = img.shape[:2]
      # 取右下角15%的区域
      return img[int(height*(1-crop_ratio)):, int(width*(1-crop_ratio)):]
  

  可以把这个步骤加到检测函数里，先裁剪再检测。
• 图像预处理：如果表单有模糊或阴影，先做二值化处理：

  _, binary_img = cv2.threshold(gray_img, 120, 255, cv2.THRESH_BINARY)
  

内容的提问来源于stack exchange，提问作者eduardosufan