求助：1-D subpixel barcode recognition低分辨率模糊条码识别难题

样本图像：

针对微分方法效果不佳的情况，推荐以下实用解决思路：

• 采用Zernike矩亚像素边缘检测：普通微分（如Sobel、Prewitt）仅能定位像素级边缘，Zernike矩通过拟合边缘区域的灰度分布，可计算亚像素级的边缘坐标，对模糊边缘的定位精度更高。可借助OpenCV的相关实现提取边缘，再结合条码条空的排列特性筛选有效边缘。

• 针对性预处理增强边缘：放弃单一微分操作，改用高斯差分（DoG）+自适应阈值的组合方案：

  1. 对图像执行两个不同尺度的高斯模糊，将相减得到的DoG图用于突出模糊边缘的梯度突变；
  2. 使用自适应阈值二值化（如cv::adaptiveThreshold），根据局部灰度调整阈值，避免整体阈值丢失模糊区域的条空细节；
     预处理完成后再进行边缘检测，能大幅提升边缘的可识别性。

• 结合条码编码规则做约束拟合：1D条码（如Code 39、EAN-13）有严格的条空宽度比例和校验规则。先提取粗边缘，再假设每个边缘的灰度分布符合高斯模型，用最小二乘法拟合亚像素位置，最后结合条码的编码规范（如相邻条空的宽度比例范围）修正边缘坐标——即使局部模糊，也能依靠整体规则补全正确的边缘信息。

• 多尺度上采样辅助定位：先将原图像用双三次插值上采样2-4倍，在高分辨率下完成边缘检测后，将检测到的边缘坐标映射回原图像的亚像素尺度。上采样可放大模糊边缘的细节，让普通边缘检测算法也能捕捉到更精准的边缘位置。

内容的提问来源于stack exchange，提问作者user3651855