Pyzbar无法识别清晰条形码，求助全角度识别解决方案

1. 指定条码类型解码 #

Pyzbar默认不会检测所有条码类型，汽车零件条码常用CODE128、ITF-14或EAN-13，明确指定类型可以提升识别率，避免遗漏：

from pyzbar import pyzbar
import cv2

img = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
# 指定目标条码类型，可根据实际情况添加
result = pyzbar.decode(
    img,
    symbols=[
        pyzbar.ZBarSymbol.CODE128,
        pyzbar.ZBarSymbol.ITF,
        pyzbar.ZBarSymbol.EAN13
    ]
)

2. 优化图像预处理逻辑 #

调整预处理步骤，增强条码与背景的对比度，适配不同的明暗场景：

• 反转图像：如果条码是浅色、背景是深色，反转后更符合ZBar的识别偏好
• 形态学操作：去除噪声，强化条码的黑白线条

img = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
# 反转图像（按需启用，根据条码与背景的颜色）
img = cv2.bitwise_not(img)
# 形态学开运算：先腐蚀再膨胀，去除小噪声
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
# 自适应阈值（调整blockSize和C参数适配图像）
img = cv2.adaptiveThreshold(
    img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
    cv2.THRESH_BINARY, blockSize=11, C=2
)
result = pyzbar.decode(img, symbols=[pyzbar.ZBarSymbol.CODE128])

3. 针对条码区域的小角度遍历旋转 #

先通过轮廓检测定位潜在条码区域，计算其大致倾斜角度，再在该角度附近小范围旋转尝试解码（避免全图像旋转的性能损耗）：

def rotate_image(image, angle):
    (h, w) = image.shape[:2]
    center = (w // 2, h // 2)
    # 生成旋转矩阵，保持图像尺寸不变
    M = cv2.getRotationMatrix2D(center, angle, 1.0)
    rotated = cv2.warpAffine(
        image, M, (w, h),
        flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_REPLICATE
    )
    return rotated

img = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
img = cv2.bitwise_not(img)

# 先尝试原图像解码
result = pyzbar.decode(img, symbols=[pyzbar.ZBarSymbol.CODE128])
if not result:
    # 边缘检测+轮廓筛选，定位条码区域
    edges = cv2.Canny(img, 50, 150)
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    for cnt in contours:
        rect = cv2.minAreaRect(cnt)
        width, height = rect[1]
        if width == 0 or height == 0:
            continue
        # 条码的长宽比通常大于3:1，筛选符合特征的轮廓
        aspect_ratio = max(width, height) / min(width, height)
        if aspect_ratio > 3:
            # 调整minAreaRect返回的角度范围（-90°~0°转为0°~90°）
            angle = rect[2]
            if angle < -45:
                angle += 90
            # 在目标角度±30°范围内，每5°尝试一次解码
            for delta in range(-30, 31, 5):
                rotated_img = rotate_image(img, angle + delta)
                result = pyzbar.decode(rotated_img, symbols=[pyzbar.ZBarSymbol.CODE128])
                if result:
                    print(f"识别成功，旋转角度：{angle + delta}°")
                    print(result)
                    break
            if result:
                break

4. 结合OpenCV条码检测器先定位再解码 #

利用OpenCV的cv2.barcode.BarcodeDetector先定位条码区域及倾斜角度，提取区域后旋转至水平，再用Pyzbar解码：

detector = cv2.barcode.BarcodeDetector()
img = cv2.imread(path)
# 检测图像中的条码，返回位置框
ok, bbox, _ = detector.detectAndDecode(img)

if ok:
    for box in bbox:
        pts = box.astype(int)
        # 提取条码ROI区域
        x, y, w, h = cv2.boundingRect(pts)
        barcode_roi = cv2.cvtColor(img[y:y+h, x:x+w], cv2.COLOR_BGR2GRAY)
        # 计算条码倾斜角度
        rect = cv2.minAreaRect(pts)
        angle = rect[2]
        if angle < -45:
            angle += 90
        # 旋转ROI到水平方向
        rotated_roi = rotate_image(barcode_roi, angle)
        # Pyzbar解码旋转后的ROI
        result = pyzbar.decode(rotated_roi, symbols=[pyzbar.ZBarSymbol.CODE128])
        if result:
            print(result)

补充说明 #

Pyzbar基于ZBar库，其对大角度倾斜条码的原生支持确实弱于商业在线工具或APP。上述方法通过精准指定条码类型、强化预处理、局部角度遍历或先定位再矫正的思路，可有效提升全角度识别的成功率。

内容的提问来源于stack exchange，提问作者pa1983