在C++中用OpenCV的findContours检测PostNet条形码遇问题

针对你用OpenCV检测PostNet条形码时出现的轮廓与实际线条不匹配、短线条未被正确识别的问题，结合你的代码，从预处理逻辑和轮廓检测流程两方面给出修正建议：

一、重构预处理流程，保护短线条结构 #

当前的3x3腐蚀+5x5膨胀操作会过度模糊短线条，甚至将其与周围区域合并，导致轮廓识别失效。建议替换为针对垂直线条的形态学操作：

// 阈值化后反转图像，确保线条为黑色（前景），背景为白色
cv::threshold(inputImage, binary_image, 0, 255, cv::THRESH_OTSU | cv::THRESH_BINARY_INV);
cv::imwrite("/tmp/postnet1.tif", binary_image);

// 使用垂直结构元素做开运算，去除噪声同时保留垂直线条
cv::Mat verticalSE = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(1, 3));
cv::morphologyEx(binary_image, binary_image, cv::MORPH_OPEN, verticalSE);
cv::imwrite("/tmp/postnet2.tif", binary_image);

// 可选：用小尺寸垂直结构元素做闭运算，修复短线条的轻微断裂
cv::Mat closeSE = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(1, 2));
cv::morphologyEx(binary_image, binary_image, cv::MORPH_CLOSE, closeSE);
cv::imwrite("/tmp/postnet3.tif", binary_image);

二、修正轮廓检测与后续逻辑错误 #

1. 修复approxPolyDP的参数错误：你的代码中barcode_segment是空向量，导致多边形逼近完全无效，应替换为实际需要处理的轮廓：

// 替换原有的approxPolyDP调用
cv::approxPolyDP(hull, approx, 0.02 * cv::arcLength(hull, true), true);

2. 优化轮廓筛选逻辑：先筛选出符合PostNet线条特征（高宽比远大于1的细长轮廓）的轮廓，再进行分组：

std::vector<std::vector<cv::Point>> validContours;
for (auto &contour : vertical_dim) {
    cv::Rect rect = cv::boundingRect(contour);
    // PostNet线条是垂直细长型，宽高比（height/width）需远大于1
    if (rect.height > rect.width * 5) {
        validContours.push_back(contour);
    }
}
// 后续使用validContours进行5个一组的处理

3. 调整轮廓检索模式：如果短线条存在断裂，可尝试使用cv::RETR_LIST替代cv::RETR_EXTERNAL，确保所有层次的轮廓都被检测到。

三、关键代码修正后的完整片段 #

std::string barcode;
cv::Mat binary_image;

// 转灰度图
if (inputImage.channels() == 3) {
    cv::cvtColor(inputImage, inputImage, cv::COLOR_BGR2GRAY);
}

// 阈值化并反转，确保线条为前景
cv::threshold(inputImage, binary_image, 0, 255, cv::THRESH_OTSU | cv::THRESH_BINARY_INV);

// 垂直方向开运算去噪
cv::Mat verticalSE = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(1, 3));
cv::morphologyEx(binary_image, binary_image, cv::MORPH_OPEN, verticalSE);

// 检测轮廓
std::vector<std::vector<cv::Point>> vertical_dim;
cv::findContours(binary_image, vertical_dim, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);

// 筛选有效线条轮廓
std::vector<std::vector<cv::Point>> validContours;
for (auto &contour : vertical_dim) {
    cv::Rect rect = cv::boundingRect(contour);
    if (rect.height > rect.width * 5) {
        validContours.push_back(contour);
    }
}

bool not_segment = false;
// 从后往前每5个一组处理（跳过首尾的定位条）
for (int x = validContours.size() - 1; x >= 4 && !not_segment; x -= 5) {
    std::vector<cv::Point> barcode_contour;
    for (int i = 0; i < 5; i++) {
        barcode_contour.insert(barcode_contour.end(), validContours[x - i].begin(), validContours[x - i].end());
    }

    std::vector<cv::Point> hull;
    cv::convexHull(barcode_contour, hull, cv::CLOCKWISE, true);

    cv::Mat contours_result = inputImage.clone();
    cv::cvtColor(contours_result, contours_result, cv::COLOR_GRAY2BGR);
    cv::drawContours(contours_result, {hull}, 0, cv::Scalar(0, 255, 255), 3);
    cv::imwrite("/tmp/postnet7.tif", contours_result);

    std::vector<cv::Point> approx;
    cv::approxPolyDP(hull, approx, 0.02 * cv::arcLength(hull, true), true);

    if (approx.size() != 5 || !cv::isContourConvex(approx)) {
        not_segment = true;
    }
}

内容的提问来源于stack exchange，提问作者Chris_F