基于Python+OpenCV从生产线图像提取含二维码的目标贴纸

一、现有代码问题分析 #

你当前使用findContours的方式会检测图像中所有轮廓，导致画面出现大量无关框选，无法精准定位目标贴纸区域，需要针对性优化检测逻辑。

二、基于二维码锚点的定位方案 #

利用二维码作为定位锚点来覆盖目标贴纸是可行的，具体步骤如下：

1. 识别二维码边界：用ZBar或ZXing库检测图像中的二维码，获取其边界框坐标（x, y, w, h）。
2. 计算目标区域范围：根据二维码在贴纸中的相对位置（比如参考图里的左下角），基于二维码坐标扩大区域，覆盖整个目标贴纸。例如通过偏移量和扩展值调整坐标，确保包含完整贴纸。
3. 裁剪目标区域：用计算后的坐标从原图中提取ROI。

示例代码（结合ZBar）：

import cv2
from pyzbar.pyzbar import decode

# 读取图像
im = cv2.imread('/home/joy/桌面/test_11_2/split_img/original.png')
# 解码二维码
qr_codes = decode(im)

if qr_codes:
    qr = qr_codes[0]
    # 获取二维码边界框
    x_qr, y_qr, w_qr, h_qr = qr.rect
    # 根据实际图像调整偏移与扩展参数
    offset_x = 20  # 向左偏移量
    offset_y = 50  # 向上偏移量
    expand_w = 150 # 向右扩展宽度
    expand_h = 100 # 向下扩展高度
    # 计算目标贴纸坐标（避免超出图像边界）
    x = max(0, x_qr - offset_x)
    y = max(0, y_qr - offset_y)
    w = w_qr + expand_w
    h = h_qr + expand_h
    # 裁剪目标区域
    roi = im[y:y+h, x:x+w]
    # 预览结果
    cv2.imshow('Target ROI', roi)
    cv2.waitKey(0)
else:
    print("未检测到二维码")

三、直接切割图像做OCR的可行性 #

该方案完全可行，但需要满足两个前提：

• 生产线拍摄的图像位置固定，目标区域在图像中的坐标稳定（偏差极小）
• 每次拍摄的图像尺寸一致

如果符合条件，可预先确定目标区域的固定坐标，直接裁剪后进行OCR，这种方法简单高效，无需依赖二维码检测，规避了二维码识别失败的风险。

示例代码：

import cv2

im = cv2.imread('/home/joy/桌面/test_11_2/split_img/original.png')
# 预先标定的目标区域坐标（根据实际图像调整数值）
x, y, w, h = 100, 200, 300, 200
roi = im[y:y+h, x:x+w]
# 后续执行OCR处理
cv2.imshow('Cropped ROI', roi)
cv2.waitKey(0)

若生产线拍摄存在位置偏移、图像缩放等情况，固定坐标切割会失效，此时优先选择二维码锚点定位方案更可靠。

内容的提问来源于stack exchange，提问作者user20396381