Golang解码Interleaved2of5条码时gozxing/gozbar识别失败如何解决

问题复现 #

当前基于gozxing(github.com/makiuchi-d/gozxing)、gozbar(github.com/MordFustang21/gozbar)实现条码解码时，部分ITF条码无法识别，示例条码如下：

原有gozxing解码逻辑如下：

// input is the file content, type is []byte
reader := oned.NewITFReader()

hints := make(map[gozxing.DecodeHintType]interface{})
hints[gozxing.DecodeHintType_TRY_HARDER] = true

r := bytes.NewReader(input)
img, _, err := image.Decode(r)
if err != nil {
    return nil, errors.Wrap(err, "failed to decode image")
}

bmp, err := gozxing.NewBinaryBitmapFromImage(img)
if err != nil {
    return nil, errors.Wrap(err, "failed to create bitmap from image")
}

res, err := reader.Decode(bmp, hints)
// At there, the err is NotFoundException

执行Decode时返回NotFoundException，尝试oned包下所有条码读取器（Codebar、Code39等）均识别失败，换gozbar解码同图返回no symbols found错误。

失败原因 #

识别失败核心是三个问题：

1. 示例这类截图/扫描得到的ITF条码普遍缺失规范要求的左右静区，周边杂色多，库默认的边界检测逻辑无法定位条码位置
2. 默认全局二值化对低对比度、光照不均的条码容错性差，容易出现条空粘连、断条
3. ITFReader默认开启固定长度校验、条宽严格校验，低质量图很容易校验不通过

可行修复方案 #

按以下步骤调整即可正常识别：

• 第一步：解码前增加图像预处理流程
  不要直接把原图送入解码，先做标准化处理：转灰度、增强对比度、自动裁剪条码主体、补充静区、二值化，参考实现：

import (
  "bytes"
  "image"
  "image/color"
  "github.com/disintegration/imaging"
  "github.com/makiuchi-d/gozxing"
  "github.com/makiuchi-d/gozxing/oned"
  "github.com/pkg/errors"
)

func preprocessITFImg(src image.Image) image.Image {
  // 转灰度
  gray := imaging.Grayscale(src)
  // 提升对比度
  gray = imaging.AdjustContrast(gray, 35)
  // 定位条码实际边界
  bounds := gray.Bounds()
  minX, minY := bounds.Max.X, bounds.Max.Y
  maxX, maxY := bounds.Min.X, bounds.Min.Y
  binThreshold := uint8(128)
  for y := bounds.Min.Y; y < bounds.Max.Y; y++ {
    for x := bounds.Min.X; x < bounds.Max.X; x++ {
      yVal := color.GrayModel.Convert(gray.At(x, y)).(color.Gray).Y
      if yVal < binThreshold {
        if x < minX { minX = x }
        if x > maxX { maxX = x }
        if y < minY { minY = y }
        if y > maxY { maxY = y }
      }
    }
  }
  // 裁剪条码主体，四周补充20px纯白区域作为静区
  cropArea := image.Rect(minX-20, minY-20, maxX+20, maxY+20)
  cropped := imaging.Crop(gray, cropArea)
  // 二值化
  return imaging.Threshold(cropped, 128, imaging.ThresholdBinary)
}

• 第二步：调整ITFReader配置与解码提示参数
  关闭默认的固定长度校验，明确指定解码格式减少无效匹配：

reader := oned.NewITFReader()
// 关闭固定长度限制，适配任意合法长度ITF码
_ = reader.SetFixedLengths([]int{})

hints := make(map[gozxing.DecodeHintType]interface{})
hints[gozxing.DecodeHintType_TRY_HARDER] = true
// 明确指定仅匹配ITF格式，减少其他格式的误判和无效计算
hints[gozxing.DecodeHintType_POSSIBLE_FORMATS] = []gozxing.BarcodeFormat{gozxing.BarcodeFormat_ITF}

• 第三步：替换默认二值化实现
  不要用NewBinaryBitmapFromImage默认的全局直方图二值器，换成对低质量图适配更好的混合二值器：

r := bytes.NewReader(input)
img, _, err := image.Decode(r)
if err != nil {
  return nil, errors.Wrap(err, "failed to decode image")
}
// 先做预处理
processedImg := preprocessITFImg(img)
// 用HybridBinarizer替换默认全局二值器
lumSource := gozxing.NewLuminanceSourceFromImage(processedImg)
bmp := gozxing.NewBinaryBitmap(gozxing.NewHybridBinarizer(lumSource))

res, err := reader.Decode(bmp, hints)

如果还是识别失败，可以把预处理后的图用最近邻插值放大2倍再送入解码，对条宽不均、轻微断条的条码识别率会进一步提升。

内容的提问来源于stack exchange，提问作者QI.x