OpenCV无法检出条形码所有平行窄矩形条 漏检问题求解

• 预处理滤波参数配置过高：pyrMeanShiftFiltering设置的11像素空间半径、21色彩半径，会把宽度仅2-3像素的窄条码带和相邻白色间隙、邻条边缘过度平滑融合，直接让窄条在预处理阶段丢失独立轮廓特征
• 轮廓近似规则过于严苛：固定使用0.001 * perimeter作为多边形近似容差，窄条因为周长数值低，哪怕边缘存在1-2个像素的不规则抖动，就会被近似为非四边形轮廓，直接被过滤逻辑排除
• 未利用已知场景先验：全程依赖“轮廓为严格四边形”的形状匹配规则，没有结合“所有条带高度与条形码整体完全一致、互相平行垂直”的确定性特征，对尺寸差异大的条带鲁棒性不足
• 存在冗余代码：原逻辑中x = cv2.rectangle(...)的赋值无实际意义，矩形绘制函数直接在原图上修改，不需要接收返回值

• 下调滤波参数匹配窄条特征
  将均值漂移滤波的核参数调低，避免窄带被过度平滑：比如替换为blur = cv2.pyrMeanShiftFiltering(image, 5, 10)，高分辨率输入场景下可直接使用3x3中值滤波替代，进一步降低边缘融合概率
• 优化轮廓筛选逻辑
  不再把“轮廓严格为4个顶点”作为唯一判定条件：先通过二值图的最大轮廓定位整个条形码的整体高度值，再对所有候选轮廓做匹配，只要满足两个条件就判定为有效条带：
• 轮廓高度与条码整体高度的差值在5%以内
• 轮廓为竖直形态（宽度远小于高度）
• 增加定向形态学操作补全断裂像素
  仅沿垂直方向做小范围闭运算，连接窄条因为扫描抖动产生的断裂像素，不会在水平方向加宽条带、导致相邻条带融合

# 调整后的预处理流程
blur = cv2.pyrMeanShiftFiltering(image, 5, 10)
gray = cv2.cvtColor(blur, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
# 仅垂直方向补全断裂像素，不水平融合相邻条带
vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 3))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, vertical_kernel)

# 提取所有外轮廓
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

# 计算整个条形码的基准高度，作为筛选依据
barcode_base_height = max([cv2.boundingRect(c)[3] for c in cnts])

# 逐轮廓做先验匹配
for c in cnts:
    x, y, w, h = cv2.boundingRect(c)
    # 判定条件：高度匹配整体条码高度、为竖直窄条
    if abs(h - barcode_base_height) < 0.05 * barcode_base_height and w < h:
        cv2.rectangle(image, (x, y), (x+w, y+h), (36, 250, 12), 1)

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