如何用Python可靠检测Code128条形码的四个角？

我最近在做条形码检测的需求，尝试用Python搭配zbar模块来识别下面这个Code128条形码：

（点击此处下载图片）

下面是我写的可运行代码：

import cv2, numpy
import zbar
from PIL import Image
import matplotlib.pyplot as plt
scanner = zbar.ImageScanner()
pil = Image.open("000.jpg").convert('L')
width, height = pil.size
plt.imshow(pil); plt.show()
image = zbar.Image(width, height, 'Y800', pil.tobytes())
result = scanner.scan(image)
for symbol in image:
    print symbol.data, symbol.type, symbol.quality, symbol.location, symbol.count, symbol.orientation

但运行后只检测到一个点：(596, 210)，完全没法定位条形码的完整范围。

后来我尝试做了黑白阈值处理：

pil = Image.open("000.jpg").convert('L')
pil = pil.point(lambda x: 0 if x<100 else 255, '1').convert('L')

处理后效果有所提升，能检测到3个点：(596, 210)、(482, 211)、(596, 212)，但新的问题又来了——我得自动为每张图片找到最优阈值（这次用的是100），而且即便这样，还是没法获取到条形码的4个角，没法完整框出条形码。

核心问题：如何用Python（可结合OpenCV或其他库）可靠检测图像中条形码的4个角？

备注： #

• 我知道这个功能肯定能实现，之前看到过一个效果特别棒的示例，可惜它不是开源的。这个方案的角点检测又准又快，哪怕条形码只占图像很小一部分（这对我的需求来说特别关键）。它的效果截图如下：
  

• 我还看过一个实时视频条形码检测的方案，但它有不少局限性，比如要求条形码必须近距离拍摄，应用场景被限制得很死，而且我更倾向于找现成可用的成熟库，不想自己从头造轮子。

• 另外还有一个基于OpenCV的图像条形码检测方案，但它更像研究阶段的demo，不是生产级别的解决方案。我用上面的测试图跑了它的代码，没得到预期结果，而且这个方案完全没考虑条形码的规范特征（比如Code128的起止符这类关键标识）。它的代码如下：

import numpy as np
import cv2
image = cv2.imread("000.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gradX = cv2.Sobel(gray, ddepth = cv2.CV_32F, dx = 1, dy = 0, ksize = -1)
gradY = cv2.Sobel(gray, ddepth = cv2.CV_32F, dx = 0, dy = 1, ksize = -1)
gradient = cv2.subtract(gradX, gradY)
gradient = cv2.convertScaleAbs(gradient)
blurred = cv2.blur(gradient, (9, 9))
(_, thresh) = cv2.threshold(blurred, 225, 255, cv2.THRESH_BINARY)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 7))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
closed = cv2.erode(closed, None, iterations = 4)
closed = cv2.dilate(closed, None, iterations = 4)
(_, cnts, _) = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
c = sorted(cnts, key = cv2.contourArea, reverse = True)[0]
rect = cv2.minAreaRect(c)
box = np.int0(cv2.boxPoints(rect))
cv2.drawContours(image, [box], -1, (0, 255, 0), 3)
cv2.imshow("Image", image)
cv2.waitKey(0)

内容的提问来源于stack exchange，提问作者Basj