Python数据矩阵检测

Question

通过使用开源库，pylibdmtx能够检测图像内的数据矩阵条形码。当条形码只是大图像中的一小部分时，处理速度变慢。缩小和检测条形码需要很少的论据

以下是库中编码的一部分

with libdmtx_decoder(img, shrink) as decoder:
        properties = [
            (DmtxProperty.DmtxPropScanGap, gap_size),
            (DmtxProperty.DmtxPropSymbolSize, shape),
            (DmtxProperty.DmtxPropSquareDevn, deviation),
            (DmtxProperty.DmtxPropEdgeThresh, threshold),
            (DmtxProperty.DmtxPropEdgeMin, min_edge),
            (DmtxProperty.DmtxPropEdgeMax, max_edge)
        ]

我的问题是，pylibdmtx旁边还有其他库吗？或任何提高处理速度而不影响准确性的建议。顺便说一下pylibdmtx在18/1/2017更新，它是一个维护的库

Answer 1

一个选项是通过图像过滤预先定位代码。

数据矩阵具有高对比度（理论上）和给定的单元格大小。如果您篡改图像以使单元格变为一个或两个像素大，则数据矩阵将突出显示为高度纹理化的区域，并且渐变将强烈响应。

Answer 2

我也在使用该库对数据矩阵进行解码，我发现有关这些参数的信息是超时是以毫秒为单位的int值，这确实有助于快速解码，gap_size在两个以上的数据矩阵之间没有像素时，依次排列一个数据矩阵，以相等间隔进行解码。具有阈值时，您可以直接给此函数提供0-100之间的阈值，而无需使用open-CV函数，并且max count是要在一个图像中解码的数据矩阵的个数，形状是data_matrix size i。 1010为0，1212为1，依此类推。 结合使用所有这些，我们可以快速有效地解码数据矩阵。