Idea de proyecto : un proyecto basado en escanear y detectar códigos qr y con la inclusión de estimación de pose para la optimización en la detección de código qr y mostrar una pirámide sobre él virtualmente y almacenar los datos leídos del código qr.
Código QR : código de respuesta rápida: un código QR utiliza cuatro modos de codificación estandarizados (numérico, alfanumérico y byte/binario) para almacenar datos de manera eficiente; También se pueden usar extensiones.
Cómo instalar ->Instalar python (2.7 o 3.0 o superior) ->Instalar biblioteca OpenCV para Ubuntu ->Instalar bibliotecas zbar, numpy, PIL para ubuntu ->Copiar y pegar el código en el editor y guardarlo como qrcode.py
Ejecutando el código: ->Abrir terminal y ejecutar el siguiente comando ->python qrcode.py
Python
import zbar
from PIL import Image,ImageColor
import cv2
import numpy as np
cv2.namedWindow("Python Qr-Code Detection")
cap = cv2.VideoCapture(0)
scanner = zbar.ImageScanner()
scanner.parse_config('enable')
while True:
ret, im = cap.read()
if not ret:
continue
# Read Image
#im = cv2.imread("sahilkhosla.jpg");
size = im.shape
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY, dstCn=0)
pil = Image.fromarray(gray)
width, height = pil.size
raw = pil.tobytes()
image = zbar.Image(width, height, 'Y800', raw)
scanner.scan(image)
for symbol in image:
print 'decoded', symbol.type, 'symbol', '"%s"' % symbol.data
topLeftCorners, bottomLeftCorners, bottomRightCorners, topRightCorners = [item for item in symbol.location]
cv2.line(im, topLeftCorners, topRightCorners, (255,0,0),2)
cv2.line(im, topLeftCorners, bottomLeftCorners, (255,0,0),2)
cv2.line(im, topRightCorners, bottomRightCorners, (255,0,0),2)
cv2.line(im, bottomLeftCorners, bottomRightCorners, (255,0,0),2)
#2D image points. If you change the image, you need to change vector
image_points = np.array([
(int((topLeftCorners[0]+topRightCorners[0])/2), int((topLeftCorners[1]+bottomLeftCorners[1])/2)), # Nose
topLeftCorners, # Left eye left corner
topRightCorners, # Right eye right corner
bottomLeftCorners, # Left Mouth corner
bottomRightCorners # Right mouth corner
], dtype="double")
# 3D model points.
model_points = np.array([
(0.0, 0.0, 0.0), # Nose
(-225.0, 170.0, -135.0), # Left eye left corner
(225.0, 170.0, -135.0), # Right eye right corner
(-150.0, -150.0, -125.0), # Left Mouth corner
(150.0, -150.0, -125.0) # Right mouth corner
])
# Camera internals
focal_length = size[1]
center = (size[1]/2, size[0]/2)
camera_matrix = np.array(
[[focal_length, 0, center[0]],
[0, focal_length, center[1]],
[0, 0, 1]], dtype = "double"
)
print "Camera Matrix :\n {0}".format(camera_matrix)
dist_coeffs = np.zeros((4,1)) # Assuming no lens distortion
(success, rotation_vector, translation_vector) = cv2.solvePnP(model_points, image_points, camera_matrix, dist_coeffs, flags=cv2.CV_ITERATIVE)
print "Rotation Vector:\n {0}".format(rotation_vector)
print "Translation Vector:\n {0}".format(translation_vector)
# Project a 3D point (0, 0, 1000.0) onto the image plane.
# We use this to draw a line sticking out of the nose
(nose_end_point2D, jacobian) = cv2.projectPoints(np.array([(0.0, 0.0, 100.0)]), rotation_vector, translation_vector, camera_matrix, dist_coeffs)
for p in image_points:
cv2.circle(im, (int(p[0]), int(p[1])), 3, (0,0,255), -1)
p1 = ( int(image_points[0][0]), int(image_points[0][1]))
p2 = ( int(nose_end_point2D[0][0][0]), int(nose_end_point2D[0][0][1]))
#pillars
cv2.line(im, bottomLeftCorners, p2, (255,0,0), 2)
cv2.line(im, topLeftCorners, p2, (255,0,0), 2)
cv2.line(im, bottomRightCorners, p2, (255,0,0), 2)
cv2.line(im, topRightCorners, p2, (255,0,0), 2)
# Display image
cv2.imshow("Output", im)
# Wait for the magic key
keypress = cv2.waitKey(1) & 0xFF
if keypress == ord('q'):
break
cv2.waitKey(0)
Para más Proyectos visita este enlace
Publicación traducida automáticamente
Artículo escrito por sahilkhoslaa y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA