先上代码：
1 def barcode(image): 2 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 3 blur = cv2.GaussianBlur(gray, (5, 5), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) 4 cv2.imshow('GaussianBlur', blur) 5 kernel_x = numpy.array([ 6 [-1, 0, 1], 7 [-2, 0, 2], 8 [-1, 0, 1] 9 ])10 kernel_y = numpy.array([11 [-1, -2, -1],12 [0, 0, 0],13 [1, 2, 1]14 ])15 x = cv2.filter2D(blur, -1, kernel_x)16 y = cv2.filter2D(blur, -1, kernel_y)17 cv2.imshow('Sobel', x)18 _, threshold = cv2.threshold(x, 127, 255, cv2.THRESH_BINARY)19 kernel = numpy.ones((3, 3), numpy.uint8)20 r_e = cv2.erode(threshold, kernel, iterations=1)21 r_d = cv2.dilate(r_e, kernel, iterations=10)22 contours, hir = cv2.findContours(r_d, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)23 max_contour = numpy.array(max(contours, key=cv2.contourArea))24 x, y, w, h = cv2.boundingRect(max_contour)25 cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
定位思路：
1、转灰度图
2、通过高斯模糊去除图像噪点，如果不使用高斯模糊去噪的话，条形码的线段会有些弯曲，看场景是否需要
3、使用sobel进行边缘检测，请注意分辨sobel水平变换和垂直变换的差别
4、进行二值化，相比于上一步的sobel，可以发现消除一些独立的噪点，但是还是保留了一些，可以更改参数再进行调整
5、进行形态学运算（膨胀腐蚀）对应代码中的iterations的次数是尝试过后的最佳成效，可以自己调整次数看看不同效果
6、寻找轮廓，通过对原图处理后，我们得到的上述最终的效果图可以发现，最大的白色区域就是我们需要的条形码区域，所以我们通过cv2.contourArea()和max()配合来寻找最大面积，最后在原图上绘制出我们的目标区域
值得注意的是，上述思路有比较大的局限性，首先是针对原图的显示问题，如果不是水平拍摄，是垂直拍摄时，我们需要更改sobel使用垂直变换卷积核，或者对原图进行旋转。
其次是，我们定位最终的barcode区域使用到了max来查找最大面积，所以这就意味着，原图中，barcode整体轮廓必须是最大的。
参考博客：一种改进的条形码定位方案，基于openCV实现，附完整源代码_opencv条形码识别-CSDN博客