Nano Hash - криптовалюты, майнинг, программирование

Та же форма, тот же штрих-код (128), Zxing считывает только один штрих-код (из 2 документов)

Я пишу простую программу, которая извлекает штрих-код из изображений.

Я пробовал zxing. Это сработало хорошо. Пока я не обнаружил кое-что странное.

Организация, в которой я работаю, публикует формы. Та же форма (которую я получил из 2-х мест в

org) с тем же штрих-кодом, я отсканировал их на той же машине (также тот же результат), чтобы

формат пдф.

Zxing действительно хорошо справляется с первым изображением и возвращает штрих-код. Не повезло с

второе изображение. Я получил com.google.zxing.NotFoundException при попытке извлечь штрих-код

со второго изображения. Проблема возникла с большим количеством форм организации).

Это изображение, которое Zxing не распознает.

http://s000.tinyupload.com/?file_id=12080994969485224486

Это тот, кого он признает.

http://s000.tinyupload.com/?file_id=30365671784453283753

Это мой код:

private String handlePdf(File pdfFile) throws Exception { 


    StringBuilder sb = new StringBuilder();  


    PDDocument pdDoc = PDDocument.load(pdfFile);  


    int size = pdDoc.getDocumentCatalog().getAllPages().size();  


    for (int i = 0; i < size; i++) {    


        PDPage page = (PDPage) pdDoc.getDocumentCatalog().getAllPages().get(i); 


        PDResources resources = page.getResources();  


        Map images = resources.getImages();  


           if (images != null) {  


            Iterator<String> imageIter = images.keySet().iterator();  


                   while (imageIter.hasNext()) {  


                  String key = (String) imageIter.next();  


                  PDXObjectImage image = (PDXObjectImage) images.get(key);  


                  String barcode = null ;  


                  barcode = extraceBarcodeFromImage(image.getRGBImage());  


                if(barcode!= null){  


                   sb.append(barcode);  


                   sb.append(",");  


                }  


               }  


         }  

    }  


     return sb.capacity() > 0 ? sb.toString().substring(0, sb.length()-1) : 
                                  "no barcode was found";


}    



private String extraceBarcodeFromImage(BufferedImage image)  


            throws NotFoundException {  


    String finalResult;  


    if (image == null)  


        throw new IllegalArgumentException("Could not decode image.");  


    Map<DecodeHintType, Object> HINTS;  


    HINTS = new EnumMap(DecodeHintType.class);  


    HINTS.put(DecodeHintType.TRY_HARDER, Boolean.TRUE);  


    HINTS.put(DecodeHintType.POSSIBLE_FORMATS,  


            EnumSet.allOf(BarcodeFormat.class));  


    Map<DecodeHintType, Object> HINTS_PURE;  


    HINTS_PURE = new EnumMap<DecodeHintType, Object>(HINTS);  


    HINTS_PURE.put(DecodeHintType.PURE_BARCODE, Boolean.TRUE);  


    LuminanceSource source = new BufferedImageLuminanceSource(image);  


    BinaryBitmap bitmap = new BinaryBitmap(new GlobalHistogramBinarizer(  


            source));  


    MultiFormatReader barcodeReader = new MultiFormatReader();   


    Result result;  


    result = barcodeReader.decode(bitmap, HINTS_PURE);   


    finalResult = String.valueOf(result.getText());  


    return finalResult;  


}  

Спасибо за любую помощь, которую вы можете оказать в этой ситуации.

09.09.2013

  • Можете ли вы предоставить фактические PDF-файлы для анализа? 10.09.2013
  • Я предоставил 2 ссылки на PDF-файлы. Они сломаны? 10.09.2013
  • Ok. Когда я попытался загрузить с мобильного телефона, был сохранен какой-то html, а не PDF-файлы. На моем рабочем столе теперь загружаются фактические PDF-файлы. 10.09.2013
  • Спасибо, буду признателен узнать ваше мнение. 10.09.2013

Ответы:


1

Проблема просто в довольно низком качестве изображения.

Посмотрите на рабочий штрих-код при некотором увеличении:

увеличенный рабочий штрих-код

Качество не очень, но достаточно.

Теперь сравните его с неработающим штрих-кодом:

увеличенный неработающий штрих-код

Он несколько повернут и (может быть, из-за вращения) полоски очень бахромчатые. Слишком бахрома для zxing, чтобы распознать штрих-код.

Я просмотрел это с помощью отладчика, и даже заставив его просмотреть каждую строку изображения (без манипуляций он просматривает только 256 равномерно расположенных строк), он не нашел ни одной строки, которую можно было бы успешно прочитать как штрих-код.

Таким образом, вам нужно либо улучшить качество сканов (более высокое разрешение, убедиться, что документ не повернут, ...), либо искать библиотеку для считывания штрих-кода, которая не просто просматривает столбцы или строки изображения по отдельности, а вместо этого пытается распознать более крупные структуры. Я недостаточно глубоко разбираюсь в этих вещах, чтобы что-то рекомендовать.

10.09.2013
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..