您可以使用机器学习套件识别和解码条形码。
试试看
- 试用示例应用,查看此 API 的用法示例。
准备工作
- 在您的 Podfile 中添加以下机器学习套件 Pod:
pod 'GoogleMLKit/BarcodeScanning', '3.2.0'
- 安装或更新项目的 Pod 之后,请使用 Xcode 项目的
.xcworkspace
来打开项目。Xcode 12.4 版或更高版本支持机器学习套件。
输入图片准则
-
为了使机器学习套件准确读取条形码,输入图片必须包含由足够像素数据表示的条形码。
具体的像素数据要求取决于条形码的类型及其编码的数据量,因为许多条形码都支持大小可变的载荷。一般情况下,条形码的最小有效单位应至少为 2 像素宽,对于二维代码,应至少为 2 像素高。
例如,EAN-13 条形码由宽度为 1、2、3 或 4 个单位的条形和空格组成,因此 EAN-13 条形码图片最好包含宽度至少为 2、4、6 和 8 像素的条形和空格。由于一个 EAN-13 条形码的总宽度为 95 个单元,因此该条形码的宽度应至少为 190 像素。
更密集的格式(如 PDF417)需要更大的像素尺寸,这样机器学习套件才能可靠地读取它们。例如,一个 PDF417 码在一行中最多可包含 34 个 17 个单位宽的“单词”,理想情况下该宽度至少为 1156 像素。
-
图片聚焦不佳会影响扫描准确性。如果您的应用未获得可接受的结果,请让用户重新拍摄图片。
-
对于典型应用,建议提供分辨率更高的图片,例如 1280x720 或 1920x1080,这样在离相机较远处就可以扫描条形码。
但是,在延迟时间至关重要的应用中,您可以通过以较低分辨率捕获图片来提高性能,但要求条形码构成输入图片的大部分。另请参阅提高实时性能的相关提示。
1. 配置条形码扫描器
如果您知道要读取哪些格式的条形码,则可以将条形码扫描器配置为仅扫描这些格式,从而提高条形码扫描器的速度。例如,如需仅扫描 Aztec 码和二维码,请按照以下示例构建 BarcodeScannerOptions
对象:
Swift
let format = .all let barcodeOptions = BarcodeScannerOptions(formats: format)
支持以下格式:
- code128
- code39
- code93
- codaBar
- dataMatrix
- EAN13
- EAN8
- ITF
- qrCode
- UPCA
- UPCE
- PDF417
- Aztec
Objective-C
MLKBarcodeScannerOptions *options = [[MLKBarcodeScannerOptions alloc] initWithFormats: MLKBarcodeFormatQRCode | MLKBarcodeFormatAztec];
支持以下格式:
- Code-128 (
MLKBarcodeFormatCode128
) - 代码-39 (
MLKBarcodeFormatCode39
) - 代码-93 (
MLKBarcodeFormatCode93
) - Codabar (
MLKBarcodeFormatCodaBar
) - 数据矩阵 (
MLKBarcodeFormatDataMatrix
) - EAN-13(
MLKBarcodeFormatEAN13
) - EAN-8(
MLKBarcodeFormatEAN8
) - ITF(
MLKBarcodeFormatITF
) - 二维码 (
MLKBarcodeFormatQRCode
) - UPC-A (
MLKBarcodeFormatUPCA
) - UPC-E (
MLKBarcodeFormatUPCE
) - PDF-417(
MLKBarcodeFormatPDF417
) - 阿兹台克代码 (
MLKBarcodeFormatAztec
)
2. 准备输入图片
如需扫描图片中的条形码,请将图片作为UIImage
或 CMSampleBufferRef
传递给 BarcodeScanner
的 process()
或 results(in:)
方法:
使用 UIImage
或 CMSampleBuffer
创建一个 VisionImage
对象。
如果您使用的是 UIImage
,请按以下步骤操作:
- 使用
UIImage
创建一个VisionImage
对象。请务必指定正确的.orientation
。Swift
let image = VisionImage(image: UIImage) visionImage.orientation = image.imageOrientation
Objective-C
MLKVisionImage *visionImage = [[MLKVisionImage alloc] initWithImage:image]; visionImage.orientation = image.imageOrientation;
如果您使用的是 CMSampleBuffer
,请按以下步骤操作:
-
指定
CMSampleBuffer
中包含的图片数据的方向。如需获取图片方向,请运行以下命令:
Swift
func imageOrientation( deviceOrientation: UIDeviceOrientation, cameraPosition: AVCaptureDevice.Position ) -> UIImage.Orientation { switch deviceOrientation { case .portrait: return cameraPosition == .front ? .leftMirrored : .right case .landscapeLeft: return cameraPosition == .front ? .downMirrored : .up case .portraitUpsideDown: return cameraPosition == .front ? .rightMirrored : .left case .landscapeRight: return cameraPosition == .front ? .upMirrored : .down case .faceDown, .faceUp, .unknown: return .up } }
Objective-C
- (UIImageOrientation) imageOrientationFromDeviceOrientation:(UIDeviceOrientation)deviceOrientation cameraPosition:(AVCaptureDevicePosition)cameraPosition { switch (deviceOrientation) { case UIDeviceOrientationPortrait: return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationLeftMirrored : UIImageOrientationRight; case UIDeviceOrientationLandscapeLeft: return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationDownMirrored : UIImageOrientationUp; case UIDeviceOrientationPortraitUpsideDown: return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationRightMirrored : UIImageOrientationLeft; case UIDeviceOrientationLandscapeRight: return cameraPosition == AVCaptureDevicePositionFront ? UIImageOrientationUpMirrored : UIImageOrientationDown; case UIDeviceOrientationUnknown: case UIDeviceOrientationFaceUp: case UIDeviceOrientationFaceDown: return UIImageOrientationUp; } }
- 使用
CMSampleBuffer
对象和方向创建一个VisionImage
对象:Swift
let image = VisionImage(buffer: sampleBuffer) image.orientation = imageOrientation( deviceOrientation: UIDevice.current.orientation, cameraPosition: cameraPosition)
Objective-C
MLKVisionImage *image = [[MLKVisionImage alloc] initWithBuffer:sampleBuffer]; image.orientation = [self imageOrientationFromDeviceOrientation:UIDevice.currentDevice.orientation cameraPosition:cameraPosition];
3. 获取 BarcodeScanner 的实例
获取BarcodeScanner
的一个实例:
Swift
let barcodeScanner = BarcodeScanner.barcodeScanner() // Or, to change the default settings: // let barcodeScanner = BarcodeScanner.barcodeScanner(options: barcodeOptions)
Objective-C
MLKBarcodeScanner *barcodeScanner = [MLKBarcodeScanner barcodeScanner]; // Or, to change the default settings: // MLKBarcodeScanner *barcodeScanner = // [MLKBarcodeScanner barcodeScannerWithOptions:options];
4. 处理图片
然后,将图片传递给process()
方法:
Swift
barcodeScanner.process(visionImage) { features, error in guard error == nil, let features = features, !features.isEmpty else { // Error handling return } // Recognized barcodes }
Objective-C
[barcodeScanner processImage:image completion:^(NSArray<MLKBarcode *> *_Nullable barcodes, NSError *_Nullable error) { if (error != nil) { // Error handling return; } if (barcodes.count > 0) { // Recognized barcodes } }];
5. 从条形码中获取信息
如果条形码扫描操作成功,扫描器会返回一组Barcode
对象。每个 Barcode
对象代表一个在图片中检测到的条形码。对于每个条形码,您可以获取它在输入图片中的边界坐标以及由条形码编码的原始数据。此外,如果条形码扫描器能够确定条形码编码的数据类型,您可以获取包含已解析数据的对象。
例如:
Swift
for barcode in barcodes { let corners = barcode.cornerPoints let displayValue = barcode.displayValue let rawValue = barcode.rawValue let valueType = barcode.valueType switch valueType { case .wiFi: let ssid = barcode.wifi?.ssid let password = barcode.wifi?.password let encryptionType = barcode.wifi?.type case .URL: let title = barcode.url!.title let url = barcode.url!.url default: // See API reference for all supported value types } }
Objective-C
for (MLKBarcode *barcode in barcodes) { NSArray *corners = barcode.cornerPoints; NSString *displayValue = barcode.displayValue; NSString *rawValue = barcode.rawValue; MLKBarcodeValueType valueType = barcode.valueType; switch (valueType) { case MLKBarcodeValueTypeWiFi: ssid = barcode.wifi.ssid; password = barcode.wifi.password; encryptionType = barcode.wifi.type; break; case MLKBarcodeValueTypeURL: url = barcode.URL.url; title = barcode.URL.title; break; // ... default: break; } }
提高实时性能的相关提示
如果要在实时应用中扫描条形码,请遵循以下准则以实现最佳帧速率:
-
请勿以相机的原生分辨率捕获输入。在某些设备上,以原生分辨率捕获输入会生成超大(1000 多万像素)的图像,这会导致延迟极低,且对准确性没有任何好处。而应仅从相机请求扫描条形码所需的尺寸(通常不超过 200 万像素)。
但不建议使用指定的拍摄会话预设(
AVCaptureSessionPresetDefault
、AVCaptureSessionPresetLow
、AVCaptureSessionPresetMedium
等),因为它们可能映射到某些设备上不合适的分辨率。请改为使用特定预设,例如AVCaptureSessionPreset1280x720
。如果扫描速度很重要,您可以进一步降低图片拍摄分辨率。但是,请注意上述最低条形码尺寸要求。
如果您尝试从一系列流式视频帧中识别条形码,识别器可能会在不同帧中生成不同的结果。您应该等到获得相同值的连续数据系列,以确保返回理想结果。
ITF 和 CODE-39 不支持校验和数字。
- 如需处理视频帧,请使用检测器的
results(in:)
同步 API。从AVCaptureVideoDataOutputSampleBufferDelegate
的captureOutput(_, didOutput:from:)
函数调用此方法,以同步获取给定视频帧的结果。将AVCaptureVideoDataOutput
的alwaysDiscardsLateVideoFrames
保持为true
,以限制对检测器的调用。如果在检测器运行时有新的视频帧可用,该帧将被丢弃。 - 如果使用检测器的输出将图形叠加在输入图片上,请先从机器学习套件获取结果,然后在一个步骤中完成图片的呈现和叠加。采用这一方法,每个已处理的输入帧只需在显示表面渲染一次。如需查看示例,请参阅机器学习套件快速入门示例中的 updatePreviewOverlayViewWithLastFrame。