für ein Uni-Projekt möchte ich Barcodes aus Echtbildern miteinander vergleichen. Ein Modell habe ich bereits mit Yolo trainiert.
Über die Koordinaten der Ausgabe isoliere ich mit Pillow die Barcodes vom Restbild. Nun würde ich die Barcodes miteinander vergleichen wollen.
Die Barcodes kommen aus Echtbildern und sind räumlich nicht gleich Positioniert, oder gleich groß.
Ich denke mit Yolo und Pillow fahre ich schon ganz gut und habe ordentlich was geschafft. Aber jetzt hänge ich und habe keine weitere Idee.
Ich würde versuchen die Barcodes räumlich auf 0° zu positionieren und in ihren Größen zu normieren. Anschließend würde ich versuchen eine Flächeneinheit auf die Barcodes zu positionieren und die durchschnittlichen Farbwerte zu vergleichen (ich behaupte mal, dass unterschiedliche Produkte signifikant unterschiedliche Farbwerte in den Barcodes aufweisen - mit prozentualer Abweichung von über 20% in allen RGB Werten ... oder so ähnlich.
Mit der Positionierung tue ich mich sehr schwer. Eventuell denke ich hier auch viel zu kompliziert.
Das ganze soll hinterher automatisiert ablaufen - keine Winkelkorrekturen mit der Hand oder dergleichen.
Es geht nur darum zu entscheiden, ob es sich um zwei gleiche Produkte handelt, der Barcode wird nicht wie an der Kasse eingelesen.
Aufgrund des mahnenden Artikels "An Schüler und Studenten": Das ist ein Projektpraktikum ohne Vorlesung. Die Umsetzung steht mir absolut frei. Die einzige Informatikgrundlage aus dem Studium sind Grundlage in C. Mit Python arbeite ich für die Auswertung meiner Messdaten in den Laborversuchen sehr gerne und auch privat ein wenig. Für sowas fehlt nur leider noch die Grundlage.
Ich bedanke mich herzlichst für jeden Tipp
