嘉善条形码怎么查询？

条码技术是电子与信息科学领域的高新技术，所涉及的技术领域较广，是多项技术相结合的产物，经过多年的长期研究和应用实践，现已发展成为较成熟的实用技术。

自动识别技术是信息数据自动识读、自动输入计算机的重要手段，已形成了包括条码技术、射频技术、生物识别、语音识别、图像识别及磁卡技术等高新科学技术。条码作为一种图形识别技术与其他识别技术相比有如下特点：

（1）简单。条码符号制作容易，扫描操作简单易行。

（2）信息采集速度快。普通计算机的键盘录入速度是200字符/分钟，而利用条码扫描录入信息的速度是键盘录入的20倍。

（3）采集信息量大。利用条码扫描，一次可以采集几十位字符的信息，而且可以通过选择不同码制的条码增加字符密度，使录入的信息量成倍增加。

（4）可靠性高。键盘录入数据，误码率为三百分之一，利用光学字符识别技术，误码率约为万分之一。而采用条码扫描录入方式，误码率仅有百万分之一，首读率可达98%以上。

（5）灵活、实用。条码符号作为一种识别手段可以单独使用，也可以和有关设备组成识别系统实现自动化识别，还可和其他控制设备联系起来实现整个系统的自动化管理。同时，在没有自动识别设备时，也可实现手工键盘输入。

（6）自由度大。识别装置与条码标签相对位置的自由度要比光学识别大得多。条码通常只在一维方向上表示信息，而同一条码符号上所表示的信息是连续的，这样即使是标签上的条码符号在条的方向上有部分残缺，仍可以从正常部分识读正确的信息。

（7）设备结构简单、成本低。条码符号识别设备的结构简单，操作容易，无须专门训练。与其他自动化识别技术相比较，推广应用条码技术，所需费用较低。

嘉兴条形码的标准尺寸是37.29mmx26.26mm，放大倍率是0.8-2.0。

当印刷面积允许时，应选择1.0倍率以上的条形码，以满足识读要求。放大倍数越小的条形码，印刷精度要求越高，当印刷精度不能满足要求时，易造成条形码识读困难。

条形码都是按照预先规定的编码规则和条形码有关标准，由条和空组合而成的。编码规则主要研究包括条形码基本术语在内的一些基本概念和条形码符号结构以及编码基本原理。

条码在识读之前必须进行图像处理，下面介绍几种常见的图像处理的理论和算法。

1．灰度处理

数字图像在计算机上以位图的形式存在，位图是一个矩阵式点阵，其中每一点称为像素，像素是数字图像中的基本单位。一幅m×n大小的图像，是由m×n个明暗度不等的像素组成的。数字图像中各个像素所具有的明暗程度由灰度值所标识。一般将白色的灰度值定义为255，黑色的灰度值定义为0，而由黑到白之间的明暗度均匀地划分为256个等级。对于黑白图像，每个像素用一个字节数据来表示，而在彩色图像中，每个像素需用三个字节数据来表述，就能呈现五彩缤纷的颜色。彩色图像可以分解成红（R）、绿（G）、蓝（B）三个单色图像，任何一种颜色都可以由这三种颜色混合构成。在图像处理中，彩色图像的处理通常是通过对其三个单色图像分别处理而得到的。但是一幅彩图中每个像素都用RGB分量表示，图像文件将会变得非常庞大，因此在实际应用中，通常采用调色技术，将256色位图转变为灰度图像。对于24位真彩图，每个像素用三个字节分别表示R、G、B三个分量。将256色位图转换为灰度图像，首先必须计算每一种颜色对应的灰度值。256色位图的灰度图像与RGB值的对应关系如下：

Y＝0.299R＋0.587G＋0.114BR＝G＝B＝Y

根据R、G、B的值求出Y值后，将R、G、B的值都赋予Y值，写入新图，这样就可以将256色位图转换成灰度图像。

2．灰度直方图

在数字图像处理中，一个简单和有用的工具是直方图，它概括一幅图像的灰度级内容。任何一幅图像的直方图都包括了可观的信息，某些类型的直方图还可以由其直方图完全描述。直方图的计算是简单的，直方图的计算可以用相当低的代价来完成。

直方图是灰度值的函数，描述的是图像中具有该灰度级的像素的个数，其横坐标级（0～L－1），纵坐标表示该灰度出现的频率（像素的个数）

3．图像二值化处理

为了便于对图像进行后续处理，需要对图像进行二值化处理，二值化处理将不可避免地丢失图像信息。若阈值选取过小，会提取多余的部分；若选取的过大，会丢失所需要的图像信息。因此阈值选取是图像二值化处理中的一项重要技术，它的选取直接关系到后续的处理。针对条码识读系统而言，二值化图像的效果直接影响到条码识读的可靠性。

阈值化分割原理：先确定一个处于图像灰度取值范围之中的阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素划分为两类：像素灰度值大于阈值的为一类，像素值小于和等于阈值的为另一类。这两类像素一般分属图像中的两类区域，所以对像素根据阈值分类达到了分割的目的。如果一个物体其内部具有均匀一致的灰度值，并分布在一个具有另一个灰度值均匀背景中，使用阈值的效果更佳。

阈值分割算法主要有两个步骤：

①确定需要的分割阈值。

②将像素与分割阈值做比较并划分。