我在尝试使用java openCV 识别条形码。在花边框时却这样。
我初步判断是，计算面积出现问题。

System.out.println("Welcome to OpenCV "+Core.VERSION);
Mat m = new Mat(5,10, CvType.CV_8UC1,new Scalar(0));
System.out.println("OpenCV:"+m);

    Mat srcImage = Imgcodecs.imread("C:\\Users\\13543\\Desktop\\timg.jpg");//原始
    Mat grayImage = new Mat();//灰色

    Mat gradientXImage = new Mat();
    Mat gradientYImage = new Mat();

    Mat gradientImage = new Mat();

    Mat blurImage = new Mat();//降噪图
    Mat thresholdImage = new Mat();

    Mat morphImage = new Mat();

    Mat resultFileNameSring = new Mat();



    ImageViewer imageViewer = new ImageViewer(srcImage, "原图");
    imageViewer.imshow();

    if(srcImage.empty()){
        System.out.println("image file read error");
        return;
    }
    //图片转为灰度图片
    if(srcImage.channels()==3){
        Imgproc.cvtColor(srcImage,grayImage,Imgproc.COLOR_RGB2GRAY);
    }else{
        grayImage = srcImage.clone();
    }

    new ImageViewer(grayImage, "灰色图").imshow();

    //建立图像的梯度幅值（滤波器）
    Imgproc.Scharr(grayImage,gradientXImage,CvType.CV_32F,1,0);
    Imgproc.Scharr(grayImage,gradientYImage,CvType.CV_32F,0,1);
    //因为我们需要的条形码在需要X方向水平,所以更多的关注X方向的梯度幅值,而省略掉Y方向的梯度幅值
    Core.subtract(gradientXImage,gradientYImage,gradientImage);
    //归一化为八位图像
    Core.convertScaleAbs(gradientImage,gradientImage);
    //看看得到的梯度图像是什么样子
    new ImageViewer(gradientImage, "3图").imshow();
    //对图片进行相应的模糊化,使一些噪点消除
    Imgproc.blur(gradientImage,blurImage,new Size(9,9));
    //模糊化以后进行阈值化,得到到对应的黑白二值化图像,二值化的阈值可以根据实际情况调整
    Imgproc.threshold(blurImage,thresholdImage,210,255,Imgproc.THRESH_BINARY);
    //看看二值化图像
    new ImageViewer(thresholdImage, "4图").imshow();
    //二值化以后的图像,条形码之间的黑白没有连接起来,就要进行形态学运算,消除缝隙,相当于小型的黑洞,选择闭运算
    //因为是长条之间的缝隙,所以需要选择宽度大于长度
    Mat kernel = Imgproc.getStructuringElement(MORPH_RECT,new Size(21,7));
    Imgproc.morphologyEx(thresholdImage,morphImage,MORPH_CLOSE,kernel);
    //看看形态学操作以后的图像
    new ImageViewer(morphImage, "5图").imshow();
    //现在要让条形码区域连接在一起,所以选择膨胀腐蚀,而且为了保持图形大小基本不变,应该使用相同次数的膨胀腐蚀
    //先腐蚀,让其他区域的亮的地方变少最好是消除,然后膨胀回来,消除干扰,迭代次数根据实际情况选择
    Imgproc.erode(morphImage,morphImage,Imgproc.getStructuringElement(MORPH_RECT,new Size(3,3)),new Point(-1,-1),4);
    Imgproc.dilate(morphImage,morphImage,Imgproc.getStructuringElement(MORPH_RECT,new Size(3,3)),new Point(-1,-1),4);
    //看看形态学操作以后的图像
    new ImageViewer(morphImage, "6图").imshow();

    List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
    List<Double> contourArea = new ArrayList<Double>();

    Mat hierarchy = new Mat();
    //接下来对目标轮廓进行查找,目标是为了计算图像面积
    Imgproc.findContours(morphImage,contours,hierarchy,Imgproc.RETR_EXTERNAL,Imgproc.CHAIN_APPROX_SIMPLE);

System.out.println("============"+contours.size());
//计算轮廓的面积并且存放
for(int i = 0; i < contours.size();i++)
{
contourArea.add(Imgproc.contourArea(contours.get(i)));
}
//找出面积最大的轮廓
Double maxValue;Point maxLoc;
Core.MinMaxLocResult minMaxLocResult = Core.minMaxLoc(morphImage);
// minMaxLoc(contourArea, NULL,&maxValue,NULL,&maxLoc);
// minMaxLoc()
// Core.MinMaxLocResult
// Core.MinMaxLocResult minMaxLocResult = Core.minMaxLoc(morphImage,morphImage);//Core.minMaxLoc(morphImage);
maxValue = minMaxLocResult.maxVal;
maxLoc = minMaxLocResult.maxLoc;
System.out.println("x:"+maxLoc.x+" y:"+maxLoc.y+" maxVal:"+maxValue);
//
// System.out.println("*********Start*******");
List<MatOfPoint2f> newContours = new ArrayList<>();
for(MatOfPoint point : contours) {
MatOfPoint2f newPoint = new MatOfPoint2f(point.toArray());
newContours.add(newPoint);
}

/计算面积最大的轮廓的最小的外包矩形
//// MatOfPoint2f m2f = (MatOfPoint2f) contours.get((int)maxLoc.x);
RotatedRect minRect = minAreaRect(newContours.get((int)maxLoc.x));
//
//
//
//
//

// //为了防止找错,要检查这个矩形的偏斜角度不能超标
// //如果超标,那就是没找到
if(minRect.angle<2.0){
//找到了矩形的角度,但是这是一个旋转矩形,所以还要重新获得一个外包最小矩形
Rect myRect = boundingRect(newContours.get((int)maxLoc.x));
// //把这个矩形在源图像中画出来
rectangle(srcImage,myRect,new Scalar(0,255,255),3,LINE_AA);
// //把这个矩形在源图像中画出来
new ImageViewer(srcImage, "7图").imshow();

    }