条形码具有识别速度快、精度高、使用时限长、成本低廉等特点,因此,它在商品流通、工业生产、制造业等领域被大量使用,给人民生活带来了极大的方便。目前,传统识别算法对条形码的方向性和条形码的质量有苛刻要求,并且大部分的识别都是针对区域内含有一个条形码的情况进行研究,而在实际的工业需求中,往往存在一个区域多个条形码的情况,所以急需一种准确率高、识别速度快的多条形码识别技术对条形码进行识别。本论文基于机器视觉对多条码的识别算法进行研究,主要研究内容及结论如下:首先,利用CCD图像扫描器对多条形码图像进行采集,对采集到的多条形码图像进行一些预处理,其中包括,采用中值滤波对图像噪声进行过滤,并对多条形码图像的灰度化采用加权平均值法进行处理,从而获得明暗效果理想的条形码图像;采用灰度变换方法增强多条形码图像的对比度,实验效果表明多条形码图像的对比度经过灰度变换处理后有明显的增强;多条形码图像的边缘采用Scharr算子检测以获得多条形码图像的结构属性;多条形码图像的二值化操作采用不同的二值化算法进行实验,最终根据实验效果,论文中多条形码图像二值化处理选取了最大类间方差法。然后,融合了形态学处理和区域描述算法对预处理后的多条形码进行定位和识别。通过选取合适的阈值,分割条形码图像,从而删除掉连通区域面积小于阈值的区域。这样,不但能有效清除非条形码区域,还能有效的保留条形码图像细节,从而缩小条形码图像搜索范围,提高条形码定位速度。最后,采用条形码样本集对此算法的识别效果进行验证,实验结果证明,本论文设计的算法对多条形码具有较好的识别效果,条形码首取率达到99%,单个条形码平均识别时间为180ms,能满足本项目的要求。另外,本论文提出的基于机器视觉的多条形码算法在条形码智能识读器项目应用中获得的一些推论和相关数据,对于拓展多条形码的定位识别方式具有一定的借鉴意义。