1.一种基于Zbar的条形码图像识别算法，其特征在于，包括以下步骤：

101、将源图进行图像压缩得到缩略图，根据直接识别法识别缩略图条形码；若识别成功则转到结束流程，否则执行下一程序；和/或

102、将源图进行图像增强得到增强图，根据直接识别法识别增强图条形码；若识别成功则转到结束流程，否则执行下一程序；和

103、将源图进行图像压缩得到压缩图，根据条码区域识别法检测压缩图的倾斜角度，然后，使用该倾斜角矫正源图和/或压缩图得到目标图，在目标图中定位矩形区域并检测条形码；若识别成功则转到结束流程，否则显示错误信息并转到结束流程；和

104、结束流程：显示识别信息，算法结束。

2.根据权利要求1所述基于Zbar的条形码图像识别算法，其特征在于，所述步骤101中，使用opencv对源图进行图像压缩。

3.根据权利要求1所述基于Zbar的条形码图像识别算法，其特征在于，所述步骤102中，使用拉普拉斯算子对源图进行图像增强。

4.根据权利要求3所述基于Zbar的条形码图像识别算法，其特征在于，所述拉普拉斯运算定义为： 简化为： 式中，i，j＝0，1，2，…，N-1；k＝1，l＝1，H(r，s)取样如下式：

5.根据权利要求1所述基于Zbar的条形码图像识别算法，其特征在于，所述步骤103中，矫正源图的具体流程如下：

1)将源图压缩得到压缩图；和/或

2)将压缩图扩展为DFT变换的最佳尺寸；和

3)将单通道的实部和虚部mat融合成多通道的mat，存储变换结果；和

4)进行DFT变换并拆分其结果为实部和虚部；和

5)对源图进行二值化并进行Hough变换；和

6)获取倾斜角度矫正源图或压缩图得到目标图。

6.根据权利要求1所述基于Zbar的条形码图像识别算法，其特征在于，所述步骤103中，定位条形码区域的具体流程如下：

1)滤波降噪，对目标图进行高斯平滑滤波抑制服从正态分布的噪声；

2)水平垂直梯度差，使用Sobel算子求得灰度图像梯度差；

3)均值滤波，消除高频噪声；

4)二值化，根据阈值进行二值化，为闭运算做准备；

5)闭运算，填充条码间隙；

6)腐蚀，去除背景中的孤立点；

7)膨胀，填充腐蚀造成的空隙；

8)区域定位，通过findContours定位条形码区域的矩形边界。

7.根据权利要求5或6所述基于Zbar的条形码图像识别算法，其特征在于，所述二值化的具体流程如下：

1)计算图像的直方图；

2)计算灰度级个数为0的灰度级L，存储在数组a[m]中，其中min(image)

3)初始变量：初始最优目标值g＝0；初始最优阈值T＝min(image)；初始循环变量i＝min(image)；

4)循环计算目标值g0并判断：If(g0＞g){g＝g0，T＝i+1}；

5)把g存储到一维数组sum中；

6)i＝a[j](j＝1，2，3…m)时转到步骤4)；i＞＝a[m]停止；

7)找出sum中最大的一项，并计算其所对应的阈值T；

8)根据阈值T进行二值化。

8.根据权利要求7所述基于Zbar的条形码图像识别算法，其特征在于，所述定位条形码区域步骤中，膨胀的计算式为：

9.根据权利要求7所述基于Zbar的条形码图像识别算法，其特征在于，所述定位条形码区域步骤中，腐蚀的计算式为：

10.根据权利要求8或9所述基于Zbar的条形码图像识别算法，其特征在于，所述腐蚀与膨胀的关系式为： 其中，BT是B关于参考点的转置。