最明显的缺点是可以容纳的数据量小.通常二维条码数据容量是一维条码的几倍至十几倍,电子标签就更大了.

徐州条形码是迄今为止最经济、实用的一种自动识别技术。条形码技术具有以下几个方面的优点

A．输入速度快：与键盘输入相比，条形码输入的速度是键盘输入的5倍，并且能实现即时数据输入。

B．可靠性高：键盘输入数据出错率为三百分之一，利用光学字符识别技术出错率为万分之一，而采用条形码技术误码率低于百万分之一。

C．采集信息量大：利用传统的一维条形码一次可采集几十位字符的信息，二维条形码更可以携带数千个字符的信息，并有一定的自动纠错能力。

D．灵活实用：条形码标识既可以作为一种识别手段单独使用，也可以和有关识别设备组成一个系统实现自动化识别，还可以和其他控制设备联接起来实现自动化管理。

1.商品条码是商品的“身份证”，是商品流通于国际市场的“共同语言”。

2.商品信息的数字代码转换成由一组规则排列的平行线条构成的特殊符号。

3.食品杂货业率先在食品包装载体上使用这种条码，随之扩展到世界范围内使用。

4.申请法国徐州条形码须要申请加入“法国货品编码协会”成为会员，然后就可以向相关的部门申请新产品的条形码标识。

条码生成软件是一款专业的条码生成工具，支持100多种徐州条形码、二维码类型。生成的条码识别率可达A级。最近有客户咨询，在条码生成软件生成某个条码类型之后，如果想要修改成其他的类型，该如何制作？具体如下：

打开条码生成软件，新建标签之后，点击软件左侧的条形码按钮，在画布上绘制一个条形码对象，双击条形码，在图形属性-条码-类型中，可以看到，软件默认的条码类型是Code128。如果不想要软件默认的条码类型，想要切换成其他类型的话，在图形属性-条码中，点击类型右侧的三角符号，在下拉列表中选中你所需要的条码类型。在数据源中，数据对象支持多种数据类型如：手动输入、数据库导入、随机生成、序列生成、数据引用、脚本编程等等，可以根据自己的需求选择合适的数据对象类型，这里点击修改按钮，数据对象类型选择手动输入，在下面的状态框中，手动输入你要编辑的信息，点击确定。条形码就生成了，具体效果是不是很简单，有兴趣的朋友可以下载条码生成软件，自己动手尝试。

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。