前言
项目中需要对条形码进行识别，第一念头就想到Zxing，曾经用它进行过二维码识别，依稀记得也支持条码识别。先上网找相关资料：
1、 Android二维码扫描的简单实现及源码分析 （其中RGBLuminanceSource source =new RGBLuminanceSource()报错，需改为链接3中的写法。）
步骤
1、从Github拉取最新的Zxing包代码，优化包，去除无用功能，仅保留Android中需要使用的功能。可去Github拉取最新代码： Zxing ，或者按链接1、4找别人优化过的包下载到本地，导入成module并引用。
本工程使用链接4中的库，为了修改简单，直接把整个库拉下来Import成本地module，添加依赖后，就可以直接修改CaptureActivity样式和逻辑。
2、跳转到扫描页(CaptureActivity)进行扫描，扫描出结果后finish返回结果
Intent intent = new Intent(GPSSuccessdActivity.this, CaptureActivity.class);
startActivityForResult(intent, REQUEST_SCAN);
获取返回的结果，在onActivityResult中处理
if(data != null) {
Bundle bundle = data.getExtras();
if(bundle == null) {
return;
}
if(bundle.getInt(CodeUtils.RESULT_TYPE) == CodeUtils.RESULT_SUCCESS) {
String result = bundle.getString(CodeUtils.RESULT_STRING);
onScanSuccessed(result);//此处是识别成功后具体的逻辑代码，自行实现。
} else if(bundle.getInt(CodeUtils.RESULT_TYPE) == CodeUtils.RESULT_FAILED) {
//Toast.makeText(MainActivity.this, "解析条形码失败", Toast.LENGTH_LONG).show();
}
}
3、从相册中识别条形码
链接4的库中有封装好的analyzeBitmap(String path, AnalyzeCallback analyzeCallback)，因此只要获取到图片路径就可以进行识别，核心代码如下
CodeUtils.analyzeBitmap(imgSerialNumber.path, new CodeUtils.AnalyzeCallback() {
@Override
public void onAnalyzeSuccess(Bitmap mBitmap, String result) {
onScanSuccessed(result);
}
@Override
public void onAnalyzeFailed() {
Logger.i("Leon- 识别失败");
}
});
优化
而CodeUtils.analyzeBitmap这个方法里主要实现了对图片进行压缩，防止OOM，同时设置一些识别参数。
在这里我修改了识别类型，限定了只识别条形码，这里的原理和上面几个链接中描述的是差不多的。
// 这里设置可扫描的类型，我这里选择只支持条形码
decodeFormats.addAll(DecodeFormatManager.ONE_D_FORMATS);
//decodeFormats.addAll(DecodeFormatManager.QR_CODE_FORMATS);
//decodeFormats.addAll(DecodeFormatManager.DATA_MATRIX_FORMATS);
同时设置了识别模式，降低速度，但提高识别成功率
hints.put(DecodeHintType.TRY_HARDER, Boolean.TRUE);//设置尽量识别
阶段总结
摄像头识别二维码、条形码都OK，从相册中选取图片识别二维码OK，但是识别条形码效率低下，和手机性能有一定关系。测试中发现oppo r9m识别效率竟然低于红米 Note 5A低配版，不知是oppo系统限制了app性能以保障系统流畅还是小米性价比太高的。
进阶
上面提到的从相册中识别效率低下的问题，主要原因是相册图片里背景内容较多，如果裁剪成合适的大小也是可以识别的。根本原因是Zxing无法很好的定位一维码区域，不像二维码效率那么高，有一个思路是从相册中获取图片时，先识别出条形码区域，裁剪图片，再调用Zxing识别。
图片处理的话用Opencv比较简单，查了下相关资料， Opencv：10个步骤检测出图片中条形码 根据这篇文章的做法，进行了相关优化，发现部分条形码区域可以很好的识别，但成功率不高。这里就涉及到图像处理相关算法了，因时间有限没法继续钻研。且Opencv库太大了，添加这个库后，安装包从18M变为60M，成本太高，暂且记录，后续再研究。
