如何在Docker容器中运行ARM32和ARM64 python条形码读取器-DEV365 开发者社区

这些只是支持 ARM32 和 ARM64 架构的几个Python条形码SDK。 Dynamsoft Barcode Reader是唯一为ARM32和ARM64设备提供条形码识别功能的商业1D和2D条形码SDK。本文演示了如何在Windows上创建ARM32和ARM64模拟环境以使用DynamSoft Python条形码SDK实现条形码扫描。

开始使用DynamSoft Python条形码SDK

您可以使用PIP安装DynamSoft Python条形码SDK：

pip install dbr

Python软件包支持 Python 3.6及以上。

支持的平台

Windows（x64）
linux（x64，arm32和arm64）
macos（x64和arm64）

注册码

安装Python条形码SDK后，您需要申请valid license以激活它。

from dbr import *
BarcodeReader.init_license(license_key)

快速开始

from dbr import *

license_key = "Input your own license"
image = r"Please input your own image path"

BarcodeReader.init_license(license_key)

reader = BarcodeReader()

try:
   text_results = reader.decode_file(image)

   if text_results != None:
      for text_result in text_results:
            print("Barcode Format : ")
            print(text_result.barcode_format_string)
            print("Barcode Text : ")
            print(text_result.barcode_text)
            print("Localization Points : ")
            print(text_result.localization_result.localization_points)
            print("Exception : ")
            print(text_result.exception)
            print("-------------")
except BarcodeReaderError as bre:
   print(bre)

为什么需要ARM32和ARM64模拟环境？

如果您想创建可以在ARM32或ARM64设备上运行的Python条形码扫描应用程序，例如Raspberry Pi和Jetson Nano，则模拟环境是不需要物理ARM设备编写和测试代码的便捷方法。

如何在Windows上创建包含DynamSoft条形码SDK的Docker ARM32和ARM64图像

QEMU是一种流行的开源仿真器，可以模仿各种CPU架构，包括ARM，POWERPC和MIPS。 multiarch/qemu-user-static是一个Docker映像，可让您使用QEMU模拟主机上的不同CPU架构。

这是创建Docker ARM32和ARM64图像的步骤

Install Docker Desktop for Windows.

安装qemu-user-static：

docker run --rm --privileged multiarch/qemu-user-static:register --reset

创建一个将基本图像指定为ARM32或ARM64体系结构的Dockerfile，并安装必要的工具和依赖项：Cmake，DynamSoft Barcode Reader，OpenCV和Pillow。
。
dockerfilearm32
```
FROM arm32v7/python
RUN apt-get update && apt-get install -y cmake libgl1-mesa-glx
RUN pip install dbr opencv-python pillow
```
dockerfilearm64
```
FROM arm64v8/python
RUN apt-get update && apt-get install -y cmake libgl1-mesa-glx
RUN pip install dbr opencv-python pillow
```
opencv-python软件包用于将图像加载和将图像解码为numpy阵列，但它不为ARM32提供预构建的车轮。因此，从源代码构建包装可能需要很长时间。 pillow软件包是加载和解码图像的opencv-python的替代方法。

为ARM32和ARM64构建Docker图像：

docker build --platform linux/arm64 -f DockerfileArm64 -t <IMAGE-NAME> .
docker build --platform linux/arm/v7 -f DockerfileArm32 -t <IMAGE-NAME> .

现在，我们成功地创建了包含DynamSoft Python条形码SDK的Docker ARM32和ARM64图像。接下来，我们可以编写Python条形码读取器脚本并在Docker容器中运行。

如何在ARM32或ARM64 Docker容器中运行Python条形码识别脚本

大多数单板计算机，例如Raspberry Pi和Jetson Nano，都不具有高端硬件。因此，解码速度可能不是大型图像的理想选择。常见的情况是从低分辨率（例如640x480）的USB摄像机和扫描条形码QR码从中获取图像。

要模拟该过程，我们首先编写一个Python脚本以捕获包含USB摄像机QR码的连续帧并将其保存到文件夹中。

import cv2 as cv
from dbr import *

capture = cv.VideoCapture(0)

if not capture.isOpened():
    print("Cannot open camera")
    exit()

BarcodeReader.init_license("DLS2eyJoYW5kc2hha2VDb2RlIjoiMjAwMDAxLTE2NDk4Mjk3OTI2MzUiLCJvcmdhbml6YXRpb25JRCI6IjIwMDAwMSIsInNlc3Npb25QYXNzd29yZCI6IndTcGR6Vm05WDJrcEQ5YUoifQ==")
reader = BarcodeReader()

index = 0

while True:
    frame = capture.read()[1]
    cv.imshow("frame", frame)

    if cv.waitKey(1) == ord('q'):
        break

    results = reader.decode_buffer(frame)
    if results != None and len(results) > 0:
        cv.imwrite('images/' + str(index) + '.png', frame)
        index += 1

    if index == 30:
        break

在Windows上运行脚本，然后将图像保存到名为images的文件夹。

然后，我们编写另一个Python脚本以使用PIL读取图像，并用DynamSoft Barcode读取器解码条形码。

#!/usr/bin/env python3
import os
from dbr import *
import dbr
import time
from PIL import Image

def main():
    print('version: ' + dbr.__version__)
    BarcodeReader.init_license("DLS2eyJoYW5kc2hha2VDb2RlIjoiMjAwMDAxLTE2NDk4Mjk3OTI2MzUiLCJvcmdhbml6YXRpb25JRCI6IjIwMDAwMSIsInNlc3Npb25QYXNzd29yZCI6IndTcGR6Vm05WDJrcEQ5YUoifQ==")

    reader = BarcodeReader()
    reader.init_runtime_settings_with_file('faster.json', conflict_mode=EnumConflictMode.CM_OVERWRITE)

    # read file list
    folder = 'images'
    target_dir = os.path.join(os.getcwd(), folder)

    if os.path.exists(target_dir):
        filelist = os.listdir('images')

        index = 0
        while index  < 5:
            file = filelist[index]
            filapath = os.path.join(target_dir, file)

            index += 1

            with Image.open(filapath) as im:
                try:
                    start_time = time.time()
                    results = reader.decode_buffer_manually(im.tobytes(), im.width, im.height, im.width * 3, EnumImagePixelFormat.IPF_RGB_888)
                    elapsed_time = time.time() - start_time
                    print(file +  ", elapsed time: " + str(round(elapsed_time * 1000)) + "ms, " + ' results: ' + str(len(results)))

                    if results != None:
                        for result in results:
                            print(result.barcode_format_string + ': ' + result.barcode_text)
                    else:
                        print(' results: 0')

                except Exception as err:
                    print(err)

if __name__ == '__main__':
    main()

我们可以将当前的Windows文件夹安装到Docker容器中并在容器中运行脚本。

docker run --platform linux/arm64 -it --rm -v ${pwd}:/usr/src/myapp -w /usr/src/myapp <IMAGE-NAME> python pillow_test.py
docker run --platform linux/arm/v7 -it --rm -v ${pwd}:/usr/src/myapp -w /usr/src/myapp <IMAGE-NAME> python pillow_test.py

还有一个问题：CPU如何影响解码速度？默认硬件资源可以在设置中配置。

默认情况下，每个容器对主机CPU周期的访问是无限的。

尽管无法更改Docker中的CPU速度，但我们可以使用--cpuset-cpus来限制CPU内核的数量。

例如，我们可以将CPU内核限制为2并在容器中运行脚本以检查性能差异。

docker run --cpuset-cpus="0,1" --platform linux/arm64 -it --rm -v ${pwd}:/usr/src/myapp -w /usr/src/myapp yushulx/dbr-arm64:1.0 python pillow_test.py

nproc命令可用于验证核心号码：

docker run --cpuset-cpus="0,1" --platform linux/arm64 -it --rm -v ${pwd}:/usr/src/myapp -w /usr/src/myapp yushulx/dbr-arm64:1.0 nproc
2

覆盆子Pi模拟器

为了使模拟环境更加现实，我们可以使用dockerpi效仿不同的Raspberry Pi模型。

docker run -it lukechilds/dockerpi pi2

pi@raspberrypi:~$ lscpu
Architecture:        armv7l
Byte Order:          Little Endian
CPU(s):              4
On-line CPU(s) list: 0-3
Thread(s) per core:  1
Core(s) per socket:  4
Socket(s):           1
Vendor ID:           ARM
Model:               5
Model name:          Cortex-A7
Stepping:            r0p5
CPU max MHz:         700.0000
CPU min MHz:         700.0000
BogoMIPS:            125.00
Flags:               half thumb fastmult vfp edsp neon vfpv3 tls vfpv4 idiva idivt vfpd32 lpae evtstrm

docker run -it lukechilds/dockerpi pi3

pi@raspberrypi:~$ lscpu
Architecture:        aarch64
Byte Order:          Little Endian
CPU(s):              4
On-line CPU(s) list: 0-3
Thread(s) per core:  1
Core(s) per socket:  4
Socket(s):           1
Vendor ID:           ARM
Model:               4
Model name:          Cortex-A53
Stepping:            r0p4
CPU max MHz:         700.0000
CPU min MHz:         700.0000
BogoMIPS:            125.00
Flags:               fp asimd evtstrm aes pmull sha1 sha2 crc32 cpuid

源代码

https://github.com/yushulx/docker-arm64-arm32-python-barcode-detection