基于OpenCV实现二维码发现与定位

深藏阁楼爱情的钟 2022-06-10 11:45 237阅读 0赞

## 基于OpenCV实现二维码发现与定位 ##

在如今流行扫描的年代，应用程序实现二维码扫描检测与识别已经是应用程序的标配、特别是在移动端、如果你的应用程序不能自动发现检测二维码，自动定位二维码你都不好意思跟别人打招呼，二维码识别与解析基于ZXing包即可。难点就在于如何从画面中快速而准确的找到二维码区域，寻找到二维码三个匹配模式点。

## 一：二维码的结构与基本原理 ##

标准的二维码结构如下：  
![这里写图片描述][SouthEast]  
特别要关注的是图中三个黑色正方形区域，它们就是用来定位一个二维码的最重要的三个区域，我们二维码扫描与检测首先要做的就是要发现这三个区域，如果找到这个三个区域，我们就成功的发现一个二维码了，就可以对它定位与识别了。二维码其它各个部分的说明如下：  
![这里写图片描述][SouthEast 1]

三个角上的正方形区域从左到右，从上到下黑白比例为1:1:3:1:1。  
![这里写图片描述][SouthEast 2]  
不管角度如何变化，这个是最显著的特征，通过这个特征我们就可以实现二维码扫描检测与定位。

## 二：算法各部与输出 ##

1. 首先把输入图像转换为灰度图像  
![这里写图片描述][SouthEast 3]

2. 通过OTSU转换为二值图像  
![这里写图片描述][SouthEast 4]

3. 对二值图像使用轮廓发现得到轮廓  
![这里写图片描述][SouthEast 5]

4. 根据二维码三个区域的特征，对轮廓进行面积与比例过滤得到最终结果显示如下：  
![这里写图片描述][SouthEast 6]

## 三：程序运行演示与代码实现 ##

下面的图片左侧为原图、右侧为二维码定位结果  
![这里写图片描述][SouthEast 7]

![这里写图片描述][SouthEast 8]

![这里写图片描述][SouthEast 9]

程序各个步骤完整源代码如下

#include <opencv2/opencv.hpp>
    #include <math.h>
    #include <iostream>
    
    using namespace cv;
    using namespace std;
    
    void scanAndDetectQRCode(Mat & image, int index);
    bool isXCorner(Mat &image);
    bool isYCorner(Mat &image);
    Mat transformCorner(Mat &image, RotatedRect &rect);
    int main(int argc, char** argv) {
        /*for (int i = 1; i < 25; i++) {
            Mat qrcode_image = imread(format("D:/gloomyfish/qrcode/%d.jpg", i));
            scanAndDetectQRCode(qrcode_image, i);
        }
        return 0;
        */
        Mat src = imread("D:/gloomyfish/qrcode_99.jpg");
        if (src.empty()) {
            printf("could not load image...\n");
            return -1;
        }
        namedWindow("input image", CV_WINDOW_AUTOSIZE);
        imshow("input image", src);
    
        Mat gray, binary;
        cvtColor(src, gray, COLOR_BGR2GRAY);
        imwrite("D:/gloomyfish/outimage/qrcode_gray.jpg", gray);
    
        threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
        imwrite("D:/gloomyfish/outimage/qrcode_binary.jpg", binary);
    
        // detect rectangle now
        vector<vector<Point>> contours;
        vector<Vec4i> hireachy;
        Moments monents;
        findContours(binary.clone(), contours, hireachy, RETR_LIST, CHAIN_APPROX_SIMPLE, Point());
        Mat result = Mat::zeros(src.size(), CV_8UC3);
        for (size_t t = 0; t < contours.size(); t++) {
            double area = contourArea(contours[t]);
            if (area < 100) continue;
            RotatedRect rect = minAreaRect(contours[t]);
            // 根据矩形特征进行几何分析
            float w = rect.size.width;
            float h = rect.size.height;
            float rate = min(w, h) / max(w, h);
            if (rate > 0.85 && w < src.cols/4 && h<src.rows/4) {
                printf("angle : %.2f\n", rect.angle);
                Mat qr_roi = transformCorner(src, rect);
                if (isXCorner(qr_roi) && isYCorner(qr_roi)) {
                    drawContours(src, contours, static_cast<int>(t), Scalar(0, 0, 255), 2, 8);
                    imwrite(format("D:/gloomyfish/outimage/contour_%d.jpg", static_cast<int>(t)), qr_roi);
                    drawContours(result, contours, static_cast<int>(t), Scalar(255, 0, 0), 2, 8);
                }
            }
        }
        imshow("result", src);
        imwrite("D:/gloomyfish/outimage/qrcode_patters.jpg", src);
        waitKey(0);
        return 0;
    }

**欢迎继续关注本博客，加入OpenCV学习群**

[SouthEast]: /images/20220610/fe1054a468b348a5ae8a3aa30d27819e.png
[SouthEast 1]: /images/20220610/4aeaab91f63940b78747df0c4bb82d61.png
[SouthEast 2]: /images/20220610/72ef9015ca20443084037581c68c814f.png
[SouthEast 3]: /images/20220610/3ef9f33b967c445b88240092e70a2e92.png
[SouthEast 4]: /images/20220610/6b915687d6354cf8b5725bd4d44ac1dd.png
[SouthEast 5]: /images/20220610/832e45a3d1684cd3a9c51cef08626f91.png
[SouthEast 6]: /images/20220610/128c5241a4e345208083404818d02e2d.png
[SouthEast 7]: /images/20220610/a85f195961134208801561b16b52c71d.png
[SouthEast 8]: /images/20220610/351e1212427f4bc09ef46bc7775a95df.png
[SouthEast 9]: /images/20220610/a97026061299463ca900f13a7bd5af5f.png