Abstract
  1. 前言
  2. 二维码特性
  3. 使用 opencv 识别二维码
    1. 查找轮廓，筛选出三个二维码顶点
    2. 确定三个二维码顶点的次序
    3. 通过二维码对图片矫正。
    4. 二维码相邻区域定位
    5. 后记
Keywords Opencv  C++  Qrcode  Opencv  Qrcode  C++ 
Citation Yao Qing-sheng.基于 Opencv 识别、定位二维码 （C++ 版）.FUTURE & CIVILIZATION Natural/Social Philosophy & Infomation Sciences,20240808. https://yaoqs.github.io/20240808/ji-yu-opencv-shi-bie-ding-wei-er-wei-ma-c-ban/

转载自基于 opencv 识别、定位二维码 （c++ 版）

前言

因工作需要，需要定位图片中的二维码；我遂查阅了相关资料，也学习了 opencv 开源库。通过一番努力，终于很好的实现了二维码定位。本文将讲解如何使用 opencv 定位二维码。

定位二维码不仅仅是为了识别二维码；还可以通过二维码对图像进行水平纠正以及相邻区域定位。定位二维码，不仅需要图像处理相关知识，还需要分析二维码的特性，本文先从二维码的特性讲起。

二维码特性

二维码在设计之初就考虑到了识别问题，所以二维码有一些特征是非常明显的。二维码有三个 “回 “” 字形图案，这一点非常明显。中间的一个点位于图案的左上角，如果图像偏转，也可以根据二维码来纠正。

思考题：为什么是三个点，而不是一个、两个或四个点。

一个点：特征不明显，不易定位。不易定位二维码倾斜角度。

两个点：两个点的次序无法确认，很难确定二维码是否放正了。

四个点：无法确定 4 个点的次序，从而无法确定二维码是否放正了。

识别二维码，就是识别二维码的三个点，逐步分析一下这三个点的特性

  1. 每个点有两个轮廓。就是两个口，大 “口” 内部有一个小 “口”，所以是两个轮廓。
  2. 如果把这个 “回” 放到一个白色的背景下，从左到右，或从上到下画一条线。这条线经过的图案黑白比例大约为：黑白比例为 1:1:3:1:1。
  3. 如何找到左上角的顶点？这个顶点与其他两个顶点的夹角为 90 度。

通过上面几个步骤，就能识别出二维码的三个顶点，并且识别出左上角的顶点。

使用 opencv 识别二维码

查找轮廓，筛选出三个二维码顶点

opencv 一个非常重要的函数就是查找轮廓，就是可以找到一个图中的缩所有的轮廓，“回” 字形图案是一个非常的明显的轮廓，很容易找到。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
int QrParse::FindQrPoint(Mat& srcImg, vector<vector<Point>>& qrPoint)
{
    //彩色图转灰度图
    Mat src_gray;
    cvtColor(srcImg, src_gray, CV_BGR2GRAY);
    namedWindow("src_gray");
    imshow("src_gray", src_gray);

    //二值化
    Mat threshold_output;
    threshold(src_gray, threshold_output, 0, 255, THRESH_BINARY | THRESH_OTSU);
    Mat threshold_output_copy = threshold_output.clone();
    namedWindow("Threshold_output");
    imshow("Threshold_output", threshold_output);

    //调用查找轮廓函数
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CHAIN_APPROX_NONE, Point(0, 0));

    //通过黑色定位角作为父轮廓，有两个子轮廓的特点，筛选出三个定位角
    int parentIdx = -1;
    int ic = 0;

    for (int i = 0; i < contours.size(); i++)
    {
        if (hierarchy[i][2] != -1 && ic == 0)
        {
            parentIdx = i;
            ic++;
        }
        else if (hierarchy[i][2] != -1)
        {
            ic++;
        }
        else if (hierarchy[i][2] == -1)
        {
            ic = 0;
            parentIdx = -1;
        }

       
       45         {47 
            //保存找到的三个黑色定位角
            if (isQr)
                qrPoint.push_back(contours[parentIdx]);

            ic = 0;
            parentIdx = -1;
        }
    }

    return 0;
}

找到了两个轮廓的图元，需要进一步分析是不是二维码顶点，用到如下函数：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
bool QrParse::IsQrPoint(vector<Point>& contour, Mat& img)
{
    //最小大小限定
    RotatedRect rotatedRect = minAreaRect(contour);
    if (rotatedRect.size.height < 10 || rotatedRect.size.width < 10)
        return false;

    //将二维码从整个图上抠出来
    cv::Mat cropImg = CropImage(img, rotatedRect);
    int flag = i++;

    //横向黑白比例1:1:3:1:1
    bool result = IsQrColorRate(cropImg, flag);
    return result;
}

黑白比例判断函数：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
//横向和纵向黑白比例判断
bool QrParse::IsQrColorRate(cv::Mat& image, int flag)
{
    bool x = IsQrColorRateX(image, flag);
    if (!x)
        return false;
    bool y = IsQrColorRateY(image, flag);
    return y;
}
//横向黑白比例判断
bool QrParse::IsQrColorRateX(cv::Mat& image, int flag)
{
    int nr = image.rows / 2;
    int nc = image.cols * image.channels();

    vector<int> vValueCount;
    vector<uchar> vColor;
    int count = 0;
    uchar lastColor = 0;

    uchar* data = image.ptr<uchar>(nr);
    for (int i = 0; i < nc; i++)
    {
        vColor.push_back(data[i]);
        uchar color = data[i]; 28 
        if (i == 0)
        {
            lastColor = color;
            count++;
        }
        else
        {
            if (lastColor != color)
            {
                vValueCount.push_back(count);
                count = 0;
            }
            count++;
            lastColor = color;
        }
    }

    if (count != 0)
        vValueCount.push_back(count);

    if (vValueCount.size() < 5)
        return false;

    //横向黑白比例1:1:3:1:1
    int index = -1;
    int maxCount = -1;
    for (int i = 0; i < vValueCount.size(); i++)
    {
        if (i == 0)
        {
            index = i;
            maxCount = vValueCount[i];
        }
        else
        {
            if (vValueCount[i] > maxCount)
            {
                index = i;
                maxCount = vValueCount[i];
            }
        }
    }
 
    //黑白比例1:1:3:1:1
    float rate = ((float)maxCount) / 3.00;

    cout << "flag:" << flag << " ";

    float rate2 = vValueCount[index - 2] / rate;
    cout << rate2 << " ";
    if (!IsQrRate(rate2))
        return false;

    rate2 = vValueCount[index - 1] / rate;
    cout << rate2 << " ";
    if (!IsQrRate(rate2))
        return false;

    rate2 = vValueCount[index + 1] / rate;
    cout << rate2 << " ";
    if (!IsQrRate(rate2))
        return false;

    rate2 = vValueCount[index + 2] / rate;
    cout << rate2 << " ";
    if (!IsQrRate(rate2))
        return false;

    return true;
}
//纵向黑白比例判断 省略
bool QrParse::IsQrColorRateY(cv::Mat& image, int flag)
{
}
bool QrParse::IsQrRate(float rate)
{
     //大概比例 不能太严格
    return rate > 0.6 && rate < 1.9;
}

确定三个二维码顶点的次序

通过如下原则确定左上角顶点：二维码左上角的顶点与其他两个顶点的夹角为 90 度。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
/ pointDest存放调整后的三个点，三个点的顺序如下
// pt0----pt1
// 
// pt2
bool QrParse::AdjustQrPoint(Point* pointSrc, Point* pointDest)
{
    bool clockwise;
    int index1[3] = { 2,1,0 };
    int index2[3] = { 0,2,1 };
    int index3[3] = { 0,1,2 };

    for (int i = 0; i < 3; i++)
    {
        int *n = index1;
        if(i==0)
            n = index1;
        else if (i == 1)
            n = index2;
        else 
            n = index3;

        23         if (angle > 80 && angle < 99)
        {
            pointDest[0] = pointSrc[n[2]];
            if (clockwise)
            {
                pointDest[1] = pointSrc[n[0]];
                pointDest[2] = pointSrc[n[1]];
            }
            else
            {
                pointDest[1] = pointSrc[n[1]];
                pointDest[2] = pointSrc[n[0]];
            }
            return true;
        }
    }
    return true;
}

通过二维码对图片矫正。

图片有可能是倾斜的，倾斜夹角可以通过 pt0 与 pt1 连线与水平线之间的夹角确定。二维码的倾斜角度就是整个图片的倾斜角度，从而可以对整个图片进行水平矫正。

1
2
3
4
5
6
7
8
9
//二维码倾斜角度
Point hor(pointAdjust[0].x+300,pointAdjust[0].y); //水平线
double qrAngle = QrParse::Angle(pointAdjust[1], hor, pointAdjust[0], clockwise);

//以二维码左上角点为中心 旋转
Mat drawingRotation = Mat::zeros(Size(src.cols,src.rows), CV_8UC3);
double rotationAngle = clockwise? -qrAngle:qrAngle;
Mat affine_matrix = getRotationMatrix2D(pointAdjust[0], rotationAngle, 1.0);//求得旋转矩阵
warpAffine(src, drawingRotation, affine_matrix, drawingRotation.size());

二维码相邻区域定位

一般情况下，二维码在整个图中的位置是确定的。识别出二维码后，根据二维码与其他图的位置关系，可以很容易的定

后记

作者通过查找大量资料，仔细研究了二维码的特征，从而找到了识别二维码的方法。网上也有许多识别二维码的方法，但是不够严谨。本文是将二维码的多个特征相结合来识别，这样更准确。这种识别方法已应用在公司的产品中，识别效果还是非常好的

References

*Corresponding Author: Yao Qing-sheng <Email: 350788415@qq.com> BY-NC-SA .

  1. Yao Qing-sheng.基于 Opencv 识别、定位二维码 （C++ 版）.FUTURE & CIVILIZATION.Natural/Social Philosophy & Infomation Sciences,20240808.https://yaoqs.github.io/20240808/ji-yu-opencv-shi-bie-ding-wei-er-wei-ma-c-ban/
  2. 版权声明：本文为「LordYao」的原创文章，遵循 CC 4.0 BY-NC-SA 版权协议，转载请附上原文出处链接及本声明。
    原文链接： https://yaoqs.github.io/20240808/ji-yu-opencv-shi-bie-ding-wei-er-wei-ma-c-ban/