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。

 

1 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。

 

2 使用opencv识别二维码

 1) 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 int QrParse::FindQrPoint(Mat& srcImg, vector<vector<Point>>& qrPoint)
 2 {
 3     //彩色图转灰度图
 4     Mat src_gray;
 5     cvtColor(srcImg, src_gray, CV_BGR2GRAY);
 6     namedWindow("src_gray");
 7     imshow("src_gray", src_gray);
 8 
 9     //二值化
10     Mat threshold_output;
11     threshold(src_gray, threshold_output, 0, 255, THRESH_BINARY | THRESH_OTSU);
12     Mat threshold_output_copy = threshold_output.clone();
13     namedWindow("Threshold_output");
14     imshow("Threshold_output", threshold_output);
15 
16     //调用查找轮廓函数
17     vector<vector<Point> > contours;
18     vector<Vec4i> hierarchy;
19     findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CHAIN_APPROX_NONE, Point(0, 0));
20 
21     //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
22     int parentIdx = -1;
23     int ic = 0;
24 
25     for (int i = 0; i < contours.size(); i++)
26     {
27         if (hierarchy[i][2] != -1 && ic == 0)
28         {
29             parentIdx = i;
30             ic++;
31         }
32         else if (hierarchy[i][2] != -1)
33         {
34             ic++;
35         }
36         else if (hierarchy[i][2] == -1)
37         {
38             ic = 0;
39             parentIdx = -1;
40         }
41 
43        
44        45         {47 
48             //保存找到的三个黑色定位角
49             if (isQr)
50                 qrPoint.push_back(contours[parentIdx]);
51 
52             ic = 0;
53             parentIdx = -1;
54         }
55     }
56 
57     return 0;
58 }

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：

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 //横向和纵向黑白比例判断
  2 bool QrParse::IsQrColorRate(cv::Mat& image, int flag)
  3 {
  4     bool x = IsQrColorRateX(image, flag);
  5     if (!x)
  6         return false;
  7     bool y = IsQrColorRateY(image, flag);
  8     return y;
  9 }
 10 //横向黑白比例判断
 11 bool QrParse::IsQrColorRateX(cv::Mat& image, int flag)
 12 {
 13     int nr = image.rows / 2;
 14     int nc = image.cols * image.channels();
 15 
 16     vector<int> vValueCount;
 17     vector<uchar> vColor;
 18     int count = 0;
 19     uchar lastColor = 0;
 20 
 21     uchar* data = image.ptr<uchar>(nr);
 22     for (int i = 0; i < nc; i++)
 23     {
 24         vColor.push_back(data[i]);
 25         uchar color = data[i]; 28 
 29         if (i == 0)
 30         {
 31             lastColor = color;
 32             count++;
 33         }
 34         else
 35         {
 36             if (lastColor != color)
 37             {
 38                 vValueCount.push_back(count);
 39                 count = 0;
 40             }
 41             count++;
 42             lastColor = color;
 43         }
 44     }
 45 
 46     if (count != 0)
 47         vValueCount.push_back(count);
 48 
 49     if (vValueCount.size() < 5)
 50         return false;
 51 
 52     //横向黑白比例1:1:3:1:1
 53     int index = -1;
 54     int maxCount = -1;
 55     for (int i = 0; i < vValueCount.size(); i++)
 56     {
 57         if (i == 0)
 58         {
 59             index = i;
 60             maxCount = vValueCount[i];
 61         }
 62         else
 63         {
 64             if (vValueCount[i] > maxCount)
 65             {
 66                 index = i;
 67                 maxCount = vValueCount[i];
 68             }
 69         }
 70     }
 71  77 
 78     //黑白比例1:1:3:1:1
 79     float rate = ((float)maxCount) / 3.00;
 80 
 81     cout << "flag:" << flag << " ";
 82 
 83     float rate2 = vValueCount[index - 2] / rate;
 84     cout << rate2 << " ";
 85     if (!IsQrRate(rate2))
 86         return false;
 87 
 88     rate2 = vValueCount[index - 1] / rate;
 89     cout << rate2 << " ";
 90     if (!IsQrRate(rate2))
 91         return false;
 92 
 93     rate2 = vValueCount[index + 1] / rate;
 94     cout << rate2 << " ";
 95     if (!IsQrRate(rate2))
 96         return false;
 97 
 98     rate2 = vValueCount[index + 2] / rate;
 99     cout << rate2 << " ";
100     if (!IsQrRate(rate2))
101         return false;
102 
103     return true;
104 }
105 //纵向黑白比例判断 省略
106 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;
}

 

2） 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 // pointDest存放调整后的三个点，三个点的顺序如下
 2 // pt0----pt1
 3 // 
 4 // pt2
 5 bool QrParse::AdjustQrPoint(Point* pointSrc, Point* pointDest)
 6 {
 7     bool clockwise;
 8     int index1[3] = { 2,1,0 };
 9     int index2[3] = { 0,2,1 };
10     int index3[3] = { 0,1,2 };
11 
12     for (int i = 0; i < 3; i++)
13     {
14         int *n = index1;
15         if(i==0)
16             n = index1;
17         else if (i == 1)
18             n = index2;
19         else 
20             n = index3;
21 
22         23         if (angle > 80 && angle < 99)
24         {
25             pointDest[0] = pointSrc[n[2]];
26             if (clockwise)
27             {
28                 pointDest[1] = pointSrc[n[0]];
29                 pointDest[2] = pointSrc[n[1]];
30             }
31             else
32             {
33                 pointDest[1] = pointSrc[n[1]];
34                 pointDest[2] = pointSrc[n[0]];
35             }
36             return true;
37         }
38     }
39     return true;
40 }

3）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 //二维码倾斜角度
2 Point hor(pointAdjust[0].x+300,pointAdjust[0].y); //水平线
3 double qrAngle = QrParse::Angle(pointAdjust[1], hor, pointAdjust[0], clockwise);
4 
5 //以二维码左上角点为中心 旋转
6     Mat drawingRotation = Mat::zeros(Size(src.cols,src.rows), CV_8UC3);
7     double rotationAngle = clockwise? -qrAngle:qrAngle;
8     Mat affine_matrix = getRotationMatrix2D(pointAdjust[0], rotationAngle, 1.0);//求得旋转矩阵
9     warpAffine(src, drawingRotation, affine_matrix, drawingRotation.size());

4）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，可以很容易的定位别的图元。

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。

posted @ 2019-06-07 19:51  源之缘-OFD解决方案  阅读(32744)  评论(0)  编辑  收藏  举报
关注我