c++ 基於opencv 識別、定位二維碼

Posted on by

前言

因工作需要，需要定位圖片中的二維碼；我遂查閱瞭相關資料，也學習瞭opencv開源庫。通過一番努力，終於很好的實現瞭二維碼定位。本文將講解如何使用opencv定位二維碼。

定位二維碼不僅僅是為瞭識別二維碼；還可以通過二維碼對圖像進行水平糾正以及相鄰區域定位。定位二維碼，不僅需要圖像處理相關知識，還需要分析二維碼的特性，本文先從二維碼的特性講起。

1 二維碼特性

二維碼在設計之初就考慮到瞭識別問題，所以二維碼有一些特征是非常明顯的。

二維碼有三個“回“”字形圖案，這一點非常明顯。中間的一個點位於圖案的左上角，如果圖像偏轉，也可以根據二維碼來糾正。

思考題：

為什麼是三個點，而不是一個、兩個或四個點。

一個點：特征不明顯，不易定位。不易定位二維碼傾斜角度。

兩個點：兩個點的次序無法確認，很難確定二維碼是否放正瞭。

四個點：無法確定4個點的次序，從而無法確定二維碼是否放正瞭。

識別二維碼，就是識別二維碼的三個點，逐步分析一下這三個點的特性

1 每個點有兩個輪廓。就是兩個口，大“口”內部有一個小“口”，所以是兩個輪廓。

2 如果把這個“回”放到一個白色的背景下，從左到右，或從上到下畫一條線。這條線經過的圖案黑白比例大約為：黑白比例為1:1:3:1:1。

3 如何找到左上角的頂點？這個頂點與其他兩個頂點的夾角為90度。

通過上面幾個步驟，就能識別出二維碼的三個頂點，並且識別出左上角的頂點。

2 使用opencv識別二維碼

1）查找輪廓,篩選出三個二維碼頂點

opencv一個非常重要的函數就是查找輪廓，就是可以找到一個圖中的縮所有的輪廓，“回”字形圖案是一個非常的明顯的輪廓，很容易找到。

int QrParse::FindQrPoint(Mat& srcImg, vector<vector<Point>>& qrPoint) {
	//彩色圖轉灰度圖
	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);
	//調用查找輪廓函數
	vector<vector<Point> > contours;
	vector<Vec4i> hierarchy;
	findContours(threshold_output, contours, hierarchy, CV_RETR_TREE, CHAIN_APPROX_NONE, Point(0, 0));
	//通過黑色定位角作為父輪廓，有兩個子輪廓的特點，篩選出三個定位角
	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;
		} {
			bool isQr = QrParse::IsQrPoint(contours[parentIdx], threshold_output_copy);
			//保存找到的三個黑色定位角
			if (isQr)
			qrPoint.push_back(contours[parentIdx]);
			ic = 0;
			parentIdx = -1;
		}
	}
	return 0;
}

找到瞭兩個輪廓的圖元，需要進一步分析是不是二維碼頂點，用到如下函數：

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;

 //將二維碼從整個圖上摳出來
 cv::Mat cropImg = CropImage(img, rotatedRect);
 int flag = i++;

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

黑白比例判斷函數：

//橫向和縱向黑白比例判斷
bool QrParse::IsQrColorRate(cv::Mat& image, int flag)
{
 bool x = IsQrColorRateX(image, flag);
 if (!x)
 return false;
 bool y = IsQrColorRateY(image, flag);
 return y;
}
//橫向黑白比例判斷
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];
 if (color > 0)
 color = 255;

 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;

 //橫向黑白比例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];
 }
 }
 }

 //左邊 右邊 都有兩個值，才行
 if (index < 2)
 return false;
 if ((vValueCount.size() - index) < 3)
 return false;

 //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;
}
//縱向黑白比例判斷 省略
bool QrParse::IsQrColorRateY(cv::Mat& image, int flag)
bool QrParse::IsQrRate(float rate)
{
 //大概比例 不能太嚴格
 return rate > 0.6 && rate < 1.9;
}

2）確定三個二維碼頂點的次序

 通過如下原則確定左上角頂點：二維碼左上角的頂點與其他兩個頂點的夾角為90度。

// pointDest存放調整後的三個點，三個點的順序如下
// 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;
		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;
}

3）通過二維碼對圖片矯正。

圖片有可能是傾斜的，傾斜夾角可以通過pt0與pt1連線與水平線之間的夾角確定。二維碼的傾斜角度就是整個圖片的傾斜角度，從而可以對整個圖片進行水平矯正。

//二維碼傾斜角度
Point hor(pointAdjust[0].x+300,pointAdjust[0].y); //水平線
double qrAngle = QrParse::Angle(pointAdjust[1], hor, pointAdjust[0], clockwise);

//以二維碼左上角點為中心 旋轉
 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);//求得旋轉矩陣
 warpAffine(src, drawingRotation, affine_matrix, drawingRotation.size());

4）二維碼相鄰區域定位

一般情況下，二維碼在整個圖中的位置是確定的。識別出二維碼後，根據二維碼與其他圖的位置關系，可以很容易的定位別的圖元。

後記

作者通過查找大量資料，仔細研究瞭二維碼的特征，從而找到瞭識別二維碼的方法。網上也有許多識別二維碼的方法，但是不夠嚴謹。本文是將二維碼的多個特征相結合來識別，這樣更準確。這種識別方法已應用在公司的產品中，識別效果還是非常好的。

以上就是c++ 基於opencv 識別、定位二維碼的詳細內容，更多關於c++ opencv 識別、定位二維碼的資料請關註WalkonNet其它相關文章！

推薦閱讀：