c++ 基於opencv 識別、定位二維碼
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!