c++ 基于opencv 识别、定位二维码

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。

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;

} {

bool isQr = QrParse::IsQrPoint(contours[parentIdx], threshold_output_copy);

//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:

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:

//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];

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;

//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];

}

}

}

//左边 右边 都有两个值,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;

}

//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;

}

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。

// 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;

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。

//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());

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。

以上就是c++ 基于opencv 识别、定位二维码的详细内容,更多关于c++ opencv 识别、定位二维码的资料请关注其它相关文章!

以上是 c++ 基于opencv 识别、定位二维码 的全部内容, 来源链接: utcz.com/p/245957.html

回到顶部