前言

本文将使用OpenCV C++ 进行二维码检测。

一、二维码检测

首先我们要先将图像进行预处理，通过灰度、滤波、二值化等操作提取出图像轮廓。在这里我还添加了形态学操作，消除噪点，有效将矩形区域连接起来。

 Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);Mat blur;GaussianBlur(gray, blur, Size(3, 3), 0);Mat bin;threshold(blur, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);//通过Size（5，1）开运算消除边缘毛刺Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1));Mat open;morphologyEx(bin, open, MORPH_OPEN, kernel);//通过Size（21，1）闭运算能够有效地将矩形区域连接 便于提取矩形区域Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1));Mat close;morphologyEx(open, close, MORPH_CLOSE, kernel1);

如图为经过一系列图像处理之后得到的效果。之后我们需要对该图进行轮廓提取，找到二维码所在的矩形区域。

 //使用RETR_EXTERNAL找到最外轮廓vector<vector<Point>>MaxContours;findContours(close, MaxContours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);for (int i = 0; i < MaxContours.size(); i++){Mat mask = Mat::zeros(src.size(), CV_8UC3);mask = Scalar::all(255);double area = contourArea(MaxContours[i]);//通过面积阈值找到二维码所在矩形区域if (area > 6000 && area < 100000){//计算最小外接矩形RotatedRect MaxRect = minAreaRect(MaxContours[i]);//计算最小外接矩形宽高比double ratio = MaxRect.size.width / MaxRect.size.height;if (ratio > 0.8 && ratio < 1.2){Rect MaxBox = MaxRect.boundingRect();//rectangle(src, Rect(MaxBox.tl(), MaxBox.br()), Scalar(255, 0, 255), 2);//将矩形区域从原图抠出来Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));ROI.copyTo(mask(MaxBox));ROI_Rect.push_back(mask);}}}

由以下代码段我们就可以很好的找出二维码所在的矩形区域，并将这些区域抠出来保存以便进行下面的识别工作。

//找到二维码所在的矩形区域
void Find_QR_Rect(Mat src, vector<Mat>&ROI_Rect)
{Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);Mat blur;GaussianBlur(gray, blur, Size(3, 3), 0);Mat bin;threshold(blur, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);//通过Size（5，1）开运算消除边缘毛刺Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1));Mat open;morphologyEx(bin, open, MORPH_OPEN, kernel);//通过Size（21，1）闭运算能够有效地将矩形区域连接 便于提取矩形区域Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1));Mat close;morphologyEx(open, close, MORPH_CLOSE, kernel1);//使用RETR_EXTERNAL找到最外轮廓vector<vector<Point>>MaxContours;findContours(close, MaxContours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);for (int i = 0; i < MaxContours.size(); i++){Mat mask = Mat::zeros(src.size(), CV_8UC3);mask = Scalar::all(255);double area = contourArea(MaxContours[i]);//通过面积阈值找到二维码所在矩形区域if (area > 6000 && area < 100000){//计算最小外接矩形RotatedRect MaxRect = minAreaRect(MaxContours[i]);//计算最小外接矩形宽高比double ratio = MaxRect.size.width / MaxRect.size.height;if (ratio > 0.8 && ratio < 1.2){Rect MaxBox = MaxRect.boundingRect();//rectangle(src, Rect(MaxBox.tl(), MaxBox.br()), Scalar(255, 0, 255), 2);//将矩形区域从原图抠出来Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));ROI.copyTo(mask(MaxBox));ROI_Rect.push_back(mask);}}}}

如图所示，这是找到的二维码矩形。这里只展示其中之一。

二、二维码识别

1.通过findContours找到轮廓层级关系

 //用于存储检测到的二维码vector<vector<Point>>QR_Rect;//遍历所有找到的矩形区域for (int i = 0; i < ROI_Rect.size(); i++){Mat gray;cvtColor(ROI_Rect[i], gray, COLOR_BGR2GRAY);Mat bin;threshold(gray, bin, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);//通过hierarchy、RETR_TREE找到轮廓之间的层级关系vector<vector<Point>>contours;vector<Vec4i>hierarchy;findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);//父轮廓索引int ParentIndex = -1;int cn = 0;//用于存储二维码矩形的三个“回”vector<Point>rect_points;for (int i = 0; i < contours.size(); i++){//hierarchy[i][2] != -1 表示该轮廓有子轮廓  cn用于计数“回”中第几个轮廓if (hierarchy[i][2] != -1 && cn == 0){ParentIndex = i;cn++;}else if (hierarchy[i][2] != -1 && cn == 1){cn++;}else if (hierarchy[i][2] == -1){//初始化ParentIndex = -1;cn = 0;}//如果该轮廓存在子轮廓，且有2级子轮廓则认定找到‘回’if (hierarchy[i][2] != -1 && cn == 2){drawContours(canvas, contours, ParentIndex, Scalar::all(255), -1);RotatedRect rect;rect = minAreaRect(contours[ParentIndex]);rect_points.push_back(rect.center);}}}

以上代码段的整体思路为：首先经过图像预处理进行轮廓检测，
通过hierarchy、RETR_TREE找到轮廓之间的层级关系。根据hierarchy[i][2]是否为-1判断该轮廓是否有子轮廓。若该轮廓存在子轮廓，则统计有几个子轮廓。如果该轮廓存在子轮廓，且有2级子轮廓则认定找到‘回’ 。关于轮廓的层级关系，大家可以自行百度查找资料，理解一下其中原理。

//对找到的矩形区域进行识别是否为二维码
int Dectect_QR_Rect(Mat src,Mat &canvas,vector<Mat>&ROI_Rect)
{//用于存储检测到的二维码vector<vector<Point>>QR_Rect;//遍历所有找到的矩形区域for (int i = 0; i < ROI_Rect.size(); i++){Mat gray;cvtColor(ROI_Rect[i], gray, COLOR_BGR2GRAY);Mat bin;threshold(gray, bin, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);//通过hierarchy、RETR_TREE找到轮廓之间的层级关系vector<vector<Point>>contours;vector<Vec4i>hierarchy;findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);//父轮廓索引int ParentIndex = -1;int cn = 0;//用于存储二维码矩形的三个“回”vector<Point>rect_points;for (int i = 0; i < contours.size(); i++){//hierarchy[i][2] != -1 表示该轮廓有子轮廓  cn用于计数“回”中第几个轮廓if (hierarchy[i][2] != -1 && cn == 0){ParentIndex = i;cn++;}else if (hierarchy[i][2] != -1 && cn == 1){cn++;}else if (hierarchy[i][2] == -1){//初始化ParentIndex = -1;cn = 0;}//如果该轮廓存在子轮廓，且有2级子轮廓则认定找到‘回’if (hierarchy[i][2] != -1 && cn == 2){drawContours(canvas, contours, ParentIndex, Scalar::all(255), -1);RotatedRect rect;rect = minAreaRect(contours[ParentIndex]);rect_points.push_back(rect.center);}}//将找到地‘回’连接起来for (int i = 0; i < rect_points.size(); i++){line(canvas, rect_points[i], rect_points[(i + 1) % rect_points.size()], Scalar::all(255), 5);}QR_Rect.push_back(rect_points);}return QR_Rect.size();}

由以上代码段，我们就可以识别出二维码。效果如图所示。

三、二维码绘制

 //框出二维码所在位置Mat gray;cvtColor(canvas, gray, COLOR_BGR2GRAY);vector<vector<Point>>contours;findContours(gray, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);Point2f points[4];for (int i = 0; i < contours.size(); i++){RotatedRect rect = minAreaRect(contours[i]);rect.points(points);for (int j = 0; j < 4; j++){line(src, points[j], points[(j + 1) % 4], Scalar(0, 255, 0), 2);}}

最终效果如图所示。

四、源码

#include<iostream>
#include<opencv2/core.hpp>
#include<opencv2/imgproc.hpp>
#include<opencv2/highgui.hpp>
using namespace std;
using namespace cv;//找到二维码所在的矩形区域
void Find_QR_Rect(Mat src, vector<Mat>&ROI_Rect)
{Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);Mat blur;GaussianBlur(gray, blur, Size(3, 3), 0);Mat bin;threshold(blur, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);//通过Size（5，1）开运算消除边缘毛刺Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1));Mat open;morphologyEx(bin, open, MORPH_OPEN, kernel);//通过Size（21，1）闭运算能够有效地将矩形区域连接 便于提取矩形区域Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1));Mat close;morphologyEx(open, close, MORPH_CLOSE, kernel1);//使用RETR_EXTERNAL找到最外轮廓vector<vector<Point>>MaxContours;findContours(close, MaxContours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);for (int i = 0; i < MaxContours.size(); i++){Mat mask = Mat::zeros(src.size(), CV_8UC3);mask = Scalar::all(255);double area = contourArea(MaxContours[i]);//通过面积阈值找到二维码所在矩形区域if (area > 6000 && area < 100000){//计算最小外接矩形RotatedRect MaxRect = minAreaRect(MaxContours[i]);//计算最小外接矩形宽高比double ratio = MaxRect.size.width / MaxRect.size.height;if (ratio > 0.8 && ratio < 1.2){Rect MaxBox = MaxRect.boundingRect();//rectangle(src, Rect(MaxBox.tl(), MaxBox.br()), Scalar(255, 0, 255), 2);//将矩形区域从原图抠出来Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));ROI.copyTo(mask(MaxBox));ROI_Rect.push_back(mask);}}}}//对找到的矩形区域进行识别是否为二维码
int Dectect_QR_Rect(Mat src,Mat &canvas,vector<Mat>&ROI_Rect)
{//用于存储检测到的二维码vector<vector<Point>>QR_Rect;//遍历所有找到的矩形区域for (int i = 0; i < ROI_Rect.size(); i++){Mat gray;cvtColor(ROI_Rect[i], gray, COLOR_BGR2GRAY);Mat bin;threshold(gray, bin, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);//通过hierarchy、RETR_TREE找到轮廓之间的层级关系vector<vector<Point>>contours;vector<Vec4i>hierarchy;findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);//父轮廓索引int ParentIndex = -1;int cn = 0;//用于存储二维码矩形的三个“回”vector<Point>rect_points;for (int i = 0; i < contours.size(); i++){//hierarchy[i][2] != -1 表示该轮廓有子轮廓  cn用于计数“回”中第几个轮廓if (hierarchy[i][2] != -1 && cn == 0){ParentIndex = i;cn++;}else if (hierarchy[i][2] != -1 && cn == 1){cn++;}else if (hierarchy[i][2] == -1){//初始化ParentIndex = -1;cn = 0;}//如果该轮廓存在子轮廓，且有2级子轮廓则认定找到‘回’if (hierarchy[i][2] != -1 && cn == 2){drawContours(canvas, contours, ParentIndex, Scalar::all(255), -1);RotatedRect rect;rect = minAreaRect(contours[ParentIndex]);rect_points.push_back(rect.center);}}//将找到地‘回’连接起来for (int i = 0; i < rect_points.size(); i++){line(canvas, rect_points[i], rect_points[(i + 1) % rect_points.size()], Scalar::all(255), 5);}QR_Rect.push_back(rect_points);}return QR_Rect.size();}int main()
{Mat src = imread("6.png");if (src.empty()){cout << "No image data!" << endl;system("pause");return 0;}vector<Mat>ROI_Rect;Find_QR_Rect(src, ROI_Rect);Mat canvas = Mat::zeros(src.size(), src.type());int flag = Dectect_QR_Rect(src, canvas, ROI_Rect);//imshow("canvas", canvas);if (flag <= 0){cout << "Can not detect QR code!" << endl;    system("pause");return 0;}cout << "检测到" << flag << "个二维码。" << endl;//框出二维码所在位置Mat gray;cvtColor(canvas, gray, COLOR_BGR2GRAY);vector<vector<Point>>contours;findContours(gray, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);Point2f points[4];for (int i = 0; i < contours.size(); i++){RotatedRect rect = minAreaRect(contours[i]);rect.points(points);for (int j = 0; j < 4; j++){line(src, points[j], points[(j + 1) % 4], Scalar(0, 255, 0), 2);}}imshow("source", src);waitKey(0);destroyAllWindows();system("pause");return 0;
}

总结

本文使用OpenCV C++进行二维码检测，关键步骤有以下几点。
1、图像预处理，筛选出二维码所在的矩形区域，并将该区域抠出来进行后续的识别工作。
2、对筛选出的矩形区域进行轮廓检测，判断它们之前的层级关系，以此来识别二维码。
3、最后根据检测到的二维码“回”字，将其绘制出来就可以了。

以上就是我对二维码检测识别的整体思路，欢迎大家一起交流学习。若存在不足的地方欢迎大家指正。

OpenCV C++案例实战三《二维码检测》相关推荐

Jetson Nano 从入门到实战（案例：Opencv配置、人脸检测、二维码检测）
目录 1. Jetson Nano简介 2. Jetson Nano环境配置 2.1 开箱配件介绍 2.2 烧录系统 2.3 开机和基本设置 2.4 开发环境配置 2.4.1 更新源和软件 2.4.2 ...
Jetson Nano 从入门到实战（转载）（案例：Opencv配置、人脸检测、二维码检测）
目录 1. Jetson Nano简介 2. Jetson Nano环境配置 2.1 开箱配件介绍 2.2 烧录系统 2.3 开机和基本设置 2.4 开发环境配置 2.4.1 更新源和软件 2.4.2 ...
OpenCV C++案例实战三十二《字符识别》
OpenCV C++案例实战三十二<字符识别> 前言一.结果演示二.制作数据集三.字符识别四.源码总结前言本案例将使用OpenCV C++ 进行字符识别.主要包括制作数据集. ...
OpenCV C++案例实战十二《图像全景拼接》
OpenCV C++案例实战十二<图像全景拼接> 前言一.OpenCV Stitcher 1.功能源码 2.效果二.图像全景拼接 1.特征检测 2.计算单应性矩阵 3.透视变换 4.图 ...
flutter开发实战-flutter二维码条形码扫一扫功能实现
flutter开发实战-flutter二维码条形码扫一扫功能实现 flutter开发实战-flutter二维码扫一扫功能实现,要使用到摄像头的原生的功能,使用的是插件:scan 效果图如下一.扫一扫 ...
python opencv 条形码及二维码检测识别
目录条形码检测识别二维码检测识别基于python opencv pyzbar 实现. 条形码检测识别原图: 最后截取图: 直接上代码: import cv2 import numpy as n ...
opencv contrib模块示例 WeChat qrcode微信二维码检测解码
在opencv 4.5.3 的 contrib中, 腾讯WeChatCV团队贡献了wechat_qrcode模块,3行代码即可在opencv中实现微信的扫码功能. 文档链接为https://docs. ...
餐饮二维码案例：扫二维码监督后厨卫生状况
清华大学中国经济社会数据研究中心与腾讯联合发布的<2020码上经济战疫报告>显示,2020年第一季度,"码"上经济交易额同比增加25.86%,1月23日至5月6日,政企 ...
Opencv之微信二维码检测与解析
简介微信二维码检测器是由微信计算机视觉团队(WeChatCV)提供的一个高性能.轻量级的二维码检测与解码库.它已广泛应用于腾讯的各种应用,包括微信.微信.QQ.QQ浏览器等.微信二维码检测仪有四个主 ...

OpenCV C++案例实战三《二维码检测》