opencv 二维码定位

最近师兄跟我提到我二维码定位，参考了许多大佬的程序，写了这个小程序

目的：

用opencv的库实现QRcode定位

环境：

Windows 10
VS2015
opencv3.4.0

基本原理
下图为二维码的其中一个黑色正方形，二维码定位主要是根据这个正方形的位置进行定位识别
这个正方形提供了两个特征：

该正方形有三个轮廓特征，因此我们可以找到一个符合该特征的轮廓，便可以节省许多操作。如一个父轮廓内含有两个子轮廓。因此我们需要建立轮廓等级hierarchy
该正方形的黑白比例为1：1：3：1：1。

下面我介绍一下RotatedRect类的angle参数：
这幅图是我认为最符合RotatedRect类的angle的描述。我的程序需要将黑色正方形旋转回正，因此需要了解这个angle 、width和heigh。
各算法输出图像
1.滤波、直方图均值化、二值化

这张图的三个黑色框非常明显

2.识别位置、填充、连通三个区域

3.将图片找轮廓找出最小包围矩形，即可框出大致二维码位置

代码实现


#include "opencv2/opencv.hpp"using namespace cv;
using namespace std;Mat transformCorner(Mat src, RotatedRect rect);
bool isCorner(Mat &image);
double Rate(Mat &count);
int main()
{Mat src = imread("QRcode.jpg");if (!src.data)return -1;double start = (double)getTickCount();Mat srcGray, canvas;            //canvas为画布 将找到的定位特征画出来Mat canvasGray;    //pyrDown(src, src);  //图片过大时使用canvas = Mat::zeros(src.size(), CV_8UC3);/*灰度滤波直方图均值化 提高对比度*/cvtColor(src, srcGray, COLOR_BGR2GRAY);blur(srcGray, srcGray, Size(3, 3));equalizeHist(srcGray, srcGray);/*阈值根据实际情况 如视图中已找不到特征 可适量调整*/threshold(srcGray, srcGray, 50, 255, THRESH_BINARY);imshow("threshold", srcGray);/*contours是第一次寻找轮廓*//*contours2是筛选出的轮廓*/vector<vector<Point>> contours, contours2;vector<Vec4i> hierarchy;findContours(srcGray, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);int ic = 0;int parentIdx = -1;/*个人认为： 下面程序为寻找出有两个子轮廓的父轮廓*//*挺好用的 几乎筛选出来了*/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){parentIdx = -1;ic = 0;}if (ic >= 2){contours2.push_back(contours[parentIdx]);//drawContours(canvas, contours, parentIdx, Scalar(0, 0, 255), 1, 8);ic = 0;parentIdx = -1;}}vector<Point> center_all;  //center_all获取特性中心for (int i = 0; i < contours2.size(); i++){//drawContours(canvas, contours, i, Scalar(0, 255, 0), 2);double area = contourArea(contours2[i]);if (area < 100)continue;/*控制高宽比*/RotatedRect rect = minAreaRect(Mat(contours2[i]));double w = rect.size.width;double h = rect.size.height;double rate = min(w, h) / max(w, h);if (rate > 0.85)   {Mat image = transformCorner(src, rect); //返回旋转后的图片if (isCorner(image)){Point2f points[4];rect.points(points);for (int i = 0; i < 4; i++)line(src, points[i], points[(i + 1) % 4], Scalar(0, 255, 0), 2);drawContours(canvas, contours2, i, Scalar(0, 0, 255), -1);center_all.push_back(rect.center);}}}/*连接三个黑色正方形区域，将其变成一个轮廓，即可用最小矩形框选*/for (int i = 0; i < center_all.size(); i++){line(canvas, center_all[i], center_all[(i+1) % center_all.size()], Scalar(255, 0, 0),3);}vector<vector<Point>> contours3;cvtColor(canvas, canvasGray, COLOR_BGR2GRAY);findContours(canvasGray, contours3, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);/*原程序是没有这个设置 因此但输入图片无二维码时容易报错*/for (int i = 0; i < contours3.size(); i++){RotatedRect rect = minAreaRect(contours3[i]);Point2f boxpoint[4];rect.points(boxpoint);for (int i = 0; i < 4; i++)line(src, boxpoint[i], boxpoint[(i + 1) % 4], Scalar(0, 0, 255), 3);}imshow("src", src);imshow("canvas", canvas);//imshow("srcGray", srcGray);double    time = ((double)getTickCount() - start) / getTickFrequency();cout << "time:"<< time<< endl;waitKey(0);return 0;
}
/******************************************************************该变换是假设照片是在一个平面且垂直与摄像头(即二维码没有仿射或投影 仅仅是平移和旋转)
*******************************************************************/
Mat transformCorner(Mat src, RotatedRect rect)
{Point center = rect.center;   //旋转中心//circle(src, center, 2, Scalar(0, 0, 255), 2);//Size sz = Size(rect.size.width, rect.size.height);Point TopLeft = Point(cvRound(center.x),cvRound(center.y)) - Point(rect.size.height/2,rect.size.width/2);  //旋转后的目标位置TopLeft.x = TopLeft.x > src.cols ? src.cols : TopLeft.x;TopLeft.x = TopLeft.x < 0 ? 0 : TopLeft.x;TopLeft.y = TopLeft.y > src.rows ? src.rows : TopLeft.y;TopLeft.y = TopLeft.y < 0 ? 0 : TopLeft.y;//Point ButtonRight = (Point)center - Point(rect.size.width, rect.size.height);Rect RoiRect = Rect(TopLeft.x, TopLeft.y, rect.size.width, rect.size.height);   //抠图必备矩形double angle = rect.angle;        //旋转角度Mat mask,roi,dst;                //dst是被旋转的图片 roi为输出图片 mask为掩模Mat image;                       //被旋转后的图片Size sz = src.size();             //旋转后的尺寸mask = Mat::zeros(src.size(), CV_8U);/************************************为掩模上色 一般为白色因为RotatedRect 类型的矩形不容易调取内像素 （主要是我不太懂）因此我把矩形的四个顶点当成轮廓 再用drawContours填充************************************/vector<Point> contour;Point2f points[4];rect.points(points);for (int i = 0; i < 4; i++)contour.push_back(points[i]);vector<vector<Point>> contours;contours.push_back(contour);drawContours(mask, contours, 0, Scalar(1), -1);/*抠图，然后围绕中心矩阵中心旋转*/src.copyTo(dst, mask);//roi = dst(RoiRect);Mat M = getRotationMatrix2D(center, angle, 1);warpAffine(dst, image, M, sz);roi = image(RoiRect);//imshow("image", image);return roi;
}/***************判断输入图像的最底层轮廓是否有特征*********************/
bool isCorner(Mat &image)
{/*******dstCopy作用是防止findContours修改dstGray*******//*******dstGray后面还需要抠图**************************/Mat mask,dstGopy;Mat dstGray;mask = image.clone();cvtColor(image, dstGray, COLOR_BGR2GRAY);threshold(dstGray, dstGray, 100, 255, THRESH_BINARY_INV);  //阈值根据情况而定dstGopy = dstGray.clone();  //备份vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(dstGopy, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);for (int i = 0; i < contours.size(); i++){//cout << i << endl;if (hierarchy[i][2] == -1 && hierarchy[i][3]){Rect rect = boundingRect(Mat(contours[i]));rectangle(image, rect, Scalar(0, 0, 255), 2);/******************由图可知最里面的矩形宽度占总宽的3/7***********************/if (rect.width < mask.cols*2/ 7)      //2/7是为了防止一些微小的仿射continue;if (Rate(dstGray(rect)) > 0.75)       //0.75是我测试几张图片的经验值 可根据情况设置(测试数量并不多){rectangle(mask, rect, Scalar(0, 0, 255), 2);return true;}}}//imshow("dstGray", image);//imshow("mask", dstGray);return  false;
}/********统计像素点*****/
double Rate(Mat &count)
{int number = 0;int allpixel = 0;for (int row = 0; row < count.rows; row++){for (int col = 0; col < count.cols; col++){if (count.at<uchar>(row, col) == 255){number++;}allpixel++;}}cout << (double)number / allpixel  << endl;return (double)number / allpixel;
}

总的来说，这份程序还是很多多余步骤，主要是功底不足，如有BUG，欢迎在评论区提出，一起讨论学习！

参考借鉴文档
图片参考网址和部分代码
https://blog.csdn.net/jia20003/article/details/77348170
轮廓判断程序最后的框选二维码程序参考网址https://blog.csdn.net/guanyonglai/article/details/59644437
RotatedRect angle width heigh位置参考网址
https://blog.csdn.net/u011765923/article/details/82708171
这几篇文章给了我一些灵感，可以参考一下

opencv 二维码定位相关推荐

OpenCV 二维码定位与识别
因为二维码本身含有信息,因此可以作为产品的信息载体,如:产品特征.在工业领域常用在产品入库.分拣和包装上.但常常会因为二维码图像污点.光照不均匀以及二维码图像倾斜等原因,使得二维码的识别正确率低,针对 ...
python opencv 二维码定位识别
# --coding:utf-8-- from Camera.sdk.Camera import Camerafrom math import sin,cos,radians,fabs import ...
python3 + opencv +pyzbar实时检测二维码 / 定位二维码，并绘制出二维码的框和提取二维码内容
python3 + opencv +pyzbar实时检测二维码 / 定位二维码,并绘制出二维码的框和提取二维码内容 1 pyzbar二维码检测模块 1.1. pyzbar模块介绍 1.2 pyzbar ...
Opencv的使用小教程3——利用轮廓检测实现二维码定位
Opencv的使用小教程3--利用轮廓检测实现二维码定位二维码具有什么特征实现效果识别二维码的流程 1.预处理图像 2.寻找轮廓 3.通过寻找到的轮廓确定"回"的位置 4.创 ...
opencv4.0.1 qr二维码定位识别源码详解（一）
一.概述 opencv4.0版本以后,加入了二维码定位解码的功能,其主要功能基于quirc开源库,下载地址GitHub.约1200行代码,识别与定位占了约800行,解码部分不作赘述,直接调用quric ...
解决vue3-print-nb打印二维码定位(qrcode.vue) 问题
解决vue3-print-nb打印二维码定位(qrcode.vue) 问题在使用vu3-print-nb搭配qrcode.vue产生二维码的时候,我的代码是设置了全部元素都居中显示的,效果如下 &l ...
使用ROS和AprilTags进行相机定位（二维码定位全流程）
使用ROS和AprilTags进行相机定位(二维码定位全流程) 配置环境 1 下载虚拟机 2 下载Ubuntu16.07 3 安装虚拟机和Ubuntu 4 安装ROS 5 USB相机驱动标定.定位 ...
高速公路二维码定位报警系统
高速公路正朝着智能化方向发展,已经逐步形成"高速公路智慧化"的科技理念.智慧高速公路提出引入互联网思维和技术,针对传统高速公路系统和管理服务进行重新构造,提升高速公路运营管理水平与 ...
JavaCV/OpenCV 二维码扫描功能
JavaCV/OpenCV 二维码扫描功能怎样配置工程就不再赘述,不清楚的读者可以网上查找资料,二维码扫描功能通过JavaCV实现起来还是挺简单的,主要OpenCV中QRCodeDetector提供 ...

opencv 二维码定位

opencv 二维码定位相关推荐

最新文章

热门文章