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、创建一张新图，并在新图上画出识别到的“回”并连线
- 5、寻找直角
- 6、确定另外两个点的次序关系
- 7、计算旋转角
- 8、完成二维码的旋转
- 全部代码
好好学习噢！
二维码具有什么特征
二维码就是两个维度的条形码，平常我们在生活中随处可见，“QR”是“Quick Response”的缩写，它指的就是可以对隐藏在二维码中的数据实现快速读取。QR码相对传统条形码的优势是数据存储量大和高容错性。
我们都知道二维码有三个非常明显的黑框，就像下面的图显示的一样。
而这三个框框因为其明显的特征，它的作用也是用于二维码的定位。
因此，要实现二维码的定位，最重要的一点就是定位这三个框框，三个回。
这三个回有什么特点呢？
1、每一个“回”在包括最外边的轮廓的情况下，都存在三个轮廓，分别是：内部黑色正方形轮廓，白色正方形轮廓，外部轮廓。
2、每一个“回”的黑白框框的比例大概为1：3：1：1。
3、左上角的“回”与其它的顶点的夹角为90度
实现效果
原图（图片来自于网络）：
识别结果：
识别二维码的流程
在看流程前，可以前往我的github下载源码https://github.com/bubbliiiing/QRcode-location
1、预处理图像
在正式确定二维码的位置之前，首先要对原始图像进行处理，不能让原始图像很随意的直接使用，这其中包括一些重要的步骤：
1、利用cvtColor转化成灰度图像。
2、利用blur平滑图像，去除一些噪点。
3、利用convertScaleAbs实现图像的对比度增强。便于区分特征。
4、利用equalizeHist计算直方图，直方图的作用也是为了使得整个图像的区分度更大。
5、利用threshold阈值操作，将整个图像分为黑白两个极点，便于之后寻找轮廓。
以上所有的步骤都是为了让图像更便于寻找轮廓。
一个彩色的二维码图像，在经过如上的处理之后，可能会得到如下的图像：
2、寻找轮廓
在得到上述图像后，重要的是如何找到三个“回”，根据“回”的特点：每一个“回”在包括最外边的轮廓的情况下，都存在三个轮廓，分别是：内部黑色正方形轮廓，白色正方形轮廓，外部轮廓，我们可以完成回的寻找。
本文利用opencv自带的findContours函数寻找轮廓。
findContours的调用方式如下：
findContours(srcGray, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
其中：
1、srcGray是需要寻找轮廓的图像；
2、contours是寻找到的轮廓的存储变量，其变量类型为vector<vector>，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量。
3、hierarchy是轮廓之间的关系，其变量类型为vector，每一个hierarchy的元素包括了四个int的数据，分别表示第i个轮廓的后一个轮廓、前一个轮廓、子轮廓、父轮廓的索引编号。
3、通过寻找到的轮廓确定“回”的位置
在这里一部分，又要开始提到“回”的特点，其重要特点为存在三个轮廓，分别是：内部黑色正方形轮廓，白色正方形轮廓，外部轮廓。
如果我们可以找到内部具有两个轮廓的轮廓，大概率就是我们需要的“回”的位置，这里我给标亮了，大家应该看的明白。
我们对所有的轮廓进行判断，其内部是否有两个轮廓。
判断的方式如下，我用伪代码的形式呈现：
# ic用于确定这是“回”字判别中的第几个轮廓
for 轮廓i in 所有轮廓：if 该轮廓有子轮廓且ic == 0:保存该轮廓idic++elif 该轮廓是父轮廓:ic++elif 该轮廓不是父轮廓:初始化ic初始化父轮廓idif ic == 2: # 表示总共检测到三个连续的轮廓，满足外轮廓中有两个轮廓的要求if(IsQrPoint):# IsQrPoint该函数通过面积二次判断是否为“回”字保存该轮廓# 此时已经检测到一个“回"初始化ic初始化父轮廓id
该流程执行同样得益于findContours在父轮廓与子轮廓是连续排序的。即父轮廓后一个轮廓是其子轮廓。
具体的执行代码如下：
for (int i = 0; i < contours.size(); i++)
{// 判断是否为父轮廓if (hierarchy[i][2] != -1 && ic == 0){parentIdx = i;ic++;}// 判断是否是父轮廓内的子轮廓else if (hierarchy[i][2] != -1){ic++;}else if (hierarchy[i][2] == -1){parentIdx = -1;ic = 0;}// 判断是否积累检测到三个轮廓if (ic == 2){ //通过图像处理进行深层次的判断if (IsQrPoint(contours[parentIdx], src)) {RotatedRect rect = minAreaRect(Mat(contours[parentIdx]));// 画图部分Point2f points[4];rect.points(points);for (int j = 0; j < 4; j++) {line(src, points[j], points[(j + 1) % 4], Scalar(0, 255, 0), 2);}drawContours(canvas, contours, parentIdx, Scalar(0, 0, 255), -1);// 如果满足条件则存入center_all.push_back(rect.center);numOfRec++;}ic = 0;parentIdx = -1;}
}
4、创建一张新图，并在新图上画出识别到的“回”并连线
该部分的目的主要是在新图上绘画出三个“回”，然后利用findContours得到轮廓，在新图上，一共会获得四个轮廓，分别是三个“回”的轮廓和整个QRcode的轮廓，然后为所有的轮廓利用minAreaRect函数构建最小的矩形，之所以这样做是因为原图干扰太多，直接在新图上构建矩形可以很容易避免干扰，只要识别“回”识别的正确，就一定可以得到正确的矩形。
在该部分需要执行的流程是：
1、利用findContours得到轮廓。
2、利用minAreaRect得到与轮廓最相符合的矩形
3、对矩形面积进行检测筛选，最大面积的矩形就是QRcode的矩形，比较小的三个矩形是“回”
具体执行代码如下
vector<vector<Point>> contours3;
Mat canvasGray;
cvtColor(canvas, canvasGray, COLOR_BGR2GRAY);
findContours(canvasGray, contours3, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);vector<Point> maxContours;
double maxArea = 0;
// 在原图中画出二维码的区域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);double area = contourArea(contours3[i]);if (area > maxArea) {maxContours = contours3[i];maxArea = area;}
}
imshow("src", src);
if (numOfRec < 3) {waitKey(10);continue;
}
RotatedRect rect = minAreaRect(Mat(maxContours));
5、寻找直角
在上几步中，我们已经获得的了“回”的位置和整个二维码的大概轮廓，这一步，我们主要是对二维码的方向进行矫正，对二维码而言，其三个“回”存在次序关系，左上角的“回”与另外两个“回”构成直角，像这样。
如何确定三个回哪个是直角呢，我们通过向量垂直公式判断：
两个向量垂直,有垂直定理: 若设向量a=(x1,y1),b=(x2,y2) ,a⊥b的充要条件是a·b=0,即(x1x2+y1y2)=0。
在此处我们只需要将任意两个“回”的中心坐标相减就可以得到一个“回”到另一个回的向量。
通过如下方式判断：
int leftTopPoint(vector<Point> centerPoint) {int minIndex = 0;int multiple = 0;int minMultiple = 10000;multiple = (centerPoint[1].x - centerPoint[0].x)*(centerPoint[2].x - centerPoint[0].x) + (centerPoint[1].y - centerPoint[0].y)*(centerPoint[2].y - centerPoint[0].y);if (minMultiple > multiple){minIndex = 0;minMultiple = multiple;}multiple = (centerPoint[0].x - centerPoint[1].x)*(centerPoint[2].x - centerPoint[1].x) + (centerPoint[0].y - centerPoint[1].y)*(centerPoint[2].y - centerPoint[1].y);if (minMultiple > multiple) {minIndex = 1;minMultiple = multiple;}multiple = (centerPoint[0].x - centerPoint[2].x)*(centerPoint[1].x - centerPoint[2].x) + (centerPoint[0].y - centerPoint[2].y)*(centerPoint[1].y - centerPoint[2].y);if (minMultiple > multiple) {minIndex = 2;minMultiple = multiple;}return minIndex;
}6、确定另外两个点的次序关系
这一步主要是用于确定三个“回”中，除去直角的“回”，另外两个“回"的位置，之所以要确定是因为确定了之后才能完成完成二维码的矫正。
一个摆正的二维码是这样的：
左上角的“回”就是垂直角的“回”，右上角的“回”和左下角的“回”是不可以替换的，我们如果能够确定其次序关系，将有助于我们对二维码进行矫正定位。
如何确定这另外两个“回”的次序呢，在确定直角的时候我们使用了垂直定理，实际上求的是两个向量的内积，现在我们使用外积的公式。
什么是外积呢，大概是这样：
a外积b得到的向量就是朝上的，b外积a得到的向量与之相反，是朝下的。
在二维码上是怎么体现的呢？
在这里我定义了a、b两条直线，此时a外积b得到的向量就是电脑屏幕朝里的，b外积a得到的向量与之相反，是朝外的。
在实际使用时，我们假设a、b在同一平面，它们的z轴方向的分量都是0，因此他们外积的结果只会与z轴平行，此时我们便可以通过z轴上数值的正负判断两个点的次序了。（这里需要数学基础……我虽然懂但是真的讲不太来。）
具体计算公式如下：
具体实现代码为，otherIndex[0]就是右上角的“回”，otherIndex[1]就是左下角的“回”：
vector<int> otherTwoPoint(vector<Point> centerPoint,int leftTopPointIndex) {vector<int> otherIndex;double waiji = (centerPoint[(leftTopPointIndex + 1) % 3].x- centerPoint[(leftTopPointIndex) % 3].x)*(centerPoint[(leftTopPointIndex + 2) % 3].y - centerPoint[(leftTopPointIndex) % 3].y) -(centerPoint[(leftTopPointIndex + 2) % 3].x - centerPoint[(leftTopPointIndex) % 3].x)*(centerPoint[(leftTopPointIndex + 1) % 3].y - centerPoint[(leftTopPointIndex) % 3].y);if (waiji > 0) {otherIndex.push_back((leftTopPointIndex + 1) % 3);otherIndex.push_back((leftTopPointIndex + 2) % 3);}else {otherIndex.push_back((leftTopPointIndex + 2) % 3);otherIndex.push_back((leftTopPointIndex + 1) % 3);}return otherIndex;
}
7、计算旋转角
计算旋转角需要借助三个“回”的点位来进行。
首先通过如下公式计算右上角的“回”与左上角的“回”形成的k值。
double dy = rightTopPoint.y - leftTopPoint.y;
double dx = rightTopPoint.x - leftTopPoint.x;
double k = dy / dx;
再利用以下公式可以计算对应的与opencv中x轴形成的角度：
double angle = atan(k) * 180 / CV_PI;//转化角度
此时θ角是负值。计算出该θ角就可以对图像进行矫正了，但是仅仅使用左上角和右上角可能会存在图像对称的问题，具体情况如下。
这两幅图的θ角是一样的，但是明显，其需要旋转的角度不同，左边那幅图旋转theta角之后就可以摆正，但是右边那幅图我们会得到如下结果。
很明显，需要再旋转180度才可以得到正确结果，通过对比我们发现，当左下角的“回”的y值小于左上角的“回”的y值时（opencv坐标系），会出现上述情况，因此，我们需要再判断左下角的“回”的y值和左上角的“回”的y值的关系。
if (leftBottomPoint.y < leftTopPoint.y)angle -= 180;
即可。
最后得到旋转角度的函数为：
double rotateAngle(Point leftTopPoint, Point rightTopPoint, Point leftBottomPoint) {double dy = rightTopPoint.y - leftTopPoint.y;double dx = rightTopPoint.x - leftTopPoint.x;double k = dy / dx;double angle = atan(k) * 180 / CV_PI;//转化角度if (leftBottomPoint.y < leftTopPoint.y)angle -= 180;return angle;
}
8、完成二维码的旋转
已经得到旋转的角度，之后便可以在原图中获得二维码的旋转结果，并截出二维码区域。
在完成二维码的截取时，需要给二维码截取函数传入三个参数，分别是，原图src，在第四步中得到的包含二维码的矩形rect，旋转的角度angle。
最终处理过程如下：
1、获得旋转中心；
2、获得需要抠图的范围，以旋转中心为中心。
3、通过包含二维码的矩形rect在src中截出尚未旋转的二维码。
4、按旋转中心，利用角度angle完成旋转
5、利用获得的需要抠图的范围进行抠图。
具体处理代码如下：
Mat transformQRcode(Mat src, RotatedRect rect,double angle)
{// 获得旋转中心Point center = rect.center;// 获得左上角和右下角的角点，而且要保证不超出图片范围，用于抠图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;int after_width, after_height;if (TopLeft.x + rect.size.width > src.cols) {after_width = src.cols - TopLeft.x - 1;}else {after_width = rect.size.width - 1;}if (TopLeft.y + rect.size.height > src.rows) {after_height = src.rows - TopLeft.y - 1;}else {after_height = rect.size.height - 1;}// 获得二维码的位置Rect RoiRect = Rect(TopLeft.x, TopLeft.y, after_width, after_height); // dst是被旋转的图片，roi为输出图片，mask为掩模Mat mask, roi, dst; Mat image;// 建立中介图像辅助处理图像vector<Point> contour;// 获得矩形的四个点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);// 再中介图像中画出轮廓drawContours(mask, contours, 0, Scalar(255,255,255), -1);// 通过mask掩膜将src中特定位置的像素拷贝到dst中。src.copyTo(dst, mask);// 旋转Mat M = getRotationMatrix2D(center, angle, 1);warpAffine(dst, image, M, src.size());// 截图roi = image(RoiRect);return roi;
}
全部代码
这是二维码识别的全部代码，只要正确安装了opencv，都是可以正常运行的，这些代码是我参考了很多的blog和学习了很久的opencv才修改出来的，希望需要的人可以点个赞或者关注hahahah。
#include <opencv2/opencv.hpp>
#include <iostream>
#include <opencv2\core\core.hpp>
#include <stdio.h>
#include <string>
#include <sstream>using namespace cv;
using namespace std;// 用于矫正
Mat transformCorner(Mat src, RotatedRect rect);
Mat transformQRcode(Mat src, RotatedRect rect, double angle);
// 用于判断角点
bool IsQrPoint(vector<Point>& contour, Mat& img);
bool isCorner(Mat &image);
double Rate(Mat &count);
int leftTopPoint(vector<Point> centerPoint);
vector<int> otherTwoPoint(vector<Point> centerPoint, int leftTopPointIndex);
double rotateAngle(Point leftTopPoint, Point rightTopPoint, Point leftBottomPoint);
//otherTwoPointIndex返回二维码对应的意义int main()
{//VideoCapture cap;//Mat src;//cap.open(0); //打开相机，电脑自带摄像头一般编号为0，外接摄像头编号为1，主要是在设备管理器中查看自己摄像头的编号。//cap.set(CV_CAP_PROP_FRAME_WIDTH, 1280); //设置捕获视频的宽度//cap.set(CV_CAP_PROP_FRAME_HEIGHT, 400); //设置捕获视频的高度//if (!cap.isOpened()) //判断是否成功打开相机//{// cout << "摄像头打开失败!" << endl;//return -1;//}while (1) {Mat src;src = imread("QRcode2.jpg");//cap >> src; //从相机捕获一帧图像Mat srcCopy = src.clone();//canvas为画布 将找到的定位特征画出来Mat canvas;canvas = Mat::zeros(src.size(), CV_8UC3);Mat srcGray;//center_all获取特性中心vector<Point> center_all;// 转化为灰度图cvtColor(src, srcGray, COLOR_BGR2GRAY);// 3X3模糊blur(srcGray, srcGray, Size(3, 3));// 计算直方图convertScaleAbs(src, src);equalizeHist(srcGray, srcGray);int s = srcGray.at<Vec3b>(0, 0)[0];// 设置阈值根据实际情况 如视图中已找不到特征 可适量调整threshold(srcGray, srcGray, 0, 255, THRESH_BINARY | THRESH_OTSU);imshow("threshold", srcGray);/*contours是第一次寻找轮廓*//*contours2是筛选出的轮廓*/vector<vector<Point>> contours;// 用于轮廓检测vector<Vec4i> hierarchy;findContours(srcGray, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);// 小方块的数量int numOfRec = 0;// 检测方块int ic = 0;int parentIdx = -1;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 && ic <= 2){if (IsQrPoint(contours[parentIdx], src)) {RotatedRect rect = minAreaRect(Mat(contours[parentIdx]));// 画图部分Point2f points[4];rect.points(points);for (int j = 0; j < 4; j++) {line(src, points[j], points[(j + 1) % 4], Scalar(0, 255, 0), 2);}drawContours(canvas, contours, parentIdx, Scalar(0, 0, 255), -1);// 如果满足条件则存入center_all.push_back(rect.center);numOfRec++;}ic = 0;parentIdx = -1;}}// 连接三个正方形的部分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;Mat canvasGray;cvtColor(canvas, canvasGray, COLOR_BGR2GRAY);findContours(canvasGray, contours3, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);vector<Point> maxContours;double maxArea = 0;// 在原图中画出二维码的区域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);double area = contourArea(contours3[i]);if (area > maxArea) {maxContours = contours3[i];maxArea = area;}}imshow("src", src);if (numOfRec < 3) {waitKey(10);continue;}// 计算“回”的次序关系int leftTopPointIndex = leftTopPoint(center_all);vector<int> otherTwoPointIndex = otherTwoPoint(center_all, leftTopPointIndex);// canvas上标注三个“回”的次序关系circle(canvas, center_all[leftTopPointIndex],10,Scalar(255,0,255),-1);circle(canvas, center_all[otherTwoPointIndex[0]], 10, Scalar(0, 255, 0),-1);circle(canvas, center_all[otherTwoPointIndex[1]], 10, Scalar(0, 255, 255),-1);// 计算旋转角double angle = rotateAngle(center_all[leftTopPointIndex], center_all[otherTwoPointIndex[0]], center_all[otherTwoPointIndex[1]]);// 拿出之前得到的最大的轮廓RotatedRect rect = minAreaRect(Mat(maxContours));Mat image = transformQRcode(srcCopy, rect, angle);// 展示图像imshow("QRcode", image);imshow("canvas", canvas);waitKey(10);}return 0;
}Mat transformCorner(Mat src, RotatedRect rect)
{// 获得旋转中心Point center = rect.center;// 获得左上角和右下角的角点，而且要保证不超出图片范围，用于抠图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;int after_width, after_height;if (TopLeft.x + rect.size.width > src.cols) {after_width = src.cols - TopLeft.x - 1;}else {after_width = rect.size.width - 1;}if (TopLeft.y + rect.size.height > src.rows) {after_height = src.rows - TopLeft.y - 1;}else {after_height = rect.size.height - 1;}// 获得二维码的位置Rect RoiRect = Rect(TopLeft.x, TopLeft.y, after_width, after_height);// dst是被旋转的图片 roi为输出图片 mask为掩模double angle = rect.angle;Mat mask, roi, dst;Mat image;// 建立中介图像辅助处理图像vector<Point> contour;// 获得矩形的四个点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);// 再中介图像中画出轮廓drawContours(mask, contours, 0, Scalar(255, 255, 255), -1);// 通过mask掩膜将src中特定位置的像素拷贝到dst中。src.copyTo(dst, mask);// 旋转Mat M = getRotationMatrix2D(center, angle, 1);warpAffine(dst, image, M, src.size());// 截图roi = image(RoiRect);return roi;
}// 该部分用于检测是否是角点，与下面两个函数配合
bool IsQrPoint(vector<Point>& contour, Mat& img) {double area = contourArea(contour);// 角点不可以太小if (area < 30)return 0;RotatedRect rect = minAreaRect(Mat(contour));double w = rect.size.width;double h = rect.size.height;double rate = min(w, h) / max(w, h);if (rate > 0.7){// 返回旋转后的图片，用于把“回”摆正，便于处理Mat image = transformCorner(img, rect); if (isCorner(image)){return 1;}}return 0;
}// 计算内部所有白色部分占全部的比率
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;
}// 用于判断是否属于角上的正方形
bool isCorner(Mat &image)
{// 定义maskMat imgCopy, dstCopy;Mat dstGray;imgCopy = image.clone();// 转化为灰度图像cvtColor(image, dstGray, COLOR_BGR2GRAY);// 进行二值化threshold(dstGray, dstGray, 0, 255, THRESH_BINARY | THRESH_OTSU);dstCopy = dstGray.clone(); //备份// 找到轮廓与传递关系vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(dstCopy, 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);// 最里面的矩形与最外面的矩形的对比if (rect.width < imgCopy.cols * 2 / 7) //2/7是为了防止一些微小的仿射continue;if (rect.height < imgCopy.rows * 2 / 7) //2/7是为了防止一些微小的仿射continue;// 判断其中黑色与白色的部分的比例if (Rate(dstGray) > 0.20){return true;}}}return false;
}int leftTopPoint(vector<Point> centerPoint) {int minIndex = 0;int multiple = 0;int minMultiple = 10000;multiple = (centerPoint[1].x - centerPoint[0].x)*(centerPoint[2].x - centerPoint[0].x) + (centerPoint[1].y - centerPoint[0].y)*(centerPoint[2].y - centerPoint[0].y);if (minMultiple > multiple){minIndex = 0;minMultiple = multiple;}multiple = (centerPoint[0].x - centerPoint[1].x)*(centerPoint[2].x - centerPoint[1].x) + (centerPoint[0].y - centerPoint[1].y)*(centerPoint[2].y - centerPoint[1].y);if (minMultiple > multiple) {minIndex = 1;minMultiple = multiple;}multiple = (centerPoint[0].x - centerPoint[2].x)*(centerPoint[1].x - centerPoint[2].x) + (centerPoint[0].y - centerPoint[2].y)*(centerPoint[1].y - centerPoint[2].y);if (minMultiple > multiple) {minIndex = 2;minMultiple = multiple;}return minIndex;
}vector<int> otherTwoPoint(vector<Point> centerPoint,int leftTopPointIndex) {vector<int> otherIndex;double waiji = (centerPoint[(leftTopPointIndex + 1) % 3].x- centerPoint[(leftTopPointIndex) % 3].x)*(centerPoint[(leftTopPointIndex + 2) % 3].y - centerPoint[(leftTopPointIndex) % 3].y) -(centerPoint[(leftTopPointIndex + 2) % 3].x - centerPoint[(leftTopPointIndex) % 3].x)*(centerPoint[(leftTopPointIndex + 1) % 3].y - centerPoint[(leftTopPointIndex) % 3].y);if (waiji > 0) {otherIndex.push_back((leftTopPointIndex + 1) % 3);otherIndex.push_back((leftTopPointIndex + 2) % 3);}else {otherIndex.push_back((leftTopPointIndex + 2) % 3);otherIndex.push_back((leftTopPointIndex + 1) % 3);}return otherIndex;
}double rotateAngle(Point leftTopPoint, Point rightTopPoint, Point leftBottomPoint) {double dy = rightTopPoint.y - leftTopPoint.y;double dx = rightTopPoint.x - leftTopPoint.x;double k = dy / dx;double angle = atan(k) * 180 / CV_PI;//转化角度if (leftBottomPoint.y < leftTopPoint.y)angle -= 180;return angle;
}Mat transformQRcode(Mat src, RotatedRect rect,double angle)
{// 获得旋转中心Point center = rect.center;// 获得左上角和右下角的角点，而且要保证不超出图片范围，用于抠图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;int after_width, after_height;if (TopLeft.x + rect.size.width > src.cols) {after_width = src.cols - TopLeft.x - 1;}else {after_width = rect.size.width - 1;}if (TopLeft.y + rect.size.height > src.rows) {after_height = src.rows - TopLeft.y - 1;}else {after_height = rect.size.height - 1;}// 获得二维码的位置Rect RoiRect = Rect(TopLeft.x, TopLeft.y, after_width, after_height); // dst是被旋转的图片，roi为输出图片，mask为掩模Mat mask, roi, dst; Mat image;// 建立中介图像辅助处理图像vector<Point> contour;// 获得矩形的四个点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);// 再中介图像中画出轮廓drawContours(mask, contours, 0, Scalar(255,255,255), -1);// 通过mask掩膜将src中特定位置的像素拷贝到dst中。src.copyTo(dst, mask);// 旋转Mat M = getRotationMatrix2D(center, angle, 1);warpAffine(dst, image, M, src.size());// 截图roi = image(RoiRect);return roi;
}
如果有不懂的地方欢迎大家询问。
Opencv的使用小教程3——利用轮廓检测实现二维码定位相关推荐
- 小程序开发-利用canvas实现保存二维码海报到本机
场景及需求 在小程序开发过程中,经常需要实现保存某个页面为带小程序码的二维码海报图片到本地,然后用于分享或者发朋友圈等操作. 主要技术点及小程序相关api 技术注意事项 小程序的canvas与H5 c ...
- 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 ...
- 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 ...
- 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 ...
- 小程序长按识别公众号二维码-已实现
在做这个功能的时候,网上找了好多,都说不行,最终还是找到解决办法了. 直接说了:小程序API中的wx.previewImage可以实现,但需要先预览,再长按,比较麻烦. 小程序webview H5中放 ...
- 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 ...
- 小程序识别带多个参数二维码进入商品详情
小程序识别带多个参数二维码进入商品详情 前提: 因为在商品详情页面中有个一功能是点击分享生成海报,海报上面有商品信息以及商品小程序码,用户通过将海报分享给别人的时候,那个人可以通过识别那个商品小程序码 ...
- 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 ...
- java利用core 工具实现二维码的生成与解析
java利用core 工具实现二维码的生成与解析 简单介绍下二维码:二维码其实就是一种编码技术,只是这种编码技术是用在图片上了,将给定的一些文字,数字转换为一张经过特定编码的图片,而解析二维码则相反, ...
最新文章
- winform频繁刷新导致界面闪烁解决方法
- python 是什么类型的语言-python是一种什么类型的语言
- 读书笔记—《发现你的行为模式（钻石版）》-开篇
- MySQL数据库安装Version5.5
- 不用AJAX实现前台JS调用后台C#方法(小技巧)
- 云栖科技评论第57期：技术拓展科学边界 科学激发技术创新
- docker kali安装mysql_Linux环境使用Docker安装MySql
- erlang web服务器性能,100万并发连接服务器笔记之Erlang完成1M并发连接目标
- unity虚拟摇杆控制的实现
- Yate for mac(标记和管理音频文件工具)
- 替罪羊树（Scapegoat Tree）
- Day20(lambda、stream、微服务、大数据、nginx)
- word2016拼音指南功能无效解决方案
- Android 7.0下拍照和裁剪图片
- 西刺ip代理采集和ip测试-国内免费高匿版本
- Unity-TCP-网络聊天功能(一): API、客户端服务器、数据格式、粘包拆包
- 测试宝宝体重的软件,如何测试宝宝身高体重
- 荣耀6plus android6.0,荣耀6PLUS升级安卓6.0（emui4.0)感受
- 网络规划---网络计划软件
- 威伦触摸屏TK6060IP简单例子