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。
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。
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。
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;
}
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;
}
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());
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。
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。
