0 前言

🔥 優(yōu)質(zhì)競賽項目系列，今天要分享的是

🚩 python+opencv+深度學(xué)習(xí)實現(xiàn)二維碼識別

🥇學(xué)長這里給一個題目綜合評分(每項滿分5分)

• 難度系數(shù)：3分
• 工作量：3分
• 創(chuàng)新點：3分

該項目較為新穎，適合作為競賽課題方向，學(xué)長非常推薦！

🧿 更多資料, 項目分享：

https://gitee.com/dancheng-senior/postgraduate

2 二維碼基礎(chǔ)概念

2.1 二維碼介紹

二維條碼/二維碼（2-dimensional bar
code）是用某種特定的幾何圖形按一定規(guī)律在平面（二維方向上）分布的、黑白相間的、記錄數(shù)據(jù)符號信息的圖形；在代碼編制上巧妙地利用構(gòu)成計算機內(nèi)部邏輯基礎(chǔ)的“0”、“1”比特流的概念，使用若干個與二進制相對應(yīng)的幾何形體來表示文字數(shù)值信息，通過圖象輸入設(shè)備或光電掃描設(shè)備自動識讀以實現(xiàn)信息自動處理：它具有條碼技術(shù)的一些共性：每種碼制有其特定的字符集；每個字符占有一定的寬度；具有一定的校驗功能等。同時還具有對不同行的信息自動識別功能、及處理圖形旋轉(zhuǎn)變化點。

2.2 QRCode

常見的二維碼為QR Code，QR全稱Quick Response，是一個近幾年來移動設(shè)備上超流行的一種編碼方式，它比傳統(tǒng)的Bar
Code條形碼能存更多的信息，也能表示更多的數(shù)據(jù)類型。

2.3 QRCode 特點

1、符號規(guī)格從版本1（21×21模塊）到版本40（177×177 模塊），每提高一個版本，每邊增加4個模塊。

2、數(shù)據(jù)類型與容量（參照最大規(guī)格符號版本40-L級）：

• 數(shù)字數(shù)據(jù)：7,089個字符
• 字母數(shù)據(jù): 4,296個字符
• 8位字節(jié)數(shù)據(jù): 2,953個字符
• 漢字數(shù)據(jù)：1,817個字符

3、數(shù)據(jù)表示方法：

• 深色模塊表示二進制"1"，淺色模塊表示二進制"0"。

4、糾錯能力：

• L級：約可糾錯7%的數(shù)據(jù)碼字
• M級：約可糾錯15%的數(shù)據(jù)碼字
• Q級：約可糾錯25%的數(shù)據(jù)碼字
• H級：約可糾錯30%的數(shù)據(jù)碼字

5、結(jié)構(gòu)鏈接（可選）

• 可用1-16個QR Code碼符號表示一組信息。每一符號表示100個字符的信息。

3 機器視覺二維碼識別技術(shù)

3.1 二維碼的識別流程

首先， 對采集的彩色圖像進行灰度化， 以提高后繼的運行速度。

其次， 去除噪聲。 采用十字形中值濾波去除噪音對二碼圖像的干擾主要是鹽粒噪聲。

利用灰度直方圖工具， 使用迭代法選取適當(dāng)?shù)拈撝?#xff0c; 對二維碼進行二值化處理，灰度化 去噪 二值化 尋找探測圖形確定旋轉(zhuǎn)角度 定位 旋轉(zhuǎn)
獲得數(shù)據(jù)使其變?yōu)榘椎缀谏珬l碼。

最后， 確定二維碼的位置探測圖形， 對條碼進行定位， 旋轉(zhuǎn)至水平后， 獲得條碼數(shù)據(jù)，
以便下一步進行解碼。

3.2 二維碼定位

QR 碼有三個形狀相同的位置探測圖形， 在沒有旋轉(zhuǎn)的情況下， 這三個位置探測圖形分別位于 QR 碼符號的左上角、 右上角和左下角。
三個位置探測圖形共同組成圖像圖形。

每個位置探測圖形可以看作是由 3 個重疊的同心的正方形組成， 它們分別為 7 7 個深色模塊、 5 5 個淺模塊和 3*3 個深色模塊。
位置探測圖形的模塊寬度比為 1: 1:3: 1: 1。

這種 1: 1: 3: 1: 1 的寬度比例特征在圖像的其他位置出現(xiàn)的可能性很小， 故可以將此作為位置探測圖形的掃描特征。 基于此特征，
當(dāng)一條直線上（稱為掃描線） 被黑白相間地截為1: 1: 3:1: 1 時， 可以認為該直線穿過了位置探測圖形。

另外， 該掃描特征不受圖像傾斜的影響。 對比中的兩個 QR 碼符號可以發(fā)現(xiàn)， 無論 QR碼符號是否傾斜， 都符合 1: 1: 3:1: 1 的掃描特征。

3.3 常用的掃描方法

1. 在 X 方向進行依次掃描。

(1) 固定 Y 坐標(biāo)的取值， 在 X 方向上畫一條水平直線（稱為掃描線） 進行掃描。 當(dāng)掃描線被黑白相間地截為 1: 1: 3: 1: 1 時，
可以認為該直線穿過了位置探測圖形。 在實際判定時， 比例系數(shù)允許 0. 5 的誤差， 即比例系數(shù)為1 的， 允許范圍為 0. 5~1. 5， 比例系數(shù)為 3
的， 允許范圍為 2. 5~3. 5。

(2) 當(dāng)尋找到有直線穿過位置探測圖形時， 記錄下位置探測圖形的外邊緣相遇的第一點和最后一點 A 和 B。 由 A、 B
兩點為端點的線段稱為掃描線段。將掃描線段保存下來。

用相同的方法， 完成圖像中所有水平方向的掃描。

2. 在 Y 方向， 使用相同的方法， 進行垂直掃描， 同樣保存掃描得到的掃描線段。

掃描線段分類掃描步驟獲得的掃描線段是沒有經(jīng)過分類的， 也就是對于特定的一條掃描線段， 無法獲知其具體對應(yīng)于三個位置探測圖形中的哪一個。
在計算位置探測圖形中心坐標(biāo)之前， 要將所有的掃描線段按照位置進行歸類。 一般采用距離鄰域法進行掃描線段的分類。

距離鄰域法的思想是： 給定一個距離閾值 dT, 當(dāng)兩條掃描線段的中點的距離小于 d T 時， 認為兩條掃描線段在同一個鄰域內(nèi)， 將它們分為一類，
反之則歸為不同的類別。

距離鄰域法的具體步驟如下：
（1） 給定一個距離閾值 dT ， d T要求滿足以下條件： 位于同一個位置探測圖形之中的任意兩點之間的距離小于 dT ，
位于不同位置探測圖形中的任意兩點之間的距離大于 d T
（2） 新建一個類別， 將第 1 條掃描線段歸入其中。
（3） 對于第 i 條掃描線段 l i （2≤i≤n）， 做以下操作：

a) 求出 l i 的中點 C i 。

b) 分別計算C i與在已存在的每一個類別中的第一條掃描線段的中點的距離d，若 d＜d T ， 則直接將 l i 加入相應(yīng)類別中。

c) 若無法找到 l i 可以加入的類別， 則新建一個類別， 將 l i 加入其中。

（4） 將所有類別按照包含掃描線段的數(shù)目進行從大到小排序， 保存前 3 個類別（即
包含掃描線段數(shù)目最多的 3 個類別）， 其余的視為誤判得到的掃描線段（在位置探測圖形以外的位置得到的符合掃描特征的掃描線段），
直接舍去。距離鄰域法結(jié)束后得到的分好 3 個類別的掃描線段就分別對應(yīng)了 3 個位置探測圖形。距離鄰域法的關(guān)鍵就是距離閾值的選取。 一般對于不同大小的 QR
碼圖像， 要使用不同的距離閾值。

（1） 在 X 方向的掃描線段中找出最外側(cè)的兩條， 分別取中點， 記為 A、 B。 由 A、 B兩點連一條直線。

（2） 在 Y 方向的掃描線段中找出最外側(cè)的兩條， 分別取中點， 記為 C、 D。 由 C、 D兩點連一條直線。

（3） 計算直線 AB 與直線 CD 的交點 O， 即為位置探測圖形中心點。

將 QR 碼符號的左上、 右上位置探測圖形的中心分別記為 A、 B。 連接 A、 B。 直線 AB 與水平線的夾角α 即為 QR 碼符號的旋轉(zhuǎn)角度。

對于該旋轉(zhuǎn)角度α ， 求出其正弦值 sinα 與余弦值 cosα 即可。 具體計算公式如下：

位置探測圖形邊長的計算是基于無旋轉(zhuǎn)圖像的， 在無旋轉(zhuǎn)圖像中， 水平掃描線段的長度即為位置探測圖形的邊長。

水平掃描線段 AB 的長度即為位置探測圖形的邊長 X。

對于經(jīng)過旋轉(zhuǎn)的 QR 碼圖像， 先通過插值算法生成旋正的 QR 碼圖像， 然后按照如上所述的方法進

4 深度學(xué)習(xí)二維碼識別

基于 CNN 的二維碼檢測，網(wǎng)絡(luò)結(jié)構(gòu)如下

4.1 部分關(guān)鍵代碼

篇幅有限，學(xué)長在這只給出部分關(guān)鍵代碼

首先，定義一個 AlgoQrCode.h

?

    #pragma once
?    #include 
?    #include 
?    using namespace cv;
?    using namespace std;
?    class AlgoQRCode{private:Ptr<wechat_qrcode::WeChatQRCode> detector;public:bool initModel(string modelPath);string detectQRCode(string strPath);bool compression(string inputFileName, string outputFileName, int quality);void release();};?    

該頭文件定義了一些方法，包含了加載模型、識別二維碼、釋放資源等方法，以及一個 detector 對象用于識別二維碼。

然后編寫對應(yīng)的源文件 AlgoQrCode.cpp

    
?    bool AlgoQRCode::initModel(string modelPath) {
?    	string detect_prototxt = modelPath + "detect.prototxt";
?    	string detect_caffe_model = modelPath + "detect.caffemodel";
?    	string sr_prototxt = modelPath + "sr.prototxt";
?    	string sr_caffe_model = modelPath + "sr.caffemodel";
?    	try
?    	{
?    		detector = makePtr<wechat_qrcode::WeChatQRCode>(detect_prototxt, detect_caffe_model, sr_prototxt, sr_caffe_model);
?    	}
?    	catch (const std::exception& e)
?    	{
?    		cout << e.what() << endl;
?    		return false;
?    	}
?    return true;}string AlgoQRCode::detectQRCode(string strPath){if (detector == NULL) {return "-1";}vector<Mat> vPoints;vector<cv::String> vStrDecoded;Mat imgInput = imread(strPath, IMREAD_GRAYSCALE);//	vStrDecoded = detector->detectAndDecode(imgInput, vPoints);....}bool AlgoQRCode::compression(string inputFileName, string outputFileName, int quality) {Mat srcImage = imread(inputFileName);if (srcImage.data != NULL){vector<int>compression_params;compression_params.push_back(IMWRITE_JPEG_QUALITY);compression_params.push_back(quality);     //圖像壓縮參數(shù)，該參數(shù)取值范圍為0-100，數(shù)值越高，圖像質(zhì)量越高bool bRet = imwrite(outputFileName, srcImage, compression_params);return bRet;}return false;}void AlgoQRCode::release() {detector = NULL;}?    

5 測試結(jié)果

學(xué)長這里放到樹莓派中，調(diào)用外部攝像頭進行識別，可以看到，效果還是非常不錯的

6 最后

🧿 更多資料, 項目分享：

https://gitee.com/dancheng-senior/postgraduate