图像中二维码的检测和定位

时间 2019-11-16

原文原文链接

二维码

二维条码/二维码（2-dimensional bar code）是用某种特定的几何图形按必定规律在平面（二维方向上）分布的黑白相间的图形记录数据符号信息的；在代码编制上巧妙地利用构成计算机内部逻辑基础的“0”、“1”比特流的概念，使用若干个与二进制相对应的几何形体来表示文字数值信息，经过图象输入设备或光电扫描设备自动识读以实现信息自动处理：它具备条码技术的一些共性：每种码制有其特定的字符集；每一个字符占有必定的宽度；具备必定的校验功能等。同时还具备对不一样行的信息自动识别功能、及处理图形旋转变化点。java

定位图案android

Position Detection Pattern是定位图案，用于标记二维码的矩形大小。这三个定位图案有白边叫Separators for Postion Detection Patterns。之因此三个而不是四个意思就是三个就能够标识一个矩形了。
Timing Patterns也是用于定位的。缘由是二维码有40种尺寸，尺寸过大了后须要有根标准线，否则扫描的时候可能会扫歪了。
Alignment Patterns 只有Version 2以上（包括Version2）的二维码须要这个东东，一样是为了定位用的。

经过查找定位图案，能够实现二维码扫描的检测和定位。git

检测和定位的步骤

先对图片进行灰度处理：github

image = image.getImage().convert2Gray().getProcessor();
ByteProcessor src = ((ByteProcessor)image);复制代码

再对图像作二值化处理：算法

Threshold t = new Threshold();
t.process(src, Threshold.THRESH_OTSU, Threshold.METHOD_THRESH_BINARY_INV, 20);复制代码

而后是对y、x方向进行形态学上的开操做canvas

MorphOpen mOpen = new MorphOpen();
        byte[] data = new byte[width*height];
        System.arraycopy(src.getGray(), 0, data, 0, data.length);
        ByteProcessor copy = new ByteProcessor(data, width, height);
        mOpen.process(src, new Size(n1, n2)); // Y方向开操做
        src.getImage().resetBitmap();

        mOpen.process(copy, new Size(n2, n1)); // X方向开操做
        CV4JImage cv4JImage = new CV4JImage(width,height);
        ((ByteProcessor)cv4JImage.getProcessor()).putGray(copy.getGray());复制代码

所谓开操做是指先腐蚀后膨胀的操做。在以前的文章二值图像分析:案例实战(文本分离+硬币计数)曾经介绍过开操做的用途。小程序

import com.cv4j.core.datamodel.ByteProcessor;
import com.cv4j.core.datamodel.Size;

public class MorphOpen {

    /** * in order to remove litter noise block, erode + dilate operator * * @param binary * @param structureElement */
    public void process(ByteProcessor binary, Size structureElement) {
        FastErode erode = new FastErode();
        FastDilate dilate = new FastDilate();
        erode.process(binary, structureElement, 1);
        dilate.process(binary, structureElement, 1);
    }
}复制代码

接下来是标记联通区域，找到二维码的三个特征区域，也就是定位图案。微信

// 联通组件查找链接区域
        ConnectedAreaLabel ccal = new ConnectedAreaLabel();
        ccal.setFilterNoise(true);
        List<Rect> rectList = new ArrayList<>();
        int[] labelMask = new int[width*height];
        ccal.process(src, labelMask, rectList, true);
        float w = 0;
        float h = 0;
        float rate = 0;
        List<Rect> qrRects = new ArrayList<>();
        for(Rect roi : rectList) {

            if (roi == null) continue;

            if((roi.width > width/4 || roi .width < 10) || (roi.height < 10 || roi.height > height/4))
                continue;

            if((roi.x < 10 || roi.x > width -10)|| (roi.y < 10 || roi.y > height-10))
                continue;

            w = roi.width;
            h = roi.height;
            rate = (float)Math.abs(w / h  - 1.0);
            if(rate < 0.05 && isRect(roi, labelMask, width, height,true)) {
                qrRects.add(roi);
            }
        }复制代码

最后，经过定位图案可以找到二维码所在的区域，若是找不到会返回空的矩形。不然返回一个Rect，它表示找到的二维码所在图像中的区域。post

咱们能够对该区域进行标识，下面是算法的具体使用，找到图像中的二维码以后，用红色的边框框起来。优化

CV4JImage cv4JImage = new CV4JImage(bitmap);

        QRCodeScanner qrCodeScanner = new QRCodeScanner();
        Rect rect = qrCodeScanner.findQRCodeBounding(cv4JImage.getProcessor(),1,6);

        Bitmap bm = bitmap.copy(Bitmap.Config.ARGB_8888, true);
        Canvas canvas = new Canvas(bm);
        Paint paint = new Paint();
        paint.setColor(Color.RED);
        paint.setStrokeWidth((float) 10.0);
        paint.setStyle(Paint.Style.STROKE);

        android.graphics.Rect androidRect = new android.graphics.Rect(rect.x-20,rect.y-20,rect.br().x+20,rect.br().y+20);
        canvas.drawRect(androidRect,paint);
        image.setImageBitmap(bm);复制代码

对于iPhone截屏以后的图片，该图片尺寸是1242 × 2208。在没有对图片作任何缩放处理的状况下，使用该算法进行定位二维码的区域也是ok的。

固然，对于大图若是适当地降采样处理或者缩放的话，算法速度会更快。

写在最后

彩色二维码和小程序的圆形二维码目前可以检测吗？
暂时不能。由于图像在二值化以后，彩色的部分像素点会变成白色的像素点，致使二维码轮廓不完整，最终致使没法实现二值分析。咱们会在完成模版匹配的功能以后，继续优化算法完善该功能，加上检测彩色和圆形二维码的能力。

算法的源码位于cv4j的QRCodeScanner中，该算法不能识别二维码的字符串，只能找到二维码的区域，若是须要识别二维码仍是须要使用Google Zxing。

总结

cv4j 是gloomyfish和我一块儿开发的图像处理库，纯java实现，目前还处于早期的版本。

文章中的算法是对二值图像分析的综合运用，使用它再结合Google的ZXing可以提升二维码的识别率。固然，因为它是pure java实现的，稍做改动可以用它来判断出某张图片中是否包含有二维码。

若是您想看该系列先前的文章能够访问下面的文集：
www.jianshu.com/nb/10401400