C++ OpenCV实现二维码检测功能
目录
- 前言
- 一、二维码检测
- 二、二维码识别
- 三、二维码绘制
- 四、源码
- 总结
前言
本文将使用OpenCV C++ 进行二维码检测。
一、二维码检测
首先我们要先将图像进行预处理，通过灰度、滤波、二值化等操作提取出图像轮廓。在这里我还添加了形态学操作，消除噪点，有效将矩形区域连接起来。
Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY); Mat blur; GaussianBlur(gray, blur, Size(3, 3), 0); Mat bin; threshold(blur, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU); //通过Size（5，1）开运算消除边缘毛刺 Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1)); Mat open; morphologyEx(bin, open, MORPH_OPEN, kernel); //通过Size（21，1）闭运算能够有效地将矩形区域连接 便于提取矩形区域 Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1)); Mat close; morphologyEx(open, close, MORPH_CLOSE, kernel1);
如图为经过一系列图像处理之后得到的效果。之后我们需要对该图进行轮廓提取，找到二维码所在的矩形区域。
//使用RETR_EXTERNAL找到最外轮廓
vector<vector<Point>>MaxContours;
findContours(close, MaxContours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
for (int i = 0; i < MaxContours.size(); i++)
{
Mat mask = Mat::zeros(src.size(), CV_8UC3);
mask = Scalar::all(255);
double area = contourArea(MaxContours[i]);
//通过面积阈值找到二维码所在矩形区域
if (area > 6000 && area < 100000)
{
//计算最小外接矩形
RotatedRect MaxRect = minAreaRect(MaxContours[i]);
//计算最小外接矩形宽高比
double ratio = MaxRect.size.width / MaxRect.size.height;
if (ratio > 0.8 && ratio < 1.2)
{
Rect MaxBox = MaxRect.boundingRect();
//rectangle(src, Rect(MaxBox.tl(), MaxBox.br()), Scalar(255, 0, 255), 2);
//将矩形区域从原图抠出来
Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));
ROI.copyTo(mask(MaxBox));
ROI_Rect.push_back(mask);
}
}
}
由以下代码段我们就可以很好的找出二维码所在的矩形区域，并将这些区域抠出来保存以便进行下面的识别工作。
//找到二维码所在的矩形区域
void Find_QR_Rect(Mat src, vector<Mat>&ROI_Rect)
{
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
Mat blur;
GaussianBlur(gray, blur, Size(3, 3), 0);
Mat bin;
threshold(blur, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);
//通过Size（5，1）开运算消除边缘毛刺
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1));
Mat open;
morphologyEx(bin, open, MORPH_OPEN, kernel);
//通过Size（21，1）闭运算能够有效地将矩形区域连接 便于提取矩形区域
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1));
Mat close;
morphologyEx(open, close, MORPH_CLOSE, kernel1);
//使用RETR_EXTERNAL找到最外轮廓
vector<vector<Point>>MaxContours;
findContours(close, MaxContours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
for (int i = 0; i < MaxContours.size(); i++)
{
Mat mask = Mat::zeros(src.size(), CV_8UC3);
mask = Scalar::all(255);
double area = contourArea(MaxContours[i]);
//通过面积阈值找到二维码所在矩形区域
if (area > 6000 && area < 100000)
{
//计算最小外接矩形
RotatedRect MaxRect = minAreaRect(MaxContours[i]);
//计算最小外接矩形宽高比
double ratio = MaxRect.size.width / MaxRect.size.height;
if (ratio > 0.8 && ratio < 1.2)
{
Rect MaxBox = MaxRect.boundingRect();
//rectangle(src, Rect(MaxBox.tl(), MaxBox.br()), Scalar(255, 0, 255), 2);
//将矩形区域从原图抠出来
Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));
ROI.copyTo(mask(MaxBox));
ROI_Rect.push_back(mask);
}
}
}
}
如图所示，这是找到的二维码矩形。这里只展示其中之一。
二、二维码识别
通过findContours找到轮廓层级关系
//用于存储检测到的二维码
vector<vector<Point>>QR_Rect;
//遍历所有找到的矩形区域
for (int i = 0; i < ROI_Rect.size(); i++)
{
Mat gray;
cvtColor(ROI_Rect[i], gray, COLOR_BGR2GRAY);
Mat bin;
threshold(gray, bin, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
//通过hierarchy、RETR_TREE找到轮廓之间的层级关系
vector<vector<Point>>contours;
vector<Vec4i>hierarchy;
findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);
//父轮廓索引
int ParentIndex = -1;
int cn = 0;
//用于存储二维码矩形的三个“回”
vector<Point>rect_points;
for (int i = 0; i < contours.size(); i++)
{
//hierarchy[i][2] != -1 表示该轮廓有子轮廓 cn用于计数“回”中第几个轮廓
if (hierarchy[i][2] != -1 && cn == 0)
{
ParentIndex = i;
cn++;
}
else if (hierarchy[i][2] != -1 && cn == 1)
{
cn++;
}
else if (hierarchy[i][2] == -1)
{
//初始化
ParentIndex = -1;
cn = 0;
}
//如果该轮廓存在子轮廓，且有2级子轮廓则认定找到‘回'
if (hierarchy[i][2] != -1 && cn == 2)
{
drawContours(canvas, contours, ParentIndex, Scalar::all(255), -1);
RotatedRect rect;
rect = minAreaRect(contours[ParentIndex]);
rect_points.push_back(rect.center);
}
}
}
以上代码段的整体思路为：首先经过图像预处理进行轮廓检测，
通过hierarchy、RETR_TREE找到轮廓之间的层级关系。根据hierarchy[i][2]是否为-1判断该轮廓是否有子轮廓。若该轮廓存在子轮廓，则统计有几个子轮廓。如果该轮廓存在子轮廓，且有2级子轮廓则认定找到‘回’ 。关于轮廓的层级关系，大家可以自行百度查找资料，理解一下其中原理。
//对找到的矩形区域进行识别是否为二维码
int Dectect_QR_Rect(Mat src,Mat &canvas,vector<Mat>&ROI_Rect)
{
//用于存储检测到的二维码
vector<vector<Point>>QR_Rect;
//遍历所有找到的矩形区域
for (int i = 0; i < ROI_Rect.size(); i++)
{
Mat gray;
cvtColor(ROI_Rect[i], gray, COLOR_BGR2GRAY);
Mat bin;
threshold(gray, bin, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
//通过hierarchy、RETR_TREE找到轮廓之间的层级关系
vector<vector<Point>>contours;
vector<Vec4i>hierarchy;
findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);
//父轮廓索引
int ParentIndex = -1;
int cn = 0;
//用于存储二维码矩形的三个“回”
vector<Point>rect_points;
for (int i = 0; i < contours.size(); i++)
{
//hierarchy[i][2] != -1 表示该轮廓有子轮廓 cn用于计数“回”中第几个轮廓
if (hierarchy[i][2] != -1 && cn == 0)
{
ParentIndex = i;
cn++;
}
else if (hierarchy[i][2] != -1 && cn == 1)
{
cn++;
}
else if (hierarchy[i][2] == -1)
{
//初始化
ParentIndex = -1;
cn = 0;
}
//如果该轮廓存在子轮廓，且有2级子轮廓则认定找到‘回'
if (hierarchy[i][2] != -1 && cn == 2)
{
drawContours(canvas, contours, ParentIndex, Scalar::all(255), -1);
RotatedRect rect;
rect = minAreaRect(contours[ParentIndex]);
rect_points.push_back(rect.center);
}
}
//将找到地‘回'连接起来
for (int i = 0; i < rect_points.size(); i++)
{
line(canvas, rect_points[i], rect_points[(i + 1) % rect_points.size()], Scalar::all(255), 5);
}
QR_Rect.push_back(rect_points);
}
return QR_Rect.size();
}
由以上代码段，我们就可以识别出二维码。效果如图所示。
三、二维码绘制
//框出二维码所在位置
Mat gray;
cvtColor(canvas, gray, COLOR_BGR2GRAY);
vector<vector<Point>>contours;
findContours(gray, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
Point2f points[4];
for (int i = 0; i < contours.size(); i++)
{
RotatedRect rect = minAreaRect(contours[i]);
rect.points(points);
for (int j = 0; j < 4; j++)
{
line(src, points[j], points[(j + 1) % 4], Scalar(0, 255, 0), 2);
}
}
最终效果如图所示。
四、源码
#include<iostream>
#include<opencv2/core.hpp>
#include<opencv2/imgproc.hpp>
#include<opencv2/highgui.hpp>
using namespace std;
using namespace cv;
//找到二维码所在的矩形区域
void Find_QR_Rect(Mat src, vector<Mat>&ROI_Rect)
{
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
Mat blur;
GaussianBlur(gray, blur, Size(3, 3), 0);
Mat bin;
threshold(blur, bin, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);
//通过Size（5，1）开运算消除边缘毛刺
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1));
Mat open;
morphologyEx(bin, open, MORPH_OPEN, kernel);
//通过Size（21，1）闭运算能够有效地将矩形区域连接 便于提取矩形区域
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1));
Mat close;
morphologyEx(open, close, MORPH_CLOSE, kernel1);
//使用RETR_EXTERNAL找到最外轮廓
vector<vector<Point>>MaxContours;
findContours(close, MaxContours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
for (int i = 0; i < MaxContours.size(); i++)
{
Mat mask = Mat::zeros(src.size(), CV_8UC3);
mask = Scalar::all(255);
double area = contourArea(MaxContours[i]);
//通过面积阈值找到二维码所在矩形区域
if (area > 6000 && area < 100000)
{
//计算最小外接矩形
RotatedRect MaxRect = minAreaRect(MaxContours[i]);
//计算最小外接矩形宽高比
double ratio = MaxRect.size.width / MaxRect.size.height;
if (ratio > 0.8 && ratio < 1.2)
{
Rect MaxBox = MaxRect.boundingRect();
//rectangle(src, Rect(MaxBox.tl(), MaxBox.br()), Scalar(255, 0, 255), 2);
//将矩形区域从原图抠出来
Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));
ROI.copyTo(mask(MaxBox));
ROI_Rect.push_back(mask);
}
}
}
}
//对找到的矩形区域进行识别是否为二维码
int Dectect_QR_Rect(Mat src,Mat &canvas,vector<Mat>&ROI_Rect)
{
//用于存储检测到的二维码
vector<vector<Point>>QR_Rect;
//遍历所有找到的矩形区域
for (int i = 0; i < ROI_Rect.size(); i++)
{
Mat gray;
cvtColor(ROI_Rect[i], gray, COLOR_BGR2GRAY);
Mat bin;
threshold(gray, bin, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
//通过hierarchy、RETR_TREE找到轮廓之间的层级关系
vector<vector<Point>>contours;
vector<Vec4i>hierarchy;
findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);
//父轮廓索引
int ParentIndex = -1;
int cn = 0;
//用于存储二维码矩形的三个“回”
vector<Point>rect_points;
for (int i = 0; i < contours.size(); i++)
{
//hierarchy[i][2] != -1 表示该轮廓有子轮廓 cn用于计数“回”中第几个轮廓
if (hierarchy[i][2] != -1 && cn == 0)
{
ParentIndex = i;
cn++;
}
else if (hierarchy[i][2] != -1 && cn == 1)
{
cn++;
}
else if (hierarchy[i][2] == -1)
{
//初始化
ParentIndex = -1;
cn = 0;
}
//如果该轮廓存在子轮廓，且有2级子轮廓则认定找到‘回'
if (hierarchy[i][2] != -1 && cn == 2)
{
drawContours(canvas, contours, ParentIndex, Scalar::all(255), -1);
RotatedRect rect;
rect = minAreaRect(contours[ParentIndex]);
rect_points.push_back(rect.center);
}
}
//将找到地‘回'连接起来
for (int i = 0; i < rect_points.size(); i++)
{
line(canvas, rect_points[i], rect_points[(i + 1) % rect_points.size()], Scalar::all(255), 5);
}
QR_Rect.push_back(rect_points);
}
return QR_Rect.size();
}
int main()
{
Mat src = imread("6.png");
if (src.empty())
{
cout << "No image data!" << endl;
system("pause");
return 0;
}
vector<Mat>ROI_Rect;
Find_QR_Rect(src, ROI_Rect);
Mat canvas = Mat::zeros(src.size(), src.type());
int flag = Dectect_QR_Rect(src, canvas, ROI_Rect);
//imshow("canvas", canvas);
if (flag <= 0)
{
cout << "Can not detect QR code!" << endl;
system("pause");
return 0;
}
cout << "检测到" << flag << "个二维码。" << endl;
//框出二维码所在位置
Mat gray;
cvtColor(canvas, gray, COLOR_BGR2GRAY);
vector<vector<Point>>contours;
findContours(gray, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
Point2f points[4];
for (int i = 0; i < contours.size(); i++)
{
RotatedRect rect = minAreaRect(contours[i]);
rect.points(points);
for (int j = 0; j < 4; j++)
{
line(src, points[j], points[(j + 1) % 4], Scalar(0, 255, 0), 2);
}
}
imshow("source", src);
waitKey(0);
destroyAllWindows();
system("pause");
return 0;
}
总结
本文使用OpenCV C++进行二维码检测，关键步骤有以下几点。
1、图像预处理，筛选出二维码所在的矩形区域，并将该区域抠出来进行后续的识别工作。
2、对筛选出的矩形区域进行轮廓检测，判断它们之前的层级关系，以此来识别二维码。
3、最后根据检测到的二维码“回”字，将其绘制出来就可以了。
以上就是C++ OpenCV实现二维码检测功能的详细内容，更多关于C++ OpenCV二维码检测的资料请关注我们其它相关文章！
相关推荐
-
使用python写的opencv实时监测和解析二维码和条形码
今天,我实现了一个很有趣的demo,它可以在视频里找到并解析二维码,然后把解析的内容实时在屏幕上显示出来. 然后我们直入主题,首先你得确保你装了opencv,python,zbar等环境.然后这个教程对于学过opencv的人可能更好理解,但是没学过也无妨,到时候也可以直接用. 比如我的电脑上的环境是opencv2.4.x,python2.7,和最新的zbar,在Ubuntu 12.12的系统下运行的 假设你的opencv已经安装好了,那么我们就可以安装zbar 你可以先更新一下 sudo apt
-
Android调用OpenCV2.4.10实现二维码区域定位
Android上使调用OpenCV 2.4.10 实现二维码区域定位(Z-xing 码),该文章主要用于笔者自己学习中的总结,暂贴出代码部分,待以后有时间再补充算法的详细细节. Activity class Java 文件 package cn.hjq.android_capture; import java.io.BufferedWriter; import java.io.File; import java.io.FileOutputStream; import java.io.IOExce
-
Android基于OpenCV实现QR二维码检测
目录 QR二维码 QR二维码格式 QR二维码结构 API QRCodeDetector类结构 检测QR二维码 识别QR二维码 检测并识别QR二维码 操作 结果 源码 QR二维码 QR码(英语:Quick Response Code:全称为快速响应矩阵图码)是二维码的一种,于1994年由日本DENSO WAVE公司发明.QR来自英文Quick Response的缩写,即快速反应,因为发明者希望QR码可以快速解码其内容.QR码使用四种标准化编码模式(数字.字母数字.字节(二进制)和日文(Shift_
-
Java使用opencv识别二维码的完整步骤
目录 前言 OpenCV的安装 开发环境配置 识别二维码 总结 前言 OpenCV的全称是Open Source Computer Vision Library,它是一个跨平台的计算机视觉库,由英特尔公司发起并参与开发,以BSD许可证授权发行,可以在商业和研究领域中免费使用.OpenCV本身由C++语言开发,但也具有各种其他语言的接口,并支持windows.linux.ios.android等各种操作系统.本文将介绍如何使用OpenCV与Java语言进行二维码识别. OpenCV的安装 目前Op
-
c++ 基于opencv 识别、定位二维码
前言 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. 1 二维码特性 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
-
C++ OpenCV实现二维码检测功能
目录 前言 一.二维码检测 二.二维码识别 三.二维码绘制 四.源码 总结 前言 本文将使用OpenCV C++ 进行二维码检测. 一.二维码检测 首先我们要先将图像进行预处理,通过灰度.滤波.二值化等操作提取出图像轮廓.在这里我还添加了形态学操作,消除噪点,有效将矩形区域连接起来. Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY); Mat blur; GaussianBlur(gray, blur, Size(3, 3), 0); Mat bin;
-
Android开发实现模仿360二维码扫描功能实例详解
本文实例讲述了Android开发实现模仿360二维码扫描功能的方法.分享给大家供大家参考,具体如下: 一.效果图: 二.框架搭建 1.首先,下载最新zxing开源项目. 下载地址:http://code.google.com/p/zxing/ 或 点击此处本站下载. 2.分析项目结构,明确扫描框架需求.在zxing中,有很多其他的功能,项目结构比较复杂:针对二维码QRCode扫描,我们需要几个包: (1)com.google.zxing.client.android.Camera 基于Camer
-
Android实现基于ZXing快速集成二维码扫描功能
二维码扫描现在是一直比较多的应用场景,android的开源项目ZXing提供了完整.成熟的解决方案,如果仅仅是出于快速开发的目的,可以根据自己的项目需要,把ZXing官方提供的项目稍加裁剪,就可以快速的集成到自己的项目中.下面详细演示和介绍如何实现基于ZXing官方提供的源码,快速集成二维码扫描功能到自己项目中的解决方案. (第1步):到ZXing官方主页下载最新的项目代码包,ZXing在github的官方主页:https://github.com/zxing,下载后解压.解压后根目录下有若干项
-
Laravel使用PHPQRCODE实现生成带有LOGO的二维码图片功能示例
本文实例讲述了Laravel使用PHPQRCODE实现生成带有LOGO的二维码图片功能.分享给大家供大家参考,具体如下: /** * 利用phpqrcode来实现生成带有logo的二维码图片 */ public function getQrCode(Request $request){ $type = $request->input('type');//传递的类型 ios | android require_once(dirname(__FILE__) . '/phpqrcode/' . 'ph
-
基于barcodescanner实现Android二维码扫描功能
二维码扫描现在成为一种非常常见的APP基础功能,附录1是我曾经用过的二维码/条形码扫描开源项目,但是附录1的项目集成和二次定制比较繁琐和麻烦,因此可以发现不少人基于ZXing做了二次的开发,并贡献出这些项目,发到github上,其中barcodescanner就是这样的项目,barcodescanner的github项目地址:https://github.com/dm77/barcodescanner ,barcodescanner简化了ZXing的集成和二次定制难度,方便快速集成和开发,并且扫
-
C#基于QRCode实现动态生成自定义二维码图片功能示例
本文实例讲述了C#基于QRCode实现动态生成自定义二维码图片功能.分享给大家供大家参考,具体如下: 二维码早就传遍大江南北了,总以为它是个神奇的东西,其实细细研究之后发现也没想象的那么神秘,碰巧最近项目中需要动态生成二维码,解决完实际问题之后,简单总结整理一下.项目中除了动态生成二维码之外,还实现了动态生成自定义图片,二维码可以是其中的元素. 设置图片的数据源为动态图片 <body> <form id="form1" runat="server"
-
php+laravel 扫码二维码签到功能
简介 为满足公司签到业务场景 最终敲定使用微信二维码来实现 微信公众号相关配置 在微信公众平台登陆上去后,点开开发中的基本配置看到的基本信息 框架及拓展包 laravel overtrue/laravel-wechat 安装方式:composer require "overtrue/laravel-wechat:^6.0" 详细了解请看:laravel-wechat 配置文件及对应信息 config/wechat.php /* * 公众号 */ 'official_account' =
-
java实现识别二维码图片功能
本文实例为大家分享了java实现识别二维码图片功能,供大家参考,具体内容如下 所需maven依赖 <dependency> <groupId>com.google.zxing</groupId> <artifactId>javase</artifactId> <version>3.2.1</version> </dependency> <dependency> <gr