概述

近期由于开发需要，需研究qr码的定位和检测，恰好opencv前端时间已经发布了4.0.0版本，就着这个机会学习一下opencv中的实现。需说明的是，opencv二维码检测模块是基于Quirc（git://github.com/dlbeer/quirc.git）这个开源库集成开发的。

qr码检测到类为QRCodeDetector，其主要成员函数有

构造函数
析构函数
void setEpsX(double epsX)、void setEpsY(double epsY)：这两个设置X、Y两个方向上检测出定位码的系数，默认epsX = 0.2,epsY = 0.1；
bool detect(cv::InputArray img, cv::OutputArray points) const：定位qr码；
string decode(cv::InputArray img, cv::InputArray points, cv::OutputArray straight_qrcode = cv::noArray())：解码；
std::string detectAndDecode(cv::InputArray img, cv::OutputArray points=cv::noArray(), cv::OutputArray straight_qrcode = cv::noArray())：定位和解码。

定位

我们把重点放到定位detect()上，这基本上也是qr码检测成败的关键。

bool QRCodeDetector::detect(InputArray in, OutputArray points) const
{
    Mat inarr = in.getMat();
    CV_Assert(!inarr.empty());
    CV_Assert(inarr.depth() == CV_8U);
    int incn = inarr.channels();
    if( incn == 3 || incn == 4 )
    {
        Mat gray;
        cvtColor(inarr, gray, COLOR_BGR2GRAY);
        inarr = gray;
    }

    QRDetect qrdet;
    qrdet.init(inarr, p->epsX, p->epsY);
    if (!qrdet.localization()) { return false; }
    if (!qrdet.computeTransformationPoints()) { return false; }
    vector<Point2f> pnts2f = qrdet.getTransformationPoints();
    Mat(pnts2f).convertTo(points, points.fixedType() ? points.type() : CV_32FC2);
    return true;
}

可以看到detect函数先将图片转为灰度图，然后执行调用QRDetect这个类来进行检测，我们来分析QRDetect这个类。

class QRDetect
{
public:
    void init(const Mat& src, double eps_vertical_ = 0.2, double eps_horizontal_ = 0.1);
    bool localization();
    bool computeTransformationPoints();
    Mat getBinBarcode() { return bin_barcode; }
    Mat getStraightBarcode() { return straight_barcode; }
    vector<Point2f> getTransformationPoints() { return transformation_points; }
    static Point2f intersectionLines(Point2f a1, Point2f a2, Point2f b1, Point2f b2);
protected:
    vector<Vec3d> searchHorizontalLines();
    vector<Point2f> separateVerticalLines(const vector<Vec3d> &list_lines);
    void fixationPoints(vector<Point2f> &local_point);
    vector<Point2f> getQuadrilateral(vector<Point2f> angle_list);
    bool testBypassRoute(vector<Point2f> hull, int start, int finish);
    inline double getCosVectors(Point2f a, Point2f b, Point2f c);

    Mat barcode, bin_barcode, straight_barcode;
    vector<Point2f> localization_points, transformation_points;
    double eps_vertical, eps_horizontal, coeff_expansion;
};

QRCodeDetector detect函数中的QRDetect qrdet这个对象

先执行了一次init，在init中先将宽高小于512的图片resize到512，然后执行了一个adaptiveThreshold操作，其中blocksize设为83？
然后进行localization，在其中分别使用searchHorizontalLines和separateVerticalLines来扫描行和列上的点，然后使用kmeans进行聚类，将列上的点聚类成3个，其中迭代次数为3次？

对聚类完后3个点使用fixationPoints来重新修正，在其中先用余弦定理滤除掉任意角余弦值小于0.85的情况，后面进行了一系列的修正（待补充）；

最后滤除相邻点距离小于10pixel的情况。

3.在computeTransformationPoints()函数中主要有两个操作，

一个是查找对齐点，这里直接搬运别人博客上的内容(http://www.p-chao.com/2018-11-23/opencv4-0-0%E4%BA%8C%E7%BB%B4%E7%A0%81%E8%AF%86%E5%88%AB%E4%BB%A3%E7%A0%81%E7%AE%80%E6%9E%90/)：

最开始会找到下图中的三个红色的特征点，这个比较容易理解，因为左上角的点到其它两个点的距离是差不多的。

然后在左下角和右上角的回字上，找离左上角红点最远的点，那么可以得到两个蓝颜色的特征点

扫描二维码关注公众号，回复： 4651503 查看本文章

根据红蓝点连线的交叉点，就可以得到第四各顶点，这样对齐需要的点我们就都找到了

第二个是进行透视变换，opencv中选取了5组点对，在上述找到的4个顶点外，还通过计算对角线交点算出了中心点，使用这5额点来计算Homograph，然后透视变换回去，就可以得到一个理想的正对我们的二维码了。

解码

opencv直接调用了quirc解码，该部分不是关注重点，本文不做赘述。

opencv4.0.0中qr码定位源码分析

概述

定位

解码

猜你喜欢