使用 OpenCV + 微信二维码引擎实现二维码识别

点击上方蓝字关注我们

微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识作者：Tony沈哲链接：https://juejin.cn/post/7079313321446506532 来源：稀土掘金

背景

今年自疫情以来，我都没有写过文章。一方面是疫情导致居家办公比较烦躁，另一方面最近有点懒了。但是工作还是要继续，趁这几天优化了一下最近的项目，我整理了一下如何使用 OpenCV 和微信二维码引擎来实现二维码的识别。

微信开源了其二维码的解码功能，并贡献给 OpenCV 社区。其开源的 wechat_qrcode 项目被收录到 OpenCV contrib 项目中。从 OpenCV 4.5.2 版本开始，就可以直接使用。该项目 github 地址：

代码语言：javascript复制

https://github.com/opencv/opencv_contrib/tree/master/modules/wechat_qrcode

模型文件的地址：

代码语言：javascript复制

https://github.com/WeChatCV/opencv_3rdparty

微信的扫码引擎，很早就支持了远距离二维码检测、自动调焦定位、多码检测识别等功能，它是基于 CNN 的二维码检测。

基于CNN的二维码检测器

二维码识别的封装

首先，定义一个 AlgoQrCode.h

代码语言：javascript复制

#pragma once
#include <opencv2/opencv.hpp>
#include <opencv2/wechat_qrcode.hpp>
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();
};

该头文件定义了一些方法，包含了加载模型、识别二维码、释放资源等方法，以及一个 detector 对象用于识别二维码。然后编写对应的源文件 AlgoQrCode.cpp

代码语言：javascript复制

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);     //图像压缩参数，该参数取值范围为0-100，数值越高，图像质量越高

        bool bRet = imwrite(outputFileName, srcImage, compression_params);

        return bRet;
    }

    return false;
}

void AlgoQRCode::release() {
    detector = NULL;
}

其中：initModel() 方法用于加载算法模型文件，必须先调用，并且只需要调用一次即可。模型文件

detectQRCode() 方法需要根据业务场景，先对图像做很多预处理的工作，然后再进行二维码的识别。这些预处理的过程，不再本文的讨论范围之列，以后有机会单独写一篇文章。

compression() 方法用于压缩图像，因为我们使用工业相机拍摄，图片会很大大概30M ，所以在使用之前会先压缩一下。

release() 方法可以在程序结束时，释放 detector 对象。

识别二维码，其实就是调用 detector 对象的 detectAndDecode() 方法。

最后，写一个 main() 函数测试一下，是否可用：

代码语言：javascript复制

int main()
{
    AlgoQRCode algoQrCode = AlgoQRCode();
    algoQrCode.initModel("/Users/tony/IdeaProjects/creative-mirror-watcher/mirror/src/main/resources/");
    string value = algoQrCode.detectQRCode("/Users/tony/20220216851652_compress.jpeg");
    cout<<"value="<<value<<endl;
}

执行结果，识别二维码的内容：

代码语言：javascript复制

value={
  "osVersion" : "iOS 13.3",
  "model" : "苹果 iPhone X",
  "ip" : "10.184.17.170",
  "port" : 10123
}

写到这里，基本上完成了二维码识别的封装，可以给上层平台编译对应的算法包了。我们最终是需要使用 Java/Kotlin 在 Windows 平台上调用该 cv 程序。因为该项目是一款智能设备的上位机程序。所以还需要编写一个 jni 程序供 Java/Kotlin 调用，这个过程就不再阐述了。最后，将 cv 程序和 jni 相关的代码最终编译成一个 dll 文件，供上位机程序调用，实现最终的需求。