C++?OpenCV實(shí)現(xiàn)二維碼檢測(cè)功能
更新時(shí)間：2022年01月12日 10:56:40 作者：Zero___Chen
這篇文章主要介紹了如何利用C++?OpenCV實(shí)現(xiàn)二維碼檢測(cè)功能，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
前言
本文將使用OpenCV C++ 進(jìn)行二維碼檢測(cè)。
一、二維碼檢測(cè)
首先我們要先將圖像進(jìn)行預(yù)處理，通過(guò)灰度、濾波、二值化等操作提取出圖像輪廓。在這里我還添加了形態(tài)學(xué)操作，消除噪點(diǎn)，有效將矩形區(qū)域連接起來(lái)。
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); //通過(guò)Size（5，1）開(kāi)運(yùn)算消除邊緣毛刺 Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1)); Mat open; morphologyEx(bin, open, MORPH_OPEN, kernel); //通過(guò)Size（21，1）閉運(yùn)算能夠有效地將矩形區(qū)域連接 便于提取矩形區(qū)域 Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1)); Mat close; morphologyEx(open, close, MORPH_CLOSE, kernel1);
如圖為經(jīng)過(guò)一系列圖像處理之后得到的效果。之后我們需要對(duì)該圖進(jìn)行輪廓提取，找到二維碼所在的矩形區(qū)域。
//使用RETR_EXTERNAL找到最外輪廓
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]);
//通過(guò)面積閾值找到二維碼所在矩形區(qū)域
if (area > 6000 && area < 100000)
{
//計(jì)算最小外接矩形
RotatedRect MaxRect = minAreaRect(MaxContours[i]);
//計(jì)算最小外接矩形寬高比
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);
//將矩形區(qū)域從原圖摳出來(lái)
Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));
ROI.copyTo(mask(MaxBox));
ROI_Rect.push_back(mask);
}
}
}
由以下代碼段我們就可以很好的找出二維碼所在的矩形區(qū)域，并將這些區(qū)域摳出來(lái)保存以便進(jìn)行下面的識(shí)別工作。
//找到二維碼所在的矩形區(qū)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);
//通過(guò)Size（5，1）開(kāi)運(yùn)算消除邊緣毛刺
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1));
Mat open;
morphologyEx(bin, open, MORPH_OPEN, kernel);
//通過(guò)Size（21，1）閉運(yùn)算能夠有效地將矩形區(qū)域連接 便于提取矩形區(qū)域
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1));
Mat close;
morphologyEx(open, close, MORPH_CLOSE, kernel1);
//使用RETR_EXTERNAL找到最外輪廓
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]);
//通過(guò)面積閾值找到二維碼所在矩形區(qū)域
if (area > 6000 && area < 100000)
{
//計(jì)算最小外接矩形
RotatedRect MaxRect = minAreaRect(MaxContours[i]);
//計(jì)算最小外接矩形寬高比
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);
//將矩形區(qū)域從原圖摳出來(lái)
Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));
ROI.copyTo(mask(MaxBox));
ROI_Rect.push_back(mask);
}
}
}
}
如圖所示，這是找到的二維碼矩形。這里只展示其中之一。
二、二維碼識(shí)別
通過(guò)findContours找到輪廓層級(jí)關(guān)系
//用于存儲(chǔ)檢測(cè)到的二維碼
vector<vector<Point>>QR_Rect;
//遍歷所有找到的矩形區(qū)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);
//通過(guò)hierarchy、RETR_TREE找到輪廓之間的層級(jí)關(guān)系
vector<vector<Point>>contours;
vector<Vec4i>hierarchy;
findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);
//父輪廓索引
int ParentIndex = -1;
int cn = 0;
//用于存儲(chǔ)二維碼矩形的三個(gè)“回”
vector<Point>rect_points;
for (int i = 0; i < contours.size(); i++)
{
//hierarchy[i][2] != -1 表示該輪廓有子輪廓 cn用于計(jì)數(shù)“回”中第幾個(gè)輪廓
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;
}
//如果該輪廓存在子輪廓，且有2級(jí)子輪廓?jiǎng)t認(rèn)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);
}
}
}
以上代碼段的整體思路為：首先經(jīng)過(guò)圖像預(yù)處理進(jìn)行輪廓檢測(cè)，
通過(guò)hierarchy、RETR_TREE找到輪廓之間的層級(jí)關(guān)系。根據(jù)hierarchy[i][2]是否為-1判斷該輪廓是否有子輪廓。若該輪廓存在子輪廓，則統(tǒng)計(jì)有幾個(gè)子輪廓。如果該輪廓存在子輪廓，且有2級(jí)子輪廓?jiǎng)t認(rèn)定找到‘回’ 。關(guān)于輪廓的層級(jí)關(guān)系，大家可以自行百度查找資料，理解一下其中原理。
//對(duì)找到的矩形區(qū)域進(jìn)行識(shí)別是否為二維碼
int Dectect_QR_Rect(Mat src,Mat &canvas,vector<Mat>&ROI_Rect)
{
//用于存儲(chǔ)檢測(cè)到的二維碼
vector<vector<Point>>QR_Rect;
//遍歷所有找到的矩形區(qū)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);
//通過(guò)hierarchy、RETR_TREE找到輪廓之間的層級(jí)關(guān)系
vector<vector<Point>>contours;
vector<Vec4i>hierarchy;
findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);
//父輪廓索引
int ParentIndex = -1;
int cn = 0;
//用于存儲(chǔ)二維碼矩形的三個(gè)“回”
vector<Point>rect_points;
for (int i = 0; i < contours.size(); i++)
{
//hierarchy[i][2] != -1 表示該輪廓有子輪廓 cn用于計(jì)數(shù)“回”中第幾個(gè)輪廓
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;
}
//如果該輪廓存在子輪廓，且有2級(jí)子輪廓?jiǎng)t認(rèn)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);
}
}
//將找到地‘回'連接起來(lái)
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();
}
由以上代碼段，我們就可以識(shí)別出二維碼。效果如圖所示。
三、二維碼繪制
//框出二維碼所在位置
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);
}
}
最終效果如圖所示。
四、源碼
#include<iostream>
#include<opencv2/core.hpp>
#include<opencv2/imgproc.hpp>
#include<opencv2/highgui.hpp>
using namespace std;
using namespace cv;
//找到二維碼所在的矩形區(qū)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);
//通過(guò)Size（5，1）開(kāi)運(yùn)算消除邊緣毛刺
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 1));
Mat open;
morphologyEx(bin, open, MORPH_OPEN, kernel);
//通過(guò)Size（21，1）閉運(yùn)算能夠有效地將矩形區(qū)域連接 便于提取矩形區(qū)域
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(21, 1));
Mat close;
morphologyEx(open, close, MORPH_CLOSE, kernel1);
//使用RETR_EXTERNAL找到最外輪廓
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]);
//通過(guò)面積閾值找到二維碼所在矩形區(qū)域
if (area > 6000 && area < 100000)
{
//計(jì)算最小外接矩形
RotatedRect MaxRect = minAreaRect(MaxContours[i]);
//計(jì)算最小外接矩形寬高比
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);
//將矩形區(qū)域從原圖摳出來(lái)
Mat ROI = src(Rect(MaxBox.tl(), MaxBox.br()));
ROI.copyTo(mask(MaxBox));
ROI_Rect.push_back(mask);
}
}
}
}
//對(duì)找到的矩形區(qū)域進(jìn)行識(shí)別是否為二維碼
int Dectect_QR_Rect(Mat src,Mat &canvas,vector<Mat>&ROI_Rect)
{
//用于存儲(chǔ)檢測(cè)到的二維碼
vector<vector<Point>>QR_Rect;
//遍歷所有找到的矩形區(qū)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);
//通過(guò)hierarchy、RETR_TREE找到輪廓之間的層級(jí)關(guān)系
vector<vector<Point>>contours;
vector<Vec4i>hierarchy;
findContours(bin, contours, hierarchy, RETR_TREE, CHAIN_APPROX_NONE);
//父輪廓索引
int ParentIndex = -1;
int cn = 0;
//用于存儲(chǔ)二維碼矩形的三個(gè)“回”
vector<Point>rect_points;
for (int i = 0; i < contours.size(); i++)
{
//hierarchy[i][2] != -1 表示該輪廓有子輪廓 cn用于計(jì)數(shù)“回”中第幾個(gè)輪廓
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;
}
//如果該輪廓存在子輪廓，且有2級(jí)子輪廓?jiǎng)t認(rèn)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);
}
}
//將找到地‘回'連接起來(lái)
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 << "檢測(cè)到" << flag << "個(gè)二維碼。" << endl;
//框出二維碼所在位置
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;
}
總結(jié)
本文使用OpenCV C++進(jìn)行二維碼檢測(cè)，關(guān)鍵步驟有以下幾點(diǎn)。
1、圖像預(yù)處理，篩選出二維碼所在的矩形區(qū)域，并將該區(qū)域摳出來(lái)進(jìn)行后續(xù)的識(shí)別工作。
2、對(duì)篩選出的矩形區(qū)域進(jìn)行輪廓檢測(cè)，判斷它們之前的層級(jí)關(guān)系，以此來(lái)識(shí)別二維碼。
3、最后根據(jù)檢測(cè)到的二維碼“回”字，將其繪制出來(lái)就可以了。
以上就是C++ OpenCV實(shí)現(xiàn)二維碼檢測(cè)功能的詳細(xì)內(nèi)容，更多關(guān)于C++ OpenCV二維碼檢測(cè)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:
- C++?opencv圖像處理實(shí)現(xiàn)圖片邊緣檢測(cè)示例
- C++ OpenCV實(shí)戰(zhàn)之網(wǎng)孔檢測(cè)的實(shí)現(xiàn)
- C++ OpenCV實(shí)戰(zhàn)之標(biāo)記點(diǎn)檢測(cè)的實(shí)現(xiàn)
- C++?OpenCV實(shí)戰(zhàn)之車道檢測(cè)
- C++ opencv霍夫圓檢測(cè)使用案例詳解
- opencv3/C++ 實(shí)現(xiàn)SURF特征檢測(cè)
- opencv3/C++實(shí)現(xiàn)霍夫圓/直線檢測(cè)
- C++利用opencv實(shí)現(xiàn)人臉檢測(cè)
- C++利用Opencv實(shí)現(xiàn)多個(gè)圓形檢測(cè)
相關(guān)文章
在std::thread中創(chuàng)建并管理QEventLoop的全面解析
QEventLoop的工作原理可以簡(jiǎn)單地理解為一個(gè)無(wú)限循環(huán)，它會(huì)不斷地檢查是否有新的事件需要處理，如果有，就將事件從事件隊(duì)列中取出，然后找到相應(yīng)的事件處理器進(jìn)行處理，這篇文章主要介紹了在std::thread中創(chuàng)建并管理QEventLoop的全面指南,需要的朋友可以參考下2023-06-06
回溯在迷宮搜索中使用很常見(jiàn)，就是這條路走不通，然后返回前一個(gè)路口，繼續(xù)下一條路?；厮菟惴ㄕf(shuō)白了就是窮舉法，下面讓我們一起來(lái)看看回溯算法中深度優(yōu)先搜索吧2023-01-01
C語(yǔ)言用棧實(shí)現(xiàn)十進(jìn)制轉(zhuǎn)換為二進(jìn)制的方法示例
這篇文章主要介紹了C語(yǔ)言用棧實(shí)現(xiàn)十進(jìn)制轉(zhuǎn)換為二進(jìn)制的方法,結(jié)合實(shí)例形式分析了C語(yǔ)言棧的定義及進(jìn)制轉(zhuǎn)換使用技巧,需要的朋友可以參考下2017-06-06
在本篇文章里小編給大家整理的是關(guān)于c語(yǔ)言顏色代碼的知識(shí)點(diǎn)內(nèi)容，需要的朋友們可以參考下。2020-02-02
opencv檢測(cè)直線方法之形態(tài)學(xué)方法
這篇文章主要為大家詳細(xì)介紹了opencv檢測(cè)直線方法之形態(tài)學(xué)方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-12-12
本文主要介紹了QChart繪制折線圖，Qt Charts基于Qt的Graphics View架構(gòu)，其核心組件是QChartView 和 QChart，感興趣的可以了解一下2022-04-04
深入線性時(shí)間復(fù)雜度求數(shù)組中第K大數(shù)的方法詳解
本篇文章是對(duì)線性時(shí)間復(fù)雜度求數(shù)組中第K大數(shù)的方法進(jìn)行了詳細(xì)的分析介紹，需要的朋友參考下2013-05-05
C語(yǔ)言實(shí)現(xiàn)linux網(wǎng)卡連接檢測(cè)的方法
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言實(shí)現(xiàn)linux網(wǎng)卡連接檢測(cè)的方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-06-06
多態(tài)按字面的意思就是多種形態(tài)。當(dāng)類之間存在層次結(jié)構(gòu)，并且類之間是通過(guò)繼承關(guān)聯(lián)時(shí)，就會(huì)用到多態(tài)。本文將通過(guò)三個(gè)小案例讓大家更深入的了解一下C++的多態(tài)，感興趣的可以了解一下2022-06-06
C++17中的結(jié)構(gòu)化綁定(structured binding)是指將指定名稱綁定到初始化程序的子對(duì)象或元素,本文主要來(lái)和大家聊聊C++17中結(jié)構(gòu)化綁定的實(shí)現(xiàn),感興趣的小伙伴可以了解下2023-12-12