Python+OpenCV實現定位二維碼

更新時間：2023年12月29日 08:40:09 作者：VanGoghpeng

這篇文章主要為大家詳細介紹了如何利用Python和OpenCV實現定位二維碼功能,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下

相較于BarCode，QRCode有明顯的特征區(qū)域，也就是左上角、右上角、左下角三個”回“字區(qū)域，得益于hierarchy中，父子關系的輪廓是連續(xù)的（下標），所以這個時候我們就可以通過cv2.findContours()返回的hierarchy來進行定位。

我們直接上代碼

import cv2
import numpy


def qrcode(image):
    # 有些二維碼和邊緣緊貼，無法識別出整個矩形，所以我們先對圖片大小進行擴展
    expand_length = 10
    edge = expand_length // 2
    h, w = image.shape[:2]
    image_extend = numpy.zeros((image.shape[0] + expand_length, image.shape[1] + expand_length, 3), numpy.uint8)
    image_extend[:] = 255
    image_extend[edge:edge + h, edge:edge + w] = image

    # 轉灰度、二值化、找輪廓
    gray = cv2.cvtColor(image_extend, cv2.COLOR_BGR2GRAY)
    # blur = cv2.GaussianBlur(gray, (5, 5), 0)
    _, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    contours, hir = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    '''
    2.4282182798755647
    2.3203121154092337
    2.3487607213520345
    2.318010267306266
    '''

    # 三個“回”字特征輪廓存儲
    parent_hierarchy_list = []
    parent_contours_list = []

    # 通過層級信息去查找三個“回”字特征區(qū)域
    for index, item in enumerate(hir[0][:-2]):  # 查找最外層（A）輪廓
        if item[2] != -1:
            parent_index = item[2] - 1
            if hir[0][index+1][3] == parent_index:  # 查找次一層（B）輪廓
                child_first = hir[0][index+1][2] - 1
                if hir[0][index+2][3] == child_first:   # 查找最里層（C）輪廓
                    # 計算A輪廓的周長和C輪廓周長的比值
                    error = cv2.arcLength(contours[parent_index], True) / cv2.arcLength(contours[parent_index + 2], True)
                    if 2 < error < 3:
                        parent_hierarchy_list.append(item)
                        parent_contours_list.append(contours[index])
                        # 繪制出三個“回”字特征區(qū)域的最外層輪廓
                        cv2.drawContours(image_extend, contours, index, (0, 255, 0), 3)

    # 將整個二維碼區(qū)域繪制出來
    points_list = []
    for index, box in enumerate(parent_contours_list):
        x, y, w, h = cv2.boundingRect(box)
        if index == 0:
            points_list.append((x, y+h))
        if index == 1:
            points_list.append((x+w, y))
        if index == 2:
            points_list.append((x, y))
    points_list = numpy.array(points_list)
    rect = cv2.minAreaRect(points_list)
    box = cv2.boxPoints(rect)
    box = numpy.int0(box)
    cv2.drawContours(image_extend, [box], 0, (255, 0, 0), 2)

    cv2.imshow('', image_extend)


if __name__ == '__main__':
    img = cv2.imread('../images/QRCode_3.png')
    qrcode(img)
    cv2.waitKey()
    cv2.destroyAllWindows()

通常我們所見的二維碼都是有留白邊緣區(qū)域的，但是在隨便找一些二維碼圖的過程中，有一些是沒有留白邊緣區(qū)域的：

上圖是在IDE中打開的，原圖是沒有灰色邊緣的，這個時候我們如果直接讀取這張圖片，得到的輪廓信息并不是我們期待的三個連續(xù)的父子關系的hierarchy，為了避免這種情況，這里就手動向外擴展十個像素，人為制造一個間隔。

通常來說，我們通過三層for循環(huán)來定位特征區(qū)域已經是足夠的，但是如果二維碼的其他區(qū)域也出現了三層輪廓，那么我們就需要進行篩選，所以代碼通過計算最外層輪廓的長度和最內存輪廓長度的比值來進行篩選，每一個“回”的黑白框框的比例大概為1：1：3：1：1，也就是說他們的邊長比為7：3，而這個比值在標準二維碼中，只有三個特征區(qū)域才符合。

代碼的21到24行中的數值，便是嘗試過了四個不同的二維碼得出的比值，都接近7：3。