基于OpenCV+ZXing手工打造，FPS300+的二维码识别库

基于OpenCV+ZXing手工打造，FPS300+的二维码识别库

原创 gloomyfish OpenCV学堂 昨天

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

软件版本信息

Windows10系统OpenCV4.5.1VS2017

OpenCV官方支持函数

 OpenCV在4.5.1中支持的了微信开源的二维码识别，通过检测模型与超像素模型分别实现了检测与预处理，然后基于ZXing实现了解码。当前还在扩展模块中，而且还需要DNN模型加持，模型虽小，但是也费电！好处是三行代码，调用简单：

import cv2detector = cv2.wechat_qrcode_WeChatQRCode("detect.prototxt", "detect.caffemodel", "sr.prototxt", "sr.caffemodel")image = cv2.imread("weixin.png")res, points = detector.detectAndDecode(image)

视频检测+识别的速度大概FPS 70+左右，有人已经测试过！我看到这个以后的第一感觉就是我有一个更加环保+快速的方案。

他山之石可以攻玉

在我之前传统的二维码检测基础上，重新整理并优化了流程，使用二值分析方法实现二维码检测定位，然后基于ZXing解码实现了二维码的检测与识别。对输入图像大小为：

3508x2480的图像！检测+识别平均速度在25毫秒左右！

基于摄像头的二维码实时识别，640x480分辨率，检测+识别速度超过350+FPS，比直接调用OpenCV官方支持函数快5倍！而且支持旋转、低像素重建、边缘干扰修复等预处理。不信请看图：

代码就不放出来了，好久以前在OpenCV还没有二维码检测函数的时候，我写过一篇文章，教大家如何基于OpenCV手工写代码实现高精准的二维码检测。链接在这里：

OpenCV二维码检测与定位

干货 | 基于OpenCV Python实现二维码检测与识别

现在的代码就是基于当时文章代码上修改的，然后添加了ZXing库支持，实现了检测+识别。可以说速度完全吊打OpenCV官方提供三行代码！其实我封装好了函数，调用很简单，测试代码如下：

cv::Mat codeROI;
std::vector<cv::Point> pts;
ResultInfo rsinfo;
QRCodeDetector qrdetector;
cv::VideoCapture cap(0);
while (true) {
    cap.read(image);
    int64 start = cv::getTickCount();
    qrdetector.detectQR(image, pts, codeROI);
    if (!codeROI.empty()) {
        qrdetector.decode(codeROI, rsinfo);
        if (rsinfo.status == 0) {
            //printf("QR Code Detected! 
");
            //printf("QR Code recognized! 
");
            //std::cout << rsinfo.code << std::endl;
            cv::putText(image, rsinfo.code, pts[0], cv::FONT_HERSHEY_SIMPLEX, 1.0, cv::Scalar(255, 0, 0), 2, 8);
        }
    }
    double ct = (cv::getTickCount() - start) / cv::getTickFrequency();
    // printf("execution time : %.5f ms
", ct * 1000);
    cv::putText(image, cv::format("FPS: %.2f", 1.0/ct), cv::Point(50, 50), cv::FONT_HERSHEY_SIMPLEX, 1.0, cv::Scalar(0, 0, 255), 2, 8);
    cv::imshow("识别结果", image);
    cv::waitKey(1);
}

什么都别说了，点赞，转发，后续还有故事继续讲......

OpenCV学堂

专注计算机视觉开发技术分享，技术框架使用，包括OpenCV，Tensorflow，Pytorch教程与案例，相关算法详解，最新CV方向论文，硬核代码干货与代码案例详解！作者在CV工程化方面深度耕耘15年，感谢您的关注！期待您的一直支持！

338篇原创内容

公众号