【写着玩】二维码检测及定位

本文介绍了两种二维码检测方法:基于轮廓嵌套的识别方法和OpenCV的QRCodeDetector。首先,通过预处理、轮廓检测和嵌套关系判断筛选出定位框,再利用形状特性判断矩形并矫正方向。其次,简要概述了OpenCV QRCodeDetector的检测流程,其基于特定长度比例的线条检测和聚类。尽管OpenCV的识别不完美,微信的QBar扫描引擎表现更佳。
摘要由CSDN通过智能技术生成

最近在B站上看到了 PaperClip 关于二维码的视频,主要讲的是二维码中的纠错码。但是在读取二维码内容前需要先定位并矫正二维码位置,视频中有一个片段展示了二维码定位的流程:RGB转灰度,局部阈值二值化,形态学滤波,Harris角点检测,凸包,提取轮廓,计算顶点角点,透视变换。
说到检测二维码,我的第一反应是“跑一个Faster RCNN,返回bbox同时计算旋转角度”。但这想法立马就被自己否定了,二维码这么明显的结构特征,还需要用神经网络吗?hard code 都可以啊,效率还高得多。于是埋头自己构思了一个检测的方法。(这里我就不对二维码的构成细节进行累述了,直接进入正题。)

基于轮廓嵌套的识别方法

这是我自己设计的一套算法流程,因为只是空闲时间瞎搞搞的东西,想尽量用现成的 API 来做,所以可能有点绕弯子。代码放 Github 了,欢迎斧正。

https://github.com/New2World/LittleProjects/tree/master/QRCodeDetect

因为检测二维码最关键的就是检测三个定位框,而这些定位框最明显的特征有两个:嵌套关系方形。针对这两个特征做文章,先提取轮廓,然后检测三个三层嵌套的方形或平行四边形轮廓。

首先,对图像进行预处理:缩放,灰度,二值化,形态学开操作(先腐蚀后膨胀)。然后通过 OpenCV 的 findContour 函数获取所有轮廓,如下图。
contours
可以看到有很多轮廓嵌套,而其中最特别的就是三个定位框。正如上面所说,它们是方形且嵌套的,那么我们通过返回的 hierarchy 可以计数每个轮廓的嵌套层数。由于我们不能确定每个定位框内部会不会因为噪声或一些其他因素影响而产生额外的轮廓,因此只要轮廓嵌套数大于 3 都可以。

嵌套关系算是考虑到了,然后要做的就是判断是否是近似的矩形。之前做过图像中找圆,基本原理是检查轮廓周长和面积的关系比例是否近似 π \pi π。依葫芦画瓢,通过检查周长的平方和面积的比例是否接近 16 来判断是否近似矩形。你可能会问为什么不检查边长相等?当然可以,但是 API 返回的轮廓并不规则。同一条边上可能不止两个端点,而是很多点构成了一条边,这样的话还得判断哪些点在一条边上,麻烦。由于我们嵌套条件是松弛过的,因此在判断矩形时就得把松弛了的条件拉回来,即嵌套的轮廓中必须有三层矩形。通过这两步筛选下来,剩下的轮廓基本就只有三个定位框了。如果剩下的轮廓个数不是三个那就判检测失败。

接下来需要矫正二维码方向。有很多方法可以做到,比如先通过三个定位框构建一个直角三角形,将直角顶点旋转到左上;或者计算三个定位框间的距离,距离相等或相近的边的公共框旋转到左上……但我记得 OpenCV 有个 minAreaRect 函数能找到外接矩形同时返回这个矩形的旋转角度。因为三个定位框基本位于同一平面,所以大致上可以认为它们的旋转角度一样且就是二维码的旋转角度。这里的旋转角度是指将二维码转正的角度,而不是旋转到正确方向的角度,这是接下来要做的。
rotated
因为已经把二维码转正了,那么整个二维码可以分为四个象限。假设以左上为原点,垂直的轴为 x 轴,水平为 y 轴,那四个定位框可能的位置可以表示为 [ 0 , 0 ] , [ 0 , 1 ] , [ 1 , 0 ] , [ 1 , 1 ] {[0,0],[0,1],[1,0],[1,1]} [0,0],[0,1],[1,0],[1,1]。为了方便表示,我们将坐标叠起来写成矩阵:

  • 旋转 0°: { [ 0 0 ] [ 0 1 ] [ 1
  • 3
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值