二维码识别率优化实践

搜狐技术产品小编2023

于 2023-01-05 07:30:16 发布

阅读量1.2k

点赞数

文章标签：计算机视觉人工智能图像处理

本文链接：https://blog.csdn.net/SOHU_TECH/article/details/128566408

版权

本文探讨了二维码识别率优化的问题，通过探测和识别两个核心流程，包括图像处理算法和系统库，提高模糊、小尺寸二维码的识别效果。重点介绍了探测流程中的灰度图转换、直方图均衡化和伽马变换等步骤，以及识别流程中的位图处理和识别方法选择。实验证明，优化方案有效提升了识别速度和识别率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文字数：5939字

预计阅读时间：15 分钟

长按图片识别二维码在移动端是很常见的操作，长按后需要对图片进行识别，并且将二维码中所包含的数据解码出来。在我们的业务场景中，是通过点击图片进入大图预览页面。长按大图预览的图片，会识别图片中的二维码，并且显示有跳转按钮，提示用户可以跳转二维码对应的页面。

但是，在现有业务场景中，要求图片中二维码不能在视觉上占据太大的位置，所以只能以很小的尺寸显示在下面。为了更好的配合公司现有业务，保证对图片中二维码的识别率，所以需要对二维码识别进行优化。

方案总体分为探测和识别两个核心流程，探测流程主要由图像处理算法，以及OpenCV来实现，识别流程主要由系统AVFoundation库的CIDetector来实现。先将二维码所在区域探测出来，随后对这个区域进行识别增强的处理，以实现模糊、较小的二维码的识别。

因为不是每一张图片上都有二维码，探测的意义在于，查找图片中是否有二维码，以及二维码在图片中的位置。从而进行后续的针对性处理。以下，任何一步探测有结果，都将进入识别流程中，并且将探测到的位置传给识别方法。

第一次探测。转灰度图，通过OpenCV的cvtColor函数，将四通道的RGBA图片，转换为单通道的灰度图。
第二次探测。通过算法进行直方图均衡化(非自适应，并且限制对比度)，目的是让图片内轮廓清晰。
第三次探测。通过算法进行伽马变换，目的是增强图像对比度。
第四次探测。将原始灰度图的下面20%的右半部分，clone到一个新的Mat对象中，并且进行3.5倍的resize。将得到后的灰度大图调用detect进行探测。
第五次探测。将原始灰度图的下面20%的左半部分，clone到一个新的Mat对象中，并且进行3.5倍的resize。将得到后的灰度大图调用detect进行探测。
探测结束。在二维码的定位图形、码元等核心信息没有受损的前提下，这时候基本断定这张图片上没有二维码。