数字图像处理之二维码图像提取算法（十一）

最新推荐文章于 2019-04-22 15:09:49 发布

Snail_Walker

最新推荐文章于 2019-04-22 15:09:49 发布

阅读量5.9k

点赞数 3

分类专栏： Video Coding & Image Pro 文章标签：二维码 QR 精确定位

本文链接：https://blog.csdn.net/c602273091/article/details/42033069

版权

本文介绍了二维码图像处理中的精确定位算法，通过计算模块平均宽度并判断差值，确保定位点误差在0.5以内。在找到多个点后，进行均值化处理以提高精度。此外，文章还提到了在图像上标记定位点的方法，并简单介绍了OpenCV的相关函数如line()，以及需要注意的内存管理和窗口操作。下篇博客将深入探讨如何计算点的数量。

摘要由CSDN通过智能技术生成

// check ratio requirement b:w:b:w:b = 1:1:3:1:1
bool qr_checkRatio()
{
    totalFinderSize = 0;    
    for(int i =0;i<5; i++)
    {
        int count = stateCount[i];
        totalFinderSize += count;
        if(count == 0)
            return false;
    }
    if(totalFinderSize<7)
        return false;

    int moduleSize = ceil(totalFinderSize / 7.0); // scale factor of the finder
    
    // tolerate some "slop" of the ratio
    double maxVariance = moduleSize*tol_factor;
    bool retVal = ((abs(moduleSize - (stateCount[0]))< maxVariance) &&
    (abs(moduleSize - (stateCount[1]))< maxVariance) &&
    (abs(3*moduleSize - (stateCount[2]))< 3*maxVariance) &&
    (abs(moduleSize - (stateCount[3]))< maxVariance) &&
    (abs(moduleSize - (stateCount[4]))< maxVariance));

    return retVal;
}

以上代码就是判断是否为一个块。这个探测图像的比例为（1:1:3:1:1），计算出每个模块的平均宽度。差值不能超过0.5，这个tol_factor=0.5。如果满足这个条件那么就是我们所需找的一个定位点。

/* group possible finder locations, that is, each location vote in an array, so that 
we can find three largest votes, calculate the mean location of these three groups and
finally draw them on the image
*/
void group_points(vector<Point>& points)
{
    
   CvScalar red = CV_RGB(255,0,0);
    /* if the size of vector, number of possible finder locations is greater than 3,
    we need to group the