VS2013 + Opencv + libdmtx 识别 datamatrx ECC200 二维码 [入门]

本文链接：https://blog.csdn.net/u010354182/article/details/77774827

标准二维码的识别

libdmtx 配置

Libdmtx 是一个专门用于识别 datamatrix 二维码的库。搭配Opencv 可以较为准确识别工业二维码 ECC200（关于二维码的编码种类以及 ECC200，自行 google/百度）。接下来是 libdmtx 在VS2013 中的配置，以及简单的测试用例。

1. 下载libdmtx

进入网站https://sourceforge.net/p/libdmtx/libdmtx/ci/master/tree/ 在左侧标签区域选择版本，下载最新版v0.7.4。
图1-1

2. 编译代码生成 libdmtx.lib 和libdmtx.dll 文件

在编译时发现v0.7.4版本缺少工程目录。解决办法：下载v0.7.2版本解压，将project和wrapper文件夹拷到0.7.4的源码包里。用VS2013打开project工程目录下的libdmtx.sln。将工程libdmtx设置为当前启动项，编译，在Debug目录下生成libmtx.lib和libmtx.dll文件。

3. Libdmtx+Opencv测试

VS下新建空项目工程libdmtxTest。将生成的libmtx.lib libmtx.dll文件以及dmtx.h文件拷贝到工程目录下，将dmtx.h添加添加至头文件。在工程属性页->链接器->输入->附加依赖中加入libdmtx.lib
这里写图片描述
然后添加libdmtxTest.cpp文件，输入以下代码：

#include <iostream>
#include "dmtx.h"
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
using namespace std;
using namespace cv;
int main()
{
    DmtxMessage *msg;
    DmtxRegion *reg;
    Mat src = imread("data_matrix_encode.jpg");
    if (!src.data){
        cout << "Load image failed!" << endl;
        return 0;
    }
    DmtxImage *img;
    img = dmtxImageCreate(src.data, src.cols, src.rows, DmtxPack24bppRGB);
    DmtxDecode *dec = dmtxDecodeCreate(img, 1);
    reg = dmtxRegionFindNext(dec, NULL);
    if (reg != NULL) {
        msg = dmtxDecodeMatrixRegion(dec, reg, DmtxUndefined);
        if (msg != NULL) {
            cout << msg->output << endl;
            dmtxMessageDestroy(&msg);
        }
        dmtxRegionDestroy(&reg);
    }
    dmtxDecodeDestroy(&dec);
    dmtxImageDestroy(&img);
    return 0;
}

运行结果如下：
这里写图片描述

注意：data_matrix_encode.jpg是位于工程目录下的ECC200二维码图片。
这里写图片描述

非标准二维码识别

以上二维码的识别要求二维码图像清晰且角度标准，若图像发生一定角度的旋转该如何识别？
基本思路：
-将图像二值化
-对图像进行膨胀操作
-寻找二维码四条边界轮廓线
-利用角点检测算法得出四条直线相交的四个点的坐标
-利用得到的四个点坐标将图像进行仿射变换得到校正的二维码图片
-对校正后的图片进行识别

为节约篇幅，只贴出校正函数代码：

void ImgCorrection(Mat imageSource)
{
    Mat image;
    imageSource.copyTo(image);
    GaussianBlur(image, image, Size(3, 3), 0);  //滤波  
    threshold(image, image, 100, 255, CV_THRESH_BINARY);  //二值化  
    imshow("二值化", image);
    Mat element = getStructuringElement(2, Size(7, 7));  //膨胀腐蚀核  

    dilate(image, image, element);

    imshow("膨胀", image);

    Mat image1;
    Laplacian(image, image1, image.depth(), 1);//拉普拉斯变换寻找边界
    imshow("边界", image1);

    //寻找直线  
    vector<Vec2f>lines;
    HoughLines(image1, lines, 1, CV_PI / 150, 60, 0, 0);
    Mat DrawLine = Mat::zeros(image1.size(), CV_8UC1);
    for (int i = 0; i<lines.size(); i++)
    {
        float rho = lines[i][0];
        float theta = lines[i][1];
        Point pt1, pt2;
        double a = cos(theta), b = sin(theta);
        double x0 = a*rho, y0 = b*rho;
        pt1.x = cvRound(x0 + 1000 * (-b));
        pt1.y = cvRound(y0 + 1000 * a);
        pt2.x = cvRound(x0 - 1000 * (-b));
        pt2.y = cvRound(y0 - 1000 * a);
        line(DrawLine, pt1, pt2, Scalar(255), 1, CV_AA);
    }
    imshow("直线", DrawLine);

    Point2f P1[4];
    Point2f P2[4];
    vector<Point2f>corners;
    goodFeaturesToTrack(DrawLine, corners, 4, 0.1, 10, Mat()); //角点检测  

    cout << "角点坐标：" << endl;

    for (int i = 0; i<corners.size(); i++)//四个角点的坐标
    {
        circle(DrawLine, corners[i], 3, Scalar(255), 3);
        P1[i] = corners[i];
        cout << corners[i].x << " " << corners[i].y << endl;
    }
    imshow("交点", DrawLine);

    P2[0] = Point2f(0, 0);
    P2[1] = Point2f(0, imageSource.rows);
    P2[2] = Point2f(imageSource.cols, imageSource.rows);
    P2[3] = Point2f(imageSource.cols, 0);
    Mat elementTransf;
    elementTransf = getAffineTransform(P1, P2);
    warpAffine(imageSource, imageSource, elementTransf, imageSource.size(), 1, 0, Scalar(255));

    imwrite("corrImge.jpg", imageSource);//校正后的图片保存

}