iOS自带扫描和生成二维码

1.二维码生成

libqrencode介绍:是一个用C语言编写的用来解析二维条形码(QRCode)的程序库,libqrencode通过手机的CCD摄像头来扫描二维条形码。http://pan.baidu.com/s/1eQs1Epk

导入libqrencode库,下面直接代码:

 

1. #import <Foundation/Foundation.h>
2.  
3. @interface QRCodeGenerator : NSObject
4.  
5. + (UIImage *)qrImageForString:(NSString *)string imageSize:(CGFloat)size;
6. + (UIImage *) twoDimensionCodeImage:(UIImage *)twoDimensionCode withAvatarImage:(UIImage *)avatarImage;
7. @end

001. #import "QRCodeGenerator.h"
002. #import "qrencode.h"
003.  
004. enum {
005. qr_margin = 3
006. };
007.  
008. @implementation QRCodeGenerator
009.  
010. + (void)drawQRCode:(QRcode *)code context:(CGContextRef)ctx size:(CGFloat)size {
011. unsigned char *data = 0;
012. int width;
013. data = code->data;
014. width = code->width;
015. float zoom = (double)size / (code->width + 2.0 * qr_margin);
016. CGRect rectDraw = CGRectMake(00, zoom, zoom);
017.  
018. // draw
019. CGContextSetFillColor(ctx, CGColorGetComponents([UIColor blackColor].CGColor));
020. for(int i = 0; i < width; ++i) {
021. for(int j = 0; j < width; ++j) {
022. if(*data & 1) {
023. rectDraw.origin = CGPointMake((j + qr_margin) * zoom,(i + qr_margin) * zoom);
024. CGContextAddRect(ctx, rectDraw);
025. }
026. ++data;
027. }
028. }
029. CGContextFillPath(ctx);
030. }
031.  
032. + (UIImage *)qrImageForString:(NSString *)string imageSize:(CGFloat)size {
033. if (![string length]) {
034. return nil;
035. }
036.  
037. QRcode *code = QRcode_encodeString([string UTF8String], 0, QR_ECLEVEL_L, QR_MODE_8, 1);
038. if (!code) {
039. return nil;
040. }
041.  
042. // create context
043. CGColorSpaceRef colorSpace = CGColorSpaceCreateDeviceRGB();
044. CGContextRef ctx = CGBitmapContextCreate(0, size, size, 8, size * 4, colorSpace, kCGImageAlphaPremultipliedLast);
045.  
046. CGAffineTransform translateTransform = CGAffineTransformMakeTranslation(0, -size);
047. CGAffineTransform scaleTransform = CGAffineTransformMakeScale(1, -1);
048. CGContextConcatCTM(ctx, CGAffineTransformConcat(translateTransform, scaleTransform));
049.  
050. // draw QR on this context  
051. [QRCodeGenerator drawQRCode:code context:ctx size:size];
052.  
053. // get image
054. CGImageRef qrCGImage = CGBitmapContextCreateImage(ctx);
055. UIImage * qrImage = [UIImage imageWithCGImage:qrCGImage];
056.  
057. // some releases
058. CGContextRelease(ctx);
059. CGImageRelease(qrCGImage);
060. CGColorSpaceRelease(colorSpace);
061. QRcode_free(code);
062.  
063. return qrImage;
064. }
065.  
066. + (UIImage *) twoDimensionCodeImage:(UIImage *)twoDimensionCode withAvatarImage:(UIImage *)avatarImage{
067.  
068. // two-dimension code 二维码
069.  
070. CGSize size = twoDimensionCode.size;
071.  
072. CGSize size2 =CGSizeMake(1.0 5.5 * size.width, 1.0 5.5 * size.height);
073.  
074.  
075.  
076. UIGraphicsBeginImageContext(size);
077.  
078.  
079.  
080. [twoDimensionCode drawInRect:CGRectMake(00, size.width, size.height)];
081.  
082. [[self avatarImage:avatarImage] drawInRect:CGRectMake((size.width - size2.width) / 2.0, (size.height - size2.height) / 2.0, size2.width, size2.height)];
083.  
084.  
085.  
086. UIImage *resultingImage =UIGraphicsGetImageFromCurrentImageContext();
087.  
088. UIGraphicsEndImageContext();
089.  
090. return resultingImage;
091.  
092. }
093.  
094.  
095. + (UIImage *) avatarImage:(UIImage *)avatarImage{
096.  
097. UIImage * avatarBackgroudImage = [UIImage imageNamed:@"icon.png"];
098.  
099. CGSize size = avatarBackgroudImage.size;
100.  
101. UIGraphicsBeginImageContext(size);
102.  
103.  
104.  
105. [avatarBackgroudImage drawInRect:CGRectMake(00, size.width, size.height)];
106.  
107. [avatarImage drawInRect:CGRectMake(1010, size.width - 20, size.height - 20)];
108.  
109.  
110.  
111. UIImage *resultingImage =UIGraphicsGetImageFromCurrentImageContext();
112.  
113. UIGraphicsEndImageContext();
114.  
115. return resultingImage;
116.  
117. }
118.  
119. @end

2.扫描

 

iOS7苹果推出了自带的扫描功能,下面直接代码:

 

01. -(void)viewWillAppear:(BOOL)animated
02. {
03. [self setupCamera];
04. }
05. - (void)setupCamera
06. {
07. // Device
08. _device = [AVCaptureDevice defaultDeviceWithMediaType:AVMediaTypeVideo];
09.  
10. // Input
11. _input = [AVCaptureDeviceInput deviceInputWithDevice:self.device error:nil];
12.  
13. // Output
14. _output = [[AVCaptureMetadataOutput alloc]init];
15. [_output setMetadataObjectsDelegate:self queue:dispatch_get_main_queue()];
16.  
17. // Session
18. _session = [[AVCaptureSession alloc]init];
19. [_session setSessionPreset:AVCaptureSessionPresetHigh];
20. if ([_session canAddInput:self.input])
21. {
22. [_session addInput:self.input];
23. }
24.  
25. if ([_session canAddOutput:self.output])
26. {
27. [_session addOutput:self.output];
28. }
29.  
30. // 条码类型 AVMetadataObjectTypeQRCode
31. _output.metadataObjectTypes =@[AVMetadataObjectTypeCode128Code,AVMetadataObjectTypeUPCECode,AVMetadataObjectTypeCode39Code,AVMetadataObjectTypeCode39Mod43Code,AVMetadataObjectTypeEAN13Code,AVMetadataObjectTypeEAN8Code,AVMetadataObjectTypeCode93Code,AVMetadataObjectTypePDF417Code,AVMetadataObjectTypeQRCode,AVMetadataObjectTypeAztecCode,AVMetadataObjectTypeInterleaved2of5Code,AVMetadataObjectTypeITF14Code,AVMetadataObjectTypeDataMatrixCode] ;
32.  
33. // Preview
34. _preview =[AVCaptureVideoPreviewLayer layerWithSession:self.session];
35. _preview.videoGravity = AVLayerVideoGravityResizeAspectFill;
36. _preview.frame =CGRectMake(20,110,280,280);
37. [self.view.layer insertSublayer:self.preview atIndex:0];
38.  
39.  
40.  
41. // Start
42. [_session startRunning];
43. }
44. #pragma mark AVCaptureMetadataOutputObjectsDelegate
45. - (void)captureOutput:(AVCaptureOutput *)captureOutput didOutputMetadataObjects:(NSArray *)metadataObjects fromConnection:(AVCaptureConnection *)connection
46. {
47.  
48. NSString *stringValue;
49.  
50. if ([metadataObjects count] >0)
51. {
52. AVMetadataMachineReadableCodeObject * metadataObject = [metadataObjects objectAtIndex:0];
53. stringValue = metadataObject.stringValue;
54. }
55.  
56. [_session stopRunning];
57. UIAlertView * alert = [[UIAlertView alloc]initWithTitle:@"提示" message:[NSString stringWithFormat:@"结果:%@",stringValue] delegate:self cancelButtonTitle:nil otherButtonTitles:@"知道了",@"重新扫描", nil];
58. [alert show];
59. }
60. - (void)alertView:(UIAlertView *)alertView clickedButtonAtIndex:(NSInteger)buttonIndex
61. {
62. if(buttonIndex == 0)
63. {
64. [self dismissViewControllerAnimated:YES completion:^
65. {
66. [timer invalidate];
67. }];
68.  
69. }
70. else
71. {
72. [_session startRunning];
73. }
74. }

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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