2021SC@SDUSC-Zxing（十二）：二维码的解析（Decode）及纠错有关算法介绍

2021SC@SDUSC

通过上一篇文章我们可以定位到二维码，下面就来介绍如何将二维码中存放的0、1数据转换为我们需要的文本信息。

一、Decode目录分析

• Decoder：实现二维码解码的主要类，最终得到的就是二维码中编码的文本和字节。
• DecodedBitStreamParser：解码比特流解析器。QR码可以在多种模式中的一种模式中将文本编码为位，并且可以在一个QR码中使用多种模式。此类将位解码回文本
• BitMatrixParser：位矩阵分析器。
• QRCodeDecoderMetaData：用于QR码解码的元数据容器。此类的实例可用于将信息传回解码调用者。
• DataBlock：将数据块封装在二维码中。QR码可以将其数据分成多个块，每个块都是数据和纠错码字的单位。每个类都由此类的一个实例表示。
• Mode：这是一个枚举类。该枚举封装了各种模式，在这些模式中，数据可以编码为QR码标准中的位。根据ISO 18004:2006，6.4.1，表2和表3编写。
• DataMask：这是一个枚举类。根据ISO 18004:2006 6.8编写，将数据位的数据掩码封装在二维码中。此类的实现可以取消对原始BitMatrix（位矩阵）的掩码。为简单起见，它们将解除整个BitMatrix的掩码，包括用于查找器模式、计时模式等的区域。这些区域在解除掩码后应不使用。
• Version：从二维码维度推断二维码的版本信息，这一部分根据ISO 18004:2006 Annex D编写。Version中还包括两个类：ECBlocks和ECB用来封装纠错码有关的信息。
• FormatInformation：封装二维码的格式信息，包括使用的数据掩码和纠错级别。
• ErrorCorrectionLevel：枚举类。此枚举封装了QR码标准定义的四个错误更正级别。根据ISO 18004:2006，6.5.1编写。
  
  

二、解析流程

这一部分的decode方法return的就是我们最终需要的二维码中编码的文本和字节了。可能会抛出的异常：FormatException二维码无法解码；ChecksumException错误更正失败
涉及到的三个decode方法
对于这个过程可以这样理解：调用者相当于老板，他把项目（解码图片）交给了Decode工作小组，Decode中有三个主力成员，decode1、decode2、decode3。decode1表达能力好，他在小组中的角色是负责上传下达，并最终给老板进行工作汇报（解码结果）；decode2理解能力好，他把decode1传达的消息进行整合（传递信息）；decode3技术能力好，他主要负责攻克工作难点（对字节流进行解码）。
QRCodeReader中调用的docode方法：DecoderResult decode(BitMatrix bits, Map<DecodeHintType,?> hints)。这个方法是调用者看得见摸得着、实际调用的的decode方法，主要负责去除掩码、镜像读取版本和格式信息、反镜像、并把解码结果返回给调用者，但是解码算法并不在这个方法中实现。

  public DecoderResult decode(BitMatrix bits, Map<DecodeHintType,?> hints)
      throws FormatException, ChecksumException {
    // 构造解析器并读取版本、错误更正级别
    BitMatrixParser parser = new BitMatrixParser(bits);
    FormatException fe = null;
    ChecksumException ce = null;
    try {
      return decode(parser, hints);
    } catch (FormatException e) {
      fe = e;
    } catch (ChecksumException e) {
      ce = e;
    }
    try {
      // 还原位矩阵，在读取码字时还原已完成的掩码移除。
      parser.remask();
      // 为镜像操作准备解析器。将尝试镜像读取版本和格式信息。
      parser.setMirror(true);
      // 从二维码中的两个位置之一读取版本信息。（版本信息在之前的二维码图片中有介绍）
      parser.readVersion();
      // 从二维码中读取格式信息。（格式信息见下图）
      parser.readFormatInformation();
      // 执行到这里意味着我们在镜像时成功地检测到某种版本和格式信息。
      // 镜像位矩阵以尝试二次读取。
      parser.mirror();
      DecoderResult result = decode(parser, hints);
      // 成功！通知调用方代码已镜像。
      result.setOther(new QRCodeDecoderMetaData(true));
      return result;
    } catch (FormatException | ChecksumException e) {
      // 从原始读取中抛出异常
      if (fe != null) {
        throw fe;
      }
      throw ce; 
    }
  }

格式信息有15位，如下图。2 位表示纠错级别，一共有 4 种纠错级别；3 位表示使用何种掩码图案，一共有 8 种掩码图案；10 位纠错信息，使用 BCH 编码 计算得出；上面的 15 位再和固定的101010000010010做异或操作，这样就保证不会因为选用了 00 的纠错级别和 000 的 掩码图案，从而造成全部为白色，这会增加扫描器的图像识别的困难。Dark Module表示一个固定是黑色的块。

第二个docode方法，DecoderResult decode(BitMatrixParser parser, Map<DecodeHintType,?> hints)。这个方法把从第一个decode接受到的信息进行加工整理，交给第三个decode。

  private DecoderResult decode(BitMatrixParser parser, Map<DecodeHintType,?> hints)
      throws FormatException, ChecksumException {
      //读取版本信息
    Version version = parser.readVersion();
    //读取错误更正级别
    ErrorCorrectionLevel ecLevel = parser.readFormatInformation().getErrorCorrectionLevel();
    // 读码字
    byte[] codewords = parser.readCodewords();
    // 分成数据块
    DataBlock[] dataBlocks = DataBlock.getDataBlocks(codewords, version, ecLevel);
    // 统计数据字节总数
    int totalBytes = 0;
    for (DataBlock dataBlock : dataBlocks) {
      totalBytes += dataBlock.getNumDataCodewords();
    }
    byte[] resultBytes = new byte[totalBytes];
    int resultOffset = 0;
    // 更正错误并将数据块一起复制到字节流中
    for (DataBlock dataBlock : dataBlocks) {
      byte[] codewordBytes = dataBlock.getCodewords();
      int numDataCodewords = dataBlock.getNumDataCodewords();
      correctErrors(codewordBytes, numDataCodewords);
      for (int i = 0; i < numDataCodewords; i++) {
        resultBytes[resultOffset++] = codewordBytes[i];
      }
    }
    // 解码该字节流的内容
    return DecodedBitStreamParser.decode(resultBytes, version, ecLevel, hints);
  }

三、图解解码过程

第三个decode，DecoderResult decode(byte[] bytes,Version version, ErrorCorrectionLevel ecLevel,Map<DecodeHintType,?> hints)。这个方法接收到一系列消息进行解码，并返回最终的编码字符。DecoderResult这个类在com.google.zxing.common中，可以供不同码型的解码器使用。
这个方法中包括了对FNC1、ECI、数字、汉字等不同编码格式的解码，涉及到很多调用，比较杂乱，因此不展示全部代码，通过一个实例来分析源码。首先明确二维码解码顺序：

下图为解码过程：

③：去除掩码。以白为 0，以黑为 1，去掩码则是将原二维码与掩码同一坐标的数据做半加法（即 XOR，同色得白，异色得黑）。掩码类型存在DataMask中。
④：确定类别。先看的是右下用的 4 块（黄色框内），编码的顺序为 Z 字型（从右下开始曲折往上），即右下、左下、右上、左上。白记 0，黑记 1。编码类别在Mode中

⑤确定长度。接着再往上看 8 块（紫色框内），同样我们按照 Z 字形的顺序，破译出01001111，转成十进制数为 79。在不同的编码类别（黄框）下，对编码长度的理解不尽相同，这里用的是字母数字模式，编码长度表示的是数量，即本文有 79 个字符。了解这点非常重要，可以告诉你到哪里破译结束。
⑥开始解码：字母数字模式对 45 个字符的字符集进行编码，即：10 个数字 0 ~ 9，26 个大写字母 A ~ Z ，以及 9 个符号 SP、$、%、*、+、-、.、/。通常情况下，两个输入字符用 11 位表示。这些字符会映射成一个字符索引表。如下所示：（其中的 SP 是空格，Char 是字符，Value 是其索引值） 编码的过程是把字符两两分组，然后转成下表的 45 进制，然后转成 11bits 的二进制，如果最后有一个落单的，那就转成 6bits 的二进制。而编码模式和字符的个数需要根据不同的 Version 尺寸编成9, 11 或 13 个二进制。这部分通过类BitSource来实现。注意不要把格式信息编码进去，遇到非数据区绕开或跳过。

当然，要注意纠错码：

四、有关算法介绍

一、伽罗华域（Galois Field）上的四则运算

数学知识

1、域
一组元素的集合，以及在集合上的四则运算，构成一个域。其中加法和乘法必须满足交换、结合和分配的规律。加法和乘法具有封闭性，即加法和乘法结果仍然是域中的元素。
域中必须有加法单位元和乘法单位元，且每一个元素都有对应的加法逆元和乘法逆元。但不要求域中的 0 有乘法逆元。

2、有限域
仅含有限多个元素的域。因为它由伽罗华所发现，因而又称为伽罗华域。
所以当我们说伽罗华域的时候，就是指有限域。

GF（2^w） 表示含有 2^w 个元素的有限域。

3、单位元
Identity Element，也叫幺元（么元），通常使用e来表示单位元。单位元和其他元素结合时，并不会改变那些元素。
对于二元运算 * ，若a * e=a，e称为右单位元；若e * a=a，e称为左单位元，若a* e=e *a=a，则e称为单位元。

4、逆元
对于二元运算 * ，若a * b=e，则a称为b的左逆元素，b称为a的右逆元素。若a * b=b * a=e，则称a为b的逆元，b为a的逆元。

5、本原多项式
域中不可约多项式是不能够进行因子分解的多项式， 本原多项式 （primitive polynomial）是一种特殊的不可约多项式。当一个域上的本原多项式确定了，这个域上的运算也就确定了。本原多项式一般通过查表可得，同一个域往往有多个本原多项式。
通过将域中的元素化为多项式形式，可以将域上的乘法运算转化为普通的多项式乘法再模本原多项式。

Zxing中的GenericGF算法就是使用给定的原始多项式创建一个GF(size)的表示，并规定了一系列运算法则。

伽罗瓦域

下面简单介绍伽罗瓦域：有限域是一组数字，一个域需要有六个属性：封闭性，结合律，交换律，分配律，单位元和可逆。更简单地说，使用域允许研究该域的数字之间的关系，并将结果应用于遵循相同属性的任何其他域。例如，实数集ℝ是一个域。换句话说，数学的域研究一个数集的构造。

然而，整数ℤ不是一个域，因为正如我们上面所说的，并非所有的除法都被定义（例如7/5），这违反了乘法逆性质（x如7 * x = 5不存在）。解决这个问题的一个简单方法是使用素数来取模，比如2：这样，我们保证存在7 * x = 5，因为我们只是环绕一下。ℤ对2取模被称为伽罗瓦域，任何可被2整除的数都是伽罗瓦域（因为我们需要使用素数取模），所以256，8位码元的值，可以减少到2 ^ 8 ，因此我们说我们使用2 ^ 8的伽罗瓦域，或GF（2 ^ 8）。 在口语中，2是该域的特征，8是指数，256是该域的基数。关于有限域的更多信息可以在这里找到。

在这里我们将定义通常用于整数运算的数学运算，但适用于GF（2 ^ 8），它基本上是按照常规运算进行的，但是对2 ^ 8取模。

考虑GF（2）和GF（2 ⁸）之间关系的另一种方法，是将GF（2 ⁸）看做表示8个二进制系数的多项式。例如，在GF（2 ⁸）中，170等于10101010 = 1 * x ⁷ + 0 * x ⁶ + 1 * x ⁵ + 0 * x ⁴ + 1 * x ³ + 0 * x ² + 1 * x + 0 = x⁷ +⁵ +x ³+ x。两种表示方式都是等价的，只是在第一种情况下，170是十进制的表示，而另一种情况是二进制的表示形式，可以将其视为按照惯例表示多项式（仅在GF（2 ^p）中使用，如解释这里）。后者通常是学术书籍和硬件实现中使用的表示形式（因为逻辑门和寄存器在二进制级别工作）。对于软件实现来说，优先使用十进制表示，因为这种方式更清晰，更贴近数学的表示（这是我们将在本教程中使用的表示法，除了一些示例将使用二进制表示之外）。

在任何时候，尽量不要将表示单个GF（2 ^p）码元的多项式（每个系数是一个位/布尔值：0或1），与表示一组GF（2 ^p）码元列表的多项式（在这种情况下，多项式等价于消息 + RS码，每个系数是介于0和2 ^p之间的值，并表示消息 + RS码的一个字符）混淆。我们将首先描述单个码元的操作，然后描述码元列表上的多项式操作。

  public GenericGF(int primitive, int size, int b) {
    this.primitive = primitive;
    this.size = size;
    this.generatorBase = b;

    expTable = new int[size];
    logTable = new int[size];
    int x = 1;
    for (int i = 0; i < size; i++) {
      expTable[i] = x;
      x *= 2; 
      if (x >= size) {
        x ^= primitive;
        x &= size - 1;
      }
    }
    for (int i = 0; i < size - 1; i++) {
      logTable[expTable[i]] = i;
    }
    // logTable[0] == 0 但是应该不使用
    zero = new GenericGFPoly(this, new int[]{0});
    one = new GenericGFPoly(this, new int[]{1});
  }

加法和减法
在基于2的伽罗瓦域中，加法和减法都被替换为异或。这是合乎逻辑的：加模2与XOR完全相同，减模2与加模2完全相同。这是可能的，因为加法和减法在这个伽罗瓦域是无进位的。
将我们的8位值看作系数为mod 2的多项式：
0101 + 0110 = 0101 - 0110 = 0101 XOR 0110 = 0011
以相同的方式（以两个GF（2 ⁸）整数的二进制表示）：
　　( x² + 1) + (x² + x) = 2 x² + x + 1 = 0 x² + x + 1 = x + 1
由于（a ^ a）= 0，每个数都是自身取反，所以（x - y）与（x + y）相同。

• 代码：

  //实现加法和减法——它们在GF(size)中是相同的。
  static int addOrSubtract(int a, int b) {
    return a ^ b;
  }

乘法
　　
乘法同样基于多项式乘法。 简单地将输入写成多项式，然后用分配法将它们相乘。举例来说，10001001倍的00101010计算如下。

同样的结果可以通过修改版本的标准中学乘法过程来获得，其中我们用异或代替加法。

       10001001
*      00101010
      10001001
^   10001001
^ 10001001
  1010001111010

注意：这里的XOR乘法是没有进位的，如果进行了进位，会得到错误的结果1011001111010，而不是正确的结果1010001111010。

• 代码：

// a与b在GF中的乘积(大小)
  int multiply(int a, int b) {
    if (a == 0 || b == 0) {
      return 0;
    }
    return expTable[(logTable[a] + logTable[b]) % (size - 1)];
  }

逆

//a的乘法逆矩阵
  int inverse(int a) {
    if (a == 0) {
      throw new ArithmeticException();
    }
    return expTable[size - logTable[a] - 1];
  }

log2

//计算log2a
  int log(int a) {
    if (a == 0) {
      throw new IllegalArgumentException();
    }
    return logTable[a];
  }

指数

  int exp(int a) {
    return expTable[a];
  }

二、Reed-Solomon解码

在第二个decode中使用到了这个纠错算法。

原理解释

Reed-Solomon编码（里德-所罗门编码）纠错技术，其基本思想给定n个原始数据块(D1,D2,D3,…,Dn)，RS编码根据这n个数据块计算生成m个冗余元素（校验块C1,C2,…,Cm）。从这m+n个数据块中任取n个数据块均能解码出原始数据块，即对于n个数据进行RS编码后生成n+m个数据，能够容忍丢失至多m个数据。
实现的功能听上去很强大，其实现原理却十分简单，其很巧妙地运用了矩阵运算的特点。对于需要进行冗余处理的n个原始数据，写成列向量形式（D），左边生成一个变换矩阵，这个矩阵由n+m行和n列组成，其中上面的n×n的部分是一个单元矩阵，保证原数据在编码后不发生变化，下面的m×n的部分是一个范德蒙矩阵，生成冗余纠错数据。使用范德蒙矩阵是为了保证这个矩阵任取n×n都部分可逆。

假设丢失了m个数据（包括原始数据和纠错数据），比如下图中D1、D4和C2丢失，需要从剩余的n个数据中恢复出原始数据D1 - Dn。从编码矩阵B中删除丢失数据和丢失编码对应行，将剩余的数据挑出来得到新n×n的矩阵B’。因为编码矩阵B的任意n行组成的矩阵都可逆，所以根据剩余的有效数据矩阵，即可把中间原始数据矩阵D解出来了。

面的方法理论上能够做到数据冗余处理，不过由于作为一种编码技术，RS编码需要处理的是特定长度的二进制数据，然而求矩阵逆的过程是在实数域中进行的。显然特定长度的二进制是无法准确描述实数的。因此如何构造编码矩阵B成为关键。为了解决这个问题，RS的计算域采用能够用二进制精确编码的伽罗华域GF(2ⁿ)（有限域）。

公式

RS过程是作用在用户选择的域F(通常为，这个公式的解释见上面伽罗华域）里的，目的是为了计算机处理的方便。
1.假定我们接受到的码字是其中每个值都是Galois Field中的元素，那么，先直接定义一下接收码字多项式：
2.在接收端，我们并不知道真实发送的值是多少。但是为了要解决问题，先定义一下误差。误差是指实际值与真实值之间的差值然后给出误差多项式（明确一点，误差目前是未知的）：
3.定义典型值它是以 ( α 是generator，域F里的数值必需可以表示成,一般α=2)为参数代入到接收码字多项式函数
中去得到的。典型值的个数为m，0<=i<=m。在上式中，认为这是因为而就是说，s可以认为是g的倍数，而由此，我们可以看出来，典型值只和消息码字传输过程中产生的误差相关。
如果，所有的典型值都是0，那么说明接收到的码字是无误差的，就是原始消息码字。如果典型值里有不是0的怎么办？看下一步
4.把所有典型值表达式写成一个方程组的形式

5.再改写成矩阵形式表达

6.最后把误差项系数单独列出来

α是已知的，Si是已知的，但由于n<m，方程组是欠定的，因此还不能求出误差e
7.假设接收的消息多项式中有v 项是有错的，它的范围满足 接下来，我们还要假设代表错码位置的变量：它们满足并且各个 Ii之间是没有顺序的。有了误差位置变量，那么在这些位置上的误差可以表示为：这个序列里的误差是有可能存在为0的值的，但是码字多项式其它位置上的系数误差ei一定是0，因为我们已经定义了有误差的位置只能发生在Ii上。继续定义新的变量，为了后面的计算方便：这两个新的变量，可以理解为：X 是错码位置上的变量x项，Y是错码位置上系数项。由于除了错码位置外的其它项都是没错的ei=0，所以上面的典型值矩阵方程可以进行化相应的化简，再用新变量Xi与Yi替换老的变量，可以得到
8.构造定位多项式

9.当0<=i<v时
由于
10。由上面的0等式，两边同乘以：
11.对于每一种的等式，将它们相加：

12.再继续调整项的位置，其中：

13.为每一种j列一个等式：

14.用矩阵的形式重新表达一下：

15.构造一个增广矩阵：
将它送入Gauss-Jordan求解器就可以得到，的多项式具体表达就出来了。接下来，将代入这个多项式，如果出现 那么说明接收消息多项式的第 i的位置有误差，即ei不等于0.通过这种方式，我们就找到了所有误差项所在位置：我们知道、，，再列下之前的纠错方程组：
S可以通过r（x）计算得到，Y就可以求得了。
16.有了出错项的位置和对应项的误差值，就可以复原原始信息值：

17.最后需要用典型多项式在验证一下解码纠错是否成功。

举例

RS码简介和编译码算法综述.ppt中有一些例子，可以方便理解。

欢迎提出宝贵意见，感谢观看！
参考： ZxingAPI
ISO/IEC 18004-2015 二维码标准文档
如何笔算解码二维码？
所罗门编码
Reed-Solomon算法
二维码学习笔记