技術選型
為了解決二維碼無法掃描的問題，必須選擇合適的技術手段。由於我們的App引用的是別人開發的基於Zbar的圖像識別插件，在沒有能力修改圖像識別插件的前提下，我決定在服務端解決這個問題，考慮到算法的通用型，在服務端驗證通過的程序后期也可以考慮移植到App端，提高本地掃描速度，降低服務器性能消耗。IOS和Android的插件都存在相機對焦完成的事件，在該事件中可以拿到圖像信息，我計划在拿到對焦完成的圖片后，進行簡單壓縮后傳輸至服務器進行解析處理，再將服務器返回的解析結果作為解碼結果傳遞給前台應用。
對圖片的分析與操作屬於計算機圖形處理的范疇，OpenCV是一個非常強大的圖形處理庫，比較適合當前這個需求。因為之前也沒接觸過圖形處理這一塊，基本上也是邊學邊做，主要是從處理思想去找對應的圖形處理工具。
OpenCV支持多種語言，例如C++、Python，目前網絡上比較多的參考文檔都是基於C++，考慮到編程語言的簡易程度，決定采用Python進行開發。考慮到需要發布HTTP服務給App端調用，最終Python程序需要集成到Django項目中。
所以最后采用的技術棧為：Python3.6 + opencv-python + numpy（用於支持矩陣運算），使用pip安裝兩個庫：
pip install numpy
pip install opencv-python
思路分析
我們首先拿一張真實拍攝的二維碼進行分析：
這張圖片從肉眼來看，基本是一個正方形，用戶基本是攝像頭垂直於二維碼上方拍攝，而不是傾斜拍攝，比較符合我們對客戶的掃描結果預期。
如果我們可以拿到一張正方形的二維碼圖片，根據定位點和坐標點可以很容易構建坐標系去分割圖像，獲取每個點內的0/1值，從而構建一個新的二維碼圖像。
但是從該圖片去建立坐標系時，可以發現該圖片其實不是一個真正的正方形，並且連一個矩形都算不上，無法使用縮放的方式恢復正方形，從截圖的二維碼左右邊長和紅色框的長度比較可以看出來，左側線段長度要比右側線段短一些，所以連一個平行四邊形都不算，這在后面我們選擇圖形變換算法時也是一個非常重要的決定項。
我們梳理一下解決思路，對於一張正常拍攝的完整二維碼圖像，我們需要進行以下步驟的處理來解析圖像內容：
1.將圖像轉換成一個正方形
2.根據定位圖形和坐標點信息建立坐標系
3.根據坐標系切割圖像，並提取每一個單元格中的數據信息
4.根據提取的數據信息，重構一個標准的二維碼圖像
按照以上思路，我將程序主體拆分為以下三個部分，將在后續章節對每一個部分詳細介紹
1.圖像預處理
2.圖像坐標系構建
3.數據讀取和重構