基於OpenCV+ZXing手工打造，FPS300+的二維碼識別庫
點擊上方藍字關注我們
微信公眾號：OpenCV學堂
關注獲取更多計算機視覺與深度學習知識
軟件版本信息
Windows10系統OpenCV4.5.1VS2017
OpenCV官方支持函數
OpenCV在4.5.1中支持的了微信開源的二維碼識別，通過檢測模型與超像素模型分別實現了檢測與預處理，然后基於ZXing實現了解碼。當前還在擴展模塊中，而且還需要DNN模型加持，模型雖小，但是也費電！好處是三行代碼，調用簡單：
import cv2detector = cv2.wechat_qrcode_WeChatQRCode("detect.prototxt", "detect.caffemodel", "sr.prototxt", "sr.caffemodel")image = cv2.imread("weixin.png")res, points = detector.detectAndDecode(image)
視頻檢測+識別的速度大概FPS 70+左右，有人已經測試過！我看到這個以后的第一感覺就是我有一個更加環保+快速的方案。
他山之石可以攻玉
在我之前傳統的二維碼檢測基礎上，重新整理並優化了流程，使用二值分析方法實現二維碼檢測定位，然后基於ZXing解碼實現了二維碼的檢測與識別。對輸入圖像大小為：
3508x2480的圖像！檢測+識別平均速度在25毫秒左右！
基於攝像頭的二維碼實時識別，640x480分辨率，檢測+識別速度超過350+FPS，比直接調用OpenCV官方支持函數快5倍！而且支持旋轉、低像素重建、邊緣干擾修復等預處理。不信請看圖：
代碼就不放出來了，好久以前在OpenCV還沒有二維碼檢測函數的時候，我寫過一篇文章，教大家如何基於OpenCV手工寫代碼實現高精准的二維碼檢測。鏈接在這里：
干貨 | 基於OpenCV Python實現二維碼檢測與識別
現在的代碼就是基於當時文章代碼上修改的，然后添加了ZXing庫支持，實現了檢測+識別。可以說速度完全吊打OpenCV官方提供三行代碼！其實我封裝好了函數，調用很簡單，測試代碼如下：
cv::Mat codeROI;
std::vector<cv::Point> pts;
ResultInfo rsinfo;
QRCodeDetector qrdetector;
cv::VideoCapture cap(0);
while (true) {
cap.read(image);
int64 start = cv::getTickCount();
qrdetector.detectQR(image, pts, codeROI);
if (!codeROI.empty()) {
qrdetector.decode(codeROI, rsinfo);
if (rsinfo.status == 0) {
//printf("QR Code Detected! \n");
//printf("QR Code recognized! \n");
//std::cout << rsinfo.code << std::endl;
cv::putText(image, rsinfo.code, pts[0], cv::FONT_HERSHEY_SIMPLEX, 1.0, cv::Scalar(255, 0, 0), 2, 8);
}
}
double ct = (cv::getTickCount() - start) / cv::getTickFrequency();
// printf("execution time : %.5f ms\n", ct * 1000);
cv::putText(image, cv::format("FPS: %.2f", 1.0/ct), cv::Point(50, 50), cv::FONT_HERSHEY_SIMPLEX, 1.0, cv::Scalar(0, 0, 255), 2, 8);
cv::imshow("識別結果", image);
cv::waitKey(1);
}
什么都別說了，點贊，轉發，后續還有故事繼續講......
OpenCV學堂
專注計算機視覺開發技術分享，技術框架使用，包括OpenCV，Tensorflow，Pytorch教程與案例，相關算法詳解，最新CV方向論文，硬核代碼干貨與代碼案例詳解！作者在CV工程化方面深度耕耘15年，感謝您的關注！期待您的一直支持！
公眾號