使用OpenCV与微信二维码引擎实现二维码识别

背景

今年自疫情以来，我都没有写过文章。一方面是疫情导致居家办公比较烦躁，另一方面最近有点懒了。但是工作还是要继续，趁这几天优化了一下最近的项目，我整理了一下如何使用 OpenCV 和微信二维码引擎来实现二维码的识别。

微信开源了其二维码的解码功能，并贡献给 OpenCV 社区。其开源的 wechat_qrcode 项目被收录到 OpenCV contrib 项目中。从 OpenCV 4.5.2 版本开始，就可以直接使用。
该项目 github 地址：

https://github.com/opencv/opencv_contrib/tree/master/modules/wechat_qrcode

模型文件的地址：

https://github.com/WeChatCV/opencv_3rdparty

微信的扫码引擎，很早就支持了远距离二维码检测、自动调焦定位、多码检测识别等功能，它是基于 CNN 的二维码检测。

基于CNN的二维码检测器

二维码识别的封装

首先，定义一个 AlgoQrCode.h

#pragmaonce
#include
#include
usingnamespacecv;
usingnamespacestd;

classAlgoQRCode
{
private:
Ptrdetector;

public:
boolinitModel(stringmodelPath);

stringdetectQRCode(stringstrPath);

boolcompression(stringinputFileName,stringoutputFileName,intquality);

voidrelease();
};

该头文件定义了一些方法，包含了加载模型、识别二维码、释放资源等方法，以及一个 detector 对象用于识别二维码。
然后编写对应的源文件 AlgoQrCode.cpp

boolAlgoQRCode::initModel(stringmodelPath){
stringdetect_prototxt=modelPath+"detect.prototxt";
stringdetect_caffe_model=modelPath+"detect.caffemodel";
stringsr_prototxt=modelPath+"sr.prototxt";
stringsr_caffe_model=modelPath+"sr.caffemodel";
try
{
detector=makePtr(detect_prototxt,detect_caffe_model,sr_prototxt,sr_caffe_model);
}
catch(conststd::exception&e)
{
cout<endl;
returnfalse;
}

returntrue;
}

stringAlgoQRCode::detectQRCode(stringstrPath)
{
if(detector==NULL){
return"-1";
}

vectorvPoints;
vectorvStrDecoded;
MatimgInput=imread(strPath,IMREAD_GRAYSCALE);
//vStrDecoded=detector->detectAndDecode(imgInput,vPoints);
....
}

boolAlgoQRCode::compression(stringinputFileName,stringoutputFileName,intquality){
MatsrcImage=imread(inputFileName);

if(srcImage.data!=NULL)
{
vector<int>compression_params;
compression_params.push_back(IMWRITE_JPEG_QUALITY);
compression_params.push_back(quality);//图像压缩参数，该参数取值范围为0-100，数值越高，图像质量越高

boolbRet=imwrite(outputFileName,srcImage,compression_params);

returnbRet;
}

returnfalse;
}

voidAlgoQRCode::release(){
detector=NULL;
}

其中：initModel() 方法用于加载算法模型文件，必须先调用，并且只需要调用一次即可。模型文件

detectQRCode() 方法需要根据业务场景，先对图像做很多预处理的工作，然后再进行二维码的识别。这些预处理的过程，不再本文的讨论范围之列，以后有机会单独写一篇文章。

compression() 方法用于压缩图像，因为我们使用工业相机拍摄，图片会很大大概30M+，所以在使用之前会先压缩一下。

release() 方法可以在程序结束时，释放 detector 对象。

识别二维码，其实就是调用 detector 对象的 detectAndDecode() 方法。

最后，写一个 main() 函数测试一下，是否可用：

intmain()
{
AlgoQRCodealgoQrCode=AlgoQRCode();
algoQrCode.initModel("/Users/tony/IdeaProjects/creative-mirror-watcher/mirror/src/main/resources/");
stringvalue=algoQrCode.detectQRCode("/Users/tony/20220216851652_compress.jpeg");
cout<<"value="<endl;
}

执行结果，识别二维码的内容：

value={
"osVersion":"iOS13.3",
"model":"苹果iPhoneX",
"ip":"10.184.17.170",
"port":10123
}

写到这里，基本上完成了二维码识别的封装，可以给上层平台编译对应的算法包了。
我们最终是需要使用 Java/Kotlin 在 Windows 平台上调用该 cv 程序。因为该项目是一款智能设备的上位机程序。所以还需要编写一个 jni 程序供 Java/Kotlin 调用，这个过程就不再阐述了。最后，将 cv 程序和 jni 相关的代码最终编译成一个 dll 文件，供上位机程序调用，实现最终的需求。

总结

其实，上述代码可以供各种平台使用，无论是移动端、桌面端、服务端。微信开源了一款非常快速的二维码引擎，节省了我们原先大量的工作。

审核编辑 ：李倩