背景

今年自疫情以來，我都沒有寫過文章。一方面是疫情導致居家辦公比較煩躁，另一方面最近有點懶了。但是工作還是要繼續，趁這幾天優化了一下最近的項目，我整理了一下如何使用 OpenCV 和微信二維碼引擎來實現二維碼的識別。

微信開源了其二維碼的解碼功能，并貢獻給 OpenCV 社區。其開源的 wechat_qrcode 項目被收錄到 OpenCV contrib 項目中。從 OpenCV 4.5.2 版本開始，就可以直接使用。
該項目 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

微信的掃碼引擎，很早就支持了遠距離二維碼檢測、自動調焦定位、多碼檢測識別等功能，它是基于 CNN 的二維碼檢測。

基于CNN的二維碼檢測器

二維碼識別的封裝

首先，定義一個 AlgoQrCode.h

#pragmaonce
#include
#include
usingnamespacecv;
usingnamespacestd;

classAlgoQRCode
{
private:
Ptrdetector;

public:
boolinitModel(stringmodelPath);

stringdetectQRCode(stringstrPath);

boolcompression(stringinputFileName,stringoutputFileName,intquality);

voidrelease();
};

該頭文件定義了一些方法，包含了加載模型、識別二維碼、釋放資源等方法，以及一個 detector 對象用于識別二維碼。
然后編寫對應的源文件 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);//圖像壓縮參數，該參數取值范圍為0-100，數值越高，圖像質量越高

boolbRet=imwrite(outputFileName,srcImage,compression_params);

returnbRet;
}

returnfalse;
}

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

其中：initModel() 方法用于加載算法模型文件，必須先調用，并且只需要調用一次即可。模型文件

detectQRCode() 方法需要根據業務場景，先對圖像做很多預處理的工作，然后再進行二維碼的識別。這些預處理的過程，不再本文的討論范圍之列，以后有機會單獨寫一篇文章。

compression() 方法用于壓縮圖像，因為我們使用工業相機拍攝，圖片會很大大概30M+，所以在使用之前會先壓縮一下。

release() 方法可以在程序結束時，釋放 detector 對象。

識別二維碼，其實就是調用 detector 對象的 detectAndDecode() 方法。

最后，寫一個 main() 函數測試一下，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;
}

執行結果，識別二維碼的內容：

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

寫到這里，基本上完成了二維碼識別的封裝，可以給上層平臺編譯對應的算法包了。
我們最終是需要使用 Java/Kotlin 在 Windows 平臺上調用該 cv 程序。因為該項目是一款智能設備的上位機程序。所以還需要編寫一個 jni 程序供 Java/Kotlin 調用，這個過程就不再闡述了。最后，將 cv 程序和 jni 相關的代碼最終編譯成一個 dll 文件，供上位機程序調用，實現最終的需求。

總結

其實，上述代碼可以供各種平臺使用，無論是移動端、桌面端、服務端。微信開源了一款非常快速的二維碼引擎，節省了我們原先大量的工作。

審核編輯 ：李倩