微信可以识别的二维码 opencv案例03 -基于OpenCV实现二维码生成，发现，定位，识别

1.二维码的生成

废话不多说，直接上代码

# 生成二维码
import qrcode
# 二维码包含的示例数据
data = "B0018"
# 生成的二维码图片名称
filename = "qrcode.png"
# 生成二维码
img = qrcode.make(data)
# 保存成图片输出
img.save(filename)
img.show()

运行效果：

会在当前目前生成一张图片

对生成的二维码识别

从4代之后推出了二维码识别接口.调用方法是这样的.代码如下：

import cv2
img = cv2.imread('qrcode.png')
qrcode = cv2.QRCodeDetector()
result, points, code = qrcode.detectAndDecode(img)
print(result)

运行结果：

B0018

返回值有三个,

如果是一个大图中的一个二维码识别呢？比如下面的这个图

如果继续使用上面的识别二维码是识别不出来的。

下面我们看下二维码的原理及定位原理

二维码的结构与基本原理

标准的二维码结构如下：

特别要关注的是图中三个黑色正方形区域，它们就是用来定位一个二维码的最重要的三个区域，我们二维码扫描与检测首先要做的就是要发现这三个区域，如果找到这个三个区域，我们就成功的发现一个二维码了，就可以对它定位与识别了。

二维码其它各个部分的说明如下：

三个角上的正方形区域从左到右，从上到下黑白比例为1:1:3:1:1。

不管角度如何变化，这个是最显著的特征，通过这个特征我们就可以实现二维码扫描检测与定位。

除了上面的 包可以识别二维码外，还有 包 也可以进行二维码的识别。比对下 比 包的效率 更高。下面的代码

import cv2
import numpy as np
import time
import pyzbar.pyzbar as pyzbar
# 显示条码和二维码位置
def display(im, decodedObjects):
    # 遍历所有已解码的对象
    for decodedObject in decodedObjects:
        points = decodedObject.polygon
        # 如果点不形成四边形，请找到凸包
        if len(points) > 4:
            hull = cv2.convexHull(np.array([point for point in points], dtype=np.float32))
            hull = list(map(tuple, np.squeeze(hull)))
        else:
            hull = points;
        # 凸包中的点数
        n = len(hull)
        # 绘制凸包
        for j in range(0, n):
            cv2.line(im, hull[j], hull[(j + 1) % n], (255, 0, 0), 3)
# 创建一个 qrCodeDetector 对象
qrDecoder = cv2.QRCodeDetector()
# 检测和解码二维码
t = time.time()
inputImage = cv2.imread("66.jpg")
decodedObjects = pyzbar.decode(inputImage)
if len(decodedObjects):
    zbarData = decodedObjects[0].data
else:
    zbarData = ''
if zbarData:
    cv2.putText(inputImage, "result : {}".format(zbarData.decode()), (10, 50), cv2.FONT_HERSHEY_SIMPLEX, 1,
                (0, 255, 0), 2, cv2.LINE_AA)
else:
    cv2.putText(inputImage, "ZBAR : QR Code NOT Detected", (10, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2,
                cv2.LINE_AA)
display(inputImage, decodedObjects)
print("Time Taken for Detect and Decode : {:.3f} seconds".format(time.time() - t))
cv2.imshow("Result", inputImage)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行效果：

从结果中可以看出可以定位到二维码的位置并将 识别的结果显示在左上角。