Part1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。

Part2二维码识别的封装

首先，定义一个 AlgoQrCode.h

#pragma once
#include <opencv2/opencv.hpp>
#include <opencv2/wechat_qrcode.hpp>
using namespace cv;
using namespace std;class AlgoQRCode
{
private:Ptr<wechat_qrcode::WeChatQRCode> detector;public:bool initModel(string modelPath);string detectQRCode(string strPath);bool compression(string inputFileName, string outputFileName, int quality);void release();
};

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

bool AlgoQRCode::initModel(string modelPath) {string detect_prototxt = modelPath + "detect.prototxt";string detect_caffe_model = modelPath + "detect.caffemodel";string sr_prototxt = modelPath + "sr.prototxt";string sr_caffe_model = modelPath + "sr.caffemodel";try{detector = makePtr<wechat_qrcode::WeChatQRCode>(detect_prototxt, detect_caffe_model, sr_prototxt, sr_caffe_model);}catch (const std::exception& e){cout << e.what() << endl;return false;}return true;
}string AlgoQRCode::detectQRCode(string strPath)
{if (detector == NULL) {return "-1";}vector<Mat> vPoints;vector<cv::String> vStrDecoded;Mat imgInput = imread(strPath, IMREAD_GRAYSCALE);
// vStrDecoded = detector->detectAndDecode(imgInput, vPoints);....
}bool AlgoQRCode::compression(string inputFileName, string outputFileName, int quality) {Mat srcImage = 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bool bRet = imwrite(outputFileName, srcImage, compression_params);return bRet;}return false;
}void AlgoQRCode::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。

• 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：

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

执行结果，识别二维码的内容：

value={"osVersion" : "iOS 13.3","model" : "苹果 iPhone X","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。

Part3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。

【Java与Android技术栈】公众号

关注 Java/Kotlin 服务端、桌面端 、Android 、机器学习、端侧智能

更多精彩内容请关注：