1、QR概述
QR(Quick Response)属于二维条码的一种,意思是快速响应的意思。QR码不仅信息容量大、可靠性高、成本低,还可表示汉字及图像等多种文字信息、其保密防伪性强而且使用非常方便。更重要的是QR码这项技术是开源的,在移动支付、电影票、电子会员卡等场景以及很多的产品上也印刷有这样的二维码,给人们的日常生活带来了很大便利。
QR码中数据值包含很多冗余值。所以即便多达30%的二维码结构被破坏,也不影响二维码的可读性。QR码的存储空间随着版本号越大,存储越多,从V1版本的21个字符到V40版本可以存储4296个字符,包括标点符号和特殊字符,都可以写入QR码中。除了数字和字符之外,还可以对单词和短语(例如网址)进行编码。随着更多的数据被添加到QR码,代码大小增加,代码结构变得更加复杂。当然QR码的存储空间还跟编码方式,误差纠正等因素都有关系,所以在使用时需要考虑这些因素,选择合适的版本和编码方式。
2、QR码生成
2.1、Linux与Windows
安装QRCode相关模块,由于本机是安装了Python2的版本,也可以选用Python3版本来安装
Linux环境安装:python3 -m pip install qrcode
Windows环境安装(JupyterLab):
!pip install qrcode -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
安装好了之后,来看一个最简的生成QRCode二维码代码,信息是本人的博客网址:myqr.py
import qrcode
img = qrcode.make('https://chyichin.blog.csdn.net/')
img.save('myqr.png')
需要注意的是,这里的文件名称不能是关键字:qrcode,如果文件名为qrcode.py,就会报错:
运行:python3 myqr.py 将生成一张QR二维码的图片myqr.png:
使用微信扫码可以进入这个网站,也可以使用内置命令查看该图片:eog myqr.png
2.2、添加logo
还可以在QR码上面添加自定义的logo图,代码如下:
import qrcode
from PIL import Image
def addLogo(img,logo):
imgW,imgH = img.size
logo = Image.open(logo)
logoW,logoH = logo.size
factor = 5 #缩放因子
sizeW = int(imgW/factor)
sizeH = int(imgH/factor)
if logoW > sizeW:logoW = sizeW
if logoH > sizeH:logoH = sizeH
logo = logo.resize((logoW,logoH),Image.Resampling.LANCZOS)
#将logo粘贴到图片中心位置
w = int((imgW-logoW)/2)
h = int((imgH-logoH)/2)
img.paste(logo,(w,h),mask=None)
return img
def GenQRCode(data,outname,logo):
qr = qrcode.QRCode(version=7,
error_correction=qrcode.constants.ERROR_CORRECT_H,
box_size=10,
border=4,)
#添加与填充数据
qr.add_data(data)
qr.make(fit=True)
img = qr.make_image(fill_color="blue",back_color="white")
addLogo(img,logo)
img.save(outname)
return img
if __name__ == '__main__':
GenQRCode("https://chyichin.blog.csdn.net/", "myLogoQR.png", "p.jpg")
其中p.jpg就是本人头像,这样就将头像按照比例缩放,添加到了QR二维码中心位置上面,生成的QR二维码如下图,可以看到除了黑白之外,还可以使用自定义颜色来设置前景和背景:
3、QR码分析
对于上面生成的二维码,里面的每个位置所代表的信息是不一样的,我们来详细看一个表格:
其中代码中的qrcode.QRCode函数里面的参数含义如下:
version:版本号,值为1~40的整数,控制二维码的大小(最小值为1,12×12的矩阵)。如果想让程序自动确定,将值设置为 None 并使用 fit 参数即可。
error_correction:控制二维码的错误纠正功能,纠正多少取决于qrcode.constants的设定:
ERROR_CORRECT_L:大约7%或更少的错误能被纠正。
ERROR_CORRECT_M(默认):大约15%或更少的错误能被纠正。
ROR_CORRECT_H:大约30%或更少的错误能被纠正。
box_size:控制二维码中每个小格子包含的像素数。
border:控制边框(二维码与图片边界的距离)包含的格子数(默认为4)
4、QR码识别
上面是生成QR码,接下来就是如何让摄像头去识别QR码,这里将会用到pyzbar库去解析QR码
Linux环境:
python3 -m pip install qrcode pyzbar
sudo apt-get install libzbar-dev
Windows环境(JupyterLab):
!pip install pyzbar -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
当然如果是在命令行安装就不需要这个叹号"!"
由于本人没有摄像头,所以依然使用无人车上面的CSI摄像头来做测试,识别QR码的代码如下,Recog_myqr.py:
import time
import cv2 as cv
import numpy as np
import pyzbar.pyzbar as pyzbar
from PIL import Image, ImageDraw, ImageFont
def RecogQRCode(image, font_path):
# 转成灰度图片
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
barcodes = pyzbar.decode(gray)
for barcode in barcodes:
# 获取QR码边界框位置,画出图像中条形码的边界框
(x, y, w, h) = barcode.rect
cv.rectangle(image, (x, y), (x + w, y + h), (225, 0, 0), 5)
encoding = 'UTF-8'
barcodeData = barcode.data.decode(encoding)
barcodeType = barcode.type
# 绘出图像上数据和类型
pilimg = Image.fromarray(image)
# 创建画笔
draw = ImageDraw.Draw(pilimg)
# 将识别的信息画在QR码以上25个像素处,指定字体与大小
fontStyle = ImageFont.truetype(font_path, size=12, encoding=encoding)
draw.text((x, y - 25), str(barcode.data, encoding), fill=(255, 0, 0), font=fontStyle)
# 将PIL图转成cv2图
image = cv.cvtColor(np.array(pilimg), cv.COLOR_RGB2BGR)
print("Type:{} Data:{}".format(barcodeType, barcodeData))
return image
# 调节图像质量
#/usr/lib/aarch64-linux-gnu/gstreamer-1.0/libgstnvarguscamerasrc.so
def gstreamer_pipeline(
capture_width=640,
capture_height=480,
display_width=640,
display_height=480,
framerate=30,
flip_method=0,
):
return (
"nvarguscamerasrc ! "
"video/x-raw(memory:NVMM), "
"width=(int)%d, height=(int)%d, "
"format=(string)NV12, framerate=(fraction)%d/1 ! "
"nvvidconv flip-method=%d ! "
"video/x-raw, width=(int)%d, height=(int)%d, format=(string)BGRx ! "
"videoconvert ! "
"video/x-raw, format=(string)BGR ! appsink"
% (
capture_width,
capture_height,
framerate,
flip_method,
display_width,
display_height,
)
)
if __name__ == '__main__':
# 字体识别中文
font_path = "../font/Block_Simplified.TTF"
#font_path = "C:\Windows\Fonts\simsun.ttc"
capture = cv.VideoCapture(gstreamer_pipeline(flip_method=0), cv.CAP_GSTREAMER)
cv_edition = cv.__version__
if cv_edition[0] == '3': capture.set(cv.CAP_PROP_FOURCC, cv.VideoWriter_fourcc(*'XVID'))
else: capture.set(cv.CAP_PROP_FOURCC, cv.VideoWriter.fourcc('M', 'J', 'P', 'G'))
capture.set(cv.CAP_PROP_FRAME_WIDTH, 640)
capture.set(cv.CAP_PROP_FRAME_HEIGHT, 480)
print("capture get FPS : ", capture.get(cv.CAP_PROP_FPS))
while capture.isOpened():
start = time.time()
ret, frame = capture.read()
action = cv.waitKey(10) & 0xFF
frame = RecogQRCode(frame, font_path)
end = time.time()
fps = 1 / (end - start)
text = "FPS : " + str(int(fps))
cv.putText(frame, text, (30, 30), cv.FONT_HERSHEY_SIMPLEX, 0.6, (100, 200, 200), 1)
cv.imshow('frame', frame)
if action == ord('q') or action == 113: break
capture.release()
cv.destroyAllWindows()
其中gstreamer_pipeline方法里面的nvarguscamerasrc是英伟达的Argus Camera的库,我们可以通过GStreamer提供的gst-inspect-1.0指令去查询CSI摄像头可设定的参数有哪些:
然后运行:python3 Recog_myqr.py,将打开摄像头,其识别效果如下:
可以看到QR码上面显示了内容信息,然后我们也可以来到终端看下其显示:
正确显示了识别的类型为QRCode,以及数据,这里就是本人的博客网址。试着识别下微信的付款码和收款码,识别情况如下: