image-processing - 损坏的二维码重建

Question

编辑 下面的图像是原始图像上的预处理序列。1. 原始图像 -> 2. 模糊 xn 次以使 qrcode 位置显着 -> 3. 裁剪原始图像，使用 blob 从第二步提取位置 -> 4. 锐化和阈值 -> 5. 检查 qrcode 的三个正方形 -> 6 . 进行额外的转换，如旋转 - >（最终图像）（具有调整大小分辨率的裁剪图像。）

老问题 我正在尝试从原始图像重建 qrcode。如您所见，照片已损坏 qrcode，因此我使用 Aforge 库使用 blob 从图像中检测 3 个正方形。现在我不明白的是从这些信息生成 qrcode 的逻辑。技术上可以用给定的信息重建 qrcode 吗？

标签： image-processingqr-codeaforge

Answer 1

这是一个有趣的问题。要回答您的问题，这在技术上是否可行。是的，这当然是可能的。您问题中的二维码编码为“5176941.12”。

这是预先拥有的图像，以便更容易手动设置像素。

在这一步之后，我使用excel对每个像素进行一个一个的设置。之后，只需将手机指向电脑屏幕。这就是它的样子。如果你想要excel表格，你可以在这里得到。

既然可能性的问题已经解决了，那么如何自动化呢？在不知道更多其他样本的情况下，很难确定。但是，仅基于此示例，最简单的方法是在裁剪的 QR 图像上对齐 21x21 网格并使用阈值填充值。然后将此图像传递给您的 QR 解码器。二维码具有一定程度的冗余，因此即使某些像素丢失，您也很可能能够恢复原始数据。

---

编辑

这是python中的一些代码，可以作为您如何实现自动化的指南。需要注意的几点：

• 我绕过了检测 3 个框的步骤并手动将其剪得很紧。如果在捕获过程中有旋转，则需要修复它。
• 阈值 0.6 需要针对不同的图像进行调整。现在，即使有多个错误，它也“幸运地”工作。如果错误太广泛，您可能永远不会拥有有效的二维码。

代码：

import cv2
import numpy as np

def fill3box(qr):
    qr[0:7,0:7] = 1
    qr[14:21,14:21] = 1
    qr[14:21,0:7] = 1
    qr[0,0:6]=0
    qr[0:6,0]=0
    qr[0:6,6]=0
    qr[6,0:7]=0
    qr[2:5,2:5]=0
    qr[14:21,14:21] = qr[0:7,0:7]
    qr[14:21,0:7] = qr[0:7,0:7]
    return qr

im = cv2.imread('to_process.png')
im = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
im = cv2.resize(im,(210,210))

im = 1-((im - im.min())/(im.max()-im.min())) #normalize and adjust contrast
avg=np.average(im)
qr = np.ones((21,21))
w,h = im.shape[:2]
im_orig = im.copy()

im[im<avg]=0#binarize
im[im>avg]=1
for y in range(21):
    for x in range(21):
        x1,y1 = (round(x*w/21),round(y*h/21))
        x2,y2 = (round(x1+10),round(y1+10))

        im_box = im[y1:y2,x1:x2]
        if np.average(im_box)<0.6 and qr[y,x]!=0:#0.6 need tweaking
            qr[y,x]=0

qr = fill3box(qr) #clean up 3 box areas as they need to be fixed
# debug visualization
for x in range(21):
    p1 = (round(x*w/21),0)
    p2 = (round(x*w/21),h)
    cv2.line(im_orig,p1,p2,(255),1)

for y in range(21):
    p1 = (0,round(y*h/21))
    p2 = (w,round(y*h/21))
    cv2.line(im_orig,p1,p2,(255),1)

qr = cv2.resize(qr,(210,210),interpolation=cv2.INTER_NEAREST)

im = (im*255).astype(np.uint8)
qr= (qr*255).astype(np.uint8)
im_orig= (im_orig*255).astype(np.uint8)

cv2.imwrite('im.png',im)
cv2.imwrite('qr.png',qr)
cv2.imwrite('im_orig.png',im_orig)

代码中的裁剪图像to_process.png。

网格覆盖以显示此方法的工作原理

阈值图像。

重新生成的 QR，请注意即使有多个错误它仍然有效。