项目背景
之前做公众号提了一个需求，需要从检测人员拍的检测照片里识别截取出二维码和检测区。
准备
查了些资料，OCR处理文字，做车牌识别啥的比较好，openCV处理图像好，正好也有 java api 跟我们 java 后台对接，就决定用这个了。
先到OpenCV官网下安装包 https://opencv.org/releases.html
-
下好了也不用安装，直接解压
-
打开 IntelliJ IDEA 设置一下环境，引入jar包
-
在启动类上需要配置 OpenCV library path
二维码的结构
标准的二维码结构是非常有特点的
有三个黑色正方形区域，用来定位一个二维码就靠它了，如果找到了这三个区域，就可以对二维码定位与识别了。
定位的方式有多种，可以根据正方形的方块的线条比例 1：1：3：1：1 来判定，还有一种比较简单的方法，由于方块里面包了方块，轮廓特点明显，一条线有内外两个轮廓，包围盒内外两个线条就是四个轮廓，内部方块型外包围有两个轮廓，这样一个正方形就有六条轮廓。
由于我们的需求很简单，也不会出现多个二维码的情况，那么直接遍历图像层级关系，满足嵌套层数大于5层的就是需要的正方形了。
代码如下：
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.MatOfPoint;
import org.opencv.core.MatOfPoint2f;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.RotatedRect;
import org.opencv.core.Size;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import java.util.ArrayList;
import java.util.List;
public class DemoAction {
static {
System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
}
public static void main(String[] args) {
//读取原图像
Mat image = Imgcodecs.imread("D:\\test.jpg");
//建立灰度图像存储空间
Mat gray = new Mat(image.rows(), image.cols(), CvType.CV_8UC1);
//彩色图像灰度化
Imgproc.cvtColor(image, gray, Imgproc.COLOR_RGB2GRAY);
//高斯模糊
Mat gauss = gray.clone();
Imgproc.GaussianBlur(gray, gauss, new Size(new Point(5, 5)), 0);
// 函数检测边缘
Mat canny = gauss.clone();
Imgproc.Canny(gauss, canny, 100, 200);
//找到轮廓
Mat hierarchy = canny.clone();
List<MatOfPoint> contours = new ArrayList<>();
Imgproc.findContours(canny, contours, hierarchy, Imgproc.RETR_TREE, Imgproc.CHAIN_APPROX_SIMPLE);
List<Integer> ints = new ArrayList<>();
List<MatOfPoint> points = new ArrayList<>();
//从轮廓的拓扑结构信息中得到有5层以上嵌套的轮廓
for (int i = 0; i < contours.size(); i++) {
int k = i;
int c = 0;
while (hierarchy.get(0, k)[2] != -1) {
k = (int) hierarchy.get(0, k)[2];
c = c + 1;
if (c >= 5) {
ints.add(i);
points.add(contours.get(i));
}
}
}
System.out.println("找到" + ints.size() + "个标志轮廓!");
Point[] point = convertPoints(points);
//轮廓转换成最小矩形包围盒
RotatedRect rotatedRect = Imgproc.minAreaRect(new MatOfPoint2f(point));
//截取出二维码
Rect qrRect = rotatedRect.boundingRect();
Mat qrCodeImg = new Mat(image, qrRect);
//保存图像
Imgcodecs.imwrite("D:\\qrCodeImg.jpg", qrCodeImg);
// //矩形左上顶点的坐标
// Point tl = qrRect.tl();
// //矩形右下顶点的坐标
// Point br = qrRect.br();
// double width = (br.x - tl.x);
// double height = (br.y - tl.y);
//
// Rect rect = new Rect((int) tl.x + (int) width / 3, (int) br.y + (int) height / 3, (int) width / 3, (int) height);
// //截取出检验区域
// Mat testImg = new Mat(image, rect);
// //保存图像
// Imgcodecs.imwrite("D:\\testImg.jpg", testImg);
}
/**
* 从MatOfPoint中提取point
*
* @param points
* @return
*/
private static Point[] convertPoints(List<MatOfPoint> points) {
Point[] points1 = points.get(0).toArray();
Point[] points2 = points.get(1).toArray();
Point[] points3 = points.get(2).toArray();
Point[] point = new Point[points1.length + points2.length + points3.length];
System.arraycopy(points1, 0, point, 0, points1.length);
System.arraycopy(points2, 0, point, points1.length, points2.length);
System.arraycopy(points3, 0, point, points1.length + points2.length, points3.length);
return point;
}
}
经过灰度处理，高斯模糊降噪，再检测函数边缘，找到五层嵌套的轮廓，再把轮廓组成最小包围盒截取出来.
