opencv实时二维码识别的一种实现与思路分享

在嵌入式平台上比如 rk3568 这种弱鸡的平台，要做到实时视频处理就非常鸡肋，不像英伟达那种 deepstrem 什么的。
开始的时候，我们使用python 下的 pyzbar + opencv
opencv 读取摄像头的数据然后每帧送到 pyzbar 二维码识别函数里面进行处理，然后打印出识别的数字。结果，非常卡。

优化思路1：利用opencv 支持gstreamer 可否优化速度，编译了很久opencv 但是利用：
print(cv2.getBuildInformation()) 一直显示不支持，暂时放弃。

优化思路2：只执行opencv 读取摄像头数据然后 展示，对比 opencv 直接读取和利用 gstreamer 的python 库直接读，然后展示发现两者速度基本一样，回顾代码，发现占用时间较长的是 二维码的识别。
那么优化二维码识别函数。

如何优化？ 可以看到，函数针对 一个图像帧做处理，稍微了解二维码结构的都知道，二维码周围的三个 黑色的方框是二维码的定位特征，那么，如果我们只给 解析函数传送只有二维码的部分，其他不传入，是不是可以提供速度。

代码如下：

import cv2
from pyzbar.pyzbar import decode


def read_qr_code(image):
    # 读取图像
    #image = cv2.imread(image_path)
    # 解码二维码
    decoded_objects = decode(image)
    for obj in decoded_objects:
        # 提取二维码中的数据
        data = obj.da