R329-opencv4_contrib——微信扫码引擎

原创已于 2022-01-19 16:41:39 修改 · 3.9k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#微信 #opencv #python

于 2022-01-19 16:33:47 首次发布

R329-opencv4_contrib——wechat_qrcode

微信的CV团队开源了微信的二维码扫码引擎，并且已经加入到opencv4_contrib模块，今天我们就来试试它。

安装opencv_contrib

前边的教程我们只是安装了opencv的python版本（其实不用安装也可以使用，因为R329的镜像里已经内置了编译好的opencv库的C++版本和python版本，但是版本好像是opencv3），但是今天我们的实验只有opencv是不行的，我们需要先卸载它，然后安装opencv_contrib。

先卸载已经安装的opencv,没有安装的就不用卸载，查看自己是否安装可以用“pip3 list”来查看查看是否有opencv-python

pip3 uninstall opencv-python

然后下载whl包

点击下载

下载后传到R329上，具体方法见以前的博客，然后cd到whl文件所在的文件夹并执行以下命令即可安装

pip3 install opencv_contrib_python-4.5.5.62-cp36-abi3-manylinux_2_17_aarch64.manylinux2014_aarch64.whl

模型下载：

点击下载

具体实现代码

首先新建文件夹，命名成qrcode,再新建一个qrcode.py文件，内容为

#-*- coding: utf-8 -*-
import time
import cv2

cap = cv2.VideoCapture(0)
#设置图像的高
cap.set(3,240)
#设置图像的宽，这里虽然设置的是240但是实际上是320，
cap.set(4,240)
#写入指定设备
f = open('/dev/fb0','wb')

try:
    detector = cv2.wechat_qrcode_WeChatQRCode(
        "detect.prototxt", "detect.caffemodel", "sr.prototxt", "sr.caffemodel")
except:
    print("---------------------------------------------------------------")
    print("Failed to initialize WeChatQRCode.")
    print("Please, download 'detector.*' and 'sr.*' from")
    print("https://github.com/WeChatCV/opencv_3rdparty/tree/wechat_qrcode")
    print("and put them into the current directory.")
    print("---------------------------------------------------------------")
    exit(0)
    
prevstr = ""
while True:
    st = time.time()
    ret,img = cap.read()
    if ret:
        #截取240*240的图像，lcd最大能显示的是240*240个16位像素
        img = img[:,0:240]
        #将灰度图顺时针旋转180度
        img = cv2.rotate(img,cv2.ROTATE_180)
        res, points = detector.detectAndDecode(img)
        for t in res:
            if t != prevstr:
                print(t)
        #转换为16位色彩，（因为lcd是16位显示）
        img = cv2.cvtColor(img,cv2.COLOR_BGR2BGR565)
        cv2.putText(img, "{0}" .format(str(1 / (time.time() - st))), (0, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 255), 1)
        #写入图像的二进制数据
        f.seek(0)
        f.write(bytearray(img))

将下载好的这四个模型文件上传到qrcode文件夹里

在这里插入图片描述

然后cd到qrcode文件夹，执行

python3 qrcode.py

效果如图所示，无二维码时大概7-8帧，识别到二维码时大概2-3帧，感觉还可以，比K210的那种纯代码识别要好很多。群友说的把caffemodel转化成NCNN模型效率会更高一些，并且已经有人实现，而且在github上开源出来，但是它是用C++写的，我对C++只能说会hello world，我琢磨琢磨，把模型转化一下，然后代码也用C++重构一下，这个效率应该会提高不少，但是不知道要等到什么时候。

在这里插入图片描述