Python+CV2二维码识别实战：针对大图小码的预处理与检测

需求：产品中有二维码，但是二维码很小，需要进行整盘识别二维码并记录，难度大，精度低。

一个可行的方案：先识别产品区域，再进一步无损裁剪二维码可能性的区域，裁剪的二维码识别精度低，还需要进一步放大后识别，之前使用了ZXing、Pyzbar 、cv2等最基础的识别库，识别能力一般般。

最后翻了好多资料，最终识别二维码采用的是微信开源的算法模型，能识别模糊的、倾斜角度的，识别能力是很靠谱。

相关代码片段：

import cv2
 
# 加载 wechat_qrcode 检测器，这段是重点，换了好多个扫码识别的库，最终只有这个微信开源的扫码引擎最靠谱，参考文档：https://zhuanlan.zhihu.com/p/348412200
detector = cv2.wechat_qrcode_WeChatQRCode(
    "./qr_mode/detect.prototxt",
    "./qr_mode/detect.caffemodel",
    "./qr_mode/sr.prototxt",
    "./qr_mode/sr.caffemodel"
)

# 二维码识别模块
def qr_processing(crop_img):
    try:
        # 放大倍数识别，分别1-6倍
        for num in range(1, 6):
            resized_img = cv2.resize(crop_img, None, fx=num, fy=num, interpolation=cv2.INTER_CUBIC)
            res, _ = detector.detectAndDecode(resized_img)
            if res and res[0]:
                print(f'二维码识别成功: {res[0]}')
        return False
    except Exception as e:
        print(f'二维码识别错误: {str(e)}')
        return False

识别产品看我另一篇文章：

使用yolo模型进行目标检测，包含训练步骤和测试代码-优快云博客

完整的识别例子：

识别速度还可以再快点，最新代码能实现3秒内识别出4X5=20个码。

测试硬件：

1、2000万像素CCD工业相机+支架（摄像头越高清，解析度越好）

2、6毫米焦段镜头，和相机配套的，目的就是为了近距离拍摄出更高清的帧率照片

3、I7 9700系列处理器，主要是加快识别速度，感觉还行，差距不大,识别瞬间会调用所有核心，几乎一秒钟后就搞定了。

相机和镜头成本整套算起来3500左右吧。

批量识别大图小码视频案例