# find_QR

**Repository Path**: NO_WARNING/find_QR

## Basic Information

- **Project Name**: find_QR
- **Description**: No description available
- **Primary Language**: C++
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2018-12-10
- **Last Updated**: 2020-12-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# find_QR

####	QR_Photo.cpp 输入照片定位二维码

####	QR_Video.cpp 开启摄像头定位二维码

##### 1.cvtColor()函数

作用:将一个图像从一个颜色空间转换到另一个颜色空间

```
void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0 );
// InputArray src: 输入图像即要进行颜色空间变换的原图像，可以是Mat类
// OutputArray dst: 输出图像即进行颜色空间变换后存储图像，也可以Mat类
// int code: 转换的代码或标识，即在此确定将什么制式的图片转换成什么制式的图片，例如CV_BGR2GRAY转为灰度
// int dstCn = 0: 目标图像通道数，如果取值为0，则由src和code决定
```

```
cvtColor( src, src_gray, CV_BGR2GRAY );
```

##### 2.findContours()函数

```
findContours( InputOutputArray image, 
			  OutputArrayOfArrays contours,
              OutputArray hierarchy, 
              int mode,
              int method,
              Point offset=Point());
```

###### 2.1第二个参数contours

定义为：vector< vector<Point> > contours, 是一个双重向量, 向量内每个元素保存了一组连续的Point点构成的点的集合的向量, 每一组Point点就是一个轮廓，有多少轮廓contours就有多少元素。

###### 2.2Vec4i

定义：typeof Vec<int, 4> Vec4i;

Vec4i 是Vec<int, 4> 的别名，定义了一个“向量内每一个元素包含了4个int型变量”的向量

###### 2.3第三个参数hierarchy

定义为：vector< Vec4i> hierarchy(层次),

结合 Vec4i 理解出hierarchy也是一个向量，向量内每个元素保存了一个包含4个int整型的数组

向量hierarchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同

```
hierarchy向量内的每一个元素的4个int型变量：
hierarchy[i][0]:i个轮廓的后一个轮廓
hierarchy[i][1]:i个轮廓的前一个轮廓
hierarchy[i][2]:i个轮廓的父轮廓
hierarchy[i][3]:i个轮廓的内嵌轮廓
如果当前轮廓没有对应的...，hierarchy[i][0]~hierarchy[i][3]被设置为默认值-1。
```

###### 2.4 第四个参数mode

定义轮廓的检索模式：

```
1.	CV_RETR_EXTERNAL    // 只检索最外围轮廓，包含在外围轮廓内的内围轮廓被忽略
2.	CV_RETR_LIST        // 检索所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此独立
							所以hierarchy向量内所有元素的第3、4个分量都会被设置为-1
3.	CV_RETR_CCOMP		// 检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓							还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层
4.	CV_RETR_TREE		// 检测所有轮廓，所有轮廓建立一个等级树结构。
```

###### 2.5第五个参数method

定义轮廓的近似方法:

```
1.	CV_CHAIN_APPROX_NONE	// 保存物体边界上所有连续的轮廓点到contours向量内
2.	CV_CHAIN_APPROX_SIMPLE	// 仅保存轮廓的拐点信息
3.	CV_CHAIN_APPROX_TC89_L1 和 CV_CHAIN_APPROX_TC89_KCOS	// 使用teh-Chinl chain近似算法
```

###### 2.6第六个参数Point偏移量

所有轮廓信息相对于原始图像对应点的偏移量，相对于每一个检测出的轮廓点上加上该偏移量,Point还可以是负值

###### 2.7example

```
#include "core/core.hpp"  
#include "highgui/highgui.hpp"  
#include "imgproc/imgproc.hpp"  
#include "iostream"
 
using namespace std; 
using namespace cv;  
 
int main(int argc,char *argv[])  
{
	Mat imageSource=imread(argv[1],0);
	imshow("Source Image",imageSource);
	Mat image;
	GaussianBlur(imageSource,image,Size(3,3),0);
	Canny(image,image,100,250);
	vector<vector<Point>> contours;
	vector<Vec4i> hierarchy;
	findContours(image,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
	Mat imageContours=Mat::zeros(image.size(),CV_8UC1);
	Mat Contours=Mat::zeros(image.size(),CV_8UC1);  //绘制
	for(int i=0;i<contours.size();i++)
	{
		//contours[i]代表的是第i个轮廓，contours[i].size()代表的是第i个轮廓上所有的像素点数
		for(int j=0;j<contours[i].size();j++) 
		{
			//绘制出contours向量内所有的像素点
			Point P=Point(contours[i][j].x,contours[i][j].y);
			Contours.at<uchar>(P)=255;
		}
 
		//输出hierarchy向量内容
		char ch[256];
		sprintf(ch,"%d",i);
		string str=ch;
		cout<<"向量hierarchy的第" <<str<<" 个元素内容为："<<endl<<hierarchy[i]<<endl<<endl;
 
		//绘制轮廓
		drawContours(imageContours,contours,i,Scalar(255),1,8,hierarchy);
	}
	imshow("Contours Image",imageContours); //轮廓
	imshow("Point of Contours",Contours);   //向量contours内保存的所有轮廓点集
	waitKey(0);
	return 0;
}
```

##### 3.contourArea()

`contourArea(contours[parentIdx]) `