微信二维码包含两个基于 CNN 的模型：一个目标检测模型和一个超分辨率模型。目标检测模型用于检测带有边界框的二维码。超分辨率模型用于在二维码较小时放大二维码。更多…

#include <opencv2/wechat_qrcode.hpp>

cv::wechat_qrcode::WeChatQRCode 的协作图

公共成员函数
	WeChatQRCode (const std::string &detector_prototxt_path="", const std::string &detector_caffe_model_path="", const std::string &super_resolution_prototxt_path="", const std::string &super_resolution_caffe_model_path="")
	初始化WeChatQRCode。它包含两个模型，这些模型使用 caffe 格式打包。因此，有 prototxt 和 caffe 模型（总共四个参数）。

	~WeChatQRCode ()

std::vector< std::string >	detectAndDecode (InputArray img, OutputArrayOfArrays points=noArray())
	同时检测和解码二维码。为了简化使用，只有一个 API：detectAndDecode。

float	getScaleFactor ()

void	setScaleFactor (float _scalingFactor)
	设置比例因子二维码检测器使用神经网络来检测二维码。在运行神经网络之前，输入图像会通过缩放进行预处理。默认情况下，输入图像被缩放为面积为 160000 像素的图像。比例因子允许自定义缩放输入图像：宽度 = scaleFactor宽度高度 = scaleFactor高度

受保护的属性
Ptr< Impl >	p

详细描述

微信二维码包含两个基于 CNN 的模型：一个目标检测模型和一个超分辨率模型。目标检测模型用于检测带有边界框的二维码。超分辨率模型用于在二维码较小时放大二维码。

构造函数和析构函数文档

◆ WeChatQRCode()

cv::wechat_qrcode::WeChatQRCode::WeChatQRCode	(	const std::string &	detector_prototxt_path = "",
		const std::string &	detector_caffe_model_path = "",
		const std::string &	super_resolution_prototxt_path = "",
		const std::string &	super_resolution_caffe_model_path = "" )

Python
	cv.wechat_qrcode.WeChatQRCode(	[, detector_prototxt_path[, detector_caffe_model_path[, super_resolution_prototxt_path[, super_resolution_caffe_model_path]]]]	) ->	<wechat_qrcode_WeChatQRCode object>

初始化WeChatQRCode。它包含两个模型，这些模型使用 caffe 格式打包。因此，有 prototxt 和 caffe 模型（总共四个参数）。

参数

detector_prototxt_path	检测器的 prototxt 文件路径
detector_caffe_model_path	检测器的 caffe 模型文件路径
super_resolution_prototxt_path	超分辨率模型的 prototxt 文件路径
super_resolution_caffe_model_path	超分辨率模型的 caffe 文件路径

◆ ~WeChatQRCode()

cv::wechat_qrcode::WeChatQRCode::~WeChatQRCode ( )

inline

成员函数文档

◆ detectAndDecode()

std::vector< std::string > cv::wechat_qrcode::WeChatQRCode::detectAndDecode	(	InputArray	img,
		OutputArrayOfArrays	points = noArray() )

Python
	cv.wechat_qrcode.WeChatQRCode.detectAndDecode(	img[, points]	) ->	retval, points

同时检测和解码二维码。为了简化使用，只有一个 API：detectAndDecode。

参数

img	支持灰度或彩色（BGR）图像。
points	找到的二维码四边形的顶点可选输出数组。如果未找到，则为空。

返回: 解码字符串列表。

以下是此函数的调用图

◆ getScaleFactor()

float cv::wechat_qrcode::WeChatQRCode::getScaleFactor ( )

Python
	cv.wechat_qrcode.WeChatQRCode.getScaleFactor(		) ->	retval

◆ setScaleFactor()

void cv::wechat_qrcode::WeChatQRCode::setScaleFactor ( float _scalingFactor )

Python
	cv.wechat_qrcode.WeChatQRCode.setScaleFactor(	_scalingFactor	) ->	None

设置比例因子二维码检测器使用神经网络来检测二维码。在运行神经网络之前，输入图像会通过缩放进行预处理。默认情况下，输入图像被缩放为面积为 160000 像素的图像。比例因子允许自定义缩放输入图像：宽度 = scaleFactor*宽度高度 = scaleFactor*高度

scaleFactor 值必须 > 0 且 <= 1，否则 scaleFactor 值将设置为 -1 并使用默认值缩放为面积为 160000 像素的图像。

成员数据文档

◆ p

Ptr<Impl> cv::wechat_qrcode::WeChatQRCode::p

受保护的

此类的文档是从以下文件生成的

opencv2/wechat_qrcode.hpp

公共成员函数

受保护的属性