java怎么实现识别二维码图片功能

本篇内容介绍了"java怎么实现识别二维码图片功能"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

所需maven依赖

   com.google.zxing   javase   3.2.1    com.google.zxing    core    3.3.3

实现的java类

import com.google.zxing.*;import com.google.zxing.client.j2se.BufferedImageLuminanceSource;import com.google.zxing.common.HybridBinarizer;import sun.misc.BASE64Decoder; import javax.imageio.ImageIO;import java.awt.image.BufferedImage;import java.io.ByteArrayInputStream;import java.io.File;import java.io.IOException;import java.util.HashMap;import java.util.Map;/** * 作用：二维码识别（图片） * 类名：QRCodeUtils **/public class QRCodeUtils {    /**     * 解析二维码,此方法解析一个路径的二维码图片     * path:图片路径     */    public static String deEncodeByPath(String path) {        String content = null;        BufferedImage image;        try {            image = ImageIO.read(new File(path));            LuminanceSource source = new BufferedImageLuminanceSource(image);            Binarizer binarizer = new HybridBinarizer(source);            BinaryBitmap binaryBitmap = new BinaryBitmap(binarizer);            Map hints = new HashMap();            hints.put(DecodeHintType.CHARACTER_SET, "UTF-8");            Result result = new MultiFormatReader().decode(binaryBitmap, hints);//解码            System.out.println("图片中内容：  ");            System.out.println("content： " + result.getText());            content = result.getText();        } catch (IOException e) {            e.printStackTrace();        } catch (NotFoundException e) {            //这里判断如果识别不了带LOGO的图片，重新添加上一个属性            try {                image = ImageIO.read(new File(path));                LuminanceSource source = new BufferedImageLuminanceSource(image);                Binarizer binarizer = new HybridBinarizer(source);                BinaryBitmap binaryBitmap = new BinaryBitmap(binarizer);                Map hints = new HashMap();                //设置编码格式                hints.put(DecodeHintType.CHARACTER_SET, "UTF-8");                //设置优化精度                hints.put(DecodeHintType.TRY_HARDER, Boolean.TRUE);                //设置复杂模式开启（我使用这种方式就可以识别微信的二维码了）                hints.put(DecodeHintType.PURE_BARCODE,Boolean.TYPE);                Result result = new MultiFormatReader().decode(binaryBitmap, hints);//解码                System.out.println("图片中内容：  ");                System.out.println("content： " + result.getText());                content = result.getText();            } catch (IOException e) {                e.printStackTrace();            } catch (NotFoundException e) {                e.printStackTrace();            }        }        return content;    }}

测试

public static void main(String [] args){    deEncodeByPath("D:\\Users/admin/Desktop/erweima/timg (5).jpg");//二维码图片路径}

输出结果：

图片中内容：
content: http://qrcode.online

如果上述不能识别的话，那么就需要对图片处理一次，然后再进行识别，这里是个调优图片的工具类。

package com.face.ele.common.utils;import javax.imageio.ImageIO;import java.awt.*;import java.awt.image.BufferedImage;import java.io.File;import java.io.IOException;/** * @author weijianxing * @description: TODO * @date 2020/11/26 9:28 */public class ImageOptimizationUtil {    // 阈值0-255    public static int YZ = 150;    /**     * 图像二值化处理     *     * @param filePath 要处理的图片路径     * @param fileOutputPath 处理后的图片输出路径     */    public static void binarization(String filePath, String fileOutputPath) throws IOException {        File file = new File(filePath);        BufferedImage bi = ImageIO.read(file);        // 获取当前图片的高,宽,ARGB        int h = bi.getHeight();        int w = bi.getWidth();        int arr[][] = new int[w][h];        // 获取图片每一像素点的灰度值        for (int i = 0; i < w; i++) {            for (int j = 0; j < h; j++) {                // getRGB()返回默认的RGB颜色模型(十进制)                arr[i][j] = getImageGray(bi.getRGB(i, j));// 该点的灰度值            }        }        // 构造一个类型为预定义图像类型,BufferedImage        BufferedImage bufferedImage = new BufferedImage(w, h, BufferedImage.TYPE_BYTE_BINARY);        // 和预先设置的阈值大小进行比较，大的就显示为255即白色，小的就显示为0即黑色        for (int i = 0; i < w; i++) {            for (int j = 0; j < h; j++) {                if (getGray(arr, i, j, w, h) > YZ) {                    int white = new Color(255, 255, 255).getRGB();                    bufferedImage.setRGB(i, j, white);                } else {                    int black = new Color(0, 0, 0).getRGB();                    bufferedImage.setRGB(i, j, black);                }            }        }        ImageIO.write(bufferedImage, "jpg", new File(fileOutputPath));    }    /**     * 图像的灰度处理     * 利用浮点算法：Gray = R*0.3 + G*0.59 + B*0.11;     *     * @param rgb 该点的RGB值     * @return 返回处理后的灰度值     */    private static int getImageGray(int rgb) {        String argb = Integer.toHexString(rgb);// 将十进制的颜色值转为十六进制        // argb分别代表透明,红,绿,蓝 分别占16进制2位        int r = Integer.parseInt(argb.substring(2, 4), 16);// 后面参数为使用进制        int g = Integer.parseInt(argb.substring(4, 6), 16);        int b = Integer.parseInt(argb.substring(6, 8), 16);        int gray = (int) (r*0.28 + g*0.95 + b*0.11);        return gray;    }    /**     * 自己加周围8个灰度值再除以9，算出其相对灰度值     *     * @param gray     * @param x 要计算灰度的点的横坐标     * @param y 要计算灰度的点的纵坐标     * @param w 图像的宽度     * @param h 图像的高度     * @return     */    public static int getGray(int gray[][], int x, int y, int w, int h) {        int rs = gray[x][y] + (x == 0 ? 255 : gray[x - 1][y]) + (x == 0 || y == 0 ? 255 : gray[x - 1][y - 1])                + (x == 0 || y == h - 1 ? 255 : gray[x - 1][y + 1]) + (y == 0 ? 255 : gray[x][y - 1])                + (y == h - 1 ? 255 : gray[x][y + 1]) + (x == w - 1 ? 255 : gray[x + 1][y])                + (x == w - 1 || y == 0 ? 255 : gray[x + 1][y - 1])                + (x == w - 1 || y == h - 1 ? 255 : gray[x + 1][y + 1]);        return rs / 9;    }    /**     * 二值化后的图像的开运算：先腐蚀再膨胀（用于去除图像的小黑点）     *     * @param filePath 要处理的图片路径     * @param fileOutputPath 处理后的图片输出路径     * @throws IOException     */    public static void opening(String filePath, String fileOutputPath) throws IOException {        File file = new File(filePath);        BufferedImage bi = ImageIO.read(file);        // 获取当前图片的高,宽,ARGB        int h = bi.getHeight();        int w = bi.getWidth();        int arr[][] = new int[w][h];        // 获取图片每一像素点的灰度值        for (int i = 0; i < w; i++) {            for (int j = 0; j < h; j++) {                // getRGB()返回默认的RGB颜色模型(十进制)                arr[i][j] = getImageGray(bi.getRGB(i, j));// 该点的灰度值            }        }        int black = new Color(0, 0, 0).getRGB();        int white = new Color(255, 255, 255).getRGB();        BufferedImage bufferedImage = new BufferedImage(w, h, BufferedImage.TYPE_BYTE_BINARY);        // 临时存储腐蚀后的各个点的亮度        int temp[][] = new int[w][h];        // 1.先进行腐蚀操作        for (int i = 0; i < w; i++) {            for (int j = 0; j < h; j++) {                /*                 * 为0表示改点和周围8个点都是黑，则该点腐蚀操作后为黑                 * 由于公司图片态模糊，完全达到9个点全为黑的点太少，最后效果很差，故改为了小于30                 * （写30的原因是，当只有一个点为白，即总共255，调用getGray方法后得到255/9 = 28）                 */                if (getGray(arr, i, j, w, h) < 30) {                    temp[i][j] = 0;                } else{                    temp[i][j] = 255;                }            }        }        // 2.再进行膨胀操作        for (int i = 0; i < w; i++) {            for (int j = 0; j < h; j++) {                bufferedImage.setRGB(i, j, white);            }        }        for (int i = 0; i < w; i++) {            for (int j = 0; j < h; j++) {                // 为0表示改点和周围8个点都是黑，则该点腐蚀操作后为黑                if (temp[i][j] == 0) {                    bufferedImage.setRGB(i, j, black);                    if(i > 0) {                        bufferedImage.setRGB(i-1, j, black);                    }                    if (j > 0) {                        bufferedImage.setRGB(i, j-1, black);                    }                    if (i > 0 && j > 0) {                        bufferedImage.setRGB(i-1, j-1, black);                    }                    if (j < h-1) {                        bufferedImage.setRGB(i, j+1, black);                    }                    if (i < w-1) {                        bufferedImage.setRGB(i+1, j, black);                    }                    if (i < w-1 && j > 0) {                        bufferedImage.setRGB(i+1, j-1, black);                    }                    if (i < w-1 && j < h-1) {                        bufferedImage.setRGB(i+1, j+1, black);                    }                    if (i > 0 && j < h-1) {                        bufferedImage.setRGB(i-1, j+1, black);                    }                }            }        }        ImageIO.write(bufferedImage, "jpg", new File(fileOutputPath));    }    public static void main(String[] args) {        String fullPath="E:\\weijianxing\\img\\微信图片_20201202160240.jpg";        String newPath="E:\\weijianxing\\img\\1new_微信图片_20201202160240.jpg";        try {            ImageOptimizationUtil.binarization(fullPath,newPath);        } catch (IOException e) {            e.printStackTrace();        }    }}

可以手动测试，然后对改代码的部分进行调正对应的参数-- gray变量里的计算进行灰度调整

private static int getImageGray(int rgb) {        String argb = Integer.toHexString(rgb);// 将十进制的颜色值转为十六进制        // argb分别代表透明,红,绿,蓝 分别占16进制2位        int r = Integer.parseInt(argb.substring(2, 4), 16);// 后面参数为使用进制        int g = Integer.parseInt(argb.substring(4, 6), 16);        int b = Integer.parseInt(argb.substring(6, 8), 16);        int gray = (int) (r*0.28 + g*0.95 + b*0.11);        return gray;    }

等调整之后，在对图片进行识别即可。

"java怎么实现识别二维码图片功能"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！