iOS-识别图片中二维码

在iOS的CoreImage的Api中,有一个CIDetector的类,Detector的中文翻译有探测器的意思,那么CIDetector是用来做哪些的呢?它可以: CIDetectorTypeFace 面部识别 CIDetectorTypeText 文本识别 CIDetectorTypeQRCode 条码识别 CIDetectorTypeRectangle 矩形识别 这个类其实很简单,它的头文件代码很少,下面来看一下注释

open class CIDetector : NSObject {
    // 初始化方法
    public  init?(ofType type: String, context: CIContext?, options: [String : Any]? = nil)
    // 获取识别特征
    open func features(in image: CIImage) -> [CIFeature]
    open func features(in image: CIImage, options: [String : Any]? = nil) -> [CIFeature]
}
// 识别类型
public let CIDetectorTypeFace: String // 面部识别
public let CIDetectorTypeRectangle: String // 矩形识别
public let CIDetectorTypeQRCode: String // 条码识别
public let CIDetectorTypeText: String // 文本识别
// 下面定义的就是options中可以传的参数
public let CIDetectorAccuracy: String // 识别精度
public let CIDetectorAccuracyLow: String // 低精度,识别速度快
public let CIDetectorAccuracyHigh: String // 高精度,识别速度慢
public let CIDetectorTracking: String // 是否开启面部追踪
public let CIDetectorMinFeatureSize: String // 指定最小尺寸的检测器,小于这个尺寸的特征将不识别,CIDetectorTypeFace(0.01 ~ 0.50),CIDetectorTypeText(0.00 ~ 1.00),CIDetectorTypeRectangle(0.00 ~ 1.00)
public let CIDetectorMaxFeatureCount: String // 设置返回矩形特征的最多个数 1 ~ 256 默认值为1
public let CIDetectorNumberOfAngles: String // 设置角度的个数 1, 3, 5, 7, 9, 11
public let CIDetectorImageOrientation: String // 识别方向
public let CIDetectorEyeBlink: String // 眨眼特征
public let CIDetectorSmile: String // 笑脸特征
public let CIDetectorFocalLength: String // 每帧焦距
public let CIDetectorAspectRatio: String // 矩形宽高比
public let CIDetectorReturnSubFeatures: String // 文本检测器是否应该检测子特征,默认值是否

下面是二维码识别的实例代码

func imagePickerController(_ picker: UIImagePickerController, didFinishPickingMediaWithInfo info: [UIImagePickerController.InfoKey : Any]) {
        // 1.取到图片
        let image = info[UIImagePickerController.InfoKey.originalImage] as? UIImage
        // 2.生成CIImage
        let ciimage = CIImage(cgImage: image!.cgImage!)
        // 3.识别精度
        let options = [CIDetectorAccuracy: CIDetectorAccuracyHigh]

        /**
         4.创建识别器,3个参数

         ofType:识别类型
         CIDetectorTypeFace      面部识别
         CIDetectorTypeText      文本识别
         CIDetectorTypeQRCode    条码识别
         CIDetectorTypeRectangle 矩形识别

         context:上下文,默认传nil

         options:识别精度
         CIDetectorAccuracyLow  低精度,识别速度快
         CIDetectorAccuracyHigh 高精度,识别速度慢
         */
        let detector = CIDetector(ofType: CIDetectorTypeQRCode, context: nil, options: options)

        /**
         5.获取识别结果,2个参数

         in:需要识别的图片

         options:需要识别的特征
         CIDetectorMinFeatureSize: 指定最小尺寸的检测器,小于这个尺寸的特征将不识别,CIDetectorTypeFace(0.01 ~ 0.50),CIDetectorTypeText(0.00 ~ 1.00),CIDetectorTypeRectangle(0.00 ~ 1.00)
         CIDetectorTracking: 是否开启面部追踪 TRUE 或 FALSE
         CIDetectorMaxFeatureCount: 设置返回矩形特征的最多个数 1 ~ 256 默认值为1
         CIDetectorNumberOfAngles: 设置角度的个数 1, 3, 5, 7, 9, 11
         CIDetectorImageOrientation: 识别方向
         CIDetectorEyeBlink: 眨眼特征
         CIDetectorSmile: 笑脸特征
         CIDetectorFocalLength: 每帧焦距
         CIDetectorAspectRatio: 矩形宽高比
         CIDetectorReturnSubFeatures: 文本检测器是否应该检测子特征,默认值是否
         */
        let features = detector?.features(in: ciimage, options: nil)

        // 遍历出二维码
        for item in features! where item.isKind(of: CIQRCodeFeature.self) {
            print((item as! CIQRCodeFeature).messageString ?? "")
        }
    }

Demo地址 https://github.com/cdcyd/CCQRCode

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Coding迪斯尼

使用自动编解码器网络实现图片噪音去除

在前面章节中,我们一再看到,训练或使用神经网络进行预测时,我们需要把数据转换成张量。例如要把图片输入卷积网络,我们需要把图片转换成二维张量,如果要把句子输入LS...

852
来自专栏AI研习社

手把手教你如何用 TensorFlow 实现基于 DNN 的文本分类

编者按:本文源自一位数据科学开发者的个人博客,主要面对初学者用户,AI 研习社编译。另外,关于 TensorFlow 和 DNN 的更多深度内容,欢迎大家在文末...

3799
来自专栏瓜大三哥

视频压缩编码技术(H.264) ——编码器和解码器

如上图所示,输入的帧或场Fn 以宏块为单位被编码器处理。首先,按帧内或帧间预测编码的方法进行处理。如果采用帧内预测编码,其预测值PRED(图中用P 表示)是由当...

1202
来自专栏ml

调参过程中的参数 学习率,权重衰减,冲量(learning_rate , weight_decay , momentum)

无论是深度学习还是机器学习,大多情况下训练中都会遇到这几个参数,今天依据我自己的理解具体的总结一下,可能会存在错误,还请指正. learning_rate , ...

8568
来自专栏xingoo, 一个梦想做发明家的程序员

Spark MLlib 之 大规模数据集的相似度计算原理探索

在spark中RowMatrix提供了一种并行计算相似度的思路,下面就来看看其中的奥妙吧!

3920
来自专栏奇点大数据

扔掉代码表!用RNN“破解”摩斯电码

作者:Sandeep Bhupatiraju 剧透警告:摩斯电码并不需要破解。它很有用,因为消息可以使用这些代码以最少的设备发送,并且我说它不需要破解,因为代码...

4265
来自专栏机器学习和数学

[数据结构和算法]《算法导论》动态规划笔记(2)

上一次介绍了动态规划解决钢条切割问题,这次介绍一下动态规划的原理,什么样的最优化问题适合用动态规划解决? 具有的两个基本特征:最优子结构和子问题重叠。 最优子结...

3019
来自专栏AI研习社

用 Python 分析四年NBA比赛数据,实力最强的球队浮出水面

分类作为一种监督学习方法,要求必须事先明确知道各个类别的信息,并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足,尤其是在处理海量数据的时...

4273
来自专栏生信小驿站

R语言之可视化①误差棒

本教程介绍如何使用R软件和ggplot2包创建带有误差棒的图形。 可以使用以下函数创建不同类型的错误栏:

1843
来自专栏Petrichor的专栏

leetcode: 84. Largest Rectangle in Histogram

982

扫码关注云+社区

领取腾讯云代金券