c++编写二维码条码扫码

好的，以下是一个基于 C++ 和 OpenCV 库的二维码/条码扫码示例代码：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/dnn.hpp>

using namespace std;
using namespace cv;
using namespace cv::dnn;

int main()
{
    // 加载模型和标签
    String model_file = "frozen_inference_graph.xml";
    String label_file = "label_map.pbtxt";
    Net net = readNetFromTensorflow(model_file);
    std::vector<String> labels;
    std::ifstream ifs(label_file.c_str());
    std::string line;
    while (std::getline(ifs, line))
    {
        if (line.find("display_name:") != std::string::npos)
        {
            labels.push_back(line.substr(15, line.length() - 16));
        }
    }

    // 打开摄像头
    VideoCapture cap(0);
    if (!cap.isOpened())
    {
        cout << "Failed to open camera." << endl;
        return -1;
    }

    // 循环读取图像并识别二维码/条码
    Mat frame;
    while (cap.read(frame))
    {
        // 转换为灰度图像
        Mat gray;
        cvtColor(frame, gray, COLOR_BGR2GRAY);

        // 识别二维码/条码
        std::vector<Mat> codes;
        QRCodeDetector detector;
        String data = detector.detectAndDecode(gray, codes);

        // 显示结果
        if (!data.empty())
        {
            putText(frame, data, Point(50, 50), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);
        }
        else
        {
            Mat blob = blobFromImage(frame, 1.0, Size(300, 300), Scalar(127.5, 127.5, 127.5), true, false);
            net.setInput(blob);
            Mat detections = net.forward();
            Mat detectionMat(detections.size[2], detections.size[3], CV_32F, detections.ptr<float>());
            for (int i = 0; i < detectionMat.rows; i++)
            {
                float confidence = detectionMat.at<float>(i, 2);
                if (confidence > 0.5)
                {
                    int classId = static_cast<int>(detectionMat.at<float>(i, 1));
                    String className = labels[classId - 1];
                    int x1 = static_cast<int>(detectionMat.at<float>(i, 3) * frame.cols);
                    int y1 = static_cast<int>(detectionMat.at<float>(i, 4) * frame.rows);
                    int x2 = static_cast<int>(detectionMat.at<float>(i, 5) * frame.cols);
                    int y2 = static_cast<int>(detectionMat.at<float>(i, 6) * frame.rows);
                    rectangle(frame, Point(x1, y1), Point(x2, y2), Scalar(0, 0, 255));
                    putText(frame, className, Point(x1, y1 - 10), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 0, 255));
                }
            }
        }
        imshow("Barcode Scanner", frame);
        if (waitKey(1) == 27)
        {
            break;
        }
    }

    // 释放资源
    cap.release();
    destroyAllWindows();
    return 0;
}

上述代码首先加载模型文件和标签文件，然后打开摄像头并循环读取图像。对于每帧图像，首先将图像转换为灰度图像，然后使用 OpenCV 的 QRCodeDetector 类识别二维码/条码。如果识别到了二维码/条码，则在图像中绘制识别结果。否则，使用 OpenCV 的 dnn 模块和 TensorFlow 模型识别物体，并在图像中绘制识别结果。

需要注意的是，上述代码仅适用于识别单个二维码/条码，并且对于复杂图像中的二维码/条码识别效果可能不理想。如果需要更高效、更准确的二维码/条码识别算法，可以考虑使用深度学习模型或者其他高级算法。