随着信息化时代的到来,二维码(QR code:quick response code)因其价格低廉、安全性高、信息容量大等特点,被广泛应用于物流管理、电子支付、信息集成等多种领域,QR码识别技术也成为自动识别研究领域中的热点问题。解决在QR码图像采集过程中存在的噪声、光照不均、倾斜、畸变等问题,确保QR码识别准确性,是本文的研究重点。本文通过理论分析与实验结合,主要研究了复杂成像条件下的二维码定位对齐技术,并开发了一套具有良好识别率的QR码识别软件,主要工作与创新性提现如下:首先,针对单张图像中的多码检测问题,分别基于人工特征和深度学习特征训练了QR码检测器,分析并比较了其在QR码定位中的性能。对于人工特征,研究了haar特征对QR码局部模块的描述能力,通过训练级联QR码检测器,提取待检图像中包含QR码的候选区域。对于学习特征,使用基于SSD多尺度检测框架的mobileNet网络提取深度特征,微调网络进行模型训练并将其用于QR码检测。通过实验验证,相较于人工设计的单一特征,通过学习特征得到的QR码检测器的检测率更高,尤其在具有模糊、阴影和透视变换的待检图像上体现更加明显。其次,针对不同畸变类型下的QR码对齐问题,本文先通过图像预处理手段减少噪声对后续处理带来的影响,提出一种自适应二值化方法获得清晰的QR码二值化图像,并基于该图像提出了检测QR码位置探测图形角点作为关键点进行畸变类型判断与校正的算法。该算法优化了传统检测探测图形的扫描线方法,并结合探测图形的轮廓特征,通过关键点的直线特征判断畸变类型。对于透视畸变,利用符号的四个顶点通过反透视变换进行校正;对于曲面畸变,根据最小二乘法计算标准符号与畸变符号关键点间的映射关系,将发生曲面畸变的QR码通过图像插值算法进行恢复。实验结果表明本文算法对具有透视畸变和规则曲面畸变的QR码校正效果良好,可以有效地从畸变符号中读取完整数据。此外,本文结合开源zbar解码算法,设计并实现了以Visual C++为基础的QR码识别软件,并将本文提出的QR码定位校正算法应用其中,主要包含显示界面、QR码检测与译码等环节的实现。通过测试软件性能,证明该QR码识别软件可以在较为复杂环境下进行应用。