简介：面向Matlab开发者和图像处理学习者的二维码生成与识别方案，完整演示如何借助Zxing开源库完成二维码的编码与解码。实现中将生成与识别两部分分别封装成独立函数，调用入口非常清晰，适合希望快速集成或深入理解二维码原理的读者。压缩包内共包含7个文件，具体包括3个m脚本文件作为主程序与功能封装，2个jar库文件提供Zxing核心支持，另外还包含一张示例二维码图片和一份说明文档，整体体积仅348KB，下载和部署都很轻量便捷。当前已有3903人学习，内容可直接在Matlab环境运行，无需额外下载依赖库，省去环境配置环节。通过主程序可体验从生成到识别的完整流程，也可直接调用封装函数嵌入自己的项目，适用于课程实验、算法验证、毕设开发或个人练习。
1. QR二维码与Matlab：从生成到识别，一份能跑通的完整方案
做产线物料追溯时，QR码是标配，但多数人手里的方案是“调SDK”，黑匣子一样：图像一旦斜了、反光、局部过曝，识别率就掉得厉害，想调都不知道从哪儿下手。这份Matlab资源把QR二维码的生成与识别两端都拆开了——生成端做数据编码、Reed-Solomon纠错、掩码优化，识别端做二值化、定位、透视矫正与解码，全程不依赖闭源商业库，适合读代码、复现算法、调参数的人。对象是做图像处理验证的工程师、搞自动化测试的老手，以及需要完整QR流程做课设的学生。照着跑一遍，就能建立从比特流到图像、再回到比特流的完整闭环。
2. 生成端拆解：数据编码、纠错码与矩阵构建的三个关键步骤
生成端的输入是一段字符串，输出是一张可以直接打印或显示的QR码图像。中间链路可以切成三段：先按编码模式把字符串拼成位流，再按纠错级别补上Reed-Solomon码字，最后把这些码字填入模块矩阵、选掩码、写格式信息。这套资源把三段做成了三个独立函数，调用关系很清晰，所以调试时也方便单独验证某一段是否正确。
2.1 数据编码：模式选择与字节流拼接
QR标准按字符类型定义了四种主要编码模式：数字模式、字母数字模式、字节模式、汉字模式。选择模式不是单纯看字符集，还要看长度，数字模式每3位数字压缩成10比特，在数字内容占多数时能省不少容量。这个资源里默认按内容自动判断：全数字走数字模式，含字母和符号走字母数字模式，中文按UTF-8转成字节再走字节模式。
function bitStream = encodeStringToBits(str, mode) % mode: 1=数字, 2=字母数字, 4=字节, 13=汉字 switch mode case 1 dataBits = encodeNumeric(str); ccBits = 10; % 版本1-9的数字模式字符计数位长 case 2 dataBits = encodeAlphanumeric(str); ccBits = 9; % 版本1-9的字母数字模式位长 case 4 dataBits = encodeByte(str); ccBits = 8; % 版本1-9的字节模式位长 end modeBits = de2bi(mode, 4, 'left-msb'); countBits = de2bi(numel(str), ccBits, 'left-msb'); bitStream = [modeBits, countBits, dataBits]; bitStream = appendTerminatorAndPad(bitStream); end这里需要说明的是，de2bi是通信工具箱里的函数，如果没有该工具箱，可以用dec2bin转成字符串再str2double拆成数组，效果一样。位流拼接顺序是“模式指示符 + 字符计数指示符 + 数据位流”，这三段的顺序不能换，解析端也是按这个顺序反推的。字符计数长度与版本区间有关，上面代码只写了版本1-9的情况，版本10以上数字模式会变成12位、字节模式变成16位，资源里在编码前会先按输入长度预估版本，再返回对应的ccBits。
拼完三段后还要处理结尾：先补4位终止符0000，再把整个位流长度补成8的倍数，最后按交替规则填充0xEC和0x11两个补位字节。这些细节容易被忽略，但缺了它们，生成的QR码在严格解码器下会报“格式错误”。我一般会在补齐后打印位流前32位做检查，确认开头是0001、0010或0100，能一眼看出模式对不对。
2.2 纠错码：Reed-Solomon与块划分
QR码用的纠错算法是Reed-Solomon，作用在GF(256)有限域上，原理是把数据码字看作一个多项式的系数，用生成多项式做除法，余数就是纠错码字。实际使用时不需要手动造乘法表，这套资源里预置了一张按版本和纠错级别索引的“数据码字/纠错码字数量表”，函数只负责查表和调多项式除法。
function codewords = rsEncodeWithTable(data, ecBytes) genPoly = rsGenPoly(ecBytes); % 按纠错码字数查生成多项式系数 [~, rem] = gfPolyDiv(data, genPoly); codewords = [data, rem]; endGF(256)上的多项式除法和普通除法最大的区别是：加减法全部变成按位异或，乘法要查对数/反对数表。直接用Matlab的poly2sym去做会得到完全错误的结果，我在调试时就因此翻过一次车，输出看起来有模有样，实际解码端一校验就全错。资源里把gfPolyDiv单独实现，允许传入原始多项式系数数组，方便对照标准测试向量验证。
纠错码字数量由版本和纠错级别共同决定。版本1的L级只需要7个纠错字节，H级则需要17个；同样是H级，版本5会涨到60个左右。数据量和纠错量此消彼长，所以生成端必须先算清楚放不放得下。这个资源的做法是：在编码前预估所需数据码字数量，再用查表选出能容纳的最小版本，避免出现“数据写进去但模块塞不下”的尴尬。
2.3 矩阵构建：功能图形与掩码优化
位流和纠错码字准备好之后，要把它们按蛇形顺序填入模块矩阵。矩阵尺寸由版本决定：版本1是21×21，每升一版增加4个模块。填入之前必须先把功能图形占好位，包括左上、右上、左下三个定位回形，时序图形，校正图形，以及格式信息和版本信息预留区。
function bestMatrix = buildQRMatrix(codewords, version, ecLevel) n = 21 + (version - 1) * 4; m = ones(n); m = placeFunctionPatterns(m, version, ecLevel); dataMask = placeDataBits(m, codewords); minPenalty = Inf; for maskId = 0:7 masked = xor(dataMask, maskMatrix(maskId, n)); p = penaltyScore(masked); if p < minPenalty minPenalty = p; bestMatrix = masked; bestMaskId = maskId; end end bestMatrix = placeFormatInfo(bestMatrix, ecLevel, bestMaskId); end这里placeDataBits在真实实现里会把一维位流按列从右往左、列内上下交替的方式展开成二维矩阵，同时跳过功能图形区域。代码为了可读性省略了展开细节，但核心逻辑没变。掩码选择是生成端最容易出错的地方：8种掩码图形会按公式对数据区做异或，如果跳过这一步，很多扫描器仍然能识别，但部分解码器会在格式信息阶段直接判失败。资源里用4条标准惩罚规则给每种掩码打分，取惩罚分最低的那个，这就是标准要求的最优掩码策略。
格式信息15位里包含了纠错级别编号和掩码编号，并用BCH码做了10位纠错。placeFormatInfo会把编码后的15位拆分到固定位置，解码端读这块区域时反推掩码编号，再做一次异或消除。到这里生成端的矩阵已经完备，调用方只要按模块尺寸放大渲染就能输出PNG或矢量图。我在调通后习惯补一步自查：把矩阵中心区域抽出来，和标准示例图比对定位回形比例，确认没问题再渲染。
3. 识别端拆解：定位、透视矫正与采样解码的完整链路
识别端的目标是把拍到的、可能歪斜的二维码图片还原成原始字符串。流程分成四段：先做图像预处理得到干净的二值图，再通过定位回形找到三个特征点，用透视变换把图拉正，最后按蛇形顺序采样模块并解码。整套流程看起来长，但每段都有明确的输入输出，方便分段验证。
3.1 图像预处理：灰度化、二值化与去噪
相机拍的图通常是彩色图，光照和背景也复杂，第一步必须转灰度再转二值。如果摄像头拍的是深色背景浅色码，还要判断一下实际极性并反色，保证QR模块是黑、背景是白。
img = imread('qr_sample.png'); if size(img, 3) == 3 gray = rgb2gray(img); else gray = img; end bw = imbinarize(gray); if mean(bw(:)) > 0.5 bw = ~bw; end bw = medfilt2(bw, [3 3]);imbinarize默认用Otsu全局阈值，简单场景够用，但碰到光照不均很容易把部分白色背景误判成黑色。资源里留了一个参数开关，可以改成imbinarize(gray, 'adaptive')走局部自适应阈值，代价是会引入更多离散噪点，所以后面加了medfilt2中值滤波。滤波核大小我一般先用3×3，如果椒盐噪声明显就提到5×5；核太大会把定位回形边缘磨圆，影响后续1:1:3:1:1比例判断。这段处理完，可以用imshow(bw)目测检查，三个定位回形应该清晰完整，背景里不能有大片白色连成块。
3.2 定位：连通域分析与三个回形约束
定位回形是QR码左上、右上、左下角的三个特殊方框，黑白比例是1:1:3:1:1。先做连通域粗筛，再沿中心扫描线精确验证比例。这套资源用的是先找候选组件、再验比例的两步策略，比直接全图卷积快不少。
cc = bwconncomp(bw); props = regionprops(cc, 'Area', 'BoundingBox', 'Eccentricity'); candidates = []; for k = 1:numel(props) if props(k).Area > 80 && props(k).Eccentricity < 0.8 candidates(end+1) = k; %#ok<SAGROW> end end面积阈值80是按“模块数至少4像素宽、整个回形21个模块”反推的经验值，实际要根据相机分辨率调整。Eccentricity < 0.8用来排除细长条，避免把条形码或文字笔画误判成回形。粗筛之后，对每个候选组件计算质心，从质心往上下左右四个方向扫一圈连续黑白段，验证比例是否接近1:1:3:1:1。这套资源允许比例误差在正负0.5个模块宽度内，太严格会漏检、太松会误检，我实际调下来0.5是比较均衡的值。
找到三个有效回形后，还要做几何校验：三个中心点应近似构成等腰直角三角形，且最长边对应右上和左下的距离。这个约束能一次性排除绝大多数背景误检。三个点确定后，直角顶点是左上定位回形，另外两个按位置分右上和左下，为透视矫正准备控制点。
3.3 透视矫正与采样：把畸变图像拉正
QR码在照片里通常是任意四边形，必须变换成正方形才能按矩阵采样。系统约束是单应变换，即投影变换，最少需要四对控制点。三个定位回形只给出三个点，第四个点按三点构成的矩形推算，或者借助右下校正图形定位。资源里采用前者，省一步检测但要求拍摄角度不能太极端。
moving = [x1 y1; x2 y2; x3 y3; x4 y4]; fixed = [1 1; sizeN 1; sizeN sizeN; 1 sizeN]; tform = fitgeotrans(moving, fixed, 'projective'); view = imwarp(bw, tform, 'OutputView', imref2d([sizeN sizeN]));moving和fixed四个点必须按相同顺序排列，我用的是左上、右上、右下、左下的顺时针顺序，顺序错了矫正出来的图会是扭曲的，定位回形位置全乱。fitgeotrans在新版Matlab里已经替代老版的estimateGeometricTransform，如果环境较旧需要换函数名。sizeN是根据版本算出的模块边长，比如版本1是21，版本3是29；把输出视图直接设成和模块数相同，后面采样时每个像素就近似对应一个模块，省去坐标换算。
矫正完成后按网格取每个模块中心点的灰度值做判定，得到二值模块矩阵。采样模块数量必须严格等于理论矩阵尺寸，多一个少一个都会让后面的解码整体错位。我用view(round((i+0.5)*step), round((j+0.5)*step))这种方式遍历，step是视图尺寸除以模块数。
3.4 解码：从模块矩阵还原字符串
拿到干净的模块矩阵后，先要确定版本和掩码编号。版本信息在版本7以上才有专门区域，低版本直接按矩阵尺寸反推。掩码编号从格式信息区域读取，这块区域在左上定位回形旁边，读取时要跳过回形本身。
minfo = readFormatInfo(bwMatrix); bitStream = reshape(bwMatrix', 1, []); bitStream = xor(bitStream, maskSequence(minfo.maskId)); [dc, ec] = rsDecode(bitStream, minfo.ecLevel); text = parseSegments(dc, version);reshape默认按列展开，而QR数据是按蛇形写入的，所以要先按标准顺序重排成写入顺序的位流。xor这一步是生成端掩码操作的逆过程：生成端用同一个掩码图形异或数据区，识别端读取格式信息后重新生成该掩码，再做一次异或就能恢复原始数据。如果跳过反掩码，解码结果会是一堆乱码，这是识别端最常见的问题，后面避坑部分会详细说。
Reed-Solomon解码端会先检查校验字，如果错误在纠错能力范围内，能自动纠正错码；超出范围则直接报解码失败。parseSegments按模式指示符分段读取：先读4位模式，再读对应长度的字符计数，然后按数字/字母/字节模式逐段还原成字符串。整个过程每一步都依赖前一步的坐标和顺序，建议每做完一段就打印调试信息，看到模式和计数对上了再继续。
4. 避坑与常见问题：四个容易翻车的环节及排查方法
生成和识别两端单跑通都不难，难的是组合在一起、换不同图片、改不同参数后仍然稳定。下面几个坑是我在这套流程上反复踩过、也实际修过的，每一条都按现象、原因、解决列出，调试时可以直接对照。
4.1 定位失败，回形被淹没或误检一堆
- 现象：
bwconncomp之后候选组件数量要么是0，要么是几十上百个。 - 原因：全局Otsu阈值在光照不均或打印反光时分割失败，导致定位回形内部断裂，或者背景纹理被切成了大量小块。
- 解决：先换成自适应阈值
imbinarize(gray, 'adaptive')，再看均值判断是否需要反色；如果噪点变多，先用imopen形态学开运算去掉小颗粒，再跑连通域。另一个有效手段是对图像做顶帽变换，也就是imtophat后再二值化，能明显压掉不均匀背景。定位失败时先别调面积阈值，先检查二值图是不是干净的黑白两色，这一步检查到位能省半天时间。
4.2 透视矫正后图像歪斜，采样错位
- 现象：
imwarp输出的视图里，定位回形位置看起来对，但整体有轻微梯形形变，采样出来的模块矩阵边缘明显错位。 - 原因：控制点顺序不一致，或者用了
'affine'变换；坐标没有转成double也容易引起未知误差。 - 解决：固定点与移动点统一按左上、右上、右下、左下排序；变换类型用
'projective'；坐标数组构造时加一句double()包裹。矫正完成后输出视图尺寸也容易设错，视图高度宽度必须等于理论模块数，否则采样网格会和实际模块位置错开。我在矫正后会在图上叠加网格线，目测网格是否贴合模块边界，这个方法比直接跳去解码检查快得多。
4.3 解码结果乱码，掩码没有消除
- 现象：定位和采样都正常，模块矩阵看起来也对，但解码得到的文本是一串无法阅读的乱码。
- 原因：数据区还停留在掩码异或后的状态，直接在
reshape之后解析，得到的是加掩码后的位流。 - 解决：先调用
readFormatInfo拿到掩码编号，生成对应掩码图形后做一次xor再解析。要注意生成掩码图形时使用的是标准公式里的坐标序号，有些实现从1开始计数，容易整体错一个模块，导致反掩码后仍然乱码。我在拿到结果后会额外校验格式信息的纠错位，如果BCH校验能通过，掩码编号基本可信。
4.4 生成的QR码过密，印刷后扫不出来
- 现象：在小标签上打印后，手机或工业扫码器识别率明显下降，连读几次失败。
- 原因：直接选了较低的纠错级别并硬塞长数据，版本被迫提高，模块密度变大，打印分辨率又跟不上。
- 解决：生成前按字符长度自动选版本时，预留至少20%的容量余量；根据印刷环境把纠错级别从L级提升到M级或Q级。比如油污环境下用Q级，码面上损失25%以内的面积仍能识别，代价是数据容量降一档。在资源里只要把纠错级别参数从
'L'改成'Q'再重新生成即可，选版本函数会自动处理容量分配。
5. 参数调优与鲁棒性测试：生成尺寸、容错率与拍摄条件的边界
调通功能只是第一步，项目真正落地前必须把参数边界摸清楚。这里给一套可复现的验证方法：先确定生成尺寸和纠错级别，再对输出图片做旋转、噪声、遮挡三类攻击测试，统计成功率。
5.1 模块尺寸与图像分辨率的匹配关系
生成端在矩阵构建完成后，需要把每个模块放大成固定像素数输出。资源里通过imresize对矩阵做最近邻放大，保证模块边缘锐利，不产生模糊过渡。推荐的模块像素数如下：
| 模块像素数 | 应用场景 | 备注 |
|---|---|---|
| 4 | 算法联调、快速验证 | 最低可识别像素，离屏观察容易疲劳 |
| 8 | 屏幕显示、普通PDF打印 | 常用选择 |
| 16 | 印刷输出、高精度要求 | 放大后边缘清晰，打印缩水仍有冗余 |
imresize(bestMatrix, scale, 'nearest')中scale等于模块像素数，比如21×21的版本1放大8倍得到168×168的图。打印场景还需要按dpi换算，比如300dpi下每个模块至少占8像素，对应模块实际宽度约0.68mm。
5.2 纠错级别选择：按场景从L到H
资源里的生成接口暴露了ecLevel参数，可选'L'、'M'、'Q'、'H'四个级别：
| 纠错级别 | 容错率 | 典型场景 | 数据容量影响 |
|---|---|---|---|
| L | 约7% | 印刷清晰、码面积充足 | 最大 |
| M | 约15% | 普通打印、屏幕展示 | 适中 |
| Q | 约25% | 油污、磨损、曲面 | 较小 |
| H | 约30% | 户外、工业现场恶劣环境 | 最小 |
数据量和容错率是跷跷板，同一版本下H级能装的数据只有L级的六成左右。做原型验证时可以用L级，生产环境至少M级，涉及金属表面反光或油污环境我一律用Q级。选级之后跑一次容量校验，如果返回的版本号超过预期，优先降低数据长度而不是降低纠错级别。
5.3 鲁棒性测试：旋转、噪声与遮挡下的验证方法
识别端稳定不稳定，不能靠感觉，要做批量测试。下面脚本对一张生成的二维码分别施加旋转、高斯噪声和局部遮挡，然后统计解码成功率。
src = imread('qr_output.png'); testImgs = {}; testImgs{1} = imrotate(src, 15, 'crop'); testImgs{2} = imrotate(src, 45, 'crop'); testImgs{3} = imnoise(src, 'gaussian', 0, 0.01); occl = src; occl(50:80, 100:130) = 0; testImgs{4} = occl; res = zeros(1, numel(testImgs)); for i = 1:numel(testImgs) try text = decodeQR(testImgs{i}); res(i) = strcmp(text, expectedStr); catch res(i) = 0; end end fprintf('识别率: %.0f%%\n', mean(res) * 100);imrotate用'crop'保证输出尺寸不变，旋转主要考验定位和透视矫正的稳定性。imnoise的高斯噪声参数[0, 0.01]表示零均值、方差0.01，具体大小按实际相机传感器噪声水平调整。遮挡块面积按纠错级别控制，用Q级可以尝试遮挡约20%面积，H级可以到30%左右。测试集建议至少20张，接受率设在95%以上再放生产。
6. 进阶技巧：把掩码与版本字段做成可视化自查工具
调QR流程到最后，我发现大多数解码问题不在定位和二值化，而在掩码与格式信息这两个容易被忽略的字段上。与其靠打印文本日志逐位猜，不如把模块矩阵画出来，把掩码编号和纠错级别直接显示在图上，一屏看清所有关键状态。
figure; imagesc(bestMatrix); colormap(gray); axis image; hold on; minfo = readFormatInfo(bestMatrix); text(0, -1, sprintf('mask=%d ecc=%d', minfo.maskId, minfo.ecLevel), ... 'BackgroundColor', 'w');这段代码会以灰度图形式显示整个二维码矩阵，并把识别到的掩码编号和纠错级别标在图像上方。生成端跑完buildQRMatrix后，把bestMatrix和bestMaskId传进来，就能验证写入的掩码与格式信息是否一致。识别端在采样完成之后也可以接同样的工具，对比两端读出的掩码编号，一旦数字对不上，说明格式信息区域在采样时发生了偏移；如果readFormatInfo返回的纠错级别与预期不符，检查点大概率在BCH解码或坐标提取上。把这个自查函数放进主流程后，我再也没有被“解码乱码”拖到深夜——掩码编号一对比，问题在哪一目了然。
这套资源把QR二维码的生成与识别两头都做全了，从编码到解码每一步都有源码可读。我此前因为偷懒跳过反掩码步骤，在模拟项目X中连读错三条记录才醒悟过来：标准规定的每一步都有存在的原因，不是玄学。从那以后，我每调一次QR流程都强制走一遍掩码与版本字段的可视化自查，确认两组参数一致才继续。希望帮到你。
本文还有配套的精品资源，点击获取
