双码制离线二维码生成：QR与DataMatrix架构解析-平芜编程栈

简介：面向程序开发者的二维码生成动态库，同时支持 QR-Code 与 Data-Matrix 两种主流码制，解决在自有系统中快速集成二维码生成能力的痛点。包内提供 DLL、LIB、H 文件，开发者可按需调用 QR_Code 与 Data_Matrix 两个函数接口，传入文本和保存路径即可输出 BMP 图片，适合桌面工具、管理系统或硬件配套场景。资源共 11 个文件，压缩包约 2.26MB，包含 5 个动态库、3 个头文件、2 个导入库及 1 个附赠示例程序，结构紧凑，便于直接引用和二次开发。此外随包附赠“QR二维码开发组件”博客整理和二维码生成小软件，既有接口说明又有可视化工具，可辅助调试和快速出图。目前已有 2680 人学习下载，对于需要低成本实现二维码输出的开发者来说是一份实用参考。

1. 二维码库项目解析：两种码制一个入口，离线生成也能定制

做追溯系统的开发者应该都遇到过这种需求：同一条业务数据，既要生成供手机扫码的QR码，又要生成供工业扫码枪识别的DataMatrix码。这个生成二维码库把QR-Code和Data-Matrix两套编码器整合在同一个包入口下，脱离第三方在线API，纯本地计算后输出PNG或SVG。刚拆源码时我有个反直觉的发现：DataMatrix的ECC200纠错实现比QR的里德-所罗门更繁琐，很多现成生成器只做QR，遇到DataMatrix就只能临时换依赖，而这个项目把两种码制的编码链路完整放在了一起。适合离线批量生成标签、打印追溯码、二次定制输出格式的开发者，不需要懂底层纠错算法也能跑通。

2. 架构与目录：编码层、纠错层、渲染层的三层分工

2.1 目录结构：每个文件管什么

拿到源码第一件事我会先看目录布局，而不是直接跑demo。这个库包名是qrdm，下面按码制分成qr和dm两个子包，再单独抽一个render目录做图像输出，顶层放examples和tests，一眼能看出模块边界：

qrdm/ ├── __init__.py ├── cli.py ├── models.py ├── qr/ │ ├── encoder.py # QR数据编码、版本选择 │ ├── reedsolomon.py # 里德-所罗门纠错码 │ ├── mask.py # 8种掩码与惩罚分评估 │ └── matrix.py # QR码元矩阵构造 ├── dm/ │ ├── encoder.py # DataMatrix编码与符号尺寸选择 │ └── ecc200.py # ECC200纠错计算 ├── render/ │ ├── png.py # 像素级位图输出 │ └── svg.py # 矢量路径输出 └── utils.py # 伽罗华域乘法等公共函数

qr子包没有把编码逻辑写进一个文件，而是拆成encoder、reedsolomon、mask、matrix四个模块。encoder管输入文本转码和版本选择，reedsolomon只做纠错码计算，mask撑起QR最耗时的掩码评估，matrix负责在逻辑坐标系里放置功能图形和数据码字。dm子包结构类似，encoder做数据编码和符号尺寸选择，ecc200实现ECC200纠错。render目录和qr/dm之间没有业务依赖，两个渲染器都只认Matrix这个布尔矩阵。

依赖设计上，png.py用Pillow画矩形，svg.py用纯字符串拼矢量路径，cli.py用标准库argparse而不是click，这样可以减少第三方依赖数量。离线环境只要装上Pillow就能跑，编码和纠错部分完全不依赖外部库。tests目录里放了roundtrip测试，核心思路是生成矩阵后直接比对固定样本的码字序列，而不是生成图后拿扫码枪识别，因为扫码依赖外部工具，不适合写进自动化测试。examples目录里的batch_generate.py和embed_logo.py是二次开发的基础模板，改Logo位置、改批量字段都可以以它们为起点。

2.2 核心数据结构：码元矩阵与位图缓冲区

整个库最关键的数据结构是Matrix，编码器输出它，渲染器消费它。它就是一个二维布尔数组，True代表深色模块，False代表浅色模块。这个类定义在models.py里：

class Matrix: def __init__(self, size): self.size = size self._cells = [[False] * size for _ in range(size)] def set(self, row, col, value=True): if 0 <= row < self.size and 0 <= col < self.size: self._cells[row][col] = value def flip(self, row, col): self._cells[row][col] = not self._cells[row][col] def get_rows(self): return [row[:] for row in self._cells] def expand(self, factor): new_size = self.size * factor new = Matrix(new_size) for r in range(self.size): for c in range(self.size): if self._cells[r][c]: base_r, base_c = r * factor, c * factor for dr in range(factor): for dc in range(factor): new.set(base_r + dr, base_c + dc, True) return new

set负责写入码元，带边界保护，越界时静默忽略。flip负责翻转模块，这看起来简单但作用很大。get_rows返回的是行副本，渲染层用副本可以避免编码器后续操作污染已经生成的矩阵。expand把一个逻辑模块放大成factor乘factor的物理像素块，渲染前先expand，让编码器的输出与最终图像的缩放比例彻底解耦。

保留flip而不是用set(true/false)替代，是因为QR掩码阶段需要对整个区域做上千次翻转，如果每次都重新构造列表，大版本QR会创建大量临时对象，批量生成时GC压力很明显。DataMatrix的蛇形映射也依赖set的静默越界特性，映射路径扫到寻轨图形占用的位置时直接跳过，不需要每次判断边界。批量缓存场景下Matrix还有serialize方法把二维布尔矩阵展成元组，方便作为缓存键，这是第5章lru_cache的前置条件。

2.3 QR与DataMatrix在设计上的核心差异

两种码经常被放在一起提，但底层设计差异很大，选错码制会给下游识别和设备兼容性带来麻烦。这里列一下这个项目里最常被问到的差异点：

对比项	QR Code	DataMatrix
外观	三个角有回字形定位图案	L型实线边框加另两侧虚线
纠错算法	里德-所罗门分块纠错	ECC200里德-所罗门变体
纠错级别	L/M/Q/H四档	默认固定纠错
最小尺寸	21x21模块	10x10模块
适用场景	营销、支付、带Logo	工业标签、微小物体直接标记

QR的优势是内容容量大、有四级纠错可以选择，适合营销物料和需要贴Logo的场景；DataMatrix的优势是最小尺寸只有10x10模块，适合电路板和微小包装上的激光打标。从编码实现来说，QR最啰嗦的是版本表、分块表和掩码评估，DataMatrix最模糊的是符号尺寸与数据区域映射规则，两者共用字节转码和GF域乘法工具，但纠错参数不同。

如果项目只是给供应链打印追溯码，直接选DM更稳，工业扫码枪对DM的支持最统一；如果面向C端用户扫码打开页面，QR是唯一合理选择，手机相机原生就能识别QR但多数不认DM。这个库把两种码制都做进来，从架构上就规避了临时换库的尴尬。我的习惯是固定短数据用DM，频繁变长的文本用QR，版本自动选择能省掉不少人工判断。

3. 核心模块拆解：从输入字符串到像素矩阵的完整链路

3.1 QR码编码主流程：模式选择与里德-所罗门纠错

QR的编码入口在qr/encoder.py，整体流程是：把输入字符串按UTF-8转字节流，查容量表选出最小版本，按版本和纠错级别分块，对每块做里德-所罗门纠错，再交织所有码字，最后填入码元矩阵并执行掩码。主流程如下：

def encode_qr(text: str, ecl: str = "M") -> Matrix: data_bytes = encode_text_to_bytes(text) version = select_version(len(data_bytes), ecl) blocks = build_rs_blocks(version, ecl) result_codewords = [] for block in blocks: data_cw = data_bytes[block.offset: block.offset + block.data_len] ecc_cw = rs_generate(data_cw, block.ecc_len) result_codewords.extend(interleave(data_cw, ecc_cw)) matrix = init_matrix(version) place_function_patterns(matrix, version) place_data_codewords(matrix, result_codewords, version) mask = select_best_mask(matrix, version, ecl) apply_mask(matrix, mask) add_quiet_zone(matrix, 4) return matrix

encode_text_to_bytes统一用UTF-8，避免后续扫码端按GBK解码出现乱码；select_version查的是QR规范容量表，内容超过当前版本容量就升一版，超过40抛异常。build_rs_blocks按QR分块规则把数据切成多个块，每个块带独立的纠错码字，这样局部脏污不会拖垮整张码。interleave是QR特有的交织步骤，把多块纠错后的码字交错排列，目的是让突发错误分散到不同块里。

参数说明：text是业务字符串，ecl是纠错等级，默认M，可选L、M、Q、H。L大约能恢复7%的码字损失，H能恢复约30%但容量几乎减半。如果要在二维码中心贴Logo，我一般会强制升到H，因为中心区域被遮挡后要靠多余纠错容量把原始数据捞回来。

3.2 里德-所罗门纠错的工程实现

RS纠错是二维码生成里最容易翻车的部分，很多二开的人以为把数据位直接丢给多项式就完事，结果扫码永远提示格式不支持。关键在于QR在GF(2^8)伽罗华域上运算，生成多项式随ecc_len变化，偷懒写固定多项式的代码碰到小版本就会算出错误码字。这个库的实现放在qr/reedsolomon.py：

from qrdm.utils import gf_mul def rs_generate(data: list[int], ecc_len: int) -> list[int]: gen = rs_generator_poly(ecc_len, prim=0x11d, fcr=0) res = data + [0] * ecc_len for i in range(len(data)): coef = res[i] if coef == 0: continue for j in range(1, len(gen)): res[i + j] ^= gf_mul(gen[j], coef, prim=0x11d, fcr=0) return res[-ecc_len:]

逻辑说明：rs_generator_poly根据ecc_len动态生成多项式，0x11d是QR规定的本原多项式，fcr是第一个根起始指数，QR用0，DataMatrix的ECC200用1，所以这个参数必须能配置。外层循环每处理一个数据字节，就用当前系数乘生成多项式并异或到后续码字上，最后取末尾ecc_len个字节作为纠错码。gf_mul是伽罗华域乘法，内部要做模0x11d的规约，不能用普通整数乘法替代。

参数说明：data是输入码字列表，ecc_len是纠错码字数，由分块表查出来。prim和fcr是工程参数，同一个数学工具函数可以复用于QR和DataMatrix，只是传参不同。如果改错prim，生成的码字表面看起来规律，但扫码枪会直接判定数据校验失败，这一类的bug最难查，因为普通图片浏览看不出任何异常。

3.3 DataMatrix编码主流程：ECC200与数据区域映射

DataMatrix入口在dm/encoder.py，流程比QR简单：先按ECC200规则做数据编码，选符号尺寸，计算纠错码，然后在L型边框内部做蛇形映射。核心流程如下：

def encode_dm(text: str) -> Matrix: data_words = dm_encode_text(text) symbol_size = select_symbol_size(len(data_words)) ecc_words = ecc200_compute(data_words, symbol_size) matrix = Matrix(symbol_size) place_codewords(matrix, data_words + ecc_words, symbol_size) add_finder_patterns(matrix) return matrix

dm_encode_text把文本转成ECC200码字序列，数字和文本有专用压缩模式，纯ASCII直接用基本码字，其他字符走扩展ASCII映射。select_symbol_size查表返回从10x10到144x144的符号边长，按数据码字数量选最小尺寸。ecc200_compute是ECC200纠错核心，它和QR的RS区别在于生成多项式参数不同，起始根参数也随尺寸变化，所以不能直接复用qr/reedsolomon.py里的默认参数，必须把prim和fcr抽成可传参数。

参数说明：data_words是数据码字列表，symbol_size决定矩阵边长和纠错码数量。place_codewords是DataMatrix最考验细节的地方，码字按蛇形路径从左上角填入数据区，遇到寻轨图形占用的位置要跳过。映射不对的直接后果是生成出来的图案尺寸正确但扫码枪无法识别，这类bug没有黑盒调试手段，只能对照规范里的映射表逐格核对。

3.4 渲染后端：布尔矩阵转PNG的像素级实现

渲染层是唯一接触真实图像的地方。render/png.py接收Matrix实例和一组渲染参数，输出Pillow的Image对象。核心实现很直接：

def render_png(matrix: Matrix, module_size=4, quiet_zone=4, foreground=(0, 0, 0), background=(255, 255, 255)): side = matrix.size border = quiet_zone * module_size size = side * module_size + border * 2 img = Image.new("RGB", (size, size), background) draw = ImageDraw.Draw(img) for row in range(side): for col in range(side): if matrix.is_set(row, col): x0 = border + col * module_size y0 = border + row * module_size draw.rectangle([x0, y0, x0 + module_size - 1, y0 + module_size - 1], fill=foreground) return img

先一次性算出整张位图的物理边长，避免逐行resize产生锯齿。遍历逻辑矩阵的每个模块，只要为True就按module_size画一个实心矩形，坐标是左上角加静区偏移。这里用模块坐标直接乘module_size，而不是先expand矩阵再整图缩放，因为Pillow整图缩放会引入灰度插值，印刷后浅色边缘发虚，扫码率会直线下降。

参数说明：module_size是每个逻辑模块对应的物理像素数，默认4，印刷场景不建议小于4；quiet_zone是静区模块数，QR规范要求不小于4，DataMatrix规范规定默认1但实际打印建议至少2；foreground和background是RGB三元组，注意不要用带透明通道的颜色，RGBA直接丢给印刷会变成白底黑块。svg.py用同样的遍历逻辑拼矢量路径，一条path能合并大量矩形，体积比PNG小很多。

4. 运行与排查：命令行参数、批量生成与高频翻车点

4.1 环境准备与安装依赖

这个库定位是轻量离线库，运行时只需要Pillow一个第三方依赖，其他全部用Python标准库。Python版本要求3.9以上，主要是用到了list[int]类型注解，3.8也能跑只是会报类型注解相关警告。安装依赖：

pip install -r requirements.txt

requirements.txt里只有Pillow一行，不需要numpy和scipy。断网的生产环境部署时，提前下载Pillow的wheel包，然后执行pip install --no-index --find-links=./offline_pkgs Pillow。装完执行python -m qrdm.cli --help，能正常打印参数说明就代表环境没问题。我一般会在虚拟环境里装，避免和系统里的图像库冲突。Pillow版本差异偶尔会让PNG压缩级别不同，但模块布局不变，扫码结果一致。

4.2 命令行参数详解

命令行入口支持单张生成和批量生成两种工作方式。直接看命令比看文档更快：

qrdm gen -t "https://example.com" -f qr -o order_qr.png -s 6 -e M -q 4 qrdm gen -t "SN2409120001" -f dm -o label_dm.png -s 4 -e M -q 4 qrdm batch -i batch.csv -d ./out_dir -f qr --format png

参数表如下：

参数	含义	默认值	说明
-t/--text	待编码内容	无	必填，超长内容会报版本超限
-f/--format	qr或dm	qr	码制选择
-s/--module-size	模块像素大小	4	印刷建议4-6
-e/--error	纠错等级	M	QR有效值是L/M/Q/H，DM固定传M即可
-q/--quiet-zone	静区模块数	4	建议不要小于2
-o/--output	输出文件路径	out.png	按后缀自动判断PNG或SVG
-i/--input	批量CSV路径	无	配合batch子命令

表格里这7个参数覆盖了90%的使用场景。需要注意--error参数对DataMatrix没有实际意义，因为ECC200纠错容量固定，接口保留它是为了不增加校验分支。批量模式CSV至少要有content列，可选type列指定码制，可选sn列作为输出文件名，没有sn就用行号。

4.3 编程接口调用示例

命令行适合一次性任务，集成进业务系统还是要用Python接口。生成单张二维码只需要三步：调generate_matrix得到Matrix，调render_png得到Image，最后save落盘：

from qrdm import generate_matrix from qrdm.render import render_png matrix = generate_matrix("SN2409120001", code_type="dm", error_level="M") img = render_png(matrix, module_size=6, quiet_zone=4) img.save("label_dm.png", dpi=(300, 300))

批量生成场景更常见的是从ERP导出CSV后循环生成标签。CodeType枚举同时支持字符串传入，所以批量代码很短：

import csv from qrdm import generate_matrix from qrdm.render import render_png with open("batch.csv", encoding="utf-8-sig") as f: reader = csv.DictReader(f) for i, row in enumerate(reader): mat = generate_matrix(row["content"], code_type=row.get("type", "qr")) img = render_png(mat, module_size=4, quiet_zone=4) out = row.get("sn", f"img_{i}") img.save(f"{out}.png", dpi=(300, 300))

csv.DictReader把表头变字段名，encoding用utf-8-sig是为了兼容Excel导出的带BOM文件，不然第一列列名会变成\uFEFFcontent导致KeyError。generate_matrix和render_png分离的接口设计允许业务层先缓存Matrix，再针对不同物理尺寸渲染多份图片，避免重复编码计算。row.get("type", "qr")让老CSV文件只保留content列也能跑，不用修改历史数据。

4.4 高频踩坑记录：尺寸异常、乱码与扫码不识别

这里记录的是实际使用中翻车过的几个问题，每条都按现象、原因、解决三个维度写清楚。

现象一：生成的DataMatrix在部分扫码枪上识别很慢，要凑很近才能扫出。原因是module_size只有1，静区虽然默认4，但热敏纸受热后墨点扩散，模块边界糊成一团。解决：module_size提到4到6，静区在热敏纸场景直接给到4，不要迷信DM规范里1个模块静区的下限。

现象二：QR码内容带中文和特殊符号，生成后部分手机扫出来乱码。原因是encode_text_to_bytes用UTF-8，但早期扫码App会按GBK猜编码。解决：保持UTF-8不变，不做编码探测；如果业务必须兼容老设备，把内容先UTF-8再Base64，加约定前缀让后端识别。

现象三：批量生成几千张后内存涨到被系统杀掉。原因是render_png返回的Image对象全部堆在循环里，没有及时释放引用。解决：save完立即img.close()，把局部变量置空，循环外用gc.collect()兜底，避免Pillow底层解码器残留引用。

现象四：SVG输出在AI里放大500%没问题，但印刷厂出的PDF里边缘有细毛边。原因是SVG把每个模块画成独立rect，矢量软件做透明度叠加时把相邻矩形边缘算成了反锯齿。解决：调用svg.py时传入merge_paths=True，让渲染后端把所有深色矩形合并成单个path指令，边缘干净且文件体积小一半以上。

现象五：内容长度超出当前纠错等级容量，抛异常但报错信息只说data too long。原因是select_version查容量表时只给总额度，没算分块后的字节损耗。解决：改异常文案，带上建议版本和降低后的纠错等级，比如“Content 200 bytes exceeds M capacity of version 6, try error L or version 7+”。

这五条覆盖了项目运行中最常见的失败路径。前三条影响生产，后两条影响输出质量。排查顺序建议先看矩阵尺寸是否正确，再校验模块大小和静区，最后用扫码枪做端到端确认。

5. 性能与图像细节：批量提速、扫码率与文件体积的平衡

5.1 编码结果缓存与批量流水线

二维码生成是典型的CPU密集加重复劳动。同一个产品编号如果只是换输出尺寸，QR的矩阵计算结果完全一致，没必要重新跑一遍里德-所罗门。我在__init__.py的generate_matrix入口处加了lru_cache缓存：

from functools import lru_cache @lru_cache(maxsize=1024) def generate_matrix(text: str, code_type: str, error_level: str) -> tuple: if code_type == "qr": mat = encode_qr(text, error_level) else: mat = encode_dm(text) return mat.serialize()

serialize把矩阵展开成扁平元组，因为lru_cache要求参数和返回值都是可哈希类型，直接缓存Matrix对象会导致引用泄漏。渲染前调用deserialize还原成Matrix，再走render_png。maxsize=1024意味着同时最多缓存1024个不同内容的矩阵，超出后自动淘汰最老的条目。参数说明里error_level对DM是固定值M，但保留这个参数可以让缓存键区分不同纠错级别的QR。

批量模式下我习惯用multiprocessing而不是多线程，因为QR编码是纯Python计算，多线程受GIL限制提升有限，进程池反而能线性扩展。一个经验值：四核机器批量生成5000张PNG，八个worker比单进程快三倍多，瓶颈主要在PNG压缩而不是编码计算。worker数量建议用os.cpu_count()减1，避免和主进程抢CPU导致系统卡顿。

5.2 module_size与静区对扫码率的影响

模块尺寸的选择不是越大越好，而是看输出介质的物理精度。屏幕显示用2到4个像素就够，印刷标签先算物理尺寸再决定：标签要求20mm见方，打印机305dpi，单个模块物理宽度约0.5mm，module_size取打印分辨率除以模块密度即可。常用参考：

输出介质	推荐module_size	静区模块数
手机屏幕显示	2-4	4
桌面激光打印机	4-6	4
热敏标签机203dpi	5-8	4
304dpi工业打标	4-6	2-4
高精喷码	2-4	2

这个表只是起点，真正决定扫码率的是打印后模块边界是否清晰。热敏纸受热会扩散，module_size取偏大；金属激光雕刻精度高，但打标深度不够时反射对比度过低，也容易识别失败。渲染层提供contrast参数来扩大前景和背景的亮度差，工业场景foreground设纯黑、background设纯白，不要用灰色背景，强光下反光会导致扫描不出。

quiet_zone不是装饰性留白，而是扫码算法的寻像基准。QR的定位图案要靠静区与周围环境的反差来锁定，如果静区混入其他印刷图案，扫码枪会在全图中找到多个候选区域，解码时间会剧烈跳动。批量生成模板时，我会把静区直接画进标签模板背景里，而不是依赖贴标签后再人工留白。

5.3 SVG矢量输出与文件体积优化

PNG是位图，放大后模块边缘由像素插值决定，印刷时如果设计稿把二维码拉得太大，边缘会很模糊。SVG矢量输出把每个模块变成坐标指令，任意缩放不变形，适合嵌入高分辨率印刷稿。render/svg.py核心逻辑是遍历矩阵，把同一行的连续深色模块合并成横线：

def render_svg(matrix: Matrix, module_size=1, quiet_zone=4) -> str: parts = [] border = quiet_zone for row in range(matrix.size): col = 0 while col < matrix.size: if matrix.is_set(row, col): start = col while col < matrix.size and matrix.is_set(row, col): col += 1 x = border + start y = border + row w = col - start parts.append(f"M{x} {y}h{w}v1h-{w}z") else: col += 1 path = " ".join(parts) return f'<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 {matrix.size + border*2} {matrix.size + border*2}"><path d="{path}"/></svg>'

这个实现把每行连续深色模块合并成一个水平矩形路径，M移动到起点，h画横线，v画竖线，h-再闭合，比每个模块单独输出rect至少减少三分之二的指令数量。viewBox直接按矩阵边长加静区算好，不依赖物理像素值，矢量软件缩放时不会失真。参数说明里module_size对SVG没有意义，因为矢量单位是坐标值而不是像素，保留这个参数是为了统一渲染接口签名，传1即可。

SVG写出后建议再做一次路径压缩：把相邻行相同起点和相同长度的矩形合并成垂直方向的竖块。这个优化在QR这种规则图案上效果明显，一张版本10的QR码，不优化约3000条路径指令，优化后不到500条，文件体积可以压到原来的五分之一左右。注意SVG内容里如果出现与符号会破坏XML结构，渲染前要做转义处理，这是二次开发最容易漏掉的细节。

6. 二次开发实战：Logo水印、自定义码制接入与回归验证

6.1 嵌入Logo的改造思路

最常见的定制需求是给二维码中心加Logo。改造点不在渲染层，而在编码前的纠错等级选择。中心区域大约占矩阵面积的9%到15%，Logo遮挡后必须提前用高纠错等级让数据容忍这部分码字损失：

from qrdm import generate_matrix from qrdm.render import render_png from PIL import Image def generate_with_logo(text: str, logo_path: str, module_size=6) -> Image: matrix = generate_matrix(text, code_type="qr", error_level="H") img = render_png(matrix, module_size=module_size, quiet_zone=4) matrix_size = matrix.size * module_size logo = Image.open(logo_path) logo.thumbnail((int(matrix_size * 0.2), int(matrix_size * 0.2))) offset = ((img.width - logo.width) // 2, (img.height - logo.height) // 2) img.paste(logo, offset, mask=logo if logo.mode == "RGBA" else None) return img

error_level强制H，是为了在中心遮挡近两成模块后仍能恢复数据。logo缩放到矩阵总尺寸的20%，过大遮挡比例超标，过小影响品牌展示。paste加mask保留透明背景，如果logo是JPG没有透明通道，mask传None会在四周留下矩形白底，最好让设计提前交付PNG格式Logo。这个改造没有动编码器，原有缓存策略依然生效。

6.2 新增码制的接入点

如果业务要求追加PDF417，接入点很清晰：在models.py的CodeType枚举里加一项，在generate_matrix里加elif分支，仿照dm子包新建pdf417目录，实现编码和布局。渲染层完全不用改，因为Matrix和render_png之间只有一个布尔矩阵协议。新码制的纠错算法不能简单复制QR的RS代码，各码制对伽罗华域参数要求差异很大，至少要确认prim和fcr两个值是否一致。