直接贴代码

using System;
using System.Drawing;
using System.Windows.Forms;
using OpenCvSharp;
using OpenCvSharp.Extensions;

namespace QRCodeDetectionWinForm
{
    public partial class Form1 : Form
    {
        // 私有字段：存储选中的图像文件路径
        private string _imagePath;
        // 私有字段：存储原始图像的OpenCV Mat对象（核心图像容器）
        private Mat _srcImage;

        /// <summary>
        /// 窗体构造函数：初始化窗体控件和基础配置
        /// </summary>
        public Form1()
        {
            InitializeComponent();
        }

        /// <summary>
        /// 【选择图像】按钮点击事件处理方法
        /// 功能：打开文件选择对话框，读取选中的图像并显示在原始图PictureBox中
        /// </summary>
        /// <param name="sender">事件触发源（按钮控件）</param>
        /// <param name="e">事件参数</param>
        private void btnSelectImage_Click(object sender, EventArgs e)
        {
            // 使用using语句自动释放OpenFileDialog资源，避免内存泄漏
            using (OpenFileDialog ofd = new OpenFileDialog())
            {
                // 设置文件筛选规则：只显示常见图像格式和所有文件
                ofd.Filter = "图像文件|*.jpg;*.jpeg;*.png;*.bmp|所有文件|*.*";
                // 设置对话框标题
                ofd.Title = "选择要检测的图像";

                // 如果用户选择了文件并点击"确定"
                if (ofd.ShowDialog() == DialogResult.OK)
                {
                    try
                    {
                        // 记录选中的图像路径
                        _imagePath = ofd.FileName;
                        // 读取图像：ImreadModes.Color表示以彩色模式读取（BGR通道顺序）
                        _srcImage = Cv2.ImRead(_imagePath, ImreadModes.Color);

                        // 校验图像是否读取成功（Empty()表示Mat对象为空）
                        if (_srcImage.Empty())
                        {
                            Log("错误：无法读取选中的图像文件（文件损坏/格式不支持）");
                            return;
                        }

                        // 将原始图像显示到pbxOriginal控件中
                        ShowMatInPictureBox(_srcImage, pbxOriginal);

                        // 启用【检测二维码区域】按钮（默认禁用，选图后启用）
                        btnDetect.Enabled = true;
                        // 记录日志：图像加载成功
                        Log($"成功加载图像：{_imagePath}");
                    }
                    catch (Exception ex)
                    {
                        // 捕获读取图像过程中的异常（如路径错误、权限问题）
                        Log($"加载图像失败：{ex.Message}");
                    }
                }
            }
        }

        /// <summary>
        /// 【检测二维码区域】按钮点击事件处理方法
        /// 核心功能：实现二维码区域检测的完整流程（图像处理→轮廓检测→筛选判定）
        /// </summary>
        /// <param name="sender">事件触发源（按钮控件）</param>
        /// <param name="e">事件参数</param>
        private void btnDetect_Click(object sender, EventArgs e)
        {
            // 前置校验：未加载有效图像时直接返回
            if (_srcImage == null || _srcImage.Empty())
            {
                Log("错误：未加载有效图像，请先选择图像");
                return;
            }

            try
            {
                Log("开始二维码区域检测...");
                // 强制刷新UI，避免长时间处理导致窗体假死
                Application.DoEvents();

                // ====================== 1. 声明所有图像处理所需的Mat对象 ======================
                Mat resizeImage = new Mat(); ;      // 缩放后的图像
                Mat grayImage = new Mat(); ;        // 灰度图像
                Mat equalizeHistImage = new Mat(); ;// 直方图均衡化后的图像（提升对比度）
                Mat contrastandbrightImage = new Mat(); ; // 亮度/对比度增强后的图像
                Mat thresholdImage = new Mat(); ;   // 二值化后的图像
                Mat dilateImage = new Mat(); ;      // 膨胀操作后的图像（增强轮廓连通性）
                Mat ellipseImage = new Mat(); ;     // 用于轮廓检测的临时图像（避免修改原膨胀图）

                // ====================== 2. 图像缩放 ======================
                // 此处设置为原始尺寸（Cols=宽度，Rows=高度），可根据需求调整缩放比例
                // 缩放目的：降低图像分辨率，提升处理速度；若需更高精度可改为原尺寸
                //OpenCvSharp.Size dsize = new OpenCvSharp.Size(_srcImage.Cols * 0.3, _srcImage.Rows * 0.3);
                //OpenCvSharp.Size dsize = new OpenCvSharp.Size(_srcImage.Cols * 2, _srcImage.Rows * 2);
                OpenCvSharp.Size dsize = new OpenCvSharp.Size(_srcImage.Cols, _srcImage.Rows);

                // 执行缩放：INTER_LINEAR（线性插值）是默认的高质量缩放算法
                Cv2.Resize(_srcImage, resizeImage, dsize);

                // 记录缩放后的图像尺寸
                Log($"图像缩放至：宽={resizeImage.Cols}, 高={resizeImage.Rows}");

                // ====================== 3. 转换为灰度图 ======================
                // 彩色图转灰度图：ColorConversionCodes.BGR2GRAY（OpenCV默认彩色图是BGR通道）
                // 灰度化目的：减少计算维度（单通道），简化后续处理
                Cv2.CvtColor(resizeImage, grayImage, ColorConversionCodes.BGR2GRAY);
                // 显示灰度图到pbxGray控件
                ShowMatInPictureBox(grayImage, pbxGray);

                // ====================== 4. 直方图均衡化 ======================
                // 直方图均衡化：提升图像整体对比度，使暗部细节更清晰
                // 适用场景：解决光照不均导致的图像明暗差异问题
                Cv2.EqualizeHist(grayImage, equalizeHistImage);

                // ====================== 5. 亮度/对比度增强 ======================
                // 创建与均衡化图像尺寸、类型相同的空图像（初始化全黑）
                contrastandbrightImage = Mat.Zeros(equalizeHistImage.Size(), equalizeHistImage.Type());
                // 双重循环遍历每个像素（y=行，x=列）
                for (int y = 0; y < equalizeHistImage.Rows; y++)
                {
                    for (int x = 0; x < equalizeHistImage.Cols; x++)
                    {
                        // 获取当前像素的灰度值（uchar=8位无符号整数，0-255）
                        byte pixelValue = equalizeHistImage.At<byte>(y, x);
                        // 对比度增强：像素值×6，同时用Math.Min/Max限制在0-255（避免溢出）
                        contrastandbrightImage.At<byte>(y, x) = (byte)Math.Min(255, Math.Max(0, pixelValue * 6));
                    }
                }

                // 均值模糊：3×3卷积核，平滑图像噪声，避免后续二值化产生毛刺
                Cv2.Blur(contrastandbrightImage, contrastandbrightImage, new OpenCvSharp.Size(3, 3));
                // 显示增强后的图像到pbxEnhanced控件
                ShowMatInPictureBox(contrastandbrightImage, pbxEnhanced);

                // ====================== 6. 二值化处理 ======================
                // 阈值类型：OTSU（自动计算最优阈值） + BinaryInv（反二值化）
                // 原理：OTSU算法根据图像灰度分布自动确定阈值，反二值化使目标区域为白色，背景为黑色
                // 参数说明：0=初始阈值（OTSU时无效），255=最大值，阈值类型组合
                Cv2.Threshold(contrastandbrightImage, thresholdImage, 0, 255, ThresholdTypes.Otsu | ThresholdTypes.BinaryInv);
                // 显示二值化图像到pbxBinary控件
                ShowMatInPictureBox(thresholdImage, pbxBinary);

                // ====================== 7. 膨胀操作 ======================
                // 创建结构元素：矩形3×3卷积核（膨胀的基本单元）
                Mat element = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(3, 3));
                // 执行膨胀：迭代5次，使小轮廓连通成大轮廓，便于后续检测
                // 膨胀目的：填补轮廓间隙，增强二维码区域的连通性
                Cv2.Dilate(thresholdImage, dilateImage, element, iterations: 5);
                // 显示膨胀后的图像到pbxDilate控件
                ShowMatInPictureBox(dilateImage, pbxDilate);

                // ====================== 8. 复制膨胀图用于轮廓检测 ======================
                // 复制图像：避免findContours修改原膨胀图（findContours会改变输入图像）
                dilateImage.CopyTo(ellipseImage);

                // ====================== 9. 查找轮廓 ======================
                // 声明轮廓数组：Point[][]表示多个轮廓，每个轮廓是一组点的集合
                OpenCvSharp.Point[][] twocontours;

                // 声明轮廓层级：记录轮廓的父子关系（此处未使用，但必须声明）
                HierarchyIndex[] twohierarchy;

                // 查找轮廓核心API：
                // 参数1：输入图像（二值图）；参数2：输出轮廓数组；参数3：输出层级；
                // 参数4：检索模式（Tree=检索所有轮廓并建立层级）；
                // 参数5：逼近模式（ApproxSimple=压缩轮廓点，如矩形只保留4个角点）
                Cv2.FindContours(ellipseImage, out twocontours, out twohierarchy, RetrievalModes.Tree, ContourApproximationModes.ApproxSimple);

                // 记录检测到的轮廓总数
                Log($"共检测到 {twocontours.Length} 个轮廓");

                // ====================== 10. 遍历轮廓并筛选二维码区域 ======================
                for (int k = 0; k < twocontours.Length; k++)
                {
                    // 第一步筛选：轮廓点数<60的视为噪声，填充为黑色（排除小轮廓）
                    if (twocontours[k].Length <= 60)
                    {
                        // DrawContours参数说明：
                        // 参数1：目标图像；参数2：轮廓数组；参数3：当前轮廓索引；
                        // 参数4：颜色（黑色）；参数5：厚度（-1=填充轮廓内部）
                        Cv2.DrawContours(ellipseImage, twocontours, k, Scalar.Black, thickness: -1);
                    }
                    else
                    {
                        try
                        {
                            // 第二步筛选：拟合椭圆（判断轮廓是否接近圆形/方形，二维码定位角点特征）
                            // FitEllipse要求轮廓点数≥5，否则会抛出异常
                            RotatedRect rRect = Cv2.FitEllipse(twocontours[k]);

                            // 计算椭圆长短轴：major=长轴，minor=短轴
                            double majorAxis = Math.Max(rRect.Size.Height, rRect.Size.Width);
                            double minorAxis = Math.Min(rRect.Size.Height, rRect.Size.Width);
                            // 计算长短轴比例（越接近1，轮廓越接近正圆/正方形）
                            float rate = (float)(majorAxis / minorAxis);
                            // 记录当前轮廓的长短轴比例
                            Log($"轮廓{k}：长短轴比例={rate:F2}");

                            // 第三步筛选：长短轴比例<1.3（判定为接近正圆/正方形，符合二维码定位特征）
                            if (rate < 1.3)
                            {
                                // 计算轮廓质心（几何中心）：
                                // Moments：计算轮廓的几何矩；false=不计算中心矩
                                Moments mu = Cv2.Moments(twocontours[k], false);
                                // 质心坐标公式：x = m10/m00，y = m01/m00（m00=轮廓面积，不能为0）
                                Point2f mc = new Point2f(
                                    (float)(mu.M10 / mu.M00),
                                    (float)(mu.M01 / mu.M00)
                                );

                                // 记录质心坐标（保留2位小数）
                                Log($"轮廓{k}：质心坐标=({mc.X:F2}, {mc.Y:F2})");

                                // 关键转换：Point2f（浮点型）转Point（整型），适配Circle的参数要求
                                // Math.Round：四舍五入，避免直接截断导致坐标偏移
                                OpenCvSharp.Point center = new OpenCvSharp.Point(
                                    (int)Math.Round(mc.X),
                                    (int)Math.Round(mc.Y)
                                );

                                // 绘制质心：在缩放图上画蓝色实心圆（半径10，厚度-1=填充）
                                Cv2.Circle(resizeImage, center, 10, Scalar.Blue, thickness: -1);

                                // 第四步筛选：质心是否在图像中间1/3区域（二维码通常位于图像中间）
                                bool isInXRange = mc.X > resizeImage.Cols / 3 && mc.X < 2 * resizeImage.Cols / 3;
                                bool isInYRange = mc.Y > resizeImage.Rows / 3 && mc.Y < 2 * resizeImage.Rows / 3;

                                // 满足所有筛选条件：判定为二维码区域
                                if (isInXRange && isInYRange)
                                {
                                    // 填充轮廓为蓝色（标记二维码区域）
                                    Cv2.DrawContours(resizeImage, twocontours, k, Scalar.Blue, thickness: -1);
                                    Log($"轮廓{k}：判定为二维码区域（质心在图像中间区域）");
                                }
                            }
                            else
                            {
                                // 长短轴比例≥1.3：判定为非二维码区域，填充为红色
                                Cv2.DrawContours(resizeImage, twocontours, k, Scalar.Red, thickness: -1);
                                Log($"轮廓{k}：非二维码区域（长短轴比例超过1.3）");
                            }
                        }
                        catch (OpenCvSharpException ex)
                        {
                            // 捕获拟合椭圆异常（如轮廓点数不足、轮廓非凸等）
                            Log($"轮廓{k}：拟合椭圆失败 - {ex.Message}");
                            // 跳过当前轮廓，继续处理下一个
                            continue;
                        }
                    }
                }

                // ====================== 11. 显示最终检测结果 ======================
                ShowMatInPictureBox(resizeImage, pbxResult);
                Log("二维码区域检测完成！");

                // ====================== 资源释放 ======================
                // 手动释放Mat对象（OpenCV的非托管资源，避免内存泄漏）
                resizeImage.Release();
                grayImage.Release();
                equalizeHistImage.Release();
                contrastandbrightImage.Release();
                thresholdImage.Release();
                dilateImage.Release();
                ellipseImage.Release();
            }
            catch (Exception ex)
            {
                // 捕获检测流程中的所有异常，记录详细信息
                Log($"检测过程出错：{ex.Message}");
            }
        }

        /// <summary>
        /// 辅助方法：将OpenCV的Mat图像显示到WinForm的PictureBox控件中
        /// </summary>
        /// <param name="mat">待显示的Mat图像</param>
        /// <param name="pbx">目标PictureBox控件</param>
        private void ShowMatInPictureBox(Mat mat, PictureBox pbx)
        {
            // 空图像直接返回，避免空指针异常
            if (mat.Empty()) return;

            // 使用using语句自动释放Bitmap资源：
            // BitmapConverter.ToBitmap：将Mat转换为GDI+的Bitmap对象
            using (Bitmap bmp = BitmapConverter.ToBitmap(mat))
            {
                // 新建Bitmap副本：避免原Bitmap释放后PictureBox显示空白
                pbx.Image = new Bitmap(bmp);
            }
        }

        /// <summary>
        /// 辅助方法：带时间戳的日志输出（显示到txtLog文本框）
        /// </summary>
        /// <param name="message">日志内容</param>
        private void Log(string message)
        {
            // 格式化日志：[时:分:秒] 内容 + 换行
            string logText = $"[{DateTime.Now:HH:mm:ss}] {message}{Environment.NewLine}";
            // 追加到文本框
            txtLog.AppendText(logText);
            // 自动滚动到最后一行（方便查看最新日志）
            txtLog.ScrollToCaret();
        }

        /// <summary>
        /// 窗体关闭事件：释放全局Mat资源（最后一道内存保护）
        /// </summary>
        /// <param name="e">窗体关闭事件参数</param>
        protected override void OnFormClosing(FormClosingEventArgs e)
        {
            // 调用基类的关闭逻辑
            base.OnFormClosing(e);
            // 释放原始图像的Mat资源（?. 空值保护，避免空指针）
            _srcImage?.Release();
        }
    }
}