在 Python 3.6 环境中，识别照片中的二维码可以使用多种库，主要包括 `zxing`、`pyzbar` 以及结合 OpenCV 的 `pyzbar` 实现方式。这些库均支持二维码的高效识别，并可通过扩展支持复杂场景下的图像处理与解码。 ### zxing 库 `zxing`（Zebra Crossing）是一个基于 Java 的二维码识别库，其 Python 分支通过调用 Java 核心功能实现二维码识别。该库在识别能力上表现优异，尤其适用于复杂图像环境下的二维码识别。zxing 默认使用 UTF-8 编码对二维码内容进行解码，但在处理中文字符等非 UTF-8 编码时，可能需要额外的编码处理以避免 `UnicodeDecodeError` 异常[^4]。 示例代码如下： ```python from zxing import BarCodeReader reader = BarCodeReader() image_path = "qrcode_python.png" result = reader.decode(image_path) try: text = result.parsed except UnicodeDecodeError: raw_bytes = result.getRawBytes() text = raw_bytes.decode("gbk") print("解码结果:", text) ``` ### pyzbar 库 `pyzbar` 是另一个流行的二维码识别库，它基于 ZBar 项目，支持二维码和条形码的识别。pyzbar 不依赖 Java 环境，直接通过 C 扩展实现，因此在性能和依赖管理上更为轻量。它可以与 PIL（Pillow）库结合使用，读取图像文件并提取二维码信息[^3]。 示例代码如下： ```python from pyzbar.pyzbar import decode from PIL import Image image = Image.open("qrcode_python.png") decoded_objects = decode(image) for obj in decoded_objects: print("解码结果:", obj.data.decode("utf-8")) ``` ### OpenCV 与 pyzbar 结合使用 在一些实时识别场景中，例如通过摄像头捕捉图像并识别二维码，可以结合 OpenCV 和 pyzbar 进行处理。OpenCV 提供图像捕获和处理能力，pyzbar 负责解码二维码内容。该方法支持实时视频流中的二维码识别，并可通过图像预处理提升识别成功率。 示例代码如下： ```python import cv2 import pyzbar.pyzbar as pyzbar def decode_display(image): barcodes = pyzbar.decode(image) for barcode in barcodes: (x, y, w, h) = barcode.rect cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) data = barcode.data.decode("utf-8") print("解码结果:", data) cv2.imshow("camera", image) def detect(): camera = cv2.VideoCapture(0) while True: ret, frame = camera.read() decode_display(frame) if cv2.waitKey(5) == 27: # 按下 ESC 键退出 break camera.release() cv2.destroyAllWindows() detect() ``` ### 支持的图像格式与预处理 在使用上述库进行二维码识别时，图像通常需要进行预处理以提升识别成功率。常见的预处理步骤包括图像灰度化、二值化、调整大小等。这些操作可以使用 OpenCV 或 Pillow（PIL）实现，以确保图像符合二维码识别算法的最佳输入格式[^1]。 ---