ZXing-CPP 2.3.0版本发布:条码识别库的重大更新
2025-07-01 13:21:06作者:尤峻淳Whitney
ZXing-CPP是一个基于C++实现的条码识别开源库,它是流行的ZXing(Zebra Crossing)项目的C++移植版本。该库支持多种一维和二维条码格式的识别,包括QR码、Data Matrix、PDF417、Aztec等,广泛应用于各种需要条码识别功能的软件系统中。
核心功能增强
本次2.3.0版本带来了多项重要的功能改进和性能优化:
-
新增条码格式支持:
- 增加了对DX Film Edge格式的读取支持
- 新增了对Aztec Runes符号的检测和读取能力
- 添加了对DataBarLimited符号的读取支持(由EUREKAM赞助)
-
图像处理优化:
- 重新实现了LocalAverage二值化算法,采用对称阈值插值技术,显著提高了对反转符号的检测能力
- ImageView类增加了边界校验功能,提高了安全性
- 新增了ImageFormat::LumX格式,支持2字节灰度+alpha通道的输入
-
API改进:
- 引入了新的Barcode类替代Result类(Result将在3.0版本移除)
- 添加了ZXing::Version()函数,可在运行时查询库版本
- 图像格式命名规范化,将'X'替换为'A'(如RGBX改为RGBA)
跨平台与语言支持
ZXing-CPP 2.3.0显著增强了跨平台和多语言支持能力:
-
新增语言绑定:
- 正式构建中加入了C API支持(需通过cmake -DZXING_C_API=ON启用)
- 新增了基于C API的Rust包装器
- 新增了基于C API的.NET包装器
- 增加了Kotlin/Native包装器支持
-
平台特定改进:
- Android版本增加了对Android 15灵活页面大小的支持
- 将Android命名空间从zxingcpp改为zxingcpp.lib,解决了Maven Central发布问题
- iOS包装器移除了initWithFormats初始化器,简化了API
-
构建系统改进:
- 将cmake选项前缀从BUILD_改为ZXING_
- 默认使用C++20标准构建核心库
- 添加了/utf-8到MSVC编译标志
- 使构建在不同目录下具有可重现性
命令行工具增强
ZXingReader命令行工具获得了多项新功能:
- 新增-binarizer选项,支持local/global/fixed三种二值化方法
- 添加-single选项,可设置maxNumberOfSymbols(1)
- 完善了-formats参数解析,包括's'格式支持
- 支持从标准输入读取图像文件(通过传递'-'参数)
实验性API
2.3.0版本引入了一些实验性API(需通过cmake选项-DZXING_EXPERIMENTAL_API=ON启用):
- 全新的Create+Write API,用于生成/写入条码(将替代MultiFormatWriter)
- 基于libzint的新写入器后端
- 新增Barcode::symbol()属性,提供ImageView访问
- Python绑定中新增了实验性写入API
性能优化与问题修复
本次更新包含了大量性能优化和错误修复:
-
解码算法改进:
- DataMatrix解码器提高了对接近45°旋转符号的检测能力
- DataBar解码器通过整合edge-2-edge模式提高了检测率
- QR解码器现在即使存在校验和错误也会返回部分内容
- 改进了ITFReader的多个方面
-
问题修复:
- 修复了BitHacks中可能导致在Pre-Haswell Windows机器上生成随机QR码内容的问题
- 解决了PDF417解码时右侧可能错误折叠到(0,0)位置的问题
- 调整了Barcode的operator==(),避免过度分割高线性符号
-
其他改进:
- 更新了HRI AIs至最新的gs1-syntax-dictionary.txt
- 弃用了validateITFCheckSum、validateCode39CheckSum和returnCodabarStartEnd等函数
- 确保macOS和64位Linux的Python包支持多符号DataMatrix检测(需要C++20支持)
总结
ZXing-CPP 2.3.0是一个功能丰富、改进显著的版本,不仅增加了对新条码格式的支持,还大幅提升了现有功能的稳定性和性能。特别是新增的跨语言绑定和实验性写入API,为开发者提供了更多可能性。对于需要高性能条码识别功能的项目,这个版本值得考虑升级。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218