ZXing-CPP项目在Windows平台下的DLL构建与使用指南
2026-02-04 04:16:50作者:韦蓉瑛
背景介绍
ZXing-CPP是一个开源的条形码/二维码识别库,基于C++实现。许多.NET开发者希望通过NuGet包来使用这个库的功能,但在实际使用过程中遇到了无法正确识别二维码的问题。本文将详细介绍如何在Windows平台上正确构建和使用ZXing-CPP的动态链接库(DLL)。
问题现象
开发者在使用ZXing-CPP的NuGet包(0.2.1-alpha版本)时,发现BarcodeReader.From()方法返回空列表,没有识别出任何条形码或二维码,但也没有抛出任何错误。经过测试,同样的代码和测试图像在Linux环境下可以正常工作,这表明问题可能与Windows平台下的DLL构建有关。
解决方案
1. 自行构建DLL
正确的解决方法是自行构建ZXing-CPP的DLL文件,然后替换NuGet包中的DLL。以下是详细步骤:
-
环境准备:
- 安装Visual Studio 2022
- 确保安装了"C++ CMake工具"组件
- 以管理员身份打开"Developer Command Prompt for VS 2022"
-
获取源码:
git clone https://github.com/zxing-cpp/zxing-cpp.git --recursive --single-branch --depth 1 -
配置构建参数:
cmake -S zxing-cpp -B zxing-cpp.release -DCMAKE_BUILD_TYPE=Release -DBUILD_SHARED_LIBS=ON -A x64 -DBUILD_SHARED_LIBS=ON -DZXING_READERS=ON -DZXING_WRITERS=NEW -DZXING_EXPERIMENTAL_API=ON -DCMAKE_CXX_STANDARD=20 -DZXING_C_API=ON -
构建项目:
cmake --build zxing-cpp.release -j8 --config Release
构建完成后,DLL文件将生成在zxing-cpp.release\core\Release目录下。
2. 替换NuGet包中的DLL
- 在项目中添加ZXingCpp NuGet包(需要勾选"包含预发行版")
- 将新构建的
ZXing.dll复制到以下目录:%userprofile%\.nuget\packages\zxingcpp\0.2.1-alpha\runtimes\win-x64\native
常见问题解决
在构建过程中可能会遇到以下问题:
-
zint.h语法错误:
- 这是由于Windows系统对符号链接的处理问题导致的
- 解决方法:手动修改
core/src/libzint/目录下的.h和.c文件,将../../../zint/backend/zint.h改为#include "../../../zint/backend/zint.h"
-
构建失败:
- 确保已正确初始化所有子模块(
--recursive参数) - 检查CMake版本是否支持C++20标准
- 确保已正确初始化所有子模块(
最新进展
项目维护者已发布新版本(0.2.2-alpha),其中包含了修复后的Windows平台DLL。开发者可以直接使用这个新版本的NuGet包,无需自行构建DLL。
性能优化建议
ZXing-CPP库本身已经非常高效,但如果遇到难以识别的图像,可以考虑以下优化措施:
-
预处理图像:
- 应用去噪算法
- 使用中值滤波器
- 调整图像大小
-
使用实验性功能:
- 启用
TryDenoise选项 - 尝试不同的图像格式转换
- 启用
总结
ZXing-CPP是一个功能强大的条形码识别库,但在Windows平台下使用时需要注意DLL的构建方式。通过本文介绍的方法,开发者可以成功构建并使用该库的功能。随着0.2.2-alpha版本的发布,这一问题已得到官方修复,建议开发者升级到最新版本以获得最佳体验。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0190
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
762
4.95 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.79 K
190
暂无简介
Dart
1 K
259
Ascend Extension for PyTorch
Python
717
867
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
855
1.91 K
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++
1.07 K
1.09 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.73 K
1.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
675
1.32 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
438