ZXing-CPP 2.3.0版本发布:条码识别库的重大更新
ZXing-CPP是一个基于C++的高性能条码识别库,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、Aztec、PDF417等,广泛应用于各种需要条码扫描功能的软件系统中。
核心功能增强
本次2.3.0版本带来了多项重要功能更新:
-
新增条码格式支持:增加了对DX Film Edge和Aztec Runes两种特殊条码格式的识别能力,同时添加了对DataBarLimited符号的读取支持,这在某些特定行业应用中非常有用。
-
C语言API引入:现在提供了官方的C语言接口,使得该库可以更容易地被其他编程语言调用,特别是那些主要支持C绑定的语言。
-
多语言封装:新增了Kotlin/Native、Rust和.NET的封装,大大扩展了库的使用范围,让不同技术栈的开发者都能方便地集成条码识别功能。
-
API现代化:引入了新的
Barcode类来替代原有的Result类,这是向更清晰API设计迈进的一步,预计在3.0版本中会完全过渡。
性能与质量改进
在识别算法方面,本次更新包含多项优化:
- 局部平均二值化器:重新实现了对称阈值插值算法,显著提高了对反色符号的检测能力。
- DataMatrix改进:增强了对接近45度旋转符号的检测能力。
- ITFReader优化:多项改进提升了ITF格式条码的识别率。
- QR解码器:现在即使存在校验和错误也能返回部分内容,提高了实用性。
开发者体验提升
对于集成该库的开发者,2.3.0版本带来了多项便利:
-
构建系统改进:
- 统一了CMake选项前缀为
ZXING_...,提高了配置一致性 - 默认使用C++20标准,充分利用现代C++特性
- 增加了构建可重现性支持
- 统一了CMake选项前缀为
-
命令行工具增强:
- 新增
-binarizer选项支持不同二值化算法选择 - 添加
-single选项限制只识别单个符号 - 支持从标准输入读取图像文件
- 新增
-
跨平台支持:
- Android平台增加了对Android 15的兼容性支持
- iOS平台优化了颜色空间处理
- 提供了更完善的Python支持,包括二进制数据处理
实验性功能
2.3.0版本引入了一些实验性功能,为未来的稳定版本做准备:
-
条码生成API:全新的创建和写入API将逐步取代现有的MultiFormatWriter,提供了更现代和灵活的条码生成方式。
-
libzint后端:实验性的基于libzint的写入后端,为条码生成提供了更多可能性。
-
符号图像访问:新增的
symbol()方法可以直接获取识别到的条码符号图像数据。
兼容性与维护
本次更新保持了良好的向后兼容性,同时标记了一些即将被弃用的功能:
- 废弃了
validateITFCheckSum、validateCode39CheckSum等旧方法 - 统一了图像格式命名,将'X'替换为'A'(如RGBX变为RGBA)
- 增加了运行时版本查询功能
ZXing::Version()
对于开发者来说,2.3.0版本是一个值得升级的版本,它不仅带来了新功能和性能改进,还为未来的发展奠定了基础。特别是新增的多语言支持和C API,大大扩展了该库的应用场景,使得在各种技术栈中集成高质量的条码识别功能变得更加容易。
kernelopenEuler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。C0134
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00