企业官网建设流程全解析

简介：这份源码工具面向需要在Java或Android项目中实现多二维码批量识别的开发者，围绕ZXing条码解码库展开，解决单张图片中同时存在多个二维码时的检测与解析问题。资源包共14个文件，以4个java源文件与4个class编译文件为核心，辅以prefs配置、classpath、project及xml等工程描述文件，压缩包约12KB，属于轻量级Eclipse/Maven工程结构，导入后即可查看完整实现。已有3789人学习下载，说明该方案在二维码处理场景中具有较高参考价值。读者可从中获取多二维码扫描的代码组织方式、MultiFormatReader解码调用逻辑、图像预处理与循环解码思路，以及异常处理与结果提取的实践写法，适合用于批量处理含码图片或构建支持多码识别的应用，也可作为深入理解ZXing解码流程的入门素材。

1. 一张图里塞了十几个二维码，zxing 默认只给你一个结果

电商大促的素材审核后台经常遇到这种图：运营把十几张商品二维码拼成一张长图，让你批量提取链接。你拿 zxing 的MultiFormatReader一跑，decode返回的永远只有第一个码，剩下的像被吞了一样。这不是 zxing 坏了，而是默认的decode走的是「找到一个就收工」的逻辑，它压根没打算处理多码场景。

这篇笔记就围绕「使用 zxing 识别一幅包含多个二维码的图片」这件事，把原理、选型、可复现的代码和踩过的坑讲清楚。适合两类人：一是做素材审核、票据归档、批量入库的工程师，需要从一张图里抠出所有二维码；二是刚接触 zxing、被NotFoundException和「只返回一个」折磨过的开发者。核心结论先放这：单码用decode，多码必须用MultipleBarcodeReader配合GenericMultipleBarcodeReader，再叠加自己的区域切分策略，否则漏检率会高得让你怀疑人生。

2. 多码识别为什么不能靠 decode 一把梭：zxing 的查找逻辑与选型

2.1 decode 与 MultipleBarcodeReader 的分工差异

zxing 的Reader.decode(BinaryBitmap)内部走的是decodeWithState，它调用FinderPatternFinder在整张图里找定位图案，找到一组就交给Decoder解码，成功即返回。整个过程没有「继续找下一组」的循环，所以一张图里多个码，它只认最先被定位到的那一个。

MultipleBarcodeReader是另一个接口，实现类GenericMultipleBarcodeReader的思路是：先按当前Reader解出一个码，拿到它的ResultPoint边界，然后把这张图按边界切成若干子区域，递归地对每个子区域再解。这样理论上能把多个码逐个挖出来。但它的递归策略比较粗暴，对码与码之间间距小、排列不规则的图，容易切歪或者重复解同一个码。

选型上，如果你的图是「规整网格排列、码之间有明显白边」，GenericMultipleBarcodeReader直接能用；如果是「随意拼贴、码大小不一、间距很小」，就得在它外面再包一层自己的区域切分，比如先做连通域分析或者按投影切分，再对每个子图调单码decode。

2.2 依赖引入与最小可运行环境

用 Maven 的话，核心依赖就一个：

<dependency> <groupId>com.google.zxing</groupId> <artifactId>core</artifactId> <version>3.5.3</version> </dependency> <dependency> <groupId>com.google.zxing</groupId> <artifactId>javase</artifactId> <version>3.5.3</version> </dependency>

core提供解码核心，javase提供BufferedImageLuminanceSource这类把BufferedImage转成 zxing 能吃的LuminanceSource的工具。版本上 3.5.x 对多码的支持比 3.3 之前稳定，GenericMultipleBarcodeReader的递归深度和切分逻辑有调整。如果你还在用 3.2 的老版本，建议先升上来，否则下面的一些参数行为会对不上。

2.3 一个能跑通的多码识别骨架

先给一个最简可运行版本，用GenericMultipleBarcodeReader直接解：

import com.google.zxing.*; import com.google.zxing.client.j2se.BufferedImageLuminanceSource; import com.google.zxing.common.HybridBinarizer; import com.google.zxing.multi.GenericMultipleBarcodeReader; import com.google.zxing.multi.MultipleBarcodeReader; import javax.imageio.ImageIO; import java.awt.image.BufferedImage; import java.io.File; import java.util.EnumMap; import java.util.Map; public class MultiQrDemo { public static void main(String[] args) throws Exception { BufferedImage image = ImageIO.read(new File("codes.png")); LuminanceSource source = new BufferedImageLuminanceSource(image); BinaryBitmap bitmap = new BinaryBitmap(new HybridBinarizer(source)); // 关键：用 MultiFormatReader 作为底层单码 reader Map<DecodeHintType, Object> hints = new EnumMap<>(DecodeHintType.class); hints.put(DecodeHintType.TRY_HARDER, Boolean.TRUE); hints.put(DecodeHintType.POSSIBLE_FORMATS, java.util.Arrays.asList( BarcodeFormat.QR_CODE)); hints.put(DecodeHintType.CHARACTER_SET, "UTF-8"); MultiFormatReader singleReader = new MultiFormatReader(); singleReader.setHints(hints); MultipleBarcodeReader multiReader = new GenericMultipleBarcodeReader(singleReader); Result[] results = multiReader.decodeMultiple(bitmap, hints); for (Result r : results) { System.out.println(r.getText() + " @ " + r.getResultPoints()[0]); } } }

逻辑说明：GenericMultipleBarcodeReader构造时接收一个单码Reader，这里用MultiFormatReader并限定只解QR_CODE，避免它去尝试其他格式浪费时间。decodeMultiple返回Result[]，每个Result带文本和定位点。TRY_HARDER打开后，底层会做更细的扫描，对低对比度或小码有帮助，但耗时上升明显。

参数说明：POSSIBLE_FORMATS一定要限定，不限定的话MultiFormatReader会依次尝试所有格式，多码场景下耗时翻几倍。CHARACTER_SET设 UTF-8 是为了中文内容不乱码，zxing 默认有时会猜成 ISO-8859-1。TRY_HARDER在码数量多、图大的时候建议开，但如果你对延迟敏感，可以先不开，看漏检情况再决定。

3. 从「能解一个」到「稳定解全部」：区域切分与参数调优

3.1 为什么 GenericMultipleBarcodeReader 会漏码

GenericMultipleBarcodeReader的递归切分基于已解出码的ResultPoint。它拿到四个角点后，会按这些点算出边界框，然后把图切成「左、右、上、下」几个区域继续找。问题出在：如果两个码挨得很近，第一个码的边界框可能把第二个码的一部分包进去，导致切出来的子图里第二个码不完整，解不出来；或者切分后子图里第一个码还在，递归又解一遍，陷入重复。

另一个常见漏检原因是HybridBinarizer对光照不均的图二值化效果差。一张拼图里如果有的码背景偏暗、有的偏亮，全局二值化会把暗的那部分直接变成全黑，定位图案消失。这时候换GlobalHistogramBinarizer也不一定好，更稳的做法是先做局部自适应二值化，或者把图分块后分别二值化。

3.2 自己切区域：按投影和连通域把码分开

对拼贴类图片，我一般会先做一步预处理：把图转灰度，做自适应阈值二值化，然后按行、列投影找「空白间隔」，把图切成若干候选块，再对每块单独调decode。这样比GenericMultipleBarcodeReader的递归切分可控得多。

import org.opencv.core.*; import org.opencv.imgcodecs.Imgcodecs; import org.opencv.imgproc.Imgproc; import java.util.ArrayList; import java.util.List; public class RegionSplitter { static { System.loadLibrary(Core.NATIVE_LIBRARY_NAME); } public static List<Mat> splitByProjection(String path) { Mat gray = Imgcodecs.imread(path, Imgcodecs.IMREAD_GRAYSCALE); Mat bin = new Mat(); // 自适应阈值，块大小 25，常数 10 Imgproc.adaptiveThreshold(gray, bin, 255, Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C, Imgproc.THRESH_BINARY_INV, 25, 10); // 行投影：统计每行白色像素数 Mat rowProj = new Mat(); Core.reduce(bin, rowProj, 1, Core.REDUCE_SUM, CvType.CV_32S); // 找投影接近 0 的行作为水平切分线 List<Integer> rowCuts = findZeroRuns(rowProj, bin.cols(), 0.02); List<Mat> blocks = new ArrayList<>(); int prev = 0; for (int cut : rowCuts) { if (cut - prev > 20) { // 忽略太窄的条 Mat sub = gray.submat(prev, cut, 0, gray.cols()); blocks.add(sub); } prev = cut; } if (gray.rows() - prev > 20) { blocks.add(gray.submat(prev, gray.rows(), 0, gray.cols())); } return blocks; } private static List<Integer> findZeroRuns(Mat proj, int totalCols, double ratio) { List<Integer> cuts = new ArrayList<>(); int threshold = (int) (totalCols * 255 * ratio); for (int i = 0; i < proj.rows(); i++) { int val = (int) proj.get(i, 0)[0]; if (val < threshold) cuts.add(i); } return cuts; } }

逻辑说明：adaptiveThreshold用高斯加权做局部二值化，对光照不均的拼图比全局阈值稳。Core.reduce按行求和得到行投影，投影值接近 0 的行说明这一行几乎没有白色像素，大概率是码之间的空白间隔。findZeroRuns把这些行找出来作为切分线。切出来的每个Mat再转成BufferedImage喂给 zxing 单码decode。

参数说明：adaptiveThreshold的块大小 25 是经验值，图越大可以适当调大，但必须是奇数。常数 10 控制阈值偏移，值越大二值化后白色区域越少，适合背景偏亮的图；背景偏暗就调小。ratio0.02 表示投影值小于总列数乘 255 乘 0.02 才算空白行，这个值太大会把码内部的行也当切分线，太小则切不开，一般 0.01 到 0.05 之间调。

3.3 切完之后怎么调 zxing 参数

对每个子块调decode时，hints 要重新设一遍，因为MultiFormatReader的 hints 是实例级的，复用同一个 reader 时注意别被上一次的 hints 污染。我一般每个子块新建一个MultiFormatReader，或者用reset()清状态。

private static String decodeBlock(BufferedImage img) { LuminanceSource source = new BufferedImageLuminanceSource(img); BinaryBitmap bitmap = new BinaryBitmap(new HybridBinarizer(source)); Map<DecodeHintType, Object> hints = new EnumMap<>(DecodeHintType.class); hints.put(DecodeHintType.POSSIBLE_FORMATS, java.util.Arrays.asList(BarcodeFormat.QR_CODE)); hints.put(DecodeHintType.CHARACTER_SET, "UTF-8"); hints.put(DecodeHintType.TRY_HARDER, Boolean.TRUE); try { return new MultiFormatReader().decode(bitmap, hints).getText(); } catch (NotFoundException e) { return null; // 这个块里没有码，跳过 } }

这里TRY_HARDER对子块可以放心开，因为子块面积小，耗时可控。CHARACTER_SET固定 UTF-8，避免中文链接乱码。如果子块里码是倒置的，zxing 默认会尝试旋转，但TRY_HARDER打开后旋转尝试更彻底。

3.4 多码结果的去重与排序

切分后可能出现同一个码被两个相邻子块都解出来的情况，需要按文本去重。另外结果顺序最好按码在图中的位置排，方便和业务数据对齐。

List<Result> all = new ArrayList<>(); Set<String> seen = new HashSet<>(); for (Mat block : blocks) { BufferedImage bi = matToBufferedImage(block); String text = decodeBlock(bi); if (text != null && seen.add(text)) { all.add(new Result(text, null, null, BarcodeFormat.QR_CODE)); } } // 按 y 坐标排序（需要保留位置信息时） all.sort(Comparator.comparingInt(r -> r.getResultPoints()[0].getY()));

去重键用文本内容，因为同一张图里不同码内容相同的概率极低。如果业务上允许重复码，可以把去重键换成「文本 + 位置」。排序依赖ResultPoint，如果切分时没保留位置，可以自己在切分阶段记录每个块的偏移量，排序时用偏移量代替。

4. 避坑与排查：多码识别里最容易翻车的 5 个点

4.1 现象：只返回一个码，且总是同一个

原因：直接用了MultiFormatReader.decode而不是MultipleBarcodeReader.decodeMultiple。decode找到第一个就返回，不会继续找。

解决：换成GenericMultipleBarcodeReader包一层，或者自己切区域后循环调decode。如果已经用了decodeMultiple还是只返回一个，检查是不是POSSIBLE_FORMATS没限定，导致底层在尝试其他格式时提前返回了非二维码结果。

4.2 现象：返回的码数量对，但文本乱码

原因：CHARACTER_SET没设或者设错。zxing 在没有 hint 时会根据字节内容猜编码，中文内容经常猜成 ISO-8859-1。

解决：hints 里显式加DecodeHintType.CHARACTER_SET，值设"UTF-8"。如果码本身是用 GBK 编码生成的，那就设"GBK"，这个得看生成端用什么编码。

4.3 现象：小码解不出来，大码正常

原因：HybridBinarizer对小尺寸码的二值化不够细，或者TRY_HARDER没开。

解决：开TRY_HARDER；如果还不行，把原图放大 2 到 3 倍再解，用双线性插值。放大后码的定位图案更清晰，zxing 的FinderPatternFinder更容易命中。注意放大别用最近邻，会产生锯齿反而干扰。

4.4 现象：码挨得近时漏检中间那个

原因：GenericMultipleBarcodeReader的递归切分把中间码切成了两半，或者切分后子图里码不完整。

解决：改用投影切分或连通域切分，确保每个码完整落在至少一个子块里。切分时子块之间留 5 到 10 像素重叠，避免码被切在边界上。重叠区域解出的重复码用文本去重。

4.5 现象：识别耗时随码数量线性增长，大图卡死

原因：TRY_HARDER加上全图递归，每个子区域都做全量扫描。

解决：先切区域再解，切完后每个子块面积小，TRY_HARDER的代价可控。另外POSSIBLE_FORMATS只留QR_CODE，别让它尝试 DataMatrix、Aztec 等格式。如果图特别大，先降采样到宽度 2000 像素左右再处理，码的定位图案在这个分辨率下通常还能保留。

5. 进阶：用定位图案先验把多码识别做成流水线

上面讲的切分加单码解码，已经能覆盖大部分拼图场景。但如果你的图是「码大小不一、旋转角度各异、还有背景干扰」的复杂拼贴，可以再往前一步：先用 zxing 的FinderPatternFinder把图里所有二维码的定位图案找出来，拿到每个码的三个角点，再按角点算出每个码的边界框，最后对每个边界框单独解码。这样切分依据来自码本身的定位图案，比投影切分更准。

import com.google.zxing.common.detector.MathUtils; import com.google.zxing.qrcode.detector.FinderPattern; import com.google.zxing.qrcode.detector.FinderPatternFinder; // 假设已有 BinaryBitmap bitmap FinderPatternFinder finder = new FinderPatternFinder(); // 这里需要传入 BitMatrix，实际使用时从 BinaryBitmap 取 // FinderPatternInfo[] 不是公开 API，需要反射或改用 ResultPoint 收集

FinderPatternFinder在 zxing 里不是完全公开的 API，直接调会有访问限制。更稳的做法是用MultiFormatReader解出第一个码后，拿它的ResultPoint作为已知码位置，然后在原图上把这些位置涂白，再解第二次，循环直到解不出为止。这个「涂白再解」的策略实现简单，对码之间不重叠的图效果很好。

BufferedImage working = ImageIO.read(new File("codes.png")); List<String> texts = new ArrayList<>(); while (true) { LuminanceSource source = new BufferedImageLuminanceSource(working); BinaryBitmap bitmap = new BinaryBitmap(new HybridBinarizer(source)); try { Result r = new MultiFormatReader().decode(bitmap, hints); texts.add(r.getText()); // 把已解出的码区域涂白 Graphics2D g = working.createGraphics(); g.setColor(Color.WHITE); ResultPoint[] points = r.getResultPoints(); int minX = (int) MathUtils.min(points[0].getX(), points[1].getX(), points[2].getX()); int minY = (int) MathUtils.min(points[0].getY(), points[1].getY(), points[2].getY()); int maxX = (int) MathUtils.max(points[0].getX(), points[1].getX(), points[2].getX()); int maxY = (int) MathUtils.max(points[0].getY(), points[1].getY(), points[2].getY()); g.fillRect(minX - 5, minY - 5, maxX - minX + 10, maxY - minY + 10); g.dispose(); } catch (NotFoundException e) { break; // 没有更多码了 } }

这个循环的终止条件是NotFoundException，每解出一个码就把它的边界框涂白，下一轮自然去找剩下的。涂白区域往外扩 5 像素，避免定位图案边缘残留导致重复解同一个码。MathUtils.min和max是 zxing 自带的工具方法，处理多个ResultPoint时比手写循环简洁。

验证方法上，我一般会准备三类测试图：规整网格拼图、随机拼贴、带旋转和缩放的拼贴。每类跑 20 张，统计漏检率和误检率。漏检率高于 5% 就回去调切分参数或二值化方法，误检率高于 1% 就检查去重逻辑和 hints 里的格式限定。这个验证习惯帮我省了很多次上线后才发现漏码的后悔药。

最后说个血泪经验：多码识别里最耗时间的不是写代码，是调二值化和切分参数。不同来源的图差异极大，别指望一套参数打天下。我现在的做法是把二值化方法和切分阈值做成配置项，按图源分组，每组单独调。希望帮到你。

本文还有配套的精品资源，点击获取