如何用OpenCV或ImageMagick提取灰度图中的隐藏二维码？

一、使用OpenCV（Python） #

隐藏二维码常被嵌入单个颜色通道，通过通道分离和阈值处理可提取：

1. 分离颜色通道并筛选
   读取图片后拆分RGB通道，逐个检查哪个通道能显现二维码轮廓：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('qr.png')
# 分离BGR通道（OpenCV默认BGR顺序）
b, g, r = cv2.split(img)

# 先尝试处理蓝色通道（多数隐藏二维码会存在于此）
target_channel = b

2. 阈值增强与反色
   通过二值化突出二维码的黑白对比，若二维码是浅色则反色：

# 自适应阈值处理，自动调整局部对比度
_, thresh = cv2.threshold(target_channel, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 反色（如果二维码是白色背景黑色块，可跳过此步）
thresh = cv2.bitwise_not(thresh)

3. 形态学修复
   用膨胀/腐蚀操作填补二维码的细小破损，提升识别率：

# 创建结构元素
kernel = np.ones((2,2), np.uint8)
# 膨胀修复破损
repaired = cv2.dilate(thresh, kernel, iterations=1)
# 保存处理后的图片
cv2.imwrite('qr_opencv_extracted.png', repaired)

若蓝色通道无效，可替换为g（绿色）或r（红色）通道重试。

二、使用ImageMagick（命令行） #

用命令行快速分离通道并调整对比度，适合无编程基础的场景：

1. 提取单个颜色通道并阈值处理
   尝试提取蓝色通道，通过阈值过滤并反色：

convert qr.png -channel blue -separate -threshold 55% -negate qr_magick_extracted.png

说明：

• -channel blue：指定处理蓝色通道，可替换为green/red
• -threshold 55%：调整阈值（范围0-100%），根据图片效果微调
• -negate：反色，若二维码显示正常可省略

2. 增强对比度优化
   若阈值处理后仍模糊，可先提升通道对比度：

convert qr.png -channel blue -separate -contrast-stretch 5%x5% -threshold 50% qr_optimized.png

处理完成后，用普通二维码识别工具扫描生成的qr_*_extracted.png即可。

内容的提问来源于stack exchange，提问作者infinity