EP06_08 — ⚫ Segmentation et Décodage Réel de QRCode avec OpenCV

6.14.8.1 📋 Directives d’Implémentation

1. Lecture des dimensions et des paramètres

   Lire, dans cet ordre, via l’entrée standard :

   • une ligne contenant le nombre de lignes \(L\) ;
   • une ligne contenant le nombre de colonnes \(C\) ;
   • une ligne contenant les quatre paramètres de l’algorithme séparés par des espaces :
     • le seuil de binarisation \(T\) (entier) ;
     • l’aire minimale \(A_{\text{min}}\) (entier) ;
     • la tolérance d’aspect \(\text{tol}\) (réel) ;
     • la marge \(M\) (entier, en pixels).

2. Chargement de l’image

   Utiliser la fonction didactique f = mm.readImg(L, C) pour lire les \(L \times C\) valeurs de l’image en niveaux de gris, obtenant ainsi un array NumPy de type uint8.

3. Binarisation

   Appliquer une binarisation inversée en utilisant le seuil \(T\). Tout pixel de l’image originale avec une intensité strictement supérieure à \(T\) doit être converti à 255, tandis que les autres doivent prendre la valeur 0.

4. Détection des contours

   Extraire les composants connectés externes en utilisant cv2.findContours(...) avec les paramètres :

   • cv2.RETR_EXTERNAL ;
   • cv2.CHAIN_APPROX_SIMPLE.

5. Filtrage géométrique

   Pour chaque contour trouvé :

   • calculer le rectangle englobant (x, y, w, h) à l’aide de cv2.boundingRect ;

   • ne conserver que les candidats satisfaisant simultanément :

     Aire minimale

     \[ w \times h > A_{\text{min}} \]

     Rapport d’aspect

     \[ \left|\frac{w}{h}-1\right| \le \text{tol} \]

6. Tri des candidats

   Trier les candidats par l’aire du rectangle englobant

   \[ w \times h \]

   en ordre décroissant.

   En cas d’égalité, préserver l’ordre originalement retourné par cv2.findContours.

7. Vérification par décodage

   Pour chaque candidat, en suivant l’ordre établi :

   • étendre le rectangle de \(M\) pixels dans les quatre directions ;
   • limiter les indices pour rester dans l’image ;
   • extraire le recadrage directement depuis l’image originale f ;
   • appliquer cv2.QRCodeDetector().detectAndDecode(...) sur ce recadrage.

8. Critère d’arrêt

   Interrompre immédiatement le traitement lorsque le premier candidat produit une chaîne décodée non vide.

9. Cas non trouvé

   Si aucun candidat n’est décodé avec succès, imprimer exactement : QRCODE_NAO_ENCONTRADO

10. Sortie (cas trouvé)

    Imprimer deux lignes.

    Première ligne : linha coluna altura largura en utilisant le rectangle englobant original, avant l’expansion par la marge \(M\).

    Deuxième ligne : texto_decodificado

6.14.8.2 📌 Contraintes Computationnelles

• Utiliser les fonctions d’OpenCV pour réaliser la binarisation, la détection des contours, le calcul du rectangle englobant et le décodage du QRCode.
• Le filtrage géométrique doit obligatoirement avoir lieu avant l’étape de décodage.
• Utiliser exclusivement le seuil fixe \(T\) fourni en entrée. Il n’est pas permis d’utiliser des méthodes automatiques de seuillage, comme Otsu ou le seuillage adaptatif.
• Garantir que les recadrages envoyés au décodeur restent dans les limites de l’image.

6.14.8.3 🧠 Fondement Théorique

Cet exercice intègre les concepts étudiés tout au long du chapitre dans un pipeline unique de Vision par Ordinateur. La segmentation réduit l’ensemble des régions candidates grâce à des caractéristiques géométriques, tandis que l’étape de décodage valide le contenu de la région en utilisant un algorithme spécialisé de reconnaissance.

6.14.8.4 📦 Spécification d’Entrée et de Sortie (VPL)

Structure d’Entrée

L
C
T A_min tol M
[matrice de l'image]

Structure de Sortie (Succès)

linha coluna altura largura
texto_decodificado

Structure de Sortie (Échec)

QRCODE_NAO_ENCONTRADO

6.14.8.5 📌 Fichiers de Référence (.pgm)

À des fins de validation, de débogage local et d’analyse de matrices réelles de pixels, les fichiers d’image générés au format ASCII P2 sont disponibles dans le répertoire du projet. Vous pouvez les utiliser pour tester la conformité de votre code en les décodant avec votre téléphone (sauvegardez localement les *.pgm pour les visualiser) :

• 📥 Cas 1 : Schéma Normal – Contient un unique code parfaitement centré avec des distracteurs géométriques simples en périphérie.
• 📥 Cas 2 : Scénario Complexe – Présente une densité de bruit texturé plus élevée et de multiples candidats distracteurs qui testent les limites du filtrage par aspect.
• 📥 Cas 3 : Message Étendu – Contient un QRCode structuré à partir d’une chaîne de caractères plus longue, générant une densité de modules internes plus élevée.
• 📥 Cas 4 : Géométrie Compacte – Évalue le comportement du pipeline dans des conditions optimisées de contraste et de positionnement limite.
• 📥 Cas 5 : Scénario d’Exclusion – Image composée purement d’éléments distracteurs de grande aire, conçue pour valider le comportement de défaillance contrôlée du programme.

%%writefile EP06_08.py
# Code Python

Overwriting EP06_08.py

TestSuite("EP06_08.py").run()

✔️ EP06_08.cases existe déjà dans casos/
📋 5 cas chargé(s) depuis casos/EP06_08.cases

🔍 Test de Python : EP06_08.py
⚠️ EP06_08.py : fichier vide (moins de 3 lignes). Tests ignorés.