EP06_08 — ⚫ Segmentação e Decodificação Real de QRCode com OpenCV

6.14.8.1 📋 Diretrizes de Implementação

1. Leitura das dimensões e parâmetros

   Ler, nesta ordem, por meio da entrada padrão:

   • uma linha contendo o número de linhas \(L\);
   • uma linha contendo o número de colunas \(C\);
   • uma linha contendo os quatro parâmetros do algoritmo separados por espaço:
     • limiar de binarização \(T\) (inteiro);
     • área mínima \(A_{\text{min}}\) (inteiro);
     • tolerância de aspecto \(\text{tol}\) (real);
     • margem \(M\) (inteiro, em pixels).

2. Carregamento da imagem

   Utilizar a função didática f = mm.readImg(L, C) para ler os \(L \times C\) valores da imagem em tons de cinza, obtendo um array NumPy do tipo uint8.

3. Binarização

   Aplicar limiarização binária invertida utilizando o limiar \(T\). Todo pixel da imagem original com intensidade estritamente maior que \(T\) deve ser convertido para 255, enquanto os demais devem assumir o valor 0.

4. Detecção de contornos

   Extrair os componentes conectados externos utilizando cv2.findContours(...) com os parâmetros:

   • cv2.RETR_EXTERNAL;
   • cv2.CHAIN_APPROX_SIMPLE.

5. Filtragem geométrica

   Para cada contorno encontrado:

   • calcular o retângulo delimitador (x, y, w, h) por meio de cv2.boundingRect;

   • manter apenas os candidatos que satisfaçam simultaneamente:

     Área mínima

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

     Razão de aspecto

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

6. Ordenação dos candidatos

   Ordenar os candidatos pela área do retângulo delimitador

   \[ w \times h \]

   em ordem decrescente.

   Em caso de empate, preservar a ordem originalmente retornada por cv2.findContours.

7. Verificação por decodificação

   Para cada candidato, seguindo a ordem estabelecida:

   • expandir o retângulo em \(M\) pixels nas quatro direções;
   • limitar os índices para permanecerem dentro da imagem;
   • extrair o recorte diretamente da imagem original f;
   • aplicar cv2.QRCodeDetector().detectAndDecode(...) sobre esse recorte.

8. Critério de parada

   Interromper imediatamente o processamento quando o primeiro candidato produzir uma string decodificada não vazia.

9. Caso não encontrado

   Se nenhum candidato for decodificado com sucesso, imprimir exatamente: QRCODE_NAO_ENCONTRADO

10. Saída (caso encontrado)

    Imprimir duas linhas.

    Primeira linha: linha coluna altura largura utilizando o retângulo delimitador original, antes da expansão pela margem \(M\).

    Segunda linha: texto_decodificado

6.14.8.2 📌 Restrições Computacionais

• Utilizar funções do OpenCV para realizar a binarização, a detecção de contornos, o cálculo do retângulo delimitador e a decodificação do QRCode.
• A filtragem geométrica deve ocorrer obrigatoriamente antes da etapa de decodificação.
• Utilizar exclusivamente o limiar fixo \(T\) fornecido na entrada. Não é permitido utilizar métodos automáticos de limiarização, como Otsu ou limiarização adaptativa.
• Garantir que os recortes enviados ao decodificador permaneçam dentro dos limites da imagem.

6.14.8.3 🧠 Fundamentação Teórica

Este exercício integra conceitos estudados ao longo do capítulo em um único pipeline de Visão Computacional. A segmentação reduz o conjunto de regiões candidatas por meio de características geométricas, enquanto a etapa de decodificação valida o conteúdo da região utilizando um algoritmo especializado de reconhecimento.

6.14.8.4 📦 Especificação de Entrada e Saída (VPL)

Estrutura de Entrada

L
C
T A_min tol M
[matriz da imagem]

Estrutura de Saída (Sucesso)

linha coluna altura largura
texto_decodificado

Estrutura de Saída (Falha)

QRCODE_NAO_ENCONTRADO

6.14.8.5 📌 Arquivos de Referência (.pgm)

Para fins de validação, depuração local e análise de matrizes reais de pixels, os arquivos de imagem gerados no padrão ASCII P2 encontram-se disponíveis no diretório do projeto. Você pode utilizá-los para testar em decodificados do seu celular a aderência do seu código (salvar *.pgm localmente para visualizar):

• 📥 Caso 1: Padrão Normal – Contém um único código perfeitamente centralizado com distratores geométricos simples na periferia.
• 📥 Caso 2: Cenário Complexo – Apresenta maior densidade de ruído texturizado e múltiplos distratores candidatos que testam os limites da filtragem por aspecto.
• 📥 Caso 3: Mensagem Expandida – Contém um QRCode estruturado a partir de uma cadeia de caracteres de maior comprimento, gerando maior densidade de módulos internos.
• 📥 Caso 4: Geometria Compacta – Avalia o comportamento do pipeline sob condições otimizadas de contraste e posicionamento limítrofe.
• 📥 Caso 5: Cenário de Exclusão – Imagem composta puramente por elementos distratores de alta área, projetada para validar o comportamento de falha controlada do programa.

%%writefile EP06_08.py
# Código Python

Writing EP06_08.py

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

✔️ EP06_08.cases já existe em casos/
📋 5 caso(s) carregado(s) de casos/EP06_08.cases

🔍 Testando Python: EP06_08.py
⚠️ EP06_08.py: Arquivo sem conteúdo (menos de 3 linhas). Testes ignorados.