导读
初见小程序码，犹如一朵盛开的菊花。
其实这种脑洞大开的异形码并非微信首创，Facebook、kik、snapchat 等公司都研发了自己体系的码。
从设计的图形上，我们把上述方案简单分成：
• 平面类，如：qrcode，snapchart code
• 环状类，如：fb code，kik code
考虑到专利风险，又要兼顾优雅美观，我们最终选择放射状作为我们的 base 方案，也就是最后面世的 “菊花码”。
设计篇
小程序码的构成
小程序的 3 个 “牛眼” 用来定位，放射线条编码信息，这是一个大家都懂的原理。但”麻雀虽小，五脏俱全“，小程序码与 QRCode 类似，同样包含了定位区，编码信息区，元信息区等部分，除此以外，我们还加入了自定义 Logo 区，下面让我们来解剖一下小程序码。
如何生成一个小程序
” 万丈高楼平地起 “，那小程序码是如何一砖一瓦构建起来的呢？我们以一个实例来演示小程序码的生成 。
1 . 定位点
定位点主要用于标记小程序码的大小及在图中的位置，与 QRCode 类似, 我们采用了 3+1 的方案，3 个主定位点加一个辅助定位点。可以发现，定位点的对角连线交点刚好是码的圆心，3 个主定位点又刚好组成一个等腰直角三角形。以上的特征，非常有利于定位识别。
2 . 信息编码区
我们会把原始编码的字符串，转换成 01 的序列，再加入纠错码，得到最终 01 序列。我们只需要把 01 序列按一定的编码路径，填充到信息编码区的方格中即可 (0 为白，1 为黑)。小程序在图案编码阶段，也是按点编码的的，并没有线的概念。
3 . 掩码图案
填充好编码区之后，我们发现图案与设计稿大相径庭，并没有发射状线条的感觉。究其原因，是因为黑色点过于稀疏。所以我们还要做 mask, 加上掩码图案。
mask 的原理其实就是拿一个掩码图案与原图做 XOR 操作，在解码阶段，再做一次 XOR 操作，两次 XOR 操作，我们得到了原始的数据区。
我们按照一定的规则，预先设定了 32 种 mask 模板。在码生成阶段，会寻找一个最佳的 mask, 让我们的黑白分布更具线条感。mask 完成后，我们得到了下面的效果图。
4 . 元信息区
前面我们提到，小程序码分为多个版本，每个版本有 4 个纠错 Level, 同时 mask 阶段又有一个独特的 mask id。这些信息，我们称之为元信息，需要独立编码到图案中，并且本身具备纠错能力。
至此，我们已经把所有必不可少的信息写入到图案中，码本身已经是可识别的了。为了让整体更加美观，需要对内外圈再进行一些处理。
5 . 轮廓填充区
为了凸显 logo 的形状，我们在内圈留了一些区域作为轮廓填充区。
6 . 边缘补全区
最外圈也不带有编码信息，用于勾勒图案的轮廓，总体上我们有以下两种方案
方案一更突出图案更加圆的特点，但方案二可以让线条显得更加错落有致，也是我们的最终选择。
可拓展
为了让小程序码在编码容量上的需求，我们设计了 36 线，54 线，72 线三种版本，每个版本支持由低到高 L，M，Q，H 四种纠错等级，分别能纠错 10%，15%，25%，35% 的信息。
不同的版本，在不同的纠错 Level 下，采用不同的字符集，其最大编码容量如下
编后语
从小程序码设计上，有以下几个特点：
- 高识别度 保留最核心的中间区域给使用者自定义，让每个品牌商都有自己的专属码
- 高容错 实际应用中，大部分 QRCode 由于中间部分被 logo 覆盖，有效编码区域丢失。而小程序码是无损的，在相同纠错等级的情况下，容错性更高。
- 更安全 QRCode 由于其开放性，容易成为 “病毒” 的温床。而小程序码采用完全私有的协议，只有微信可以生成，也只有微信可以解码，用户可以放心的打开扫一扫。
最后我们再通过下图，感受一下小程序码这朵 “菊花” 绽放的过程。
识别篇
识别之前，我们需要对照片做什么处理
打开扫一扫，扫码引擎通常采集到的图片是这样子的。
引擎其实并不关心这朵菊花是什么颜色，因此，我们把图片简化，处理成灰度图。
二值化可以让引擎做的事情更简单，因此再将灰度图处理成位图。
如何在黑白图中快速找到菊花的位置
细心的朋友肯定注意到，每一朵菊花都有两个共同点：
- 3 个圆形的 “牛眼”（定位点）
- 右下角的 “小程序 LOGO”
以上是小程序码的定位信息，准确的定位是识别的第一步。
如何快速找出所以可能的定位点
在设计这个菊花码时，我们是按照 0.8:1.2:1:1.2:0.8 绘制定位点的。
为什么不采用 1:1:1:1:1 的比例？因为前者比例比较贴近黄金比例，更符合人类审美需求。（下图右为 1:1:1:1:1）
基于这个特性，使用水平，垂直，45 度角等三个方向的扫描线扫描全图。如果三个方向的黑白像素都接近这个比例，显然它极可能是一个定位点。
怎么定位 “小程序”LOGO
最简单的方法，根据 3 个定位点的位置，预估小程序 LOGO 的中心位置（平行四边形）
在很多扭曲的情况下，上述方法仍有较大偏差。因此我们提出了一种改进方法: 基于 LOGO 为圆形的特性，将预估的中心点修正到圆心位置
具体校正方法如下：
拍摄出来的码这么歪，能否摆正？
由于上文中，我们已经找到了码在图像中的位置，但由于这个码可能已经被旋转，扭曲，所以，我们需要再做一次矩阵变换（透视变换），将其变换到直角坐标系。变换后的码，已经比较易于被机器解读了。
怎么读码
二维码怎么读码
上述流程和传统二维码识别的核心思想并无二致，如果你坚持看到这里，说明你已经知道如何识别二维码了。
经过透视变换，二维码其实已经变成了单位矩阵（如上图，你可以理解一个小块为一个像素点，这里为了方便阅读，放大了），那么，我们顺着二维码的编码路径，就能完整地读出编码信息了。
小程序码怎么读码
其实，按照二维码的套路，我们可以把透视变换后的图，进行编码区域划分。值得注意的是，这里一个彩色小块并非一个像素点，而是一片区域。一个编码块是 0 还是 1，取决于该区域上的黑色像素（面积）的比例，我们称之为 “投票法”。
是否有其他读码方案请输入标题
但在实际应用中，我们发现该方法对于扭曲的场景，识别效率很低，鲁棒性不佳。经过各种尝试和思考，我们借鉴了一维码的识别思路 ——“采样法”。
举个例子，上图中，我们用红色扫描线采样一维码的信息，对于采样的一行像素，我们根据比例读出具体的编码。
类比该方案，我们利用小程序码为 “放射线” 编码的特性，采样每一条放射线上的一个像素序列，根据黑白比例读出每一条线的编码信息。
目前扫码引擎的性能如何，能应对什么场景
在测试阶段，我们内部自行拍摄采集了各种场景下的大量测试样本，做了如下评测
包括如下场景
若有收获，就点个赞吧
0 人点赞
