微信、支付宝均已升级，二维码扫码框正在消失

来源丨AppSo（ID：appsolution）

作者丨陈文俊

我们几乎每天都要扫码，登录网站、登记信息、消费支付、添加好友……只要打开扫一扫，能省去不少繁琐步骤。
而当每次打开工具扫码时，这些工具通常都会给出 1:1 的扫码框，将框对准二维码，手机就能马上识别码内的信息。 然而，不知你有没有发现，即使这些工具会将“扫描区”框出来，有时候其实不需要对准框就能完成扫描，只要二维码在相机取景范围内，系统就能马上将内容识别出来。 那这个框有何用处？ 其实这跟每款 app 对扫描功能的用途有很大关系。纵观我们目前日常最常用的 10 款 app，二维码扫描页的设计可以分为几类：

• 固定区域扫描
• 全屏扫描
• 固定区域但实际是全屏扫描
• 全屏设计但实际是固定扫描

固定区域扫描是我们目前接触最多的扫码模式，用户需要将手机对准二维码扫描才能让手机完成识别，若是目标二维码不在框内，app 就无法识别内容。 而在一些我们较为常用的 app，比如微信、支付宝，则是从过去的“固定框扫描”变成“全屏扫描”，即整个手机屏幕都是扫描框。 手机无需正对着二维码也能完成识别，识别速度也比有框扫描快很多，相机还没对上焦，系统就能马上识别出信息。
▲ 二维码不在框内也能完成识别（实际速度比 GIF 更快） 当然在此其中也有特别个例。当我打开微博扫码时，页面是个有固定扫码区的设计，但 app 的扫描机制本质上其实是全屏扫描。所以每当我准备扫描时，二维码还没进框，信息就已经被读取出来了。 莫非是设计师偷懒了？也不一定。 要扒开扫描页的细节，单从表面看显然是不够的，还需要从多方面考虑，比如扫码用的硬件，还有软件层面上的解码能力。 实际上要将扫码页做成全屏并不难，但专门腾出一个方框作为扫描区也并非多此一举。 究其原因，在二维码刚进入我们的生活时，无论是 app 本身或是扫码设备，都没有做专门的优化，扫码成功率往往和二维码所处环境光线、距离和清晰度有关。 于用户个人而言，扫码区所提供的是一个扫码识别的提示，它的任务是告诉用户相机已经准备好扫描，只要对准即可读取信息。 而对于设备本身，相机能否快速识别二维码，这跟相机的对焦性能、处理器的解码运算能力不无关系。 二维码的历史最早可以追溯到上世纪八十年代，但直到过去十年才开始普及到我们的日常生活中。 但早期智能手机的对焦反应、速度都相对较慢，而且也容易受环境光和镜头清晰度的影响，因而在开发 app 扫描页时，开发者需要通过调整相机取景范围，让相机向特定区域对焦，而不是广域对焦。
▲ 旧手机的扫码速度要比新手机慢一些（留意对焦拉风箱，使用魅族 MX5 测试） 简单来说，将扫码区域独立出来，实际上也是为了照顾早期对焦速度相对较慢的设备。原理类似于相机的定点对焦区域，相机只对方框内区域测量、对焦，从而减少目标二维码周边的其他因素干扰，以此提升相机对焦速度和扫码成功率。 换个角度看，扫码方框除了是告诉用户扫描功能开启外，也是一种提高识别准确率的方法。只要方框内二维码关键元素符合要求，识别准确率约等于百分之百。 为了让用户能在不同环境和条件下扫码，开发者在使用如 zxing 等扫码开发库时，会集成如调用闪光灯、远距离自动变焦等等等等，其目的都是为了让手机能看清方框内的二维码信息，方便用户在任何使用场合扫描。 不过，近几年智能手机的相机对焦速度提升很快，核心处理器对图像处理的能力也逐步提升，因此现代手机扫码也不需要长时间的对焦，即便需要，也只是在不到一秒内就能完成。 与此同时，随着二维码的应用渐成主流，app 开发商也通过自创扫码引擎的方式，提高扫码的速度和成功率，而不仅只依靠硬件层面来完成识别过程——微信便是其中一家。 微信虽然不是最早使用二维码的 app，但不得不承认它是应用二维码和扫码最频密的一款 app，这除了让用户一旦提起“扫码”就想到微信以外，也间接推动了微信对扫码技术的开发。 在 QBar 问世前，扫码引擎主要为 zxing 和 zbar 两种，而这两种引擎有不同的优势，但都有各自的缺点，同时这两种引擎对条形码识别的限制也相对比二维码更多。 2016 年，由微信技术团队通过公众号“微信派”发布的一则推文中，他们曾介绍过 QBar 扫码引擎的工作原理。 相比于传统的扫码方式，QBar 会在扫码页工作时通过预判算法筛出有条形码 / 二维码内容，通过扫描页快速识别出画面前的图形码信息，随后通过 QBar 引擎对图像解码，输出最终结果。 换言之，当用户打开扫码页时，只要框内有条形码或二维码图像，系统就已经开始预判用户的扫码目标，并开始进行分类和识别。
▲ 只有一角都能识别 GIF（使用微信扫一扫功能） 而且由于二维码本身也有容错机制（原本是为了让二维码在破损下也能正常使用），相机其实并不需要对照完整的二维码，只需在容错范围内找到二维码关键点就能识别。再结合 QBar 引擎特性，扫码相机能通过预判和筛选出二维码及其关键信息，在一秒内完成识别和解码工作。
▲ 微信扫码预判模块流程图，图片来自：微信派 “微信派”所公布的识别原理看似复杂，但在现代智能手机中，这些都只是几毫秒就能完成的任务。根据“微信派”的参考数据，iOS 客户端微信完成解码时间为 5 毫秒，Android 客户端则是 12 毫秒。 至于为什么 iOS 设备的扫码速度会比 Android 更快，这可能是跟当时 iOS 与 Android 设备之间的解码性能有关系。
▲ iPhone 11 Pro Max 使用微信扫码速度（GIF 帧数原因，有轻微加速） 在日光环境下的测试中，使用 A13 处理器的 iPhone 确实做到还没对上焦就已经完成识别，即便是 2016 年的 iPhone 7 也能做到的“一举即扫”的反应；而使用骁龙 865 的 Android 旗舰反应也非常迅速，但相比于 iOS 也有着微小的速度差距。 如果说 iPhone 扫码是“还没看清就完成识别”，那么 Android 则是“看清楚就马上完成识别”。 两者之差，仅在毫秒。
▲ 一加 8 使用微信扫码速度（GIF 帧数原因，有轻微加速） 不过尽管 Android 的扫码速度稍逊 iOS，但相比于五年前两个阵营之间的速度差，Android 的提升已经非常明显，和 iOS 的识别速度相差无几，若是不留心几乎看不出两者的区别。 所以过去 5/12 毫秒的识别时间也不是绝对值，它们会随手机硬件和软算法的迭代而变化。 值得一提的是，在使用 Android 设备同时扫描多个二维码时，会将画面内的 多个二维码一同识别，随后提供入口让用户自行选择对象；而 iOS 虽然识别速度更快，但在面对多个二维码时，则是由系统随缘多选一了。
▲ 没有固定扫描框的微信扫一扫可同时识别多个二维码（注：目前该功能仅在部分 Android 客户端中灰度测试） 除微信以外，支付宝也采用了和微信类似的全屏幕扫描，其识别速度虽然比微信稍慢，但也能做到抬手即识别的水准。 根据 CSDN 网友分享的技术文档，支付宝的扫码功能由 libqrencode 库集成，虽然不是微信的 Qbar，但是其深度优化下的识别速度也能做到以毫秒计算。 有了更完善的算法引擎和硬件解码能力，手机对二维码的识别也变得“敏感”了起来，它们在无需高清图像的条件下，也都能快速识别出码里的内容。 如此一来，过去用于固定焦点的方框，自然会被全屏扫描所取代。
▲ 支付宝的识别速度也很快（iPhone 11 Pro Max 测试） 扫码形式上的变化，在微信、支付宝、微博这些用户扫码行为较多的 app 中体验升级尤其明显。 用户在微信、支付宝可以快速完成扫码交易；微博则能让用户快速完成扫码二步验证。 扫码速度、准确率的变化有赖于几家头部企业对扫码引擎和算法的改良，但从侧面看，这其实也得益于手机硬实力不断升级，只有分辨率更高的相机、运算性能更强的处理器，才能承载更复杂的解码引擎和算法，实现毫秒级的扫码识别能力。
▲ iPhone 7 与旧版微信扫描框 从扫码页面的进化，可见手机扫码效率正在不断提升，常用 app 在扫码时都无需对准码，即能完成扫描。那我们回头来看，最为原始的扫码方框还有存在的意义吗？ 其实还是有的。 首先一方面是当前旧设备的留存率较高，智能手机的使用寿命普遍都在 2-3 年，甚至长达 4-5 年，旧手机的对焦和识别能力都不如现在的新手机。 扫描方框的作用，正如在前文所述，便于旧手机快速找到焦点，提升二维码的扫描速度和准确率，而且它也能直观引导用户将手机对准扫码，这其实也间接提升了旧手机在每次扫码时的识别效率。
▲ 京东、淘宝扫码虽是全屏但仍需要对准框内扫描 此外，尽管微信有自己的扫码引擎，但并非所有 app 开发商都具备开发引擎或专门优化引擎的能力。 对于扫码需求不大的 app 来说，扫描功能主要也是扫描二维码，扫描成功率比速度更重要，因此在没有对识别引擎进行特定优化的前提下，使用原始的框内扫描，可以保障新旧设备扫码都有较高的识别成功率。 二维码的普及极大简化了我们在查询、支付、登记时的操作，而用于扫描它的手机，也在随着软件和硬件的解码能力升级，变得高效且多样化。 如今的扫码页所能扫描的已经不止二维码，它还能结合神经网络进行识物。根据微信最新功能文档介绍，基于中国科学院昆明植物研究所提供的 85 万份植物图像数据，目前扫一扫功能能对 3.6 万多种植物进行识别，基本涵盖了我们日常所见的花草树木数据。 可见，扫码页正随着更多元的算法，承载着更多功能。 正因如此，过去用于引导用户、提高设备对焦速度的扫码框也随算法升级、硬件迭代、扫码页支持更多扫描目标而渐渐退出舞台。然而它并没有真正离开我们，只是从过去的 1:1 演变成和手机屏幕比例一致而已。 本文经授权转载自AppSo（ID：appsolution），如需二次转载请联系原作者 欢迎转发到朋友圈。