数据编码
源数据编码
编码模式(模式指示符)
我们先来说说数据编码。QR码支持如下的编码:
数字编码(Numeric Mode
):从0到9。如果需要编码的数字的个数不是3的倍数,那么,最后剩下的1或2位数会被转成4或7bits,则其它的每3位数字会被编成 10,12,14bits,编成多长还要看二维码的尺寸(下面有一个表Table 3说明了这点)
字符编码(Alphanumeric Mode
):包括 0-9,大写的A到Z(没有小写),以及符号$ % * + – . / : 包括空格。这些字符会映射成一个字符索引表。如下所示:(其中的SP是空格,Char是字符,Value是其索引值) 编码的过程是把字符两两分组,然后转成下表的45进制,然后转成11bits的二进制,如果最后有一个落单的,那就转成6bits的二进制。而编码模式和字符的个数需要根据不同的Version尺寸编成9, 11或13个二进制(如下表中Table 3)
字节编码(Byte Mode
):支持0x00~0xFF内所有的字符
日文编码(Kanji Mode
):也是双字节编码。只能支持0x8140 - 0x9FFC
, 0xE040 - 0xEBBF
的字符,可以在这里找到
Extended Channel Interpretation (ECI) mode 主要用于特殊的字符集。并不是所有的扫描器都支持这种编码。
Structured Append mode 用于混合编码,也就是说,这个二维码中包含了多种编码格式。
FNC1 mode 这种编码方式主要是给一些特殊的工业或行业用的。比如GS1条形码之类的。
例如字符串123
,就可以使用Numeric Mode
;而HELLO WORLD
需要用Alphanumeric Mode
;Hello world
需要使用Byte Mode
.
简单起见,后面三种不会在本文 中讨论。
下面两张表中,
Table 2 是各个编码格式的“编号”,这个东西要写在Format Information中。注:中文是1101
Table 3 表示了,不同版本(尺寸)的二维码,对于,数字,字符,字节和Kanji模式下,对于单个编码的2进制的位数。(在二维码的规格说明书中,有各种各样的编码规范表,后面还会提到)
下面我们看几个示例,
示例一:数字编码
在Version 1的尺寸下,纠错级别为H的情况下,编码: 01234567
1. 把上述数字分成三组: 012 345 67
2. 把他们转成二进制: 012 转成 0000001100; 345 转成 0101011001; 67 转成 1000011。
3. 把这三个二进制串起来: 0000001100 0101011001 1000011
4. 把数字的个数转成二进制 (version 1-H是10 bits ): 8个数字的二进制是 0000001000
5. 把数字编码的标志0001和第4步的编码加到前面: 0001 0000001000 0000001100 0101011001 1000011
示例二:字符编码
在Version 1的尺寸下,纠错级别为H的情况下,编码: AC-42
- 从字符索引表中找到 AC-42 这五个字条的索引 (10,12,41,4,2)
- 两两分组: (10,12) (41,4) (2)
- 把每一组转成11bits的二进制:
(10,12) 10*45+12 等于 462 转成 00111001110
(41,4) 41*45+4 等于 1849 转成 11100111001
(2) 等于 2 转成 000010
把这些二进制连接起来:00111001110 11100111001 000010
把字符的个数转成二进制 (Version 1-H为9 bits ): 5个字符,5转成 000000101
在头上加上编码标识 0010 和第5步的个数编码: 0010 000000101 00111001110 11100111001 000010
版本、纠错级别确定
首先依据源字符串可以知道应该采用哪种编码方式,然后需要先确定纠错级别,最后不同版本在此纠错级别+编码方式下的数据容量是不同的。我们只需找到最小的能容纳所有数据的那个版本即可。
举例来说:字符串 HELLO WORLD
包含 11 个字符,通过上面的介绍得知,它应该使用字符编码Alphanumeric Mode
,如果设定纠错级别是Q
,通过查表得知1-Q
可以容纳 16 个字符,那么最低就可以使用版本 1:
如果是字符串HELLO THERE WORLD
(17 个字符),那么最低版本就只能选 2 了。
另外,可以推断,二维码是存在数据容量上限的,它应该是40-L
的容量:
Encoding Mode | Maximum number of characters a 40-L code can contain in that mode |
---|---|
Numeric | 7089 characters |
Alphanumeric | 4296 characters |
Byte | 2953 characters |
Kanji | 1817 characters |
也就是说,单纯存储数字的话,可以存 7089 个;只存大写字母的话,可以存大约 4k 个。
字符计数指示符
是一串二进制数字,表示源字符串的字符个数。字符计数指示符必须放在模式指示符之后。此外,字符计数指示符有特定的位长,具体取决于二维码的版本和编码模式:
单位 bits | Versions 1 ~ 9 | Versions 10 ~ 26 | Versions 27 ~ 40 |
---|---|---|---|
Numeric mode | 10 | 12 | 14 |
Alphanumeric mode | 9 | 11 | 13 |
Byte mode | 8 | 16 | 16 |
Kanji mode | 8 | 10 | 12 |
具体步骤是:计算原始输入文本的字符数,将其转为二进制数字。根据版本和编码模式找到对应的位长,不够位长的在前面加 0 补齐。
例如 HELLO WORLD, 版本号为 1,则字符计数指示符需要 9 bits.
HELLO WORLD的字符数为 11,转为二进制1011,不够 9 位,需要补上 5 个 0,最终结果是000001011
那么针对HELLO WORLD,我们目前获得的二进制串是0010 000001011,0010是模式指示符Alphanumeric Mode。
字符串编码
这一步就是利用编码模式对源字符串进行编码,我们仍以HELLO WORLD
为例,使用Alphanumeric Mode
。
- 将字符两两分组,得到
(H,E)
、(L,L)
、(O, )
、(W,O)
、(R,L)
、(D)
- 在字母索引表中找到对应的
value
,得到(17,14)
、(21,21)
、(24,36)
、(32,24)
、(27,21)
、(13)
- 对于每组数字,将第一个数字乘以 45 加上第二个数字(最大结果 2024),得到的结果再转为长度为 11 的二进制串,长度不足的前面补 0。例如
(17,14) => 17*45+14=779 => 1100001011 => 01100001011
。如果最后一组是单个字符,则用 6 位表示就行。最终得到结果:
01100001011 01111000110 10001011100 10110111000 10011010100 001101
追加到模式指示符和字符计数指示符之后,得到结果:
0010 000001011 01100001011 01111000110 10001011100 10110111000 10011010100 001101
后续的补齐
在给定版本和纠错级别后,源数据的编码结果是一个固定长度的二进制串,如果在上一步的结果没有达到这个长度,需要进行一些补齐操作。
例如1-Q
下,源数据编码结果需要是13
个字节,也就是104
位:
而HELLO WORLD
在上一步之后的二进制串是 74 位,所以需要补齐。
- 末尾追加至多
4
个0
的终止符0000
- 末尾补更多的
0
直到8
的倍数,例如上面74+4=78
,就需要再补 2 个0
:00
- 如果长度还没有达到目标,末尾重复添加固定的补齐码
11101100 00010001
直到满足长度。例如上面就需要添加11101100 00010001 11101100
以上就是源数据编码了,HELLO WORLD
的编码结果由以下各部分组成:
模式指示符 | 字符计数指示符 | 字符串自身编码 | 终止符 | 补齐到 8 的倍数 | 补齐码 |
---|---|---|---|---|---|
0010 | 000001011 | 01100001011 01111000110 10001011100 10110111000 10011010100 001101 | 0000 | 00 | 11101100 00010001 11101100 |
纠错码生成
根据源数据编码结果可以计算得到纠错码,使用的是Reed-Solomon
纠错算法。二维码中有四种级别的纠错,这就是为什么二维码有残缺还能扫出来,也就是为什么有人在二维码的中心位置加入图标。
纠错码也和版本和纠错级别有关系,参考这个纠错表。
纠错表中包含group 1
和group 2
,每个group
又包含至多 2 个block
。源数据编码结果必须被分割成多达两个group
,并且在每个group
内也需要进一步分成block
,在这个过程中源数据编码被顺序地分解。
以5-Q
为例:
可以知道的信息是:
- 源数据编码结果的总长度是 62 个字节
- 纠错码被分为
group 1
与group 2
,两个group
内都含有 2 个block
- 每个
block
包含 18 个字节的纠错码,所以纠错码的总长度是18*4 = 72
个字节 -
group 1
内的每个block
,包含 15 个字节的源数据,以及 18 个字节的纠错码。也就是说源数据编码的前 15 个字节会放到group 1
->block 1
中,第 16~30 这 15 个字节会放到group 1
->block 2
中 -
group 2
内的每个block
,包含 16 个字节的源数据,以及 18 个字节的纠错码
另外细心点可以看的出来:给定版本后,源数据编码总长度+纠错码总长度是固定的,例如版本 5 就是 134 个字节。
至于每个block
内部如何根据源数据编码计算得到纠错码(未去深究,后面有时间了再去研究下。下方是网上找的一个具体例子)由于二进制串太长,统一转成了 10 进制:
Group | Block | 源数据编码 | 此 block 的纠错码 |
---|---|---|---|
1 | 1 | 67 85 70 134 87 38 85 194 119 50 6 18 6 103 38 | 213 199 11 45 115 247 241 223 229 248 154 117 154 111 86 161 111 39 |
1 | 2 | 246 246 66 7 118 134 242 7 38 86 22 198 199 146 6 | 87 204 96 60 202 182 124 157 200 134 27 129 209 17 163 163 120 133 |
2 | 1 | 182 230 247 119 50 7 118 134 87 38 82 6 134 151 50 7 | 148 116 177 212 76 133 75 242 238 76 195 230 189 10 108 240 192 141 |
2 | 2 | 70 247 118 86 194 6 151 50 16 236 17 236 17 236 17 236 | 235 159 5 173 24 147 59 33 106 40 255 172 82 2 131 32 178 236 |
注:二维码的纠错码主要是通过Reed-Solomon error correction(里德-所罗门纠错算法)来实现的。
到这一步还没有结束,最终的编码结果并不是这些串顺序相连,而是交替连接。如何交替呢,规则如下:
不论数据码还是纠错码,把每个块的第一个字节先拿出来按顺度排列好,然后再取每个块的第二个字节,如此类推。
具体操作如下,首先对于源数据编码,先摆放好:
- | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
block 1-1 | 67 | 85 | 70 | 134 | 87 | 38 | 85 | 194 | 119 | 50 | 6 | 18 | 6 | 103 | 38 | - |
block 1-2 | 246 | 246 | 66 | 7 | 118 | 134 | 242 | 7 | 38 | 86 | 22 | 198 | 199 | 146 | 6 | - |
block 2-1 | 182 | 230 | 247 | 119 | 50 | 7 | 118 | 134 | 87 | 38 | 82 | 6 | 134 | 151 | 50 | 7 |
block 2-2 | 70 | 247 | 118 | 86 | 194 | 6 | 151 | 50 | 16 | 236 | 17 | 236 | 17 | 236 | 17 | 236 |
先取第一列的67, 246, 182, 70,再取第二列的67, 246, 182, 70, 85,246,230 ,247,依次类推最终结果是67, 246, 182, 70, 85,246,230 ,247 ……… ……… ,38,6,50,17,7,236。
对于纠错码也是一样的操作:
- | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
block 1-1 | 213 | 199 | 11 | 45 | 115 | 247 | 241 | 223 | 229 | 248 | 154 | 117 | 154 | 111 | 86 | 161 | 111 | 39 |
block 1-2 | 87 | 204 | 96 | 60 | 202 | 182 | 124 | 157 | 200 | 134 | 27 | 129 | 209 | 17 | 163 | 163 | 120 | 133 |
block 2-1 | 148 | 116 | 177 | 212 | 76 | 133 | 75 | 242 | 238 | 76 | 195 | 230 | 189 | 10 | 108 | 240 | 192 | 141 |
block 2-2 | 235 | 159 | 5 | 173 | 24 | 147 | 59 | 33 | 106 | 40 | 255 | 172 | 82 | 2 | 131 | 32 | 178 | 236 |
交替拿到的结果是:213,87,148,235,199,204,116,159,…… …… 39,133,141,236
把这两组交替结果放到一起,源数据的在前面:
67, 246, 182, 70, 85,246,230 ,247 ……… ……… ,38,6,50,17,7,236, 213,87,148,235,199,204,116,159,…… …… 39,133,141,236
最终的数据
对于某些版本的二维码,上面的结果不足填充满整个数据区+纠错码区,需要再在末尾补上一些 0,具体补多少个可以参照这个表:
版本 5 的二维码图案里,数据区+纠错码区一共有1079
位,而我们上面的结果只有 134 个字节也就是1072
位,所以需要再补上 7 个 0。
绘制二维码
3 个位置探测方块
先把三个大“回”字画整起来!分别放在左上、右上和左下角,回字的大小是固定的(无论Version如何,这个图案的尺寸就是这么大)
然后他们外围的一圈白色位置探测分隔符也可以直接画上。
N 个校正方块
校正方块是比较小的回字,它的大小也是固定的,只不过不同的版本都不同数量的校正方块:
举例version 8
的(6,24,42)
是如何画校正图形的:
2 个定位条(Timing Patterns)
在确定位置探测方块后,这两根条就很好画了。
头尾固定是黑色,中间黑白相间。
格式信息
格式信息画在上面的蓝色部分,是固定 15 位的二进制串,具体组成部分为:
-
2 位表示纠错级别,一共有 4 种纠错级别。
-
3 位表示使用何种掩码图案,一共有 8 种掩码图案,具体要使用哪一个掩码在后面会具体介绍
10 位纠错信息,使用 BCH 编码 计算得出
上面的 15 位再和固定的
101010000010010
做异或操作,这样就保证不会因为选用了00
的纠错级别和000
的 掩码图案,从而造成全部为白色,这会增加扫描器的图像识别的困难。
举个例子:
15 位的具体分布如下:
Dark Module
表示一个固定是黑色的块。
版本信息
版本号大于等于 7 时,需要绘制这个部分,下面的蓝色部分。
版本信息一共有18
位,其中包括
- 6 位表示版本号,一共有 40 个版本号
- 12 位表示纠错信息,也是使用 BCH 编码计算得出
例如:
这 18 位的具体分布如下:
数据区+纠错码区
终于到了这一步了,我太难了
从二维码的右下角开始,沿着红线填充我们数据编码的每一个bit
,1
表示黑色,0
表示白色,遇到非数据区绕开或跳过。
掩码图
因为可能上面画出来后,黑白分布不均匀导致存在大片的白色或黑色,造成扫描识别的困难。
为了解决这个问题,二维码提供了8
种Mask
掩码图案:
我们需要拿着上面生成的图案和掩码图案做一次异或操作,这样黑白分布就会均匀很多!
那具体选择哪一个掩码图案呢?也是有一个灰常复杂的计算方案,大体步骤是分别将原始图案和每一个掩码图案做异或,然后按照一套规则来计算均匀程度,最终选择最均匀的那个。
下面是Mask后的一些样子,我们可以看到被某些Mask XOR了的数据变得比较零散了。
Mask过后的二维码就成最终的图了。
对这个过程感兴趣的可以参考 这篇文章 或 这篇文章。
最后提供一个表示HELLO WORLD
的二维码:
参考链接:
- https://hellogithub2014.github.io/2019/08/05/qr-code-theory/
- https://coolshell.cn/articles/10590.html#%E6%95%B0%E6%8D%AE%E7%BC%96%E7%A0%81
- https://www.thonky.com/qr-code-tutorial/