Page not found | Timbeter
Самые популярные статьи
Log Measuring, Измерение брёвен
Точность решения Timbeter при определении объема древесины. Исследование проведено студентом Латвийского сельскохозяйственного университета (Сельскохозяйственный факультет, кафедра Лесопользования).
В Латвии ежегодно измеряется множество штабелей. Большинство измерений производится на автоматизированных линиях сортировки, но процессы требуют и ручных измерений, например, выполняемых перед этапом транспортировки бревен к местам дальнейшей обработки и т.д. Поскольку решение Timbeter призвано заменить и оптимизировать процесс ручных измерений, оно стало предметом исследования, целью которого является определение точности цифровых измерений Timbeter как для … Continued
Читать далее
Без рубрики
Государственное агентство по охране окружающей среды CPRH бразильского штата Пернамбуку начинает использовать решение Timbeter Lumber для оптимизации процессов проверки и лицензирования грузов древесины в Пернамбуку
В результате международного соглашения о техническом сотрудничестве, подписанного между правительством Пернамбуку и Timbeter, лесотехнической компанией, специализирующейся на измерении круглых лесоматериалов и управлении данными с использованием искусственного интеллекта и машинного обучения, Государственное агентство по охране окружающей среды CPRH начало использовать решение Timbeter Lumber, способное измерять объем груза пиломатериалов посредством фото-оптического обнаружения.
Читать далее
Без рубрики
Компания Timbeter установила партнерские отношения с финской лесопромышленной компанией 1point5
Компания Timbeter установила партнерские отношения с финской лесопромышленной компанией 1point5 для продажи и распространения цифрового решения Timbeter в Финляндии. Компания 1point5 имеет большой международный опыт работы на лесопильных и деревообрабатывающих предприятиях, помогает компаниям решать повседневные трудности и оптимизировать эффективность производства. Гэвин Круикшанк, генеральный директор компании 1point5, заявил: “Поскольку деревообрабатывающая промышленность развивается очень быстро, инновации и … Continued
Читать далее
Guides, Работа с данными
Решающие факторы успеха в цифровой трансформации
Работая в Timbeter, наша команда ежедневно убеждается в том, как трудно бывает осуществить цифровую трансформацию.
Читать далее
Измерение брёвен
Каковы функции Timbeter и как они приносят выгоду лесной промышленности
Пользователи Timbeter уже знают, что технология, интегрированная в лесное хозяйство, приносит ряд преимуществ их производственной деятельности и процессам. По мнению наших клиентов, повышение производительности наряду с устойчивыми методами управления являются неотъемлемой частью развития отрасли, которая пользуется все большим спросом и постоянно нуждается в оптимизации. Среди преимуществ, предлагаемых Timbeter, можно выделить скорость, с которой производятся измерения … Continued
Читать далее
Новости, Новости, Новости
Решение Timbeter для измерения круглых лесоматериалов теперь доступно в SAP®Store как часть портфеля отраслевых облачных сервисов SAP для мельничной промышленности.
Благодаря интеграции с SAP S/4HANA® и SAP Commerce Cloud решение для измерения круглых лесоматериалов от Timbeter обеспечивает эффективность и прозрачность всей цепочки поставок древесины клиентам. 4 марта 2022 г. в Таллинне (Эстония) компания Timbeter объявила о том, что их решение для измерения круглых лесоматериалов теперь доступно в SAP®Store как часть портфеля отраслевых облачных сервисов SAP … Continued
Читать далее
Обработка изображения с чеком для поиска QR-кода через библиотеку skimage
Есть много разных сканеров для QR, но не всегда изображение обладает хорошим качеством. В компьютерном зрении для этого используется Image Pre-processing: предобработка изображения. Сегодня рассмотрим, как средствами библиотеки scikit-image помочь QR-сканеру найти код на картинке.
from matplotlib import pyplot as plt import skimage from skimage import util, exposure, io, measure, feature from scipy import ndimage as ndi import numpy as np import cv2
Проблема
Попробуем просканировать чек из материала «Собираем данные с чеков гипермаркетов на Python».
Прочтём картинку методом imread библиотеки matplotlib и покажем его на экране:
img = plt.imread('чек.jpg')
plt.imshow(img)Кажется, в такой каше сложно что-либо разобрать. Воспользуемся готовой функцией для чтения чтения QR-кода из библиотеки opencv:
def qr_reader(img):
detector = cv2.QRCodeDetector()
data, bbox, _ = detector.detectAndDecode(img)
if data:
print(data)
else:
print('Ничего не нашлось!')И обратимся к ней, чтобы просканировать наше изображение:
qr_reader(img)
Ничего не нашлось!
И это можно понять: обилие лишних пикселей мешает сканеру распознать здесь QR-код. Тем не менее, мы можем помочь сканеру, указав где находится искомая область.
Решение
Сделаем так: уберём с картинки всё лишнее, найдём координаты прямоугольника с QR-кодом, чтобы затем передать в функцию qr_reader не исходное изображение, а исключительно QR-код. Первым делом уменьшим шум, используя медианный фильтр и сконвертируем изображение из rgb в gray: QR-код состоит всего из двух цветов, так что работать с остальными нам не нужно.
image = ndi.median_filter(util.img_as_float(img), size=9) image = skimage.color.rgb2gray(image) plt.imshow(image, cmap='gray')
Медианный фильтр размыл изображение, и разбросанные одинокие пиксели стали менее отчётливыми, а QR теперь выделяется на их фоне. Попробуем применить adjust_gamma к изображению. Эта функция возводит в степень gamma значение каждого пикселя: чем меньше будет этот параметр — тем меньше будет значение пикселя и тем ближе к белому он будет становиться. Попробуем взять gamma за 0.5.
pores_gamma = exposure.adjust_gamma(image, gamma=0.5) plt.imshow(pores_gamma, cmap='gray')
Заметно, что QR стал ещё отчетливее прочего на фото. Воспользуемся этим: все пиксели, значение которых меньше 0.3 сделаем 0, а остальных — 1.
thresholded = (pores_gamma <= 0.3) plt.imshow(thresholded, cmap='gray')
А теперь воспользуемся детектором границ canny для полученного изображения thresholded. Этот оператор сам сглаживает изображение и ищет градиенты: границы находятся там, где градиент принимает максимальное значение.
С повышением параметра sigma детектор canny перестает замечать менее отчетливые границы.
edge = feature.canny(thresholded, sigma=6) plt.imshow(edge)
Наконец, получим координаты границ: для этого нарисуем контуры. Получаем их методом find_contours и рисуем поверх изображения edge. Объекты массива contours — координаты по осям X и Y.
contours = measure.find_contours(edge, 0.5)
plt.imshow(edge)
for contour in contours:
plt.plot(contour[:,1], contour[:,0], linewidth=2)Возьмём максимальные и минимальные координаты по X и по Y: это будут границы видимого прямоугольника.
positions = np.concatenate(contours, axis=0) min_pos_x = int(min(positions[:,1])) max_pos_x = int(max(positions[:,1])) min_pos_y = int(min(positions[:,0])) max_pos_y = int(max(positions[:,0]))
Теперь, имея координаты, можем на исходном изображении обвести область с кодом:
start = (min_pos_x, min_pos_y) end = (max_pos_x, max_pos_y) cv2.rectangle(img, start, end, (255, 0, 0), 5) io.imshow(img)
Попробуем срезать оригинальное изображение по этим координатам:
new_img = img[min_pos_y:max_pos_y, min_pos_x:max_pos_x] plt.imshow(new_img)
И передадим новое изображение в функцию qr_reader:
qr_reader(new_img)
Получаем в ответе:
t=20190320T2303&s=5803.00&fn=9251440300007971&i=141637&fp=4087570038&n=1
Это то, чего мы и хотели. Конечно, скрипт не будет универсальным, ведь в каждом изображении будут свои недостатки: где-то шума будет больше, где-то фотография размыта, где-то не будет хватать контраста. Поэтому в отдельных случаях потребуется вносить и иные корректировки в изображение. На следующем этапе обработки фотографии мы воспользуемся уже готовой библиотекой.
Чтение QR-кода с изображения — инвертированный цвет, искажение перспективы и оттенки серого
09 сентября 2021 г.
Штрих-код
- ПИТОН
- СКАНЕР QR-КОДА
- OPENCV
- КОМПЬЮТЕРНОЕ ЗРЕНИЕ
- АЛГОРИТМ
При использовании считывателя QR-кода или SDK сканера мы в первую очередь ориентируемся на скорость обнаружения и точность распознавания.
Существует множество факторов, которые могут повлиять на производительность SDK для обнаружения QR-кода. Факторы можно условно разделить на две категории: качество изображения и производительность алгоритма. В этой статье мы используем версию Dynamsoft Barcode Reader Python в качестве примера, чтобы обсудить, как оптимизировать производительность SDK для обнаружения QR-кода путем предварительной обработки входных изображений QR-кода и настройки параметров алгоритма на настольных платформах.
Мы проведем тест против:
- QR-коды с инвертированным цветом
- QR-коды с искажением перспективы
- QR-изображения: цветные, оттенки серого и черно-белые
Это артикул , часть 2 , из серии , состоящей из 3 частей .
- Часть 2 — Чтение QR-кода с изображения — инвертированный цвет, искажение перспективы и оттенки серого
- Часть 3 — Сканирование QR-кодов высокой плотности на устройствах Android: Google ML Kit и Dynamsoft SDK
Предпосылки
QR-коды с инвертированным цветом
Если мы попытаемся прочитать следующее изображение QR-кода, напечатанное с инвертированным цветом, распознавание не удастся.
После преобразования изображения в двоичное изображение мы видим, что черный и белый цвета инвертированы для QR-кода:
Использование OpenCV для инвертирования цвета
Чтобы сделать QR-код распознаваемым, мы используем функцию OpenCV bitwise_not :
ret, thresh = cv2.threshold(grayscale_image, 150,255,cv2.THRESH_BINARY ) cv2.bitwise_not (обмолот, обмолот) обнаружить («Перевернутое», thresh, dbr.EnumImagePixelFormat.IPF_GRAYSCALED)
Затраченное время: 0,0541 секунды Формат штрих-кода: QR КОД Текст штрих-кода:Home
Использование встроенного API Dynamsoft для инвертирования цвета
При использовании SDK QR-кода Dynamsoft для перевернутого QR-кода настройка выглядит следующим образом:
Производительность еще выше при чтении перевернутого QR-кода в Python.
Затраченное время: 0,0160 секунды Формат штрих-кода: QR КОД Текст штрих-кода: https://www.jalna.com.au/
QR-кодов с искажением перспективы
Давайте рассмотрим несколько сложных случаев. Вот перспективное искаженное изображение QR-кода.
Если мы используем приведенный выше код, штрих-код не распознается, независимо от того, цветное изображение, изображение в градациях серого или двоичное изображение. Однако это не означает, что изображение штрих-кода не может быть распознано.
Настройка порогового значения с помощью OpenCV
Мне удалось распознать QR-код, вручную отрегулировав и установив пороговое значение:
изображение = cv2.imread('искажение перспективы-qr-code.jpg')
оттенки серого_изображение = cv2.cvtColor (изображение, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(grayscale_image, 125, 255,cv2.THRESH_BINARY)
обнаружить («Двоичный», thresh, dbr.EnumImagePixelFormat.IPF_GRAYSCALED)
Затраченное время: 0,0080 секунды Формат штрих-кода: QR КОД Текст штрих-кода: http://goo.by/wb0Ric
Изменить настройки в Dynamsoft SDK
Пакет SDK для QR-кодов Dynamsoft имеет широкие возможности настройки и предлагает множество шаблонов сканирования.
Двумя наиболее часто используемыми шаблонами являются скорость и покрытие. Существует компромисс между скоростью декодирования штрих-кода и точностью распознавания. Чем больше алгоритмов включено для распознавания штрих-кода, тем больше времени это занимает.
Вы можете попробовать шаблоны в нашей демонстрационной версии сканера штрих-кода на стороне сервера. Теперь мы загружаем искаженное в перспективе QR-изображение, чтобы увидеть разницу между лучшей скоростью и лучшим покрытием.
Максимальная скорость Это занимает 15 миллисекунд, но не может распознать QR-код.
Лучшее покрытие Он успешно распознает QR-код, но занимает 828 миллисекунд.
Согласно нашему тесту оба они не идеальны.
Настройка порогового значения
Для обеспечения наилучшей производительности:
- Перейдите к
Дополнительные настройки > Режим бинаризации > Порог. - Измените пороговое значение на
125.
Теперь QR-код распознается очень быстро.
| Настройки | Результат |
|---|---|
| Максимальная скорость | Не удалось распознать |
| Лучшее покрытие | Успех. 828 миллисекунд |
| Порог установлен на «125» | Успех. 8 миллисекунд |
Затем мы можем экспортировать шаблон в файл JSON и загрузить его в наш код Python:
Ошибка = reader.init_runtime_settings_with_file('perspective-qr.json')
изображение = cv2.imread('искажение перспективы-qr-code.jpg')
обнаружить («Цвет», image_copy, dbr.EnumImagePixelFormat.IPF_RGB_888)
QR-изображения: цветные, оттенки серого и черно-белые
Для оценки производительности SDK мы используем цветные изображения, изображения в градациях серого и бинарные изображения в качестве входных изображений.
Краткий обзор:
| Изображение | Стоимость времени | Миниатюра изображения |
|---|---|---|
| Цветное изображение | 0,014 с | |
| Изображение в оттенках серого | 0,010 с | |
| Бинарное изображение | 0,009 с |
Расшифровать цветное изображение QR-кода
Начнем с цветного изображения QR-кода.
Следующий код загружает и отображает изображение с помощью OpenCV и считывает информацию о штрих-коде с помощью Dynamsoft Barcode Reader.
импорт cv2
импортировать numpy как np
импорт базы данных
время импорта
читатель = dbr.BarcodeReader()
reader.init_license("DLS2eyJoYW5kc2hha2VDb2RlIjoiMjAwMDAxLTE2NDk4Mjk3OTI2MzUiLCJvcmdhbml6YXRpb25JRCI6IjIwMDAwMSISInNlc3Npb25QYXNzd29yZCI6IndTcGR6Vm05WDJrcEQ5YUoifQ==") # https://www.dynamsoft.com/customer/license/trialLicense?product=dbr
image = cv2.imread('ВВС-Резерв-Сан-Диего.jpg')
определение обнаружения (имя_окна, изображение, формат пикселя):
пытаться:
буфер = изображение.tobytes()
высота = изображение.форма[0]
ширина = изображение.форма[1]
шаг = изображение.шаги[0]
начало = время.время()
результаты = reader.decode_buffer_manually (буфер, ширина, высота, шаг, формат пикселя, "")
конец = время.время()
print("Затраченное время: {:.3f}".format(end - start) + "seconds")
cv2.
putText (изображение, «Затраченное время: {:.3f}». формат (конец - начало) + «секунды», (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0,5, (0, 0, 255), 2)
если результаты != Нет:
для результата в результатах:
print("Формат штрих-кода:")
печать (результат.barcode_format_string)
print("Текст штрих-кода:")
печать (результат.barcode_text)
баллы = результат.localization_result.localization_points
data = np.array([[точки[0][0], очки[0][1]], [точки[1][0], очки[1][1]], [точки[2][0] ], баллы[2][1]], [баллы[3][0], баллы[3][1]]])
cv2.drawContours (изображение = изображение, контуры = [данные], контурIdx = -1, цвет = (0, 255, 0), толщина = 2, тип линии = cv2.LINE_AA)
х = мин (баллы [0] [0], баллы [1] [0], баллы [2] [0], баллы [3] [0])
у = мин (баллы [0] [1], баллы [1] [1], баллы [2] [1], баллы [3] [1])
cv2.putText (изображение, result.
barcode_text, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0,5, (0, 0, 255), 2)
cv2.imshow (имя окна, изображение)
кроме BarcodeReaderError как bre:
печать (бре)
обнаружить ('Цвет', изображение, dbr.EnumImagePixelFormat.IPF_RGB_888)
cv2.waitKey(0)
Мы инициализируем Dynamsoft Barcode Reader с помощью лицензионного ключа.
считыватель = dbr.BarcodeReader()
reader.init_license("DLS2eyJoYW5kc2hha2VDb2RlIjoiMjAwMDAxLTE2NDk4Mjk3OTI2MzUiLCJvcmdhbml6YXRpb25JRCI6IjIwMDAwMSISInNlc3Npb25QYXNzd29yZCI6IndTcGR6Vm05WDoifrcEQ5Y=="
По умолчанию OpenCV загружает изображения в формате BGR. Соответствующее значение перечисления формата пикселей, предоставленное Dynamsoft Barcode Reader, равно dbr.EnumImagePixelFormat.IPF_RGB_888 .
Затем мы вызываем decode_buffer_manually Функция для декодирования изображения.
буфер = изображение.tobytes() высота = изображение.форма[0] ширина = изображение.форма[1] шаг = изображение.шаги[0] результаты = reader.decode_buffer_manually (буфер, ширина, высота, шаг, dbr.EnumImagePixelFormat.IPF_RGB_888, "")
Функция возвращает список из объектов BarcodeResult . Каждый объект BarcodeResult содержит информацию о штрих-коде и результат локализации. Функция drawContours и Функцию putText можно использовать для отображения информации о штрих-коде и результата локализации на изображении.
баллов = результат.localization_result.localization_points data = np.array([[точки[0][0], очки[0][1]], [точки[1][0], очки[1][1]], [точки[2][0] ], баллы[2][1]], [баллы[3][0], баллы[3][1]]]) cv2.drawContours (изображение = изображение, контуры = [данные], контурIdx = -1, цвет = (0, 255, 0), толщина = 2, тип линии = cv2.LINE_AA) х = мин (баллы [0] [0], баллы [1] [0], баллы [2] [0], баллы [3] [0]) у = мин (баллы [0] [1], баллы [1] [1], баллы [2] [1], баллы [3] [1]) cv2.putText (изображение, result.barcode_text, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0,5, (0, 0, 255), 2)
Декодирование изображения QR-кода в градациях серого
Изображение в градациях серого содержит только информацию об интенсивности. API распознавания штрих-кода внутренне преобразует цветное изображение в изображение в градациях серого. Таким образом, теоретически, если входное изображение представляет собой изображение в градациях серого, скорость распознавания выше.
Мы запускаем следующий код, чтобы увидеть стоимость времени:
grayscale_image = cv2.cvtColor(изображение, cv2.COLOR_BGR2GRAY)
обнаружить ('Оттенки серого', Grayscale_image, dbr.EnumImagePixelFormat.IPF_GRAYSCALED)
Формат пикселей изменен на dbr.EnumImagePixelFormat.IPF_GRAYSCALED соответственно. Как и ожидалось, декодирование изображения в градациях серого, преобразованного из исходного цветного изображения, экономит немного времени.
Декодирование QR-кода двоичного изображения
Преобразование изображения в градациях серого в бинарное может упростить анализ.
Мы также можем попробовать это, используя функцию OpenCV порог :
# https://docs.opencv.org/4.5.1/d7/d4d/tutorial_py_thresholding.html размытие = cv2.GaussianBlur (оттенки серого_изображение, (5,5), 0) ret, thresh = cv2.threshold(размытие, 0,255,cv2.THRESH_BINARY + cv2.THRESH_OTSU) обнаружить («Двоичный», thresh, dbr.EnumImagePixelFormat.IPF_GRAYSCALED)
Мы используем размытие по Гауссу, чтобы уменьшить шум и сгладить изображение, а затем используем функцию OpenCV порог для преобразования изображения в градациях серого в двоичное изображение. Метод Оцу используется для автоматического определения оптимального глобального порогового значения по гистограмме изображения.
Предварительная обработка изображения: настройка параметров сканирования QR-кода
До сих пор мы пробовали некоторые алгоритмы предварительной обработки изображений для чтения QR-кода. На самом деле SDK штрих-кодов Dynamsoft содержит больше алгоритмов обработки изображений и компьютерного зрения, чем те, которые мы пробовали.
Чтобы охватить все случаи, нам нужно знать, как настроить параметры SDK штрих-кода.
Мы используем следующий код Python для печати параметров времени выполнения в консоли:
печать (reader.get_runtime_settings().__dict__)
{'terminate_phase': 32, 'время ожидания': 10000, 'max_algorithm_thread_count': 4, 'expected_barcodes_count': 0, 'barcode_format_ids': -31457281, 'barcode_format_ids_2': 0, 'pdf_raster_dpi': 300, 'scale_down_30reshold' , 'binarization_modes': [2, 0, 0, 0, 0, 0, 0, 0], 'localization_modes': [2, 16, 4, 8, 0, 0, 0, 0], 'color_clustering_modes': [ 0, 0, 0, 0, 0, 0, 0, 0],
'color_conversion_modes': [1, 0, 0, 0, 0, 0, 0, 0], 'grayscale_transformation_modes': [2, 0, 0, 0, 0, 0, 0, 0], 'region_predetection_modes': [2 , 0, 0, 0, 0, 0, 0, 0], 'image_preprocessing_modes': [2, 0, 0, 0, 0, 0, 0, 0], 'texture_detection_modes': [2, 0, 0, 0 , 0, 0, 0, 0], 'text_filter_modes': [2, 0, 0, 0, 0, 0, 0, 0], 'dpm_code_reading_modes': [0, 0, 0, 0, 0, 0,
0, 0], 'режимы_сопротивления деформации': [0, 0, 0, 0, 0, 0, 0, 0], 'режимы дополнения_штрих-кода': [0, 0, 0, 0, 0, 0, 0, 0], ' barcode_colour_modes': [1, 0, 0, 0, 0, 0, 0, 0], 'text_result_order_modes': [1, 2, 4, 0, 0, 0, 0, 0], 'text_ Assistance_correction_mode': 2, ' deblur_level': 9, 'intermediate_result_types': 0, 'intermediate_result_saving_mode': 1, 'result_coordinate_type': 1, 'return_barcode_zone_clarity': 0, 'region_top': 0, 'region_bottom': 0, 'region_left': 0, 'region_right': 0, ' region_measured_by_percentage': 0, 'min_barcode_text_length': 0, 'min_result_confidence': 0, 'scale_up_modes': [1, 0, 0, 0, 0, 0, 0, 0], 'accompanying_text_recognition_modes': [0, 0, 0, 0, 0, 0, 0, 0], 'pdf_reading_mode': 1, 'deblur_modes': [0, 0, 0, 0, 0, 0, 0, 0, 0, 0], 'barcode_zone_min_distance_to_image_borders': 0}
Есть довольно много параметров для настройки, но вы не можете найти ускоренный курс по настройке этих параметров.
К счастью, мы можем использовать инструмент настройки параметров онлайн-демонстрации Dynamsoft Barcode Reader для настройки параметров для определенных изображений.
Для выбора доступны пять режимов. Вы можете нажать Расширенные настройки , чтобы расширить параметры режима. Чтобы лучше изучить различия параметров в разных режимах, мы можем прокрутить страницу вниз и сохранить все параметры в файл json.
Короче говоря, чтобы получить максимальную производительность Dynamsoft Barcode Reader SDK, вы должны начать с самых простых настроек, а затем постепенно увеличивать и настраивать параметры алгоритма.
Исходный код
https://github.com/yushulx/python-qr-decode
Распознавание QR-кода на iOS 11 — Tech Talks — Видео
Больше видео
iOS 11 предоставляет встроенную поддержку для обнаружения и обработки QR-кодов. Узнайте о поддерживаемых типах QR-кодов, о том, как каждый тип обрабатывается встроенными приложениями «Камера» и Safari, а также о том, как Universal Links может беспрепятственно направлять пользователей в ваше приложение при сканировании QR-кодов.
Скачать
Добро пожаловать в это видео о распознавании QR-кода в iOS 11.
Код быстрого ответа — это тип двумерного штрих-кода, используемый для встраивания информации, например URL-адресов.
В iOS 11 мы добавили системную поддержку для автоматического обнаружения QR-кодов как в приложении «Камера», так и в Safari. Во-первых, давайте посмотрим на камеру.
Камера автоматически сканирует QR-коды в режимах Фото и Квадрат. Это работает даже с экрана блокировки. Сказав Siri отсканировать QR-код, вы также перейдете в камеру.
Вот как это работает. Просто наведите камеру на QR-код. Появится уведомление с описанием действия, которое вы можете выполнить.
При нажатии на уведомление будет выполнено действие, в данном случае переход на сайт apple.com. Это так просто.
iOS поддерживает множество типов данных для QR-кодов. Далее я подробно рассмотрю каждый тип.
Не стесняйтесь брать свое устройство iOS и сканировать эти коды. Вот пример QR-кода местоположения, в котором используется геосхема, позволяющая кодировать точку на Земле. Нажав на уведомление, вы попадете в приложение «Карты» с булавкой, опущенной в этом месте.Вы можете сделать то же самое с URL-адресом Apple Maps, что дает вам больше гибкости в описании местоположения. Например, таким образом можно указать фактический адрес.
Для QR-кодов текстовых сообщений можно закодировать SMS URI. Нажав на уведомление, вы попадете в окно создания сообщения для этого номера телефона в приложении «Сообщения».
Формат SMSTO также поддерживается для описания действия текстового сообщения. Этот формат позволяет предварительно заполнить содержимое текстового сообщения.
Для адресов электронной почты вы можете просто закодировать адрес напрямую. Но чтобы убедиться, что он обрабатывается как адрес электронной почты, рекомендуется создать для него URI mailto. Нажав на это уведомление, вы попадете в окно нового сообщения в Mail с предварительно заполненным адресом электронной почты получателя.
Аналогично для номеров телефонов следует использовать URI tel, чтобы убедиться, что он правильно распознается как номер телефона. Нажатие на уведомление инициирует вызов на этот номер в приложении «Телефон».
Для контактных QR-кодов iOS поддерживает формат vCard. Эти коды могут быть полезны на визитных карточках. При нажатии на это уведомление отображается предварительный просмотр карточки контакта с вариантами сохранения в списке контактов. Вы также можете закодировать контактную информацию в формате MeCard, который обычно менее подробен, чем формат vCard.
iOS поддерживает QR-коды событий, закодированные в формате iCalendar. При нажатии на это уведомление событие добавляется в ваш календарь и показывает сведения о событии.
Наконец, iOS поддерживает QR-коды, содержащие информацию о конфигурации Wi-Fi, такую как тип аутентификации, сетевой SSID и пароль. Скрытые SSID не поддерживаются. Этот тип QR-кода удобен для быстрого подключения к сети Wi-Fi в интернет-кафе, например, где пользователю больше не нужно вводить всю информацию самостоятельно.
Когда пользователь нажимает на баннер QR-кода Wi-Fi, ему будет предложено подключиться к сети Wi-Fi.Я только что показал вам примеры QR-кодов, которые обрабатываются другими системными приложениями. Но как насчет вашего приложения? Как вы можете направить пользователя в ваше приложение после сканирования QR-кода? Вы можете поддерживать универсальные ссылки, чтобы ваши пользователи могли легко перенаправляться в установленное вами приложение при сканировании QR-кода, содержащего ссылку на ваш веб-сайт. Вот пример. Допустим, вы управляете как pizza.example.com, так и приложением PizzaFinder. Вы публикуете QR-код со ссылкой на ваш веб-сайт, чтобы пользователь мог получить к нему доступ с помощью быстрого сканирования. Но вы также хотели бы беспрепятственно направлять своих пользователей в приложение PizzaFinder, если оно установлено у них. Добавить поддержку универсальных ссылок очень просто. Во-первых, создайте файл ассоциации сайта-приложения-яблока, который вы разместите в корне вашего сервера или в подкаталоге .
well-known, обслуживаемом через https. В этом файле вы указываете свой идентификатор приложения вместе с путями вашего веб-сайта, которые должны обрабатываться как универсальные ссылки. Значением ключа идентификатора приложения является идентификатор команды или префикс идентификатора приложения, за которым следует идентификатор пакета. Затем включите список доменов, которые ваше приложение должно обрабатывать, в праве «Связанные домены» вашего приложения. Чтобы сделать это в Xcode, откройте раздел «Связанные домены» на вкладке «Возможности» и добавьте запись для каждого домена, который поддерживает ваше приложение. Теперь, когда между веб-сайтом и приложением установлены универсальные ссылки, сканирование QR-кода с URL-адресом веб-сайта может привести пользователя непосредственно к вашему приложению. Вы даже можете настроить универсальные ссылки для ссылки на определенные области в вашем приложении. Если на устройстве не установлено приложение PizzaFinder, URL-адрес будет загружен в Safari.
Вот почему важно предоставить ссылку App Store на ваше приложение с этой страницы, чтобы ваши пользователи могли легко установить ваше приложение для последующего сканирования QR-кода. Лучший способ сделать это — добавить смарт-баннер приложения. Это полезно, даже если вы интегрируете свой собственный сканер QR-кода в свое приложение, так как очень легко запустить камеру на вашем телефоне, даже с экрана блокировки. Теперь ваши пользователи могут быстро открывать опубликованные вами QR-коды без предварительного запуска вашего приложения. Чтобы добавить смарт-баннер приложения на свой веб-сайт, включите этот метатег в заголовок каждой страницы, на которой вы хотите разместить баннер. Вы можете найти свое приложение на странице iTunes Link Maker, чтобы получить идентификатор приложения. Теперь предположим, что со временем сайт pizza.example.com был расширен, чтобы люди могли публиковать истории о своих впечатлениях от пиццы. Для этой функции также было разработано отдельное приложение под названием PizzaStories.
Вы также можете использовать универсальные ссылки, чтобы связать это приложение с веб-сайтом.Чтобы настроить универсальную ссылку для PizzaStories, вам просто нужно добавить еще одну запись в файл ассоциации сайта-приложения-яблока с идентификатором пакета приложения. Вам также необходимо установить право доступа к ассоциированным доменам PizzaStories, как и в PizzaFinder. Теперь, когда для обоих приложений настроены универсальные ссылки, когда ваш пользователь впервые сканирует ваш QR-код и на устройстве установлены PizzaFinder и PizzaStories, он увидит уведомление о QR-коде приложения, подобное этому.
Когда пользователь нажимает на уведомление, появляется предупреждение с предложением выбрать приложение, в котором нужно открыть URL-адрес. Допустим, пользователь выбирает приложение PizzaStories. Их предпочтения будут сохранены. В следующем элементе, когда пользователь снова сканирует этот QR-код, предпочтительное приложение будет предложено в качестве приложения по умолчанию для открытия URL-адреса.
Пользователь по-прежнему может изменить свое предпочтительное приложение с помощью 3D Touch или потянув уведомление. Помимо камеры, мы также добавили поддержку QR-кодов в Safari на iOS 11. Вот как это работает. Когда вы используете 3D Touch для предварительного просмотра изображения на веб-странице, Safari проверит изображение на наличие QR-кода и, если найдет его, добавит дополнительные действия в меню, связанные с содержимым кода.Вы также можете долго нажимать на изображение QR-кода, и дополнительные действия меню появятся в контекстном меню.
Подводя итог, в этом видео мы показали, как ваши пользователи могут более легко сканировать QR-коды непосредственно из камеры и Safari. Применяя универсальные ссылки, ваши пользователи будут иметь более удобный интерфейс, перенаправляясь прямо в ваше приложение. А для тех, у кого еще не установлено ваше приложение, смарт-баннер приложения — лучший способ показать им, где его взять. Для получения дополнительной информации о том, что мы рассмотрели в этом видео, в том числе о том, как использовать универсальные ссылки и продвигать приложения с помощью смарт-баннера приложений, используйте ссылки в разделе ресурсов, связанном с этим видео.
