Java代码结构：
zxing源码的结构还是比较清晰的，有关QR码的代码主要在以下几个package中。Java代码中有生成QR码的代码，在C++代码中是没有生成部分，只有解析部分。
1、将图像进行二值化处理，1、0代表黑、白。
其中qrcode中是编解码的接口，外部代码通过这两个类来进行QR码的编解码。
detector是用来在摄像头抓取的图像中检测出QR码的那部分，并将其提取出来。这部分代码是解码的关键，也是可以进行优化的部分。
decoder是按照QR码的编码规范将之前detector中提取出的QR码符号进行解码操作，将图像解析为真实的信息。
QR码解码流程：
2、寻找定位符、校正符，然后将原图像中符号码部分取出。（detector代码实现的功能）
3、对符号码矩阵按照编码规范进行解码，得到实际信息（decoder代码实现的功能）
二值化：
zxing中条码的二值化都是使用 Binarizer实现，一维码使用getBlackRow方法， 二维码的使用getBlackMatrix方法。 Binarizer有两个生成类， GlobalHistogramBinarizer和HybridBinarizer；这两个类对 getBlackMatrix方法的实现有不同 ， HybridBinarizer中的实现对于某些条件下的图像有些特殊的处理，暂时没有看懂，这里只介绍 GlobalHistogramBinarizer中二值化的方法。
二值化的关键就是定义出黑白的界限，我们的图像已经转化为了灰度图像，每个点都是由一个灰度值来表示，就需要定义出一个灰度值，大于这个值就为白（0），低于这个值就为黑（1）。在 GlobalHistogramBinarizer中，是从图像中均匀取5行（覆盖整个图像高度），每行取中间五分之四作为样本；以灰度值为X轴，每个灰度值的像素个数为Y轴建立一个直方图，从直方图中取点数最多的一个灰度值，然后再去给其他的灰度值进行分数计算，按照点数乘以与最多点数灰度值的距离的平方来进行打分，选分数最高的一个灰度值。接下来在这两个灰度值中间选取一个区分界限，取的原则是尽量靠近中间并且要点数越少越好。界限有了以后就容易了，与整幅图像的每个点进行比较，如果灰度值比界限小的就是黑，在新的矩阵中将该点置1，其余的就是白，为0。
提取符号码：
这部分是解码的关键部分，解码能力的高低也主要体现在这里（不过我感觉二维码本身设计的就比较好，对图像扭曲变形的纠错能力比较高，所以代码部分对这方面的处理就比较少）。这部分的目标是从像素为单位的原始图像中提取出符号码部分，并转换为模块为单位的符号码矩阵。
将二值化之后的矩阵交给Detector，其detect方法就是接口方法。调用这个方法就会返回取好的符号码矩阵。下面详细介绍detect方法所做的工作：
1、寻找定位符
寻找定位符是FinderPatternFinder这个类来实现的。
在图像中每隔iSkip就采样一行，
int iSkip = (3 * maxI) / (4 * MAX_MODULES);
在这一行中将连续的相同颜色的像素个数计入数组中，数组长度为5位，即去找黑\白\黑\白\黑的图像（如开始检测到黑色计入数组[0]，直到检测到白色之前都将数组[0]的值+1；检测到白色了就开始在数组[1]中计数，以此类推）。填满5位后检测这5位中像素个数是否比例为1:1:3:1:1（可以有50%的误差范围），如果满足条件就说明找到了定位符的大概位置，将这个图像交给handlePossibleCenter方法去找到定位符的中心点，方法是先从垂直方向检测是否满足定位符的条件，如满足就定出Y轴的中心点坐标值，然后用这个坐标值去再次检测水平方向是否满足定位符条件，如满足就定出X轴的中心点坐标值。至此就找到了一个定位符的中心坐标。按照上面所说的步骤找出所有三个定位符的中心坐标，接下来开始定位三个定位符在符号中的位置，即左上（B点）、左下（A点）、右上（C点）三个位置。先通过两两之间的距离定出哪个是左上那一点（左上那点到其他两点的距离应该相差不远），然后通过计算BA、BC向量的叉乘定出A和C两点。
2、寻找校正符
通过ABC三点的坐标计算出校正符的可能位置，然后交给AlignmentPatternFinder去寻找最靠近右下角的那个校正符，寻找方法与寻找定位符的方法基本相同，如果找到就返回校正符的中心坐标，如果没有找到也没关系，解码程序可以继续。
3、透视转换，生成最终矩阵
找到了三个定位点和一个校正符的坐标（校正符没有找到可以用一个计算值来代替），符号图像的位置就已经确定了，现在要进行图像变形，建立起以模块为单位的符号矩阵与原图像之间的关系，使用的方法是George Wolberg写的Digital Image Warping一书中PerspectiveTransform方法（书中54-56页）。转换关系确立了就将新矩阵（以模块为单位的符号矩阵）中每一个点对应到原图像中的点，去看该点是黑是白，并将0、1置填充到矩阵中。这样就生成了最终的符号码。
解码QR符号码：
有了符号码矩阵就按照QR码的编码规范去进行解码。这部分功能是Decode类实现的。
先获取版本信息，然后获取到格式信息，从格式信息中取得纠错等级。然后去读码字，读码字的方法很简单，从右下角开始，两列为单位，从最后一行开始，先向上读，读到顶端再向下，这样依次读完整个图像（详细参见QR码编码规范ISO16022-2006）。然后将所有码字还原回block，进行RS纠错，然后形成一个二进制流交给DecodedBitStreamParser解析成真实的信息。
至此，解码过程结束
Java代码结构：
zxing源码的结构还是比较清晰的，有关QR码的代码主要在以下几个package中。Java代码中有生成QR码的代码，在C++代码中是没有生成部分，只有解析部分。
1、将图像进行二值化处理，1、0代表黑、白。
其中qrcode中是编解码的接口，外部代码通过这两个类来进行QR码的编解码。
detector是用来在摄像头抓取的图像中检测出QR码的那部分，并将其提取出来。这部分代码是解码的关键，也是可以进行优化的部分。
decoder是按照QR码的编码规范将之前detector中提取出的QR码符号进行解码操作，将图像解析为真实的信息。
QR码解码流程：
2、寻找定位符、校正符，然后将原图像中符号码部分取出。（detector代码实现的功能）
3、对符号码矩阵按照编码规范进行解码，得到实际信息（decoder代码实现的功能）
二值化：
zxing中条码的二值化都是使用 Binarizer实现，一维码使用getBlackRow方法， 二维码的使用getBlackMatrix方法。 Binarizer有两个生成类， GlobalHistogramBinarizer和HybridBinarizer；这两个类对 getBlackMatrix方法的实现有不同 ， HybridBinarizer中的实现对于某些条件下的图像有些特殊的处理，暂时没有看懂，这里只介绍 GlobalHistogramBinarizer中二值化的方法。
二值化的关键就是定义出黑白的界限，我们的图像已经转化为了灰度图像，每个点都是由一个灰度值来表示，就需要定义出一个灰度值，大于这个值就为白（0），低于这个值就为黑（1）。在 GlobalHistogramBinarizer中，是从图像中均匀取5行（覆盖整个图像高度），每行取中间五分之四作为样本；以灰度值为X轴，每个灰度值的像素个数为Y轴建立一个直方图，从直方图中取点数最多的一个灰度值，然后再去给其他的灰度值进行分数计算，按照点数乘以与最多点数灰度值的距离的平方来进行打分，选分数最高的一个灰度值。接下来在这两个灰度值中间选取一个区分界限，取的原则是尽量靠近中间并且要点数越少越好。界限有了以后就容易了，与整幅图像的每个点进行比较，如果灰度值比界限小的就是黑，在新的矩阵中将该点置1，其余的就是白，为0。
提取符号码：
这部分是解码的关键部分，解码能力的高低也主要体现在这里（不过我感觉二维码本身设计的就比较好，对图像扭曲变形的纠错能力比较高，所以代码部分对这方面的处理就比较少）。这部分的目标是从像素为单位的原始图像中提取出符号码部分，并转换为模块为单位的符号码矩阵。
将二值化之后的矩阵交给Detector，其detect方法就是接口方法。调用这个方法就会返回取好的符号码矩阵。下面详细介绍detect方法所做的工作：
1、寻找定位符
寻找定位符是FinderPatternFinder这个类来实现的。
在图像中每隔iSkip就采样一行，
int iSkip = (3 * maxI) / (4 * MAX_MODULES);
在这一行中将连续的相同颜色的像素个数计入数组中，数组长度为5位，即去找黑\白\黑\白\黑的图像（如开始检测到黑色计入数组[0]，直到检测到白色之前都将数组[0]的值+1；检测到白色了就开始在数组[1]中计数，以此类推）。填满5位后检测这5位中像素个数是否比例为1:1:3:1:1（可以有50%的误差范围），如果满足条件就说明找到了定位符的大概位置，将这个图像交给handlePossibleCenter方法去找到定位符的中心点，方法是先从垂直方向检测是否满足定位符的条件，如满足就定出Y轴的中心点坐标值，然后用这个坐标值去再次检测水平方向是否满足定位符条件，如满足就定出X轴的中心点坐标值。至此就找到了一个定位符的中心坐标。按照上面所说的步骤找出所有三个定位符的中心坐标，接下来开始定位三个定位符在符号中的位置，即左上（B点）、左下（A点）、右上（C点）三个位置。先通过两两之间的距离定出哪个是左上那一点（左上那点到其他两点的距离应该相差不远），然后通过计算BA、BC向量的叉乘定出A和C两点。
2、寻找校正符
通过ABC三点的坐标计算出校正符的可能位置，然后交给AlignmentPatternFinder去寻找最靠近右下角的那个校正符，寻找方法与寻找定位符的方法基本相同，如果找到就返回校正符的中心坐标，如果没有找到也没关系，解码程序可以继续。
3、透视转换，生成最终矩阵
找到了三个定位点和一个校正符的坐标（校正符没有找到可以用一个计算值来代替），符号图像的位置就已经确定了，现在要进行图像变形，建立起以模块为单位的符号矩阵与原图像之间的关系，使用的方法是George Wolberg写的Digital Image Warping一书中PerspectiveTransform方法（书中54-56页）。转换关系确立了就将新矩阵（以模块为单位的符号矩阵）中每一个点对应到原图像中的点，去看该点是黑是白，并将0、1置填充到矩阵中。这样就生成了最终的符号码。
解码QR符号码：
有了符号码矩阵就按照QR码的编码规范去进行解码。这部分功能是Decode类实现的。
先获取版本信息，然后获取到格式信息，从格式信息中取得纠错等级。然后去读码字，读码字的方法很简单，从右下角开始，两列为单位，从最后一行开始，先向上读，读到顶端再向下，这样依次读完整个图像（详细参见QR码编码规范ISO16022-2006）。然后将所有码字还原回block，进行RS纠错，然后形成一个二进制流交给DecodedBitStreamParser解析成真实的信息。
至此，解码过程结束