[译]ISO/IEC 18004-2015 二维码标准文档（7）

附录D 开始

D.1   概述

   版本信息一共18个比特，其中6个是数据bit，还有12个 golay纠错码比特，本附录用来讲解纠错比特就计算和解码过程。

D.2   纠错码比特的计算过程

结构为(18.6)的golay码用来计算纠错码，

多项式的系数正是数据比特的数字，公式为下面贴的截图，然后需要除以生成多项式，这是一个固定的数值，看下图，最终得到的结果多项式的系数，就是纠错码字，将其添加到golay之后。

上面讲了一个version = 7的计算例子。将得到的12位多项式余数加到原码字后面。得到最后的golay码。

D.3 纠错码的解码步骤

版本信息的纠错码，使用的最大汉明距离是8。 他可以纠正三个比特长度的错误。 在表D.1中列出了34种有效的格式信息比特串，因此可以直接使用直接作为字典表查询。

我们需要讲从版本区域读取到的比特串，以比特对其之后，进行逐个对比。与D.1中最接近的结果，将会被采用。如果他们之间的差距少于或者等于三个比特长度。

举个例子：

从版本信息读取到的内容：    000111110110010100

查表得到最接近的数值：  000111110010010100

因为两个比特串只有一个比特长度差异，所以我们认为对比成功。得到有效版本信息:7

上面的内容是附件D

附件E   校对符号位置

校正符号的位置，位于左上角的对角线位置。并且与对角线对称的位于符号的右下角。

它的位置，位于两条终止符号中间。并且符号之间造成的不规则空间，也是被接受的。（实在不知道咋翻译，我理解应该是这个意思）

下面的表E.1中列出了，每个版本的每个校正符号的中心点坐标，从横纵方向。

举个例子，在版本为7的符号中，表中对应的数据是6,22和28。因此其中的修正符号坐标以（列，行）来表示就是（6，22）（22，6）（22，22）（22，38）（38，22）（38，38）

需要注意的是，其中的三个笛卡尔坐标点(6,6)(6,38)(38,6)被定位符号占用了，所以不能用于校正符号。

附件F

符号识别

符号识别基于ISO/IEC 15424标准文档中。在了解这些内容之前，需要先学习一个公式

]QM

其中：

] 是符号表示的flag(ascii码数值93)

Q 是qr符号中插入的字符编号

m 是在表F.1中列出来的字符标示中的一个。

在micro qr code中，这里的m永远为1.

在一般的qr中，这里的m可以是 0，1，2，3，4，5，6

附件G

QR code 打印质量-- 符号特殊切面

G.1 通用

因为符号结构的差异，以及解码算法差异的影响，影响符号解析性能的因素会有很多。

在ISO/IEC 15415中，提供了针对这些符号属性，给符号打分的标准。

所以当前的附件提供了给固定格式图像和传统参数（格式信息，符号信息）评分的方法。 这些方法在ISO/IEC 15415中有应用。

G2.1.1 QR Code符号

用来评估是否是一个 QR code的特征有：

1  三个角范围内：

    7x7单位的定位符号。

    定位符号，向内的方向1个单位宽度的分割符号

    定位符号向外的方向15个单位长度内（这里有点疑问，我没太明白文档的意思），至少有四个单位宽度的静默区域（根据程序指定，可以更多。）

2. 三个定位符号，内部方向最后位置，会有两条黑白相间的分割线

3  有一个5x5单位大小的校正符号（这个只会存在于version > 2的情况）

上面说的三个特征，概括起来，就是六个符号：

1。 三个定位符号（包括与之相关的分割符号与静默区域，在图中用A1,A2,A3表示）

2。 两个终止符号，在图中用B1,B2表示

3。 用单个区域表示所有的校正符号，用C表示

其中终止符号，是从五个单位宽度的校正符号与定位符号的中心，同位穿过。所以他的评估定位同时受限于这两个元素

举个例子，在版本为7 的二维码中一共有45*45个模点，其中A片段有168个模点，B片段中每个都有29模点长度，C片段一共占用了150个模点。

需要注意的是，qr 中的静默区域，需要是4的倍数，附件G.1中展示出来的元素打印评审，应该在固定模式下进行。静默区域并没有被选中展示出来。

G.2.1.1. MICRO QR符号

下面的特征，将会被评估：

1。 边角片段包括： 

定位符号，

1个单位宽度的分割符号，他们用脸连接两个定位符号的内边距。

至少两个模点宽度的静默区域（或者宽度由应用程序指定）在定位符号，两条外边的11个模点宽度的范围内，

两条黑白相间的终止符号，从定位符号开始，沿着符号的左侧和顶侧区域。

上面说的这些东西，最后汇总成三个片段：

1。 边角片段（定位符号，以及与之相关的分割符号以及静默区域）也就是片段A,这部分占据了102个模点点位。

2。  两个终止符号（用b1,b2来表示）

举个栗子🌰： 一个m4版本的符号，有17*17个模点，他的B片段长度为9.

下面的G.2附件中，以一个m4为栗子，演示了这三个片段的位置。一个边角片段，还有两个终止区域片段。

注意，在micro qr中，静默区域的宽度应该是2的倍数。G.2附件中展示出来的附件是固定模式下的打印质量评审。剩下的静默区域，并没有选中。

G2.2 固定模式图像的评分

对于图像每个片段的评分，应该基于这些元素组合到一起之后的结果。

 下面的流程需要各个片段，挨个去应用

a) 从符号的灰度缩放图图像中，根据ISO/IEC 15415中的描述，找出流程评分。

大概过程是这样的： 因为环境收到亮色或者暗色模式的影响，所以先找出一个全局的因子，作为区分黑白的标准。 

所有应该是黑色的，但是实际得到结果高于因子的模点都要得分0，反之，本应是白色，但是色值小于全局因子也是一样的得分。

b).   对于每个评分登记，先假设其他的模块未能拿到合适或者更高的分数是当前模块的问题。那么只能获取一个猜测的图像评分，猜测的权重因子在表G.1中有表示。

从中选取一个评分等级最低的一个猜测的图像评分。一个猜测的图像评分由厦门的这些因素决定。

1）  对于A1,A2,A3 或者micro qr中的A，统计其模点的错误数量。

2） 对于B1,B2 片段，统计模点的错误数量，将其数量，按照片段中整体数量的百分比来表示。

3） 对于B1,B2来说，需要取他们周围的五个相邻的模点，并且把他们每个模点都带入处理过程，不断的验证过程中，确保发现任何一个五个相邻模点都没有两个以上的损坏。如果不能达到这个标准。那么当前片段的评分是0. 这个测试不适用于micro

4)   对于片段c(仅仅适用于取QR CODE)统计校正符号所包含的模点错误。以其错误数量以校正符号百分比的形式表现。

5） 判断猜测图像评分的各个片段的评分因子，在表G.1中有展示

c)    针对各个组件 的固定模式的图像评分应该是所有的模式最高的。

针对图像的固定的模式图像评分，应该是片段评分中最低的。

（说实话，没看懂）