首先说明我的测试场景是“识别打印在纸上的二维码”，在扫描结果中寻找二维码并进行识别，而不是直接让摄像头对着二维码扫描。
zbar和zxing用的都是自己从github上clone的c++源码/接口编译出来的dll，都是默认参数
再说结论：测了大概几千张图片，两个库的准确率差不多（由于图片场景的多样性，确切的准确率数字也没有什么意义），但是zbar的速度要快很多，大概是zxing的4-5倍。其实两个库的准确率都不太如人意，稍微模糊一点就无法识别，甚至有一些不模糊的图像也识别不出。相比之下，微信的识别效果就逆天了，怎么折腾都能识别出来，让我很好奇。
后来自己尝试改进识别效果，先看了一下二维码的识别原理，太复杂了，无从下手。于是尝试对图像进行预处理改进，结果只是用了一个二值化加开运算就让识别效果得到了大幅提升，让我很奇怪这么简单的预处理为什么开发人员没有去做呢？然后又继续优化了一下，发现二值化的阈值对二维码的识别非常关键，badcase通常是因为阈值不合适导致的，于是牺牲了一下性能，在识别程序中多次尝试不同阈值，最终识别效果达到了比较令人满意的结果，准确率从90%左右上升到99.8%左右，绝大部分打印不清晰导致的badcase都得到了解决，代码如下：
#include <iostream>
#include <include\zbar.h>
#include "opencv/cv.h"
#include "opencv/highgui.h" using namespace std;
using namespace cv;
using namespace zbar; //zbar接口
string ZbarDecoder(Mat img)
{
string result;
ImageScanner scanner;
const void *raw = (&img)->data;
// configure the reader
scanner.set_config(ZBAR_QRCODE, ZBAR_CFG_ENABLE, );
// wrap image data
Image image(img.cols, img.rows, "Y800", raw, img.cols * img.rows);
// scan the image for barcodes
int n = scanner.scan(image);
// extract results
result = image.symbol_begin()->get_data();
image.set_data(NULL, );
return result;
} //对二值图像进行识别，如果失败则开运算进行二次识别
string GetQRInBinImg(Mat binImg)
{
string result = ZbarDecoder(binImg);
if(result.empty())
{
Mat openImg;
Mat element = getStructuringElement(MORPH_RECT, Size(, ));
morphologyEx(binImg, openImg, MORPH_OPEN, element);
result = ZbarDecoder(openImg);
}
return result;
} //main function
string GetQR(Mat img)
{
Mat binImg;
//在otsu二值结果的基础上，不断增加阈值，用于识别模糊图像
int thre = threshold(img, binImg, , , cv::THRESH_OTSU);
string result;
while(result.empty() && thre<)
{
threshold(img, binImg, thre, , cv::THRESH_BINARY);
result = GetQRInBinImg(binImg);
thre += ;//阈值步长设为20，步长越大，识别率越低，速度越快
}
return result;
}