欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.csdn.net

前言

扫码（QR Code / Barcode）是现代移动应用最基础的入口之一。
在 Flutter 生态中，很多扫码库依赖原生的 Google ML Kit 或 iOS AVFoundation。这在 Android/iOS 上表现很好，但移植到 OpenHarmony 时，往往因为缺乏对应的鸿蒙原生插件支持而卡壳。

zxing2 是一个基于经典 Java ZXing 库移植的 Pure Dart 实现。它不依赖摄像头的原生预览流（它只负责图像数据的算法处理），也不依赖特定的 OS API。

这使得它成为 OpenHarmony 早期生态中实现扫码功能的救命稻草，或者作为特定场景下（如生成二维码、后台解析图片二维码）的轻量级方案。

一、核心原理

zxing2 本质上是一个图像算法库：

• 输入：图片的像素数据 (LuminanceSource)。
• 处理：二值化 (Binarizer) -> 寻找定位点 -> 纠错解码。
• 输出：文本内容 (Result)。

二、OpenHarmony 适配说明

由于 zxing2 是纯 Dart 代码，它可以直接运行在 OpenHarmony 上。
但是，挑战在于性能：
Dart 的计算性能不如 C++。在处理 1080P 实时摄像头预览流时，如果每帧都跑一遍 Dart 版的 ZXing，会导致 UI 极其卡顿。

鸿蒙适配最佳实践：

1. Isolate 必用：解析操作必须放在 compute 或后台 isolate 中，严禁在 UI 线程解析。
2. 降低分辨率：不要把 4K 图片丢进去。先缩放（如 640x480），Dart 处理小图的速度尚可接受。
3. 生成优于识别：zxing2 生成二维码的性能非常好，完全可以替代原生方案实现“我的二维码”展示。

三、基础用例

3.1 生成二维码 (Writer)

import 'package:zxing2/qrcode.dart';
import 'package:image/image.dart' as img; // 需配合 image 库绘制

void generateQRCode() {
  var qrcode = Encoder.encode('https://openharmony.cn', ErrorCorrectionLevel.h);
  var matrix = qrcode.matrix!;  
  
  // matrix 是一个布尔矩阵 (true=黑, false=白)
  // 你需要将其转换为 Flutter 的 Image widget 或 Canvas 绘制
  print('QR Code Size: ${matrix.width}x${matrix.height}');
  
  for (var y = 0; y < matrix.height; y++) {
    var line = '';
    for (var x = 0; x < matrix.width; x++) {
      line += matrix.get(x, y) == 1 ? '██' : '  ';
    }
    print(line); // 在控制台打印二维码
  }
}

3.2 解析条形码 (Reader)

import 'package:zxing2/zxing2.dart';

void decodeBarcode(LuminanceSource source) {
  var reader = MultiFormatReader();
  try {
    var result = reader.decode(BinaryBitmap(HybridBinarizer(source)));
    print('扫码结果: ${result.text}');
    print('码制格式: ${result.barcodeFormat}');
  } on NotFoundException {
    print('未发现条码');
  }
}

四、完整实战示例：鸿蒙相册图片识别

这个示例展示了如何选择一张相册图片，并在后台线程解析其中的二维码。这是鸿蒙应用中“识别图中二维码”的标准实现路径。

import 'dart:async';
import 'dart:typed_data';
import 'package:image/image.dart' as img;
import 'package:zxing2/zxing2.dart';

// 定义一个 LuminanceSource 的实现，用于桥接 image 库与 zxing2
class ImageLuminanceSource extends LuminanceSource {
  final int _width;
  final int _height;
  final Int8List _grayData;

  ImageLuminanceSource(this._width, this._height, this._grayData) : super(_width, _height);

  @override
  Int8List getRow(int y, Int8List? row) {
    var result = row ?? Int8List(_width);
    for (var i = 0; i < _width; i++) {
      result[i] = _grayData[y * _width + i];
    }
    return result;
  }

  @override
  Int8List get matrix => _grayData;
}

// 核心解码函数 (将被放入 compute 执行)
String? decodeTask(Uint8List imageBytes) {
  // 1. 解码图片文件 (耗时操作)
  final image = img.decodeImage(imageBytes);
  if (image == null) return null;

  // 2. 转换为灰度数据 (zxing 需要)
  // 这里简化处理：提取 luminance
  final width = image.width;
  final height = image.height;
  final grayData = Int8List(width * height);
  
  var p = image.getBytes();
  for (var i = 0, j = 0; i < p.length; i += 4, j++) {
     // RGBA 转 灰度: 0.299R + 0.587G + 0.114B
     // image 包 4.x 可能 API 不同，此处为示意逻辑
     int r = p[i];
     int g = p[i+1];
     int b = p[i+2];
     grayData[j] = (0.299 * r + 0.587 * g + 0.114 * b).toInt();
  }

  // 3. 调用 zxing2
  final source = ImageLuminanceSource(width, height, grayData);
  final bitmap = BinaryBitmap(HybridBinarizer(source));
  final reader = QRCodeReader();

  try {
    final result = reader.decode(bitmap);
    return result.text;
  } catch (e) {
    return null; // 没识别到
  }
}

// 模拟主程序
void main() async {
  print('=== 正在读取相册图片 ===');
  // 模拟图片二进制数据
  final mockImageBytes = Uint8List(1024); 
  
  print('=== 启动后台 Isolate 解析 (避免卡顿) ===');
  // 在 Flutter 中你会使用 compute(decodeTask, mockImageBytes)
  // 这里直接调用演示
  final result = decodeTask(mockImageBytes);

  if (result != null) {
    print('✅ 识别成功: $result');
    // 跳转到对应链接...
  } else {
    print('❌ 未发现二维码');
  }
}

五、总结

zxing2 是 Flutter 开源生态中的一块基石。
虽然在实时预览扫码场景下，我们依然推荐等待 OpenHarmony 官方 Scan Kit 的 Flutter 插件封装（追求极致性能），但在以下场景中，zxing2 依然是不可替代的：

1. 生成二维码：纯 Dart 实现，无平台依赖，快且稳。
2. 静态图识别：长按图片识别二维码。
3. 应急方案：在原生插件未就绪时，它能确保功能可用（Just works）。

对于鸿蒙开发者，掌握如何在 ISOLATE 中运行 zxing2，是处理图像算法类任务的基本功。