QR二维码的识别技术是数字图像处理领域研究的一个热门课题。随着物联网的不断发展，QR二维码凭借其强大的信息存储能力、方便快捷的识读优点、安全可靠的编码技术，已经逐渐地应用于各个行业领域。同时，二维码识读设备也朝着智能化、微型化和网络化的趋势发展。因此，对基于嵌入式图像采集处理的QR码识别系统的研究具有重大而深远的意义。本文首先对国内外QR二维码识别技术进行了深入研究和对比，主要包括QR码的原理、结构特点、编码规则以及重点研究数字图像处理算法在QR二维码上的应用。结合QR二维码自身结构特征，通过数字图像处理算法对QR码进行灰度化处理、滤噪、二值化、图像定位、几何校正、图像分割等。在不同条件下，分析比较各算法的处理效果、算法鲁棒性以及执行速率。提出一种改进型自适应亮度算法对QR二维码进行预处理，经过实验证明，该算法效果良好。一般情况下，由于图像采集过程的影响，QR码会遇到光照不均匀、背景复杂、污染或变形的情况，使得后期难以识别。对于此类QR识别问题，本文分别建立遗传算法、团队进步法（TPA）、改进型BP神经网络算法三种人工智能算法的识别模型，结合Matlab与Visual C++的混合编程技术，开发基于人工智能算法的QR码识别系统，对复杂情况下的QR码图像进行识别。在应用改进型BP神经网络算法时，对传统模型引入动量因子并选择自适应学习速率对系统进行改进。除此之外，利用团队进步算法在图像中搜寻最佳匹配值，对QR码进行精准定位。通过反复的实验，证明了三种人工智能算法在QR码识别中的可行性，并分析了各算法的优劣性，对复杂环境下QR码图像的识别起到了积极的促进作用。最后本文在Visual Studio2008平台上设计实现了基于数字图像处理算法的QR二维码电子票据应用系统。通过测试，能够准确的对二维码电子票据进行编码和识读，达到了预期的效果。