實作碩士論文中，利用BlendMask實例分割模型與高斯-約旦消去法，將QR code與背景圖片做融合，產生有視覺意義的QR code。
根據ISO 18004:2015的規範，QR code定義了不同的版本(level)、容錯等級(correction level)。
根據版本、容錯等級、加入的訊息，遵循QR code的編碼方式，產生最原始、不具視覺意義的QR code。(範例中，版本：5、容錯等級：L、訊息：Aesthetic QR)
依據傳入的圖片路徑參數，將要加入到QR code內的背景圖片，使用OTSU方法，轉換成二值化影像。
->
將二值化影像，依據碼元大小，建立一個基於碼元的二值化影像。
->
利用BlendMask，將背景圖片的ROI(Region of Interest)取出來。
把前面的原始QR code、基於碼元的二值化影像、ROI利用高斯-約旦消去法，將三者結合在一起，產生調整過碼元且看的出圖像輪廓，並且能成功掃描的QR code。
將處理過後的QR code與背景圖片做融合，產生第一步美化過後的QR code。
最後根據QR code的容錯機制與解碼器對於影像的解碼方式，在保有解碼的能力下，刪除一部分碼元，完成美化過後的QR code。
使用方法，執行main.py檔案，並且傳入適當的參數。
python3 main.py v l m o img --mask -ms -s
v: QR code所使用的版本(1~40)。
l: QR code所使用的容錯等級(L, M, Q, H)。
m: 要加入QR code的訊息。
img: 使用的背景圖片之路徑。
o: 輸出圖片要存放之資料夾。
mask: 建立QR code時所使用的mask(0~7)。
ms: 碼元的大小，即每個碼元內會存在多少個pixels。 s: 碼元的切分大小。
參考資料