1. 修改对于编码问题的描述

2. 增加一节优化

README.md

@@ -66,7 +66,7 @@ int main() {
 
 ![1](image/运行示例.png)
 
-实测扫码枪可以识别。如果当前环境编码存在问题，可以考虑进行编码转换，转换到 UTF-8。
+实测扫码枪可以识别。实测不管 windows 是否开启全局 utf8，都可正常识别数据。（未测试中文）
 
 我们稍微详细的来解释一下上面的代码。
 
@@ -140,8 +140,40 @@ using namespace ZXing;
    imwrite("pdf417_barcode.png", barcodeImage);
    ```
 
+## 优化
+
+在将条形码数据转换为 OpenCV 的 Mat 对象时，原始代码使用了一个双重循环进行逐个像素的遍历。虽然对于小数据集来说这没什么问题，但在面对庞大的数据时，这种方法的效率可能会受到影响。因此，我们可以通过以下方式进行优化，减少不必要的遍历。
+
+首先，初始化一个白色背景的Mat对象：
+
+```cpp
+Mat barcodeImage(height, width, CV_8UC1, Scalar(255)); // 初始化为白色
+```
+
+然后，创建一个**指向 Mat 对象数据的指针**，以便直接访问和修改像素值：
+
+```cpp
+uint8_t* ptr = barcodeImage.ptr<uint8_t>(0);
+```
+
+接下来，使用双重循环遍历位矩阵。在每次迭代中，检查当前位是否设置为真（即需要绘制为黑色）。如果是，则直接通过指针修改相应位置的像素值为 0（黑色）。这种方法减少了逐个像素访问的开销，提高了效率：
+
+```cpp
+for (int y = 0; y < height; ++y) {
+    for (int x = 0; x < width; ++x) {
+        if (bitMatrix.get(x, y)) {
+            ptr[y * width + x] = 0; // 设置为黑色
+        }
+    }
+}
+```
+
+---
+
+当然了，最直观有效的方式应该是利用硬件性能，也就是：创建线程......
+
 ## 总结
 
 最大的问题不在于代码的理解，而是在于环境的构建。
 
-代码本身是简单的，根据这个小例子足以修改、增加，完成许多的需求。
+代码本身是简单的，根据这个小例子足以修改、增加，完成许多的需求。