En el uso práctico, los códigos QR a menudo se vuelven difíciles de reconocer debido a daños. Los métodos tradicionales de restauración muestran una efectividad limitada para códigos QR severamente dañados o densamente codificados, son consumidores de tiempo y tienen limitaciones para abordar la pérdida extensa de información. Para abordar estos desafíos, proponemos un modelo de restauración de dos etapas llamado EHFP-GAN, que consta de un módulo de restauración de bordes y un módulo de reconstrucción de códigos QR. El módulo de restauración de bordes guía la restauración subsiguiente reparando las imágenes de los bordes, lo que resulta en detalles de bordes más finos. La pirámide de características jerárquicas dentro del módulo de reconstrucción de códigos QR mejora la percepción global de la imagen del modelo. Utilizando nuestro conjunto de datos personalizado, comparamos el EHFP-GAN con varios modelos de procesamiento de imágenes convencionales. Los resultados demuestran el rendimiento excepcional de restauración del modelo EHFP-GAN. Específicamente, en varios niveles de contaminación, el EHFP-GAN logra mejoras significativas en la tasa de reconocimiento y métricas de calidad de imagen, superando a los modelos comparativos. Por ejemplo, bajo una contaminación leve, el EHFP-GAN logra una tasa de reconocimiento del 95.35%, mientras que bajo una contaminación aleatoria, alcanza el 31.94%, superando a los modelos comparativos. En conclusión, el modelo EHFP-GAN demuestra una eficacia notable en la restauración de códigos QR dañados.