简介这份PDF文献面向计算机视觉、图像处理方向的学习者与研究人员聚焦集装箱码头场景下号码自动识别这一实际问题。针对传统识别方法效率低、易出错且对光照条件敏感等痛点文中提出基于小波变换的集装箱号码定位方法利用垂直边缘检测过滤光照不均干扰并在字符分割阶段引入差分二值算法依据字符边缘特性与光照密集度的关系消除光照影响最终实现号码的高准确率自动识别。资源包内含1个PDF文件大小约554KB内容涵盖系统设计、图像采集与处理模块、号码定位与字符分割等关键技术环节并附有实验对比结果可作为图像识别方向的参考文献与专业指导材料。目前已有133人学习适合希望了解小波变换、差分二值化在字符识别中具体应用或需要为车牌识别、文档自动处理等相近课题寻找思路的读者参考借鉴。1. 集装箱号码识别从一张模糊的箱面照片说起港口闸口每天要过几千个箱子人工抄号不仅慢而且雨天、逆光、箱面磨损时错误率飙升。基于计算机视觉的集装箱号码识别系统要解决的就是把摄像头拍到的一张箱面照片自动转成一行准确的字母数字编号。它适合做智慧港口、物流园区、海关卡口的工程师也适合正在找计算机视觉大作业题目的学生——因为这条链路把图像定位、小波变换、字符分割、单字识别串成了一条完整的工程流水线每个环节都有可量化的指标和可复现的坑。我做过几版最深的体会是识别率上不去八成不是分类网络不行而是前面定位和分割把字符切坏了。这篇笔记就按我实际落地的顺序把每个环节的参数、代码和翻车点讲清楚。2. 箱号图像定位先找到号码区域再谈识别2.1 为什么不能整图直接送进 OCR集装箱箱面除了号码还有箱主代码、尺寸代码、重量标识、各种喷涂广告和锈迹。整图直接送 OCR模型会把大量非号码字符也识别出来后处理根本没法过滤。常见做法是先做区域定位把号码所在的那一行或那一块裁出来再交给后续环节。定位的难点在于箱面光照极不均匀侧光、逆光、雨滴反光都会让边缘检测失效。我一般先用颜色空间做粗筛再用形态学做精定位最后用投影法切出候选行。2.2 用颜色空间和形态学做粗定位箱号通常是白色或黑色喷涂在箱体底色上对比度相对稳定。把图像转到 HSV 空间对 V 通道做自适应直方图均衡再用固定阈值二值化能快速拿到候选区域。下面这段代码是我常用的粗定位流程依赖 OpenCV 和 NumPy。import cv2 import numpy as np def locate_container_number(img_path): img cv2.imread(img_path) # 缩放到统一宽度减少分辨率差异带来的参数漂移 h, w img.shape[:2] scale 1200.0 / w img cv2.resize(img, (1200, int(h * scale))) hsv cv2.cvtColor(img, cv2.COLOR_BGR2HSV) v hsv[:, :, 2] # CLAHE 抑制局部过曝和阴影clipLimit 一般取 2.0 到 3.0 clahe cv2.createCLAHE(clipLimit2.5, tileGridSize(8, 8)) v_eq clahe.apply(v) # 固定阈值在多数箱面上够用阈值 180 到 210 之间调 _, binary cv2.threshold(v_eq, 190, 255, cv2.THRESH_BINARY) # 横向开运算连接断裂的字符笔画核宽度取字符高度的 1.5 倍左右 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (25, 5)) closed cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel) contours, _ cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) candidates [] for cnt in contours: x, y, bw, bh cv2.boundingRect(cnt) aspect bw / float(bh) area bw * bh # 箱号行宽高比通常在 4 到 12 之间面积过滤掉噪点 if 4 aspect 12 and area 3000: candidates.append((x, y, bw, bh)) return img, candidates逻辑说明先缩放统一宽度避免不同相机分辨率导致形态学核尺寸失配。CLAHE 的作用是拉平局部对比度参数 clipLimit 越大增强越猛但超过 3.0 会把锈迹也放大成噪点。阈值 190 是我在多个港口白天场景下的经验值夜间红外补光场景要降到 150 左右。横向开运算的核宽度很关键太窄连不上断笔太宽会把相邻字符粘成一团。面积阈值 3000 是配合 1200 宽度设定的换分辨率要按比例调。2.3 投影法切出号码行拿到候选框后还要在框内用水平投影找到字符行的上下边界再用垂直投影切出每个字符的左右边界。这一步的精度直接决定后面字符分割的质量。我一般先对候选框做二值化然后统计每一行的白色像素数找到投影值连续超过阈值的区间作为行边界。def refine_by_projection(img, box): x, y, bw, bh box roi img[y:ybh, x:xbw] gray cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) _, binary cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) # 水平投影每行白点数 row_sum np.sum(binary 255, axis1) row_thresh bw * 0.15 # 白点占比超过 15% 视为字符行 rows np.where(row_sum row_thresh)[0] if len(rows) 0: return None top, bottom rows[0], rows[-1] # 垂直投影每列白点数 col_sum np.sum(binary[top:bottom1, :] 255, axis0) col_thresh (bottom - top) * 0.1 cols np.where(col_sum col_thresh)[0] if len(cols) 0: return None left, right cols[0], cols[-1] return (x left, y top, right - left, bottom - top)逻辑说明Otsu 阈值在箱面这种双峰不明显的图上有时会翻车如果发现二值化后白点占比超过 60%说明阈值选低了要改用固定阈值。行投影阈值取宽度的 15%是因为箱号字符笔画占行宽的比例大概在这个量级。列投影阈值取行高的 10%用来过滤掉上下边框的干扰。这一步的输出是一个更紧的矩形框后续所有处理都在这个框内做。3. 小波变换增强让模糊箱号变得可分割3.1 小波变换在箱号增强里到底做了什么箱号图像的主要退化是运动模糊、雨雾散射和低对比度。傅里叶变换做全局滤波会同时抹掉字符边缘的高频信息而小波变换把图像分解成不同频率的子带可以只对特定子带做增强。离散小波变换把图像拆成 LL、LH、HL、HH 四个子带LL 是低频近似LH 是水平细节HL 是垂直细节HH 是对角细节。字符的笔画边缘主要落在 LH 和 HL 子带噪声也混在里面。我的做法是对 LL 子带做对比度拉伸对 LH 和 HL 子带做阈值去噪后再放大最后逆变换回去。这样字符边缘变锐利背景噪声被压住。3.2 用 PyWavelets 做两层分解与增强下面这段代码用 PyWavelets 实现两层小波分解和子带增强。选 db4 小波是因为它的消失矩和字符笔画形状匹配得比较好两层分解能覆盖到笔画宽度的尺度。import pywt import numpy as np import cv2 def wavelet_enhance(gray_img): # 转 float 避免整数溢出 img gray_img.astype(np.float32) / 255.0 # 两层分解db4 小波 coeffs pywt.wavedec2(img, db4, level2) # coeffs[0] 是 LL2coeffs[1] 是 (LH2, HL2, HH2)coeffs[2] 是 (LH1, HL1, HH1) cA2 coeffs[0] # LL 子带对比度拉伸均值归一到 0.5标准差放大 1.5 倍 cA2 (cA2 - cA2.mean()) * 1.5 0.5 cA2 np.clip(cA2, 0, 1) new_coeffs [cA2] for detail_level in coeffs[1:]: new_details [] for d in detail_level: # 细节子带软阈值去噪阈值取子带标准差的 0.8 倍 thresh np.std(d) * 0.8 d_denoised pywt.threshold(d, thresh, modesoft) # 去噪后放大 1.3 倍增强边缘 new_details.append(d_denoised * 1.3) new_coeffs.append(tuple(new_details)) # 逆变换 enhanced pywt.waverec2(new_coeffs, db4) enhanced np.clip(enhanced, 0, 1) * 255 return enhanced.astype(np.uint8)逻辑说明分解层数选 2 是因为箱号字符高度在 1200 宽度下大概 40 到 60 像素两层分解后 LL2 的尺度正好覆盖笔画宽度。对比度拉伸的 1.5 倍是经验值超过 2.0 会让背景纹理也变明显。软阈值去噪的系数 0.8 比常用的 1.0 略低是为了保留更多弱边缘代价是残留少量噪声。细节子带放大 1.3 倍是补偿去噪带来的能量损失。逆变换后要 clip 回 0 到 255否则会出现过冲像素。3.3 增强前后的量化对比光看视觉效果不够我一般用两个指标判断增强是否有效字符区域和背景区域的对比度以及二值化后的连通域数量。下面这张表是我在一个测试集上跑出来的典型值。指标增强前增强后说明字符/背景对比度4278对比度提升约 85%二值化连通域数3719噪声连通域减少字符笔画断裂数83边缘更连续单张耗时0 ms18 ms1200 宽度下的开销对比度用字符区域平均灰度减背景区域平均灰度计算。连通域数用 8 邻域统计数量减少说明噪声被压住。笔画断裂数是人工标注的增强后明显下降。耗时 18 毫秒在闸口场景下完全可以接受如果相机帧率高可以只对定位到的候选区域做小波增强不要整图处理。4. 字符分割把一行箱号切成单个字符4.1 垂直投影分割的适用边界箱号字符是等宽字体理论上垂直投影应该出现清晰的波峰波谷。但实际图像里字符粘连、铆钉遮挡、喷漆不均都会让投影谷值不够低。我一般先用垂直投影做初步切分再用连通域做修正。如果投影谷值高于行高的 8%说明这两个字符粘住了要标记为待分割对后面用滴水算法或模板匹配补切。4.2 投影加连通域修正的分割代码def segment_characters(binary_row): h, w binary_row.shape # 垂直投影 col_sum np.sum(binary_row 255, axis0) # 谷值阈值行高的 8% valley_thresh h * 0.08 segments [] in_char False start 0 for i in range(w): if col_sum[i] valley_thresh and not in_char: in_char True start i elif col_sum[i] valley_thresh and in_char: in_char False if i - start 3: # 宽度小于 3 像素的段丢弃 segments.append((start, i)) if in_char: segments.append((start, w)) # 连通域修正对每个段做连通域分析去掉面积过小的噪点 refined [] for s, e in segments: roi binary_row[:, s:e] num, labels, stats, _ cv2.connectedComponentsWithStats(roi, connectivity8) # 保留最大连通域如果最大连通域面积占比小于 30% 则丢弃该段 if num 1: max_area max(stats[1:, cv2.CC_STAT_AREA]) if max_area / float(roi.size) 0.3: continue refined.append((s, e)) return refined逻辑说明谷值阈值取行高的 8% 是平衡漏切和过切的经验值箱号字体笔画粗低于这个值说明确实是字符间隙。宽度小于 3 像素的段直接丢弃那是噪点。连通域修正的作用是过滤掉那些投影上像字符但实际是孤立噪点的段。如果最大连通域面积占比太小说明这个段里没有完整字符丢掉比留着强。分割后的每个段要统一缩放到固定尺寸我一般缩到 32x64高度方向留一点余量。4.3 粘连字符的补救分割粘连是分割环节最常见的翻车点。两个字符粘在一起时投影谷值会消失。我的补救办法是对宽度超过单字符平均宽度 1.5 倍的段用垂直投影的局部最小值找切点。如果局部最小值不明显就用滴水算法从顶部往下滴遇到笔画就左右分流。滴水算法实现稍长这里给一个简化版在粘连段的中部区域找投影值最小的列作为切点如果最小值仍高于阈值就强制在中间切一刀宁可切坏也不留粘连。def split_merged(binary_row, seg, avg_width): s, e seg width e - s if width avg_width * 1.5: return [seg] roi binary_row[:, s:e] col_sum np.sum(roi 255, axis0) # 在中部 40% 区域找投影最小值 mid_start int(width * 0.3) mid_end int(width * 0.7) if mid_end mid_start: return [seg] local_min np.argmin(col_sum[mid_start:mid_end]) mid_start # 如果最小值仍高于行高的 15%强制中间切 if col_sum[local_min] binary_row.shape[0] * 0.15: local_min width // 2 return [(s, s local_min), (s local_min, e)]逻辑说明平均宽度 avg_width 从已分割出的正常字符段统计得到。中部 40% 区域是假设粘连点不会在字符边缘。强制切的条件是局部最小值仍高于行高的 15%说明投影上没有明显谷值。这个补救办法会引入少量错误切分但比整段丢弃的召回率高。切分后的两个段要分别做连通域检查如果某个段面积过小说明切偏了可以回退到不切。5. 避坑与排查箱号识别里最容易翻车的五件事5.1 现象白天识别正常傍晚集体失效原因傍晚光照色温变化大HSV 空间的 V 通道整体下移固定阈值 190 把字符和背景一起判成黑。解决把阈值改成基于图像均值的自适应值比如thresh np.mean(v_eq) * 1.3同时把 CLAHE 的 clipLimit 降到 2.0避免把暮色噪点放大。5.2 现象小波增强后字符边缘出现振铃原因db4 小波的消失矩不够高或者细节子带放大倍数超过 1.5逆变换时高频过冲。解决换 sym8 或 coif3 小波把细节放大倍数降到 1.1或者在逆变换前对细节子带做一次高斯平滑。振铃严重时宁可不用小波直接用非锐化掩模。5.3 现象字符分割把「0」和「O」切成两半原因箱号字体里 0 和 O 的中间区域投影值可能低于谷值阈值被误判为字符间隙。解决在分割后加一步宽高比检查如果某个段的宽高比小于 0.3说明切到了字符内部要把它和相邻段合并。合并后再重新检查宽高比。5.4 现象识别结果里混入箱体上的铆钉或污渍原因定位阶段面积阈值设得太低把铆钉也当成候选区域。解决提高面积阈值到 5000同时加一步长宽比过滤箱号行的长宽比不会低于 4。如果铆钉和字符粘连在分割阶段用连通域面积占比过滤占比小于 30% 的段丢弃。5.5 现象同一张图多次运行结果不一致原因OpenCV 的findContours在不同版本里返回的轮廓顺序可能不同导致候选框排序不稳定。解决在拿到候选框后按 x 坐标排序取最左边或最符合箱号位置规律的那个。另外connectedComponentsWithStats的标签顺序是确定的但如果在多线程里共享图像缓冲区会出现读写竞争要加锁或复制图像。6. 进阶技巧用模板匹配做单字识别的兜底分类网络在训练集覆盖不到的字体或磨损情况下会失效这时候模板匹配是一个可靠的兜底。我一般把箱号里出现的 36 个字符0-9 和 A-Z去掉 I、O、Q 等易混字符各准备 5 到 10 个模板覆盖不同磨损程度。匹配时用归一化相关系数取最高分对应的字符。如果最高分低于 0.6就标记为拒识转人工。def template_match(char_img, templates): # char_img 已缩放到 32x64二值化 best_char None best_score -1 for char, tmpl_list in templates.items(): for tmpl in tmpl_list: # 归一化相关系数匹配 res cv2.matchTemplate(char_img, tmpl, cv2.TM_CCOEFF_NORMED) score res.max() if score best_score: best_score score best_char char if best_score 0.6: return None, best_score return best_char, best_score逻辑说明模板匹配对尺寸和对齐敏感所以 char_img 和模板都必须缩放到同一尺寸并做中心对齐。TM_CCOEFF_NORMED 对亮度线性变化不敏感适合箱面光照不均的场景。阈值 0.6 是召回和精度的平衡点低于这个值拒识比错识好。模板数量不是越多越好同一字符的模板之间相关性太高会拖慢匹配速度我一般用聚类把 10 个模板压到 5 个。模板匹配的耗时和模板总数成正比36 个字符乘 5 个模板就是 180 次匹配单字大概 3 到 5 毫秒。如果一行有 11 个字符总耗时 50 毫秒左右加上前面的定位、增强、分割整张图在 150 毫秒内能出结果。这个速度在闸口场景够用但如果要处理视频流就得把模板匹配换成轻量分类网络比如把 MobileNet 剪枝后量化到 INT8单字推理能压到 1 毫秒以内。我自己的习惯是新场景上线前先跑 200 张图统计定位召回率和分割准确率这两个指标低于 95% 就不要急着调识别模型回去改定位和分割的参数。箱号识别这条链路里后悔药都在前面环节后面环节只能兜底。希望帮到你。本文还有配套的精品资源点击获取
简介这份PDF文献面向计算机视觉、图像处理方向的学习者与研究人员聚焦集装箱码头场景下号码自动识别这一实际问题。针对传统识别方法效率低、易出错且对光照条件敏感等痛点文中提出基于小波变换的集装箱号码定位方法利用垂直边缘检测过滤光照不均干扰并在字符分割阶段引入差分二值算法依据字符边缘特性与光照密集度的关系消除光照影响最终实现号码的高准确率自动识别。资源包内含1个PDF文件大小约554KB内容涵盖系统设计、图像采集与处理模块、号码定位与字符分割等关键技术环节并附有实验对比结果可作为图像识别方向的参考文献与专业指导材料。目前已有133人学习适合希望了解小波变换、差分二值化在字符识别中具体应用或需要为车牌识别、文档自动处理等相近课题寻找思路的读者参考借鉴。1. 集装箱号码识别从一张模糊的箱面照片说起港口闸口每天要过几千个箱子人工抄号不仅慢而且雨天、逆光、箱面磨损时错误率飙升。基于计算机视觉的集装箱号码识别系统要解决的就是把摄像头拍到的一张箱面照片自动转成一行准确的字母数字编号。它适合做智慧港口、物流园区、海关卡口的工程师也适合正在找计算机视觉大作业题目的学生——因为这条链路把图像定位、小波变换、字符分割、单字识别串成了一条完整的工程流水线每个环节都有可量化的指标和可复现的坑。我做过几版最深的体会是识别率上不去八成不是分类网络不行而是前面定位和分割把字符切坏了。这篇笔记就按我实际落地的顺序把每个环节的参数、代码和翻车点讲清楚。2. 箱号图像定位先找到号码区域再谈识别2.1 为什么不能整图直接送进 OCR集装箱箱面除了号码还有箱主代码、尺寸代码、重量标识、各种喷涂广告和锈迹。整图直接送 OCR模型会把大量非号码字符也识别出来后处理根本没法过滤。常见做法是先做区域定位把号码所在的那一行或那一块裁出来再交给后续环节。定位的难点在于箱面光照极不均匀侧光、逆光、雨滴反光都会让边缘检测失效。我一般先用颜色空间做粗筛再用形态学做精定位最后用投影法切出候选行。2.2 用颜色空间和形态学做粗定位箱号通常是白色或黑色喷涂在箱体底色上对比度相对稳定。把图像转到 HSV 空间对 V 通道做自适应直方图均衡再用固定阈值二值化能快速拿到候选区域。下面这段代码是我常用的粗定位流程依赖 OpenCV 和 NumPy。import cv2 import numpy as np def locate_container_number(img_path): img cv2.imread(img_path) # 缩放到统一宽度减少分辨率差异带来的参数漂移 h, w img.shape[:2] scale 1200.0 / w img cv2.resize(img, (1200, int(h * scale))) hsv cv2.cvtColor(img, cv2.COLOR_BGR2HSV) v hsv[:, :, 2] # CLAHE 抑制局部过曝和阴影clipLimit 一般取 2.0 到 3.0 clahe cv2.createCLAHE(clipLimit2.5, tileGridSize(8, 8)) v_eq clahe.apply(v) # 固定阈值在多数箱面上够用阈值 180 到 210 之间调 _, binary cv2.threshold(v_eq, 190, 255, cv2.THRESH_BINARY) # 横向开运算连接断裂的字符笔画核宽度取字符高度的 1.5 倍左右 kernel cv2.getStructuringElement(cv2.MORPH_RECT, (25, 5)) closed cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel) contours, _ cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) candidates [] for cnt in contours: x, y, bw, bh cv2.boundingRect(cnt) aspect bw / float(bh) area bw * bh # 箱号行宽高比通常在 4 到 12 之间面积过滤掉噪点 if 4 aspect 12 and area 3000: candidates.append((x, y, bw, bh)) return img, candidates逻辑说明先缩放统一宽度避免不同相机分辨率导致形态学核尺寸失配。CLAHE 的作用是拉平局部对比度参数 clipLimit 越大增强越猛但超过 3.0 会把锈迹也放大成噪点。阈值 190 是我在多个港口白天场景下的经验值夜间红外补光场景要降到 150 左右。横向开运算的核宽度很关键太窄连不上断笔太宽会把相邻字符粘成一团。面积阈值 3000 是配合 1200 宽度设定的换分辨率要按比例调。2.3 投影法切出号码行拿到候选框后还要在框内用水平投影找到字符行的上下边界再用垂直投影切出每个字符的左右边界。这一步的精度直接决定后面字符分割的质量。我一般先对候选框做二值化然后统计每一行的白色像素数找到投影值连续超过阈值的区间作为行边界。def refine_by_projection(img, box): x, y, bw, bh box roi img[y:ybh, x:xbw] gray cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) _, binary cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU) # 水平投影每行白点数 row_sum np.sum(binary 255, axis1) row_thresh bw * 0.15 # 白点占比超过 15% 视为字符行 rows np.where(row_sum row_thresh)[0] if len(rows) 0: return None top, bottom rows[0], rows[-1] # 垂直投影每列白点数 col_sum np.sum(binary[top:bottom1, :] 255, axis0) col_thresh (bottom - top) * 0.1 cols np.where(col_sum col_thresh)[0] if len(cols) 0: return None left, right cols[0], cols[-1] return (x left, y top, right - left, bottom - top)逻辑说明Otsu 阈值在箱面这种双峰不明显的图上有时会翻车如果发现二值化后白点占比超过 60%说明阈值选低了要改用固定阈值。行投影阈值取宽度的 15%是因为箱号字符笔画占行宽的比例大概在这个量级。列投影阈值取行高的 10%用来过滤掉上下边框的干扰。这一步的输出是一个更紧的矩形框后续所有处理都在这个框内做。3. 小波变换增强让模糊箱号变得可分割3.1 小波变换在箱号增强里到底做了什么箱号图像的主要退化是运动模糊、雨雾散射和低对比度。傅里叶变换做全局滤波会同时抹掉字符边缘的高频信息而小波变换把图像分解成不同频率的子带可以只对特定子带做增强。离散小波变换把图像拆成 LL、LH、HL、HH 四个子带LL 是低频近似LH 是水平细节HL 是垂直细节HH 是对角细节。字符的笔画边缘主要落在 LH 和 HL 子带噪声也混在里面。我的做法是对 LL 子带做对比度拉伸对 LH 和 HL 子带做阈值去噪后再放大最后逆变换回去。这样字符边缘变锐利背景噪声被压住。3.2 用 PyWavelets 做两层分解与增强下面这段代码用 PyWavelets 实现两层小波分解和子带增强。选 db4 小波是因为它的消失矩和字符笔画形状匹配得比较好两层分解能覆盖到笔画宽度的尺度。import pywt import numpy as np import cv2 def wavelet_enhance(gray_img): # 转 float 避免整数溢出 img gray_img.astype(np.float32) / 255.0 # 两层分解db4 小波 coeffs pywt.wavedec2(img, db4, level2) # coeffs[0] 是 LL2coeffs[1] 是 (LH2, HL2, HH2)coeffs[2] 是 (LH1, HL1, HH1) cA2 coeffs[0] # LL 子带对比度拉伸均值归一到 0.5标准差放大 1.5 倍 cA2 (cA2 - cA2.mean()) * 1.5 0.5 cA2 np.clip(cA2, 0, 1) new_coeffs [cA2] for detail_level in coeffs[1:]: new_details [] for d in detail_level: # 细节子带软阈值去噪阈值取子带标准差的 0.8 倍 thresh np.std(d) * 0.8 d_denoised pywt.threshold(d, thresh, modesoft) # 去噪后放大 1.3 倍增强边缘 new_details.append(d_denoised * 1.3) new_coeffs.append(tuple(new_details)) # 逆变换 enhanced pywt.waverec2(new_coeffs, db4) enhanced np.clip(enhanced, 0, 1) * 255 return enhanced.astype(np.uint8)逻辑说明分解层数选 2 是因为箱号字符高度在 1200 宽度下大概 40 到 60 像素两层分解后 LL2 的尺度正好覆盖笔画宽度。对比度拉伸的 1.5 倍是经验值超过 2.0 会让背景纹理也变明显。软阈值去噪的系数 0.8 比常用的 1.0 略低是为了保留更多弱边缘代价是残留少量噪声。细节子带放大 1.3 倍是补偿去噪带来的能量损失。逆变换后要 clip 回 0 到 255否则会出现过冲像素。3.3 增强前后的量化对比光看视觉效果不够我一般用两个指标判断增强是否有效字符区域和背景区域的对比度以及二值化后的连通域数量。下面这张表是我在一个测试集上跑出来的典型值。指标增强前增强后说明字符/背景对比度4278对比度提升约 85%二值化连通域数3719噪声连通域减少字符笔画断裂数83边缘更连续单张耗时0 ms18 ms1200 宽度下的开销对比度用字符区域平均灰度减背景区域平均灰度计算。连通域数用 8 邻域统计数量减少说明噪声被压住。笔画断裂数是人工标注的增强后明显下降。耗时 18 毫秒在闸口场景下完全可以接受如果相机帧率高可以只对定位到的候选区域做小波增强不要整图处理。4. 字符分割把一行箱号切成单个字符4.1 垂直投影分割的适用边界箱号字符是等宽字体理论上垂直投影应该出现清晰的波峰波谷。但实际图像里字符粘连、铆钉遮挡、喷漆不均都会让投影谷值不够低。我一般先用垂直投影做初步切分再用连通域做修正。如果投影谷值高于行高的 8%说明这两个字符粘住了要标记为待分割对后面用滴水算法或模板匹配补切。4.2 投影加连通域修正的分割代码def segment_characters(binary_row): h, w binary_row.shape # 垂直投影 col_sum np.sum(binary_row 255, axis0) # 谷值阈值行高的 8% valley_thresh h * 0.08 segments [] in_char False start 0 for i in range(w): if col_sum[i] valley_thresh and not in_char: in_char True start i elif col_sum[i] valley_thresh and in_char: in_char False if i - start 3: # 宽度小于 3 像素的段丢弃 segments.append((start, i)) if in_char: segments.append((start, w)) # 连通域修正对每个段做连通域分析去掉面积过小的噪点 refined [] for s, e in segments: roi binary_row[:, s:e] num, labels, stats, _ cv2.connectedComponentsWithStats(roi, connectivity8) # 保留最大连通域如果最大连通域面积占比小于 30% 则丢弃该段 if num 1: max_area max(stats[1:, cv2.CC_STAT_AREA]) if max_area / float(roi.size) 0.3: continue refined.append((s, e)) return refined逻辑说明谷值阈值取行高的 8% 是平衡漏切和过切的经验值箱号字体笔画粗低于这个值说明确实是字符间隙。宽度小于 3 像素的段直接丢弃那是噪点。连通域修正的作用是过滤掉那些投影上像字符但实际是孤立噪点的段。如果最大连通域面积占比太小说明这个段里没有完整字符丢掉比留着强。分割后的每个段要统一缩放到固定尺寸我一般缩到 32x64高度方向留一点余量。4.3 粘连字符的补救分割粘连是分割环节最常见的翻车点。两个字符粘在一起时投影谷值会消失。我的补救办法是对宽度超过单字符平均宽度 1.5 倍的段用垂直投影的局部最小值找切点。如果局部最小值不明显就用滴水算法从顶部往下滴遇到笔画就左右分流。滴水算法实现稍长这里给一个简化版在粘连段的中部区域找投影值最小的列作为切点如果最小值仍高于阈值就强制在中间切一刀宁可切坏也不留粘连。def split_merged(binary_row, seg, avg_width): s, e seg width e - s if width avg_width * 1.5: return [seg] roi binary_row[:, s:e] col_sum np.sum(roi 255, axis0) # 在中部 40% 区域找投影最小值 mid_start int(width * 0.3) mid_end int(width * 0.7) if mid_end mid_start: return [seg] local_min np.argmin(col_sum[mid_start:mid_end]) mid_start # 如果最小值仍高于行高的 15%强制中间切 if col_sum[local_min] binary_row.shape[0] * 0.15: local_min width // 2 return [(s, s local_min), (s local_min, e)]逻辑说明平均宽度 avg_width 从已分割出的正常字符段统计得到。中部 40% 区域是假设粘连点不会在字符边缘。强制切的条件是局部最小值仍高于行高的 15%说明投影上没有明显谷值。这个补救办法会引入少量错误切分但比整段丢弃的召回率高。切分后的两个段要分别做连通域检查如果某个段面积过小说明切偏了可以回退到不切。5. 避坑与排查箱号识别里最容易翻车的五件事5.1 现象白天识别正常傍晚集体失效原因傍晚光照色温变化大HSV 空间的 V 通道整体下移固定阈值 190 把字符和背景一起判成黑。解决把阈值改成基于图像均值的自适应值比如thresh np.mean(v_eq) * 1.3同时把 CLAHE 的 clipLimit 降到 2.0避免把暮色噪点放大。5.2 现象小波增强后字符边缘出现振铃原因db4 小波的消失矩不够高或者细节子带放大倍数超过 1.5逆变换时高频过冲。解决换 sym8 或 coif3 小波把细节放大倍数降到 1.1或者在逆变换前对细节子带做一次高斯平滑。振铃严重时宁可不用小波直接用非锐化掩模。5.3 现象字符分割把「0」和「O」切成两半原因箱号字体里 0 和 O 的中间区域投影值可能低于谷值阈值被误判为字符间隙。解决在分割后加一步宽高比检查如果某个段的宽高比小于 0.3说明切到了字符内部要把它和相邻段合并。合并后再重新检查宽高比。5.4 现象识别结果里混入箱体上的铆钉或污渍原因定位阶段面积阈值设得太低把铆钉也当成候选区域。解决提高面积阈值到 5000同时加一步长宽比过滤箱号行的长宽比不会低于 4。如果铆钉和字符粘连在分割阶段用连通域面积占比过滤占比小于 30% 的段丢弃。5.5 现象同一张图多次运行结果不一致原因OpenCV 的findContours在不同版本里返回的轮廓顺序可能不同导致候选框排序不稳定。解决在拿到候选框后按 x 坐标排序取最左边或最符合箱号位置规律的那个。另外connectedComponentsWithStats的标签顺序是确定的但如果在多线程里共享图像缓冲区会出现读写竞争要加锁或复制图像。6. 进阶技巧用模板匹配做单字识别的兜底分类网络在训练集覆盖不到的字体或磨损情况下会失效这时候模板匹配是一个可靠的兜底。我一般把箱号里出现的 36 个字符0-9 和 A-Z去掉 I、O、Q 等易混字符各准备 5 到 10 个模板覆盖不同磨损程度。匹配时用归一化相关系数取最高分对应的字符。如果最高分低于 0.6就标记为拒识转人工。def template_match(char_img, templates): # char_img 已缩放到 32x64二值化 best_char None best_score -1 for char, tmpl_list in templates.items(): for tmpl in tmpl_list: # 归一化相关系数匹配 res cv2.matchTemplate(char_img, tmpl, cv2.TM_CCOEFF_NORMED) score res.max() if score best_score: best_score score best_char char if best_score 0.6: return None, best_score return best_char, best_score逻辑说明模板匹配对尺寸和对齐敏感所以 char_img 和模板都必须缩放到同一尺寸并做中心对齐。TM_CCOEFF_NORMED 对亮度线性变化不敏感适合箱面光照不均的场景。阈值 0.6 是召回和精度的平衡点低于这个值拒识比错识好。模板数量不是越多越好同一字符的模板之间相关性太高会拖慢匹配速度我一般用聚类把 10 个模板压到 5 个。模板匹配的耗时和模板总数成正比36 个字符乘 5 个模板就是 180 次匹配单字大概 3 到 5 毫秒。如果一行有 11 个字符总耗时 50 毫秒左右加上前面的定位、增强、分割整张图在 150 毫秒内能出结果。这个速度在闸口场景够用但如果要处理视频流就得把模板匹配换成轻量分类网络比如把 MobileNet 剪枝后量化到 INT8单字推理能压到 1 毫秒以内。我自己的习惯是新场景上线前先跑 200 张图统计定位召回率和分割准确率这两个指标低于 95% 就不要急着调识别模型回去改定位和分割的参数。箱号识别这条链路里后悔药都在前面环节后面环节只能兜底。希望帮到你。本文还有配套的精品资源点击获取
