OpenCvSharp基于颜色反差规避FBA面单贴标

01

规避原理

1.抠图，根据色差或者根据固定包裹位置以及包裹尺寸抠出纸箱图片

2.色差，获取纸箱上所有背景色的灰度值

3.采图，采集大量视野相同，光源相同面单的色差灰度值，整理区间

4.取反，所有非面单灰度值区间的，都认为是纸箱背景色

02

1. 根据DPI计算1mm对应像素点。

2. 获取吸取的颜色，计算灰度值

 

// 300 DPI 计算：每毫米像素数 = 300 / 25.4 ≈ 11.81
private const double PixelsPerMm = 300.0 / 25.4 ;
private static int LabelSizePixels = Convert.ToInt32(Math.Ceiling((int)(95 * PixelsPerMm) / 1.7)); // 100mm × 100mm

// 面单颜色列表（十六进制格式）
private static readonly List<string> LabelColors = new List<string>
{
	"#E2E2E0", "#DEDEDC", "#E0E0DE", "#CCCCCA", "#B2B2B0", "#C2C2C0","#FFFFFF","#FEFEFE","#FCFCFC" ,"#ADADAD"
};

// 计算出的面单灰度范围
private static int MinLabelGray;
private static int MaxLabelGray;

// 加载图像
var originalImage = Cv2.ImRead(@"D:UsersstephPictures1分4Image_20250913210539498.jpg", OpenCvSharp.ImreadModes.Grayscale);

// 计算面单灰度范围
CalculateLabelGrayRange();
Console.WriteLine($"计算出的面单灰度范围: {MinLabelGray}-{MaxLabelGray}");


if (originalImage.Empty())
{
	Console.WriteLine("无法加载图像");
	return;
}

此处用第二种最简单方式演示，视野固定包裹位置，根据计算包裹的尺寸，扣除原箱外观

// 从右下角裁剪图像
private static OpenCvSharp.Mat CropImageFromBottomRight(OpenCvSharp.Mat image, double widthMm, double heightMm)
{
	// 将毫米转换为像素
	int widthPixels = (int)(widthMm * PixelsPerMm/1.7);
	int heightPixels = (int)(heightMm * PixelsPerMm/1.7);

	// 获取图像尺寸
	int imgWidth = image.Cols;
	int imgHeight = image.Rows;

	// 计算裁剪区域的左上角坐标
	int x = Math.Max(0, imgWidth - widthPixels);
	int y = Math.Max(0, imgHeight - heightPixels);

	// 确保裁剪区域不超出图像边界
	widthPixels = Math.Min(widthPixels, imgWidth - x);
	heightPixels = Math.Min(heightPixels, imgHeight - y);

	// 检查裁剪区域是否有效
	if (widthPixels <= 0 || heightPixels <= 0)
	{
		Console.WriteLine($"无效的裁剪区域: x={x}, y={y}, width={widthPixels}, height={heightPixels}");
		return image.Clone(); // 返回原始图像的副本
	}

	Console.WriteLine($"裁剪区域: x={x}, y={y}, width={widthPixels}, height={heightPixels}");

	// 裁剪图像
	return new OpenCvSharp.Mat(image, new Rect(x, y, widthPixels, heightPixels));
}

根据裁切后的原箱外观，以及灰度值区间，定位原厂面单位置

// 检测所有原厂面单位置
public static List<LabelPosition> DetectOriginalLabelPositions(OpenCvSharp.Mat image)
{
	var labelPositions = new List<LabelPosition>();

	// 二值化图像以分离面单区域
	var binary = new OpenCvSharp.Mat();
	Cv2.Threshold(image, binary, MinLabelGray, 255, ThresholdTypes.Binary);

	// 形态学操作去除噪声
	var kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(5, 5));
	Cv2.MorphologyEx(binary, binary, MorphTypes.Open, kernel);

	// 查找轮廓
	Cv2.FindContours(binary, out var contours, out _, RetrievalModes.External, ContourApproximationModes.ApproxSimple);

	// 过滤轮廓（按面积）
	var filteredContours = contours.Where(c => Cv2.ContourArea(c) > 1000).ToList();

	// 处理每个轮廓
	foreach (var contour in filteredContours)
	{
		// 获取轮廓的边界矩形
		var rect = Cv2.BoundingRect(contour);

		// 转换为网格坐标
		string gridCoordinate = ConvertToGridCoordinate(rect, image.Rows, image.Cols);

		// 计算实际尺寸（毫米）
		double widthMm = rect.Width / PixelsPerMm;
		double heightMm = rect.Height / PixelsPerMm;

		// 添加到结果列表
		labelPositions.Add(new LabelPosition
		{
			Rect = rect,
			GridCoordinate = gridCoordinate,
			WidthMm = widthMm,
			HeightMm = heightMm
		});
	}

	return labelPositions;
}

检查可贴标签位置是否与原厂标签有交集，检查可贴区域是否超过原箱尺寸，此处我们以新帖面单大小100mm*100mm为例。没有可贴标签位置默认选择1-1位置贴标

// 检测所有原厂面单位置
public static List<LabelPosition> DetectOriginalLabelPositions(OpenCvSharp.Mat image)
{
	var labelPositions = new List<LabelPosition>();

	// 二值化图像以分离面单区域
	var binary = new OpenCvSharp.Mat();
	Cv2.Threshold(image, binary, MinLabelGray, 255, ThresholdTypes.Binary);

	// 形态学操作去除噪声
	var kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(5, 5));
	Cv2.MorphologyEx(binary, binary, MorphTypes.Open, kernel);

	// 查找轮廓
	Cv2.FindContours(binary, out var contours, out _, RetrievalModes.External, ContourApproximationModes.ApproxSimple);

	// 过滤轮廓（按面积）
	var filteredContours = contours.Where(c => Cv2.ContourArea(c) > 1000).ToList();

	// 处理每个轮廓
	foreach (var contour in filteredContours)
	{
		// 获取轮廓的边界矩形
		var rect = Cv2.BoundingRect(contour);

		// 转换为网格坐标
		string gridCoordinate = ConvertToGridCoordinate(rect, image.Rows, image.Cols);

		// 计算实际尺寸（毫米）
		double widthMm = rect.Width / PixelsPerMm;
		double heightMm = rect.Height / PixelsPerMm;

		// 添加到结果列表
		labelPositions.Add(new LabelPosition
		{
			Rect = rect,
			GridCoordinate = gridCoordinate,
			WidthMm = widthMm,
			HeightMm = heightMm
		});
	}

	return labelPositions;
}

可视化结果，以绿色网格铺满原箱，以红色区域标定原厂标签位置，以蓝色网格标定可贴标签位置，返回可视化结果

// 检测所有原厂面单位置
public static List<LabelPosition> DetectOriginalLabelPositions(OpenCvSharp.Mat image)
{
	var labelPositions = new List<LabelPosition>();

	// 二值化图像以分离面单区域
	var binary = new OpenCvSharp.Mat();
	Cv2.Threshold(image, binary, MinLabelGray, 255, ThresholdTypes.Binary);

	// 形态学操作去除噪声
	var kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(5, 5));
	Cv2.MorphologyEx(binary, binary, MorphTypes.Open, kernel);

	// 查找轮廓
	Cv2.FindContours(binary, out var contours, out _, RetrievalModes.External, ContourApproximationModes.ApproxSimple);

	// 过滤轮廓（按面积）
	var filteredContours = contours.Where(c => Cv2.ContourArea(c) > 1000).ToList();

	// 处理每个轮廓
	foreach (var contour in filteredContours)
	{
		// 获取轮廓的边界矩形
		var rect = Cv2.BoundingRect(contour);

		// 转换为网格坐标
		string gridCoordinate = ConvertToGridCoordinate(rect, image.Rows, image.Cols);

		// 计算实际尺寸（毫米）
		double widthMm = rect.Width / PixelsPerMm;
		double heightMm = rect.Height / PixelsPerMm;

		// 添加到结果列表
		labelPositions.Add(new LabelPosition
		{
			Rect = rect,
			GridCoordinate = gridCoordinate,
			WidthMm = widthMm,
			HeightMm = heightMm
		});
	}

	return labelPositions;
}

看看效果1，运行看看效果.（如下图纸箱长400，高190）白色原厂面单占据了前面6个网格，最后两个网格超过原箱尺寸无效，默认返回第一个网格(视情况自定义)

保持期待 奔赴山海KEEP LOOKING FORWARD TO GOING

效果2.原厂标签占据第一个和中间4个网格，可贴标签区域蓝色网格标识，并返回可贴坐标