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影响完整呈现了图像定位与字符分割两大关键技术的实现思路。资源包内含1个PDF文件大小约554KB属于典型的学术参考文献类型适合作为课程设计、毕业课题或工程方案的技术参考。目前已有133人学习浏览。读者可从中获取系统模块划分、算法设计逻辑与实验对比结论理解小波变换与差分二值化在复杂光照下的应用价值并可将思路迁移至车牌识别、文档自动处理等相近领域。1. 集装箱号码识别系统为什么光照不均比字符粘连更致命做过港口闸口项目的人多半有过这种体验白天拍得好好的箱子一到傍晚逆光或者雨雾天识别率直接腰斩。集装箱号码识别Container Number RecognitionCNR本质上是一套光学字符识别流水线但它和车牌识别最大的差别在于——集装箱箱体是垂直凹凸的波纹结构光照打上去之后垂直方向的明暗条纹会直接混进字符边缘里。传统车牌那套「灰度化 → 大津法二值化 → 形态学膨胀 → 连通域切分」的流程搬过来遇到侧光基本就翻车。这份《基于计算机视觉的集装箱号码识别系统》给出的思路是在预处理阶段用二维 Mallat 小波分解只取垂直方向的高频分量也就是水平方向高频、竖直方向边缘的那一路来定位号码区域把光照造成的垂直干扰过滤掉在字符分割阶段改用差分二值算法根据字符边缘特性和光照密集度的关系做自适应阈值。适合谁看做智能闸口、堆场 OCR、工业相机字符识别的工程师以及想拿计算机视觉大作业练手的学生。下面我按「系统怎么搭 → 小波定位怎么落 → 差分二值怎么切 → 坑在哪 → 怎么验证」拆开讲。2. 系统架构与图像采集从地感线圈到 24 位彩色位图2.1 三个模块的职责边界原文把系统拆成图像采集、图像处理、数据库管理三块。采集模块由传感器常见是地感线圈、工业摄像机、图像采集卡和辅助光源组成处理模块负责预处理、号码定位、字符分割、字符识别数据库模块做号码信息的更新与维护。作者明确说采集和数据库技术相对成熟重点研究图像处理模块——这个判断在工程上是对的因为采集端只要触发时序对、曝光稳剩下的识别率问题八成出在预处理和分割。触发逻辑值得说清楚传感器判断有集装箱到达 → 激活图像采集 → 摄像机模拟信号经采集卡转成数字图像 → 光照不足时开启辅助光源。这里有个容易被忽略的点辅助光源不是常亮的它和快门要同步否则补光会变成新的干扰源。2.2 灰度化与去噪的落地写法采集卡出来的是 24 位彩色位图第一步灰度化。原文给的加权公式是标准的 ITU-R BT.601 亮度公式import numpy as np def to_gray(bgr): # bgr: HxWx3, uint8, OpenCV 默认 BGR 顺序 b, g, r bgr[:, :, 0], bgr[:, :, 1], bgr[:, :, 2] # 原文系数0.299R 0.587G 0.114B gray 0.299 * r 0.587 * g 0.114 * b return gray.astype(np.uint8)系数 0.587 给绿色通道最高权重是因为人眼对绿光最敏感这跟后续识别无关纯粹是让灰度图更接近人眼观感。如果你的相机是 RGB 输出记得先转 BGR 再套这个公式否则 R 和 B 会互换字符对比度会莫名其妙变差。去噪用邻域平均法也就是均值滤波。原文强调「消除噪声又保持图像细节」但均值滤波本身是会糊边缘的所以核不能大import cv2 def denoise(gray): # 3x3 均值滤波核再大字符笔画就糊了 return cv2.blur(gray, (3, 3))参数说明核尺寸 3×3 是经验值。集装箱号码字符高度通常在 100~200 像素取决于相机分辨率和安装距离3×3 核造成的边缘模糊在可接受范围内如果换成 5×5细笔画比如数字 1容易断。2.3 二值化为什么不能直接用大津法去噪之后原文用最大类间方差法Otsu做二值化。Otsu 的原理是找一个阈值让前景和背景的类间方差最大它在光照均匀时非常好用但集装箱采集环境复杂光照不均时全局阈值必然失效——亮区全白、暗区全黑字符直接消失。这就是为什么作者要引入小波变换也是这套系统区别于普通车牌识别的核心。提示如果你的现场光照非常稳定比如全封闭闸口加固定补光Otsu 其实够用不必上小波。小波的价值在户外、侧光、逆光这些不可控场景。3. 小波变换定位号码Mallat 算法与垂直边缘提取3.1 二维 Mallat 分解到底在做什么小波变换在工程里常用 Mallat 算法。图像是二维信号二维 Mallat 在可分离情况下分两步先沿行方向用低通滤波器 LD 和高通滤波器 HD 分解得到平滑分量和差值分量再对这两个分量沿列方向分别用 LD 和 HD 分解最终得到四个分量分量含义对应边缘方向LL行、列均低频近似图像平滑LH行低频、列高频水平方向边缘HL行高频、列低频竖直方向边缘HH行、列均高频对角方向边缘原文的关键判断是集装箱外形呈垂直凹凸结构光照影响主要集中在垂直方向所以取 LH 分量水平方向高频、即竖直方向的边缘图像能突出字符的关键位置同时过滤掉光照造成的垂直干扰。这个选型逻辑要记住——不是随便取一个高频分量而是根据干扰的物理方向来选。3.2 用 PyWavelets 复现分解与重构import pywt import numpy as np def wavelet_vertical_edge(gray): # 单层二维小波分解使用 db1Haar小波 coeffs pywt.dwt2(gray, db1) LL, (LH, HL, HH) coeffs # LH: 行低频、列高频 - 竖直方向边缘正是我们要的 # 把 LH 单独重构回原图尺寸便于后续二值化 zeros np.zeros_like(LH) edge pywt.idwt2((zeros, (LH, zeros, zeros)), db1) return np.abs(edge).astype(np.uint8)逻辑说明dwt2返回的(LH, HL, HH)顺序在不同版本里可能不同务必打印 shape 确认。重构时把 LL、HL、HH 置零只保留 LH得到的就是竖直边缘图。参数db1即 Haar 小波优点是计算快、边缘定位准如果字符笔画较粗、噪声大可以换db2或sym4但分解层数别超过 2 层否则字符结构会被过度平滑。3.3 定位后的矩形化处理预处理后图像只有 0 和 10 是黑色背景1 是白色前景。原文沿用车牌识别里的矩形化思想设 g(i,j) 为处理前像素、f(i,j) 为处理后像素通过矩形化把号码区域框出来。工程上更常见的做法是投影法配合形态学import cv2 def locate_plate(edge_bin): # 水平投影找号码行的上下边界 row_sum edge_bin.sum(axis1) rows np.where(row_sum 0.3 * row_sum.max())[0] if len(rows) 0: return None y1, y2 rows[0], rows[-1] # 垂直投影找左右边界 col_sum edge_bin[y1:y2, :].sum(axis0) cols np.where(col_sum 0.3 * col_sum.max())[0] x1, x2 cols[0], cols[-1] return x1, y1, x2, y2参数说明0.3 这个比例系数是经验值用来过滤投影曲线上的小波动。系数调大定位框更紧但可能切掉字符调小框更松但会带进背景。建议先用一批现场图跑一遍看投影曲线再定。注意小波分解会改变图像尺寸下采样定位坐标要乘回 2 才能映射到原图这个换算漏掉的话框会偏一半是新手最常见的翻车点。4. 差分二值与字符分割把号码切成单个字符4.1 差分二值算法的思路字符分割是把定位后的号码区域切成单个独立字符再送识别程序。原文用差分二值算法核心是根据字符边缘特性与光照影响的密集度关系来消除光照影响。通俗讲光照不均会让同一幅图里不同区域的合适阈值不一样全局阈值切不干净于是用局部窗口内的差分信息动态决定每个像素是黑是白。def differential_binarize(gray, win15, k0.2): # 局部均值作为背景估计 bg cv2.blur(gray, (win, win)) # 像素与局部背景的差分 diff gray.astype(np.int16) - bg.astype(np.int16) # 差分超过局部背景一定比例判为前景 binary (diff k * bg).astype(np.uint8) * 255 return binary逻辑说明win是局部窗口大小要略大于单个字符笔画宽度太小会把笔画内部判成背景太大就退化成全局阈值。k是差分比例控制前景判定松紧。这两个参数没有万能值必须按你的相机分辨率和字符实际像素尺寸调。4.2 垂直投影切分字符二值化之后用垂直投影切字符这是最稳的做法def split_chars(binary): col_sum binary.sum(axis0) / 255 # 找到投影为 0 的间隙作为切分点 gaps np.where(col_sum 0)[0] if len(gaps) 0: return [] # 把连续间隙合并成区间 segments, start [], gaps[0] for i in range(1, len(gaps)): if gaps[i] ! gaps[i-1] 1: segments.append((start, gaps[i-1])) start gaps[i] segments.append((start, gaps[-1])) # 过滤过窄的间隙噪声 chars [] prev_end 0 for s, e in segments: if s - prev_end 5: # 字符宽度阈值 chars.append((prev_end, s)) prev_end e return chars参数说明s - prev_end 5这个阈值用来过滤噪声造成的小间隙。集装箱号码标准是 4 个字母加 7 位数字比如 CSQU 305438 2字符间距相对固定可以据此反推合理的宽度范围把明显不符的区间丢掉。4.3 分割质量直接决定识别率字符分割是整个流水线里最脆弱的一环。定位偏一点、二值化阈值差一点切出来的字符就可能多一块或少一块。原文的实验结论是改进方法比传统方法识别率更高本质上是分割阶段把光照干扰压下去了。工程上建议在分割后加一步归一化把所有字符缩放到统一尺寸再送识别def normalize_char(char_img, size(32, 64)): return cv2.resize(char_img, size, interpolationcv2.INTER_AREA)尺寸 32×64 是字符识别的常见输入规格具体按你后面用的识别模型定。归一化能消除字符大小差异对模板匹配和轻量 CNN 都有帮助。5. 避坑与排查五个真实踩过的坑5.1 小波分量选错光照没滤掉反而更糊现象用了小波分解但定位框还是被光照条纹带偏。原因取了 LL 或 HH 分量。LL 是平滑近似光照信息全在里面HH 是对角边缘跟竖直字符边缘不匹配。解决确认取的是 LH行低频、列高频打印四个分量的图对比一眼就能看出来。5.2 定位坐标没做尺寸还原现象定位框整体偏移只框住号码的一半。原因小波分解做了下采样坐标是在缩小后的图上算的直接拿去切原图就错位。解决定位坐标统一乘 2 映射回原图或者干脆在分解前记录缩放比例。5.3 差分二值的窗口参数照搬别人现象换一个现场二值化结果全黑或全白。原因win和k跟相机分辨率、字符像素尺寸强相关照搬必翻车。解决先量出字符实际高度win取字符高度的 1/3 到 1/2k从 0.15 开始试看二值图调。5.4 辅助光源和快门不同步现象补光开了之后图像出现明暗带识别率反而下降。原因光源频闪和相机曝光不同步产生条纹。解决用直流光源或与相机同步的频闪光源曝光时间避开光源闪烁周期。5.5 字符切分阈值写死现象某些箱号切出来字符粘连或断裂。原因切分阈值是固定值没考虑不同箱体字符间距差异。解决按集装箱号码标准格式4 字母 7 位数字约束字符数量和宽度范围超出范围的切分结果直接判为异常重切。6. 验证方法与一个实用技巧用投影曲线反查问题出在哪系统搭完怎么验证别只看最终识别率那个数字太笼统出问题不知道往哪查。我的习惯是分阶段留中间图灰度图、去噪图、小波 LH 分量图、二值图、定位框叠加图、切分结果图每张都存下来。识别错了顺着这条链往回看哪一步开始不对问题就在那一步。一个具体技巧把垂直投影曲线画出来叠加在原图上。正常的号码区域投影曲线应该是一串清晰的峰谷峰对应字符笔画谷对应字符间隙。如果曲线毛刺很多、谷底不干净说明二值化没做好回去调差分参数如果曲线整体被一个宽峰包住说明定位框太大把背景带进来了。import matplotlib.pyplot as plt def debug_projection(binary, gray): col_sum binary.sum(axis0) / 255 fig, axes plt.subplots(2, 1, figsize(12, 6)) axes[0].imshow(gray, cmapgray) axes[0].set_title(gray) axes[1].plot(col_sum) axes[1].set_title(vertical projection) plt.savefig(debug_projection.png, dpi150)这张图能同时看到原图和投影曲线峰谷位置一目了然。我一般会拿十几张不同光照条件的现场图各跑一遍把投影曲线并排看很快就能找到参数适用的边界。还有一点小波变换的层数不要贪多。单层分解对集装箱号码这种字符尺寸已经够用两层以上虽然能进一步压制光照但字符边缘也会被平滑掉得不偿失。我试过三层分解定位框是干净了但细笔画字符直接消失识别率反而掉。从那以后我每次上小波预处理都强制先跑单层确认效果不够再考虑加层绝不一步到位。希望帮到你。本文还有配套的精品资源点击获取