第一版的劣势
原理同上一边博客记录，在基础上改造的更加细致些，100*100的贴标区域，很容易让原本就不大的FBA纸箱，留下更多空白区域，并且空白区域和原厂标签空隙不足贴下一张新的标签，导致东一张西一张，虽然能够满足规避原厂标签的初衷，但是如果客户需要贴多张标签，就会捉襟见肘
解决办法-提升精度
既然100*100的匹配，容易造成可贴标区域浪费，那么何不把精度提升到100倍呢？
把原来100*100的网格，细分为由10个10*10的网格组成，每次匹配可贴标区域，偏移一个10*10网格的网格，然后根据占用的这个10*10的网格，按照偏移的方向，向左向上分别获取相邻的10个网格，那不就组成了一个100*100的可贴标区域了吗？（当然如果需要可贴标区域利用率更高，可以缩小100倍，比如1*1的网格，获取相邻横向和纵向100个这样1*1网格，也可以组成100*100的可贴标区域，本文已经把网格大小提取出来，可用作扩展配置，本文抛砖引玉，有更好的想法可以一起交流完善）。
无图言屌，用一张粗糙的动态图，来说明第二版本提升精度的慢动作（最下面红色区域是硬件的物理钣金，已经根据上篇博客当作原厂标签标记了，所以标记为干扰区域）
先看最终效果
避免文字无趣，先看下实际的定位效果（红色标记原厂标签，黄色标记可贴区域坐标）
下面是模拟效果（红色区域是人工制造的FBA原厂标签），旋转纸箱不同方向的贴标效果
可以看到，无论纸箱如何旋转，新帖的标签，都可以完全避开.
废话少说，上源码
大部分源码在上个博文已经分享出来，以下附上改动点。（文章最后会附上不同纸箱的定位效果）
// 裁剪图像（从右下角开始保留指定尺寸）
var croppedImage = AvoidFactoryLabelSDK.CropImageFromBottomRight(originalImage, boxWidthMm, boxHeightMm);
if (croppedImage.Empty())
{
Console.WriteLine("裁剪后的图像为空");
return;
}
// 检测所有原厂面单位置
var labelPositions = AvoidFactoryLabelSDK.DetectOriginalLabelPositions(croppedImage);
Console.WriteLine($"检测到 {labelPositions.Count} 个原厂面单:");
foreach (var pos in labelPositions)
{
Console.WriteLine($"位置: {pos.GridCoordinate}, 尺寸: {pos.WidthMm:F1}mm × {pos.HeightMm:F1}mm");
}
// 查找可贴标签的位置
string availablePosition = AvoidFactoryLabelSDK.FindAvailableLabelPosition(croppedImage, labelPositions);
Console.WriteLine($"可贴标签的位置: {availablePosition}");
// 可视化结果（可选）
Bitmap resultbm = AvoidFactoryLabelSDK.VisualizeResults(croppedImage, labelPositions, availablePosition);
lblStatus.Text = availablePosition;
pictureBox1.Image = resultbm; /// <summary>
/// 原厂标签规避算法
/// </summary>
/// <param name="bmSource">原箱标签</param>
/// <param name="x">返回坐标X</param>
/// <param name="y">返回坐标y</param>
/// <param name="message">异常信息</param>
/// <param name="dpi">电脑DPI</param>
/// <returns></returns>
public static Bitmap AvoidFactoryLabelAlgorithm(string imagepath, double boxWidthMm, double boxHeightMm, out int x, out int y, out string message, double sizeF = 1.7, double dpi = 300)
{
message = string.Empty;
x = y = 1;
// 加载图像
var originalImage = Cv2.ImRead(imagepath, OpenCvSharp.ImreadModes.Grayscale);
//计算每毫米像素数 (基于300 DPI)
double PixelsPerMm = dpi / 25.4; // 约等于 11.811
// 计算面单灰度范围
CalculateLabelGrayRange();
ShellLine.WriteLine($"计算出的面单灰度范围: {MinLabelGray}-{MaxLabelGray}");
// 裁剪图像（从右下角开始保留指定尺寸）
var croppedImage = CropImageFromBottomRight(originalImage, boxWidthMm, boxHeightMm);
if (croppedImage.Empty())
{
ShellLine.WriteLine("裁剪后的图像为空");
return croppedImage.ToBitmap();
}
// 检测所有原厂面单位置
var labelPositions = DetectOriginalLabelPositions(croppedImage);
ShellLine.WriteLine($"检测到 {labelPositions.Count} 个原厂面单:");
foreach (var pos in labelPositions)
{
ShellLine.WriteLine($"位置: {pos.GridCoordinate}, 尺寸: {pos.WidthMm:F1}mm × {pos.HeightMm:F1}mm");
}
// 查找可贴标签的位置
string availablePosition = FindAvailableLabelPosition(croppedImage, labelPositions);
ShellLine.WriteLine($"可贴标签的位置: {availablePosition}");
x = availablePosition.Split('-')[0].ToIntExt();
y = availablePosition.Split('-')[1].ToIntExt();
// 可视化结果（可选）
Bitmap resultMap = VisualizeResults(croppedImage, labelPositions, availablePosition);
return resultMap;
} // 根据颜色列表计算面单灰度范围
public static void CalculateLabelGrayRange()
{
var grayValues = new List<int>();
foreach (var colorHex in LabelColors)
{
// 将十六进制颜色转换为RGB
System.Drawing.Color color = ColorTranslator.FromHtml(colorHex);
// 计算灰度值 (使用标准公式: 0.299*R + 0.587*G + 0.114*B)
int grayValue = (int)(0.299 * color.R + 0.587 * color.G + 0.114 * color.B);
grayValues.Add(grayValue);
Console.WriteLine($"颜色 {colorHex} 的灰度值: {grayValue}");
}
// 计算最小和最大灰度值，并扩展范围以容纳类似颜色
MinLabelGray = grayValues.Min() - 10;
MaxLabelGray = grayValues.Max() + 10;
// 确保范围在0-255之间
MinLabelGray = Math.Max(0, MinLabelGray);
MaxLabelGray = Math.Min(255, MaxLabelGray);
} // 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;
} // 查找可贴标签的位置（使用10mm×10mm基础网格）
public static string FindAvailableLabelPosition(OpenCvSharp.Mat image, List<LabelPosition> labelPositions)
{
// 获取图像尺寸
int rows = image.Rows;
int cols = image.Cols;
// 计算基础网格行列数
int baseGridCols = (int)Math.Ceiling((double)cols / BaseGridSizePixels);
int baseGridRows = (int)Math.Ceiling((double)rows / BaseGridSizePixels);
// 从右下角开始查找（先横向，再纵向）
for (int baseRow = 0; baseRow < baseGridRows; baseRow++)
{
for (int baseCol = 0; baseCol < baseGridCols; baseCol++)
{
// 计算当前基础网格的像素坐标（右下角）
int baseX = cols - baseCol * BaseGridSizePixels;
int baseY = rows - baseRow * BaseGridSizePixels;
// 计算100mm×100mm区域的像素坐标
int labelX = baseX - LabelSizePixels;
int labelY = baseY - LabelSizePixels;
// 检查区域是否在图像范围内
if (labelX < 0 || labelY < 0)
continue;
// 创建100mm×100mm区域矩形
Rect labelRect = new Rect(labelX, labelY, LabelSizePixels, LabelSizePixels);
// 检查区域是否与任何原厂标签相交
bool intersects = false;
foreach (var labelPos in labelPositions)
{
if (labelRect.IntersectsWith(labelPos.Rect))
{
intersects = true;
break;
}
}
// 如果不相交，则返回当前位置
if (!intersects)
{
// 转换为网格坐标 (baseRow+1, baseCol+1)
return $"{baseRow + 1}-{baseCol + 1}";
}
}
}
// 如果没有找到可用位置，返回默认位置
return "1-1";
} // 可视化结果
public static Bitmap VisualizeResults(OpenCvSharp.Mat image, List<LabelPosition> labelPositions, string availablePosition)
{
var colorImage = new OpenCvSharp.Mat();
Cv2.CvtColor(image, colorImage, ColorConversionCodes.GRAY2BGR);
int rows = image.Rows;
int cols = image.Cols;
// 绘制网格
for (int x = 0; x < cols; x += BaseGridSizePixels)
{
Cv2.Line(colorImage, new OpenCvSharp.Point(x, 0), new OpenCvSharp.Point(x, rows), Scalar.Green, 5);
}
for (int y = 0; y < rows; y += BaseGridSizePixels)
{
Cv2.Line(colorImage, new OpenCvSharp.Point(0, y), new OpenCvSharp.Point(cols, y), Scalar.Green, 5);
}
// 标记所有原厂面单位置（红色）
foreach (var labelPos in labelPositions)
{
Cv2.Rectangle(colorImage,
labelPos.Rect.TopLeft,
labelPos.Rect.BottomRight,
Scalar.Red, 3);
// 添加标签文本
Cv2.PutText(colorImage,
labelPos.GridCoordinate,
new OpenCvSharp.Point(labelPos.Rect.X, labelPos.Rect.Y - 5),
HersheyFonts.HersheySimplex,
0.5,
Scalar.Red,
3);
}
// 标记可贴标签位置（黄色）
if (!string.IsNullOrEmpty(availablePosition) && availablePosition != "1-1")
{
var parts = availablePosition.Split('-');
if (parts.Length == 2)
{
int row = int.Parse(parts[0]);
int col = int.Parse(parts[1]);
// 计算100mm×100mm区域的像素坐标
int x = cols - col * BaseGridSizePixels - LabelSizePixels;
int y = rows - row * BaseGridSizePixels - LabelSizePixels;
// 确保区域在图像范围内
if (x < 0) x = 0;
if (y < 0) y = 0;
int width = Math.Min(LabelSizePixels, cols - x);
int height = Math.Min(LabelSizePixels, rows - y);
if (width > 0 && height > 0)
{
Cv2.Rectangle(colorImage,
new OpenCvSharp.Point(x, y),
new OpenCvSharp.Point(x + width, y + height),
Scalar.Yellow, 3);
// 添加标签文本
Cv2.PutText(colorImage,
availablePosition,
new OpenCvSharp.Point(x + 10, y + 30),
HersheyFonts.HersheySimplex,
1,
Scalar.Yellow,
3);
}
}
}
return colorImage.ToBitmap();
}
}demo展示效果
结束语
感谢各位耐心查阅！ 如果您有更好的想法欢迎一起交流，有不懂的也可以微信公众号联系博主，作者公众号会经常发一些实用的小工具和demo源码，需要的可以去看看！另外，如果觉得本篇博文对您或者身边朋友有帮助的，麻烦点个关注！赠人玫瑰，手留余香，您的支持就是我写作最大的动力，感谢您的关注，期待和您一起探讨！再会！
