一.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

二.根据DPI计算1mm对应像素点
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:\Users\steph\Pictures\1分4\Image_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