企业官网建设流程全解析

简介：这份资料是面向高校信息类、自动化及计算机专业学生的Matlab车牌识别课程设计报告，附带可运行源代码，适合用于课程设计、期末项目或图像处理入门实践。报告围绕车牌定位、字符分割与字符识别展开，涉及灰度化、图像增强、二值化、开闭运算、垂直投影分割、模板匹配与神经网络识别等关键环节，并包含总体方案、设计流程、结果分析、测试验证、技术挑战与优化、总结体会及参考文献，能帮助读者理解从图像预处理到车牌号码输出的完整实现思路。包内共1个docx文件，约1.37MB，以课程设计报告为主体并附源代码，便于对照文档复现实验和整理答辩材料。已有116人学习，适合需要参考完整设计框架、算法流程和排错思路的学生与初学者。

1. 车牌识别为什么难在“定位”，而不是“认字”

用 MATLAB 搭一套车牌识别系统，多数人第一反应是“认字”最难——毕竟那才是智能的部分。但把这条流水线拆开看，真正的关键在于前三步：灰度化之后的背景减除、形态学把碎边缘焊成候选框、投影法找出字符边界。识别那一步只是拿切好的 22×14 小图去样本库里逐个相减，取误差最小的那张，朴素得近乎粗暴。

这也解释了一个常见现象：同一套代码，换一张光照均匀、车牌端正、背景干净的照片，识别率接近满分；换一张阴天倾斜、车身反光的照片，立刻掉到一半以下。定位框偏了三个像素，后面再精巧的匹配算法也全盘皆输。搞懂这条流水线每一步在依赖什么假设、这些假设在什么条件下会失效，比背下代码本身有用得多。

2. 预处理链：为什么必须先估一张背景图再相减

2.1 灰度化省下的不只是内存

彩色图三个通道，灰度图一个通道，存储和运算量直接降到三分之一，这是最表层的动机。更关键的是 rgb2gray 的加权方式：

% 彩色转灰度，MATLAB 内部按 Rec.601 亮度公式加权 Sgray = rgb2gray(Scolor); % 等价于：0.2989*R + 0.5870*G + 0.1140*B

它并不是三通道简单平均，而是按人眼亮度感知加权——绿色权重最高，蓝色最低。这个细节对蓝底白字的车牌影响很大：蓝色分量在亮度公式里只占 11.4%，白字三个通道都高。如果图省事写成(R+G+B)/3，蓝底会被抬得过高，白字和蓝底的灰度差被压缩，后面的阈值分割就更难切干净。加权灰度化等于免费获得了一次对比度增强。

顺带说，MATLAB 的rgb2gray对 uint8 输入会做饱和处理并返回 uint8，不会有溢出回绕的问题，可以放心接后续的形态学操作。

2.2 用开运算估背景，其实是一次顶帽变换

这段代码是全篇最值得琢磨的地方：

s = strel('disk', 13); % 半径 13 的圆盘结构元素 Bgray = imopen(Sgray, s); % 开运算：先腐蚀后膨胀 Egray = imsubtract(Sgray, Bgray); % 原图减去背景

开运算的物理意义是“抹掉所有比结构元素小的亮细节”。半径 13 的圆盘，只要某块亮区的尺寸小于这个圆盘，它就会被腐蚀吃掉，膨胀也救不回来。车牌字符的笔画宽度通常远小于 13 像素，于是被抹得干干净净；而光照不均、路面渐变这类大尺度、低频的亮度变化，圆盘装不下，被完整保留下来。

所以Bgray并不是真正的“背景”，而是一张低频亮度趋势图。用它去减原图，等价于数字图像处理里的顶帽变换：

% 这两行与上面的开运算+减法完全等价 Egray = imtophat(Sgray, strel('disk', 13));

顶帽变换的作用就是提取“比结构元素小的亮目标”，同时压制不均匀光照。这一步的设计动机非常明确：自然环境下拍摄的车牌，光照从来不是均匀的，直接对原图取全局阈值，亮的一侧字符和背景一起变白，暗的一侧一起变黑。先减掉低频趋势，剩下的就是相对亮度，阈值才有意义。

有个必须注意的实现细节：imsubtract是饱和减法。uint8 相减出现负值时直接截断为 0，不会回绕成 255。如果换成手写的Sgray - Bgray，MATLAB 会自动提升为 double，负值保留下来，后面im2bw处理时行为就完全不同了。这个差别在调试时极容易被忽略。

提示：结构元素的半径是关键参数。太小（比如 5）抹不掉笔画，背景图里还留着字符；太大（比如 30）会把车牌边框也当成背景减掉，字符带整体变暗。半径取“明显大于笔画宽度、明显小于光照变化尺度”是比较稳妥的直觉。

2.3 阈值那行(max-(max-min)/3)/255到底在赌什么

fmax1 = double(max(max(Egray))); % 增强图的最大灰度 fmin1 = double(min(min(Egray))); % 增强图的最小灰度 level = (fmax1 - (fmax1 - fmin1) / 3) / 255; % 落在动态范围上 2/3 处 bw22 = im2bw(Egray, level); % im2bw 的阈值必须归一化到 [0,1]

im2bw的第二个参数是 [0,1] 区间的归一化阈值，所以最后要除以 255。阈值取在fmax - (fmax-fmin)/3，也就是把整个动态范围的上三分之一划为白色，下三分之二划为黑色。

为什么是三分之一？没有推导，没有理论依据，就是调出来的经验值。它背后的假设是：增强之后，字符像素是全图最亮的一批，而且字符像素占全图的比例不超过三分之一。对于一张车牌居中、背景被顶帽压平的图，这个假设基本成立。

问题在于，这个阈值完全由两个极值决定。图像里只要有一个高亮反光点，fmax就被拉到 255，阈值跟着上浮，字符可能整片变黑；反过来，如果图像整体偏暗，fmin贴近 0，阈值同样漂移。用极值定阈值，等于把整张图的命运交给一个离群点。

更稳的做法是换成 Otsu：

level = graythresh(Egray); % 最大化类间方差，返回 [0,1] 归一化阈值 bw22 = im2bw(Egray, level); % 新版 MATLAB 可写成 imbinarize(Egray)

Otsu 遍历所有可能阈值，选让前景和背景类间方差最大的那个。它同样假设双峰直方图，但对极值不敏感，抗噪能力强得多。原代码坚持用极值法，换来的是计算量极小、在受控光照下足够用——这是典型的课程设计取舍。

2.4 Canny 边缘：为什么选它、为什么输入是二值图

grd = edge(bw2, 'canny'); % 对二值图做 Canny，提取区域轮廓

Canny 的完整流程是：高斯平滑 → Sobel 计算梯度幅值和方向 → 非极大值抑制 → 双阈值滞后连接。它的优势在于“单像素宽、位置准、断裂少”，这三个特性正好是后续形态学连接所需要的。

这里有个容易被忽略的点：输入是二值图bw2，不是灰度图Egray。对二值图做 Canny，平滑和求梯度的意义已经变了，实际效果变成了“提取二值区域的边界轮廓线”——每个白色连通块的边缘被描成一圈单像素线。

这算不算误用？从结果看反而是好事。直接对灰度图做 Canny，车身纹理、地面划线、阴影边界全都会变成边缘线，噪声量级远超车牌本身；对二值图做，噪点已经在阈值那步被清掉了大半，剩下的边缘图干净得多。这种“先用粗糙手段降噪、再做边缘提取”的顺序，比反过来更符合工程直觉。

3. 形态学定位：闭运算凭什么把碎边缘“焊”成车牌

3.1 边缘图里没有“车牌”，只有线段

Canny 输出的是一堆互不相连的单像素线：字符笔画各自成线，车牌边框围成一圈，背景里的栅栏、保险杠、车灯轮廓也各自成线。计算机看到的只是“哪些像素是亮的”，没有任何“这是一张车牌”的概念。

定位的任务，就是把这些属于同一张车牌、彼此间距很小的线段，合并成一个连通的、接近矩形的实心块。这个“合并”动作，正是形态学闭运算的职责。

3.2 结构元素[5,19]和[19,1]的尺寸从哪来

bg1 = imclose(grd, strel('rectangle', [5, 19])); % 闭运算，连接水平相邻线段 bg3 = imopen(bg1, strel('rectangle', [5, 19])); % 开运算，去掉闭运算产生的小毛刺 bg2 = imopen(bg3, strel('rectangle', [19, 1])); % 竖直开运算，删掉矮小的横向噪声块

strel('rectangle', [rows, cols])的参数顺序是先行后列。[5,19]是一个 5 行 19 列的矩形：水平方向跨 19 像素，竖直方向只有 5 像素。

方向性是这段代码的核心。闭运算是先膨胀后腐蚀，结构元素覆盖范围内的空洞会被填上。水平 19 像素的跨度，意味着水平间距小于 19 像素的两条线段会被“焊”在一起。车牌上七个字符的间距通常只有几到十几像素，正好落在焊接范围内；而车牌与相邻的保险杠、车灯之间，间距往往远超 19 像素，不会被误连。

竖直方向只给 5 像素，是不希望垂直方向的连接——上下边框之间本来就该是空的，连上了会把字符行封死。

第二次[5,19]开运算，是清理闭运算的副作用。膨胀会让所有连通块都“胖一圈”，产生细小的毛刺和孤立小点，开运算把它们削掉。

第三次[19,1]是 19 行 1 列的竖条，开运算会删除竖直延展不足 19 像素的连通块。闭运算之后，车牌区域的高度通常远大于 19，被保留；而阈值阶段残留的横向短线、噪点块高度不够，被清掉。

这三个数字 5、19、19 都不是理论推导的产物，而是针对特定图像分辨率（大致 480×640 量级）、特定字符尺寸调出来的。换一套摄像头分辨率，这套参数全部要重调——这是形态学方法最现实的门槛。

3.3 bwlabel 加 BoundingBox：用几何先验做硬筛

[L, num] = bwlabel(bg2, 8); % 8 连通域标记，返回标签矩阵和连通块数 Feastats = imfeature(L, 'basic'); % 老版本函数，计算区域基本特征 Area = [Feastats.Area]; % 每个连通块的像素面积 BoundingBox = [Feastats.BoundingBox]; % [x y width height]，x 是列、y 是行

这里要注意 MATLAB 的坐标约定：BoundingBox的前两个分量是[x, y]，x 对应列、y 对应行，与矩阵索引(row, col)正好反过来。写筛选逻辑时把 x/y 搞混，会导致宽高比判据整体失效，而且现象很隐蔽——代码不报错，只是筛出来的框永远是歪的。

筛选的判据是两条。第一条是面积，太小的块肯定不是车牌，直接删。第二条是宽高比：

ratio = BoundingBox(3) / BoundingBox(4); % width / height valid = ratio > 2.2 & ratio < 4.0; % 接近真实车牌的长宽比区间

中国蓝底车牌的标准尺寸是 440mm × 140mm，宽高比约 3.14。考虑到定位框可能把边框或少许背景包进来，实际筛选用一个宽松区间（常见的实现思路是取 2 到 4 之间）。区间给太窄会漏检——倾斜车牌的包围盒宽高比会显著偏离；给太宽会误检——横幅、广告牌都能混进来。

这一步是硬筛，设计哲学是“宁可漏，不可错”。因为一个错误的候选框进入后续流程，字符切分必然失败，而且失败得很混乱，根本没法从结果反推是哪一步出的问题。筛掉之后可以靠多帧或者换参数重试，但错框进了流水线就是脏数据。

3.4 定位失败的两种典型形态

第一种是框偏大。形态学参数给得太激进（比如结构元素 19 改成 31），闭运算把车牌和周围的车身零件连成一片，包围盒比车牌大一圈。后果是后续投影时，车牌上下边框的峰值比字符峰值还高，去掉边框时把字符行也一起削掉了。

第二种是框被截断。开运算太狠，或者长宽比区间太严，导致最终框只覆盖了车牌的一部分。后果是字符个数不对——本该切出 7 个，实际只切出 5 个，后面的“第二三字符间距最大”先验直接失效，索引越界或者切到相邻字符的碎片。

两种失败的现象完全不同，但根因都是形态学尺度与目标尺寸不匹配。调试时最有效的办法是把bg1、bg3、bg2三张中间结果挨个imshow一遍，看是哪一步把结构破坏了，而不是盯着最终识别结果猜。

4. 投影、倾斜矫正与切分：一维直方图怎么读出字符边界

4.1 投影的本质是把二维分布压成一维计数

histcol1 = sum(sbw1); % 按列求和 → 垂直投影，反映每列的白色像素数 histrow = sum(sbw1'); % 转置后按列求和 → 水平投影，反映每行的白色像素数

矩阵sbw1是车牌二值子图。sum(sbw1)对第一维求和，得到一个行向量，第 j 个元素是第 j 列的白像素个数，这就是垂直投影。sum(sbw1')先把矩阵转置，再按列求和，得到的第 i 个元素是第 i 行的白像素个数，即水平投影。

这个操作的妙处在于降维。二维图里“字符在哪”需要连通域分析，一维直方图里它就是“哪里是峰”。垂直投影上，字符所在列的白像素密集，形成一个个高耸的窄峰；字符之间的间隙几乎全是黑的，形成深谷。于是切分字符变成了找峰的边界——一个纯几何问题。

水平投影同理。整行都是字符的那几行，白像素数达到峰值，形成一个宽而平的峰；车牌上下边框对应的行虽然也是全白，但只有一两行，形成又窄又尖的峰。两者形态差别明显，很容易区分。

4.2 峰谷分析要找的六个参数

对一条投影曲线做峰谷分析，实际要提取的量是这些：峰的上升点、峰的下降点、峰宽（下降点减上升点）、谷宽（相邻峰之间的间隔）、峰间距（相邻峰中心距离）、峰中心位置。有了这六个量，字符的上下左右边界就全部确定。

阈值怎么取，是这段逻辑里最含糊的地方。原代码只说“取阈值”，没有给公式。工程上常见的做法是取投影最小值和平均值之间的某个比例点：

threshold = min(histcol) + (mean(histcol) - min(histcol)) * 0.3; above = histcol > threshold; % 高于阈值的连续段即为一个峰

比例取 0.3 还是 0.5，直接影响峰的宽度。取太小，峰会连成一片，字符粘连；取太大，峰被削窄，窄字符（比如数字 1）可能整条消失。这个参数没有普适最优值，只能对着具体图像调。

4.3 最小二乘拟合倾斜角，以及 imrotate 的三重代价

% xdata/ydata 是车牌上边框上取值为 1 的点的横纵坐标 fresult = fit(xdata', ydata', 'poly1'); % 一阶多项式拟合 y = p1*x + p2 p1 = fresult.p1; angle = atan(p1) * 180 / pi; % 斜率反正切转角度 subcol = imrotate(subcol1, angle, 'bilinear', 'crop'); % 旋转灰度子图 sbw = imrotate(sbw1, angle, 'bilinear', 'crop'); % 旋转二值子图

poly1表示一次多项式，拟合出来的p1就是直线斜率。斜率取反正切得到倾角，单位从弧度换成度。

这段代码看着干净，实际上埋了四个坑。

第一是符号方向。imrotate逆时针为正，而图像坐标系 y 轴向下，拟合出的斜率符号与视觉上的倾斜方向是反的。直接代入会得到双倍倾角的矫正结果，车牌越转越歪。

第二是插值代价。bilinear双线性插值会让二值图的边缘产生 0 到 1 之间的中间灰度值，原本干净的 0/1 变成了连续灰度。如果后续步骤还在假设这是二值图，阈值判断就会出错。旋转后必须重新二值化一次。

第三是裁剪。crop参数让输出图保持与原图相同的尺寸，代价是旋转后超出边界的四角被裁掉。车牌倾斜角度大时，两端的字符可能被削掉一部分，直接影响切分。

第四是拟合点集的质量。如果取点逻辑把字符顶部的像素也当成“上边框”收了进来，拟合直线会被字符的起伏拉偏，算出的角度毫无意义。稳健一点的做法是先做一次粗略投影，只在水平投影最强的那几行附近取点，或者对拟合残差做一次离群点剔除。

4.4 去上下边框与“最大中心距”找字符宽度

去上下边框靠的是水平投影找最宽的峰：

maxhight = max(markrow2); % 最宽的峰（字符带） findc = find(markrow2 == maxhight); rowtop = markrow(findc); % 字符带顶行 rowbot = markrow(findc+1) - markrow1(findc+1); % 字符带底行 sbw2 = sbw(rowtop:rowbot, :); % 只保留字符行 maxhight = rowbot - rowtop + 1; % 字符高度

然后对去边框后的图做垂直投影，算每个字符的中心：

for k = 1:n1 markcol3(k) = markcol(k+1) - markcol1(k+1); % 字符下降点 markcol4(k) = markcol3(k) - markcol(k); % 字符宽度 markcol5(k) = markcol3(k) - double(uint16(markcol4(k)/2)); % 字符中心 end markcol6 = diff(markcol5); % 相邻字符的中心距 maxs = max(markcol6); % 最大中心距 findmax = find(markcol6 == maxs); markcol6(findmax) = 0; % 把最大间隔位置置零 maxwidth = max(markcol6); % 剩下的最大值作为字符宽度

uint16(markcol4(k)/2)这个写法是为了做整数除法取整，避免中心位置出现小数导致索引失效。

真正的巧思在maxs这一行。中国车牌的七位字符格式是：省份简称 + 发牌机关字母 + 分隔圆点 + 五位序号。第二个字符和第三个字符之间插了一个圆点，这个位置的中心距必然是全部相邻中心距里最大的。所以findmax找的不只是“最大间隔”，它实际定位的是车牌格式里的分隔符位置。

有了这个锚点，切分就变成确定性的：

l = 1; [m2, n2] = size(subcol); for k = findmax-1 : findmax+5 % 正好 7 个字符 cleft = markcol5(k) - maxwidth/2; cright = markcol5(k) + maxwidth/2 - 2; if cleft < 1 % 左边界越界修正 cleft = 1; cright = maxwidth; end if cright > n2 % 右边界越界修正 cright = n2; cleft = n2 - maxwidth; end SegBw1 = sbw(rowtop:rowbot, cleft:cright); SegBw2 = imresize(SegBw1, [22 14]); % 归一化到 22 行 14 列 fname = strcat('F:\MATLAB\work\sam\image', int2str(k), '.jpg'); imwrite(SegBw2, fname, 'jpg'); % 存入样本库 l = l + 1; end

findmax-1起、findmax+5止，正好七个。这一段是整个程序里最“聪明”的地方——它把车牌的国家标准格式编码成了一个数组索引偏移量。代价是强耦合：一旦换成新能源绿牌（八位）或者使领馆牌，这段逻辑必须重写。

4.5 22×14 归一化与模板匹配的本质

imresize(SegBw1, [22 14])把每个字符统一成 22 行 14 列。这个尺寸的宽高比是 0.636，接近汉字字符的实际比例。归一化的目的是让模板匹配有意义——逐像素相减要求两张图尺寸完全一致，否则连减法都做不了。

匹配逻辑本身极其简单：

best = inf; bestIdx = 0; for i = 1 : numTemplates tpl = double(templates{i}); % 模板库里的第 i 张 22×14 图 err = sum(sum(abs(double(test) - tpl))); % L1 距离 if err < best best = err; bestIdx = i; end end

这是标准的最近邻分类器，距离度量是 L1（绝对差之和）。没有特征提取，没有尺度不变性，没有旋转不变性，甚至连归一化互相关都没做。它唯一的优势是完全可解释——每一次识别都能精确说出“为什么选了这张”，误差值是多少，第二名差多少。

代价也很明显。imresize默认用双三次插值，对二值图会引入灰度过渡带；imwrite存成 jpg 又会叠加有损压缩噪声。两张本该完全相同的字符图，经过这两道工序，逐像素差值可能比两个形近字之间的差值还大。这是识别率的天花板所在，也是后面形近字混淆的直接原因。

5. 排查：这套流水线最容易翻车的五处

5.1 现象：框定到了车灯、广告牌或者整片背景

原因有两层。表层是阈值漂移——2.3 节那个基于极值的阈值，遇到高亮反光点就会整体上浮，二值图里冒出一大片白色区域，形态学之后自然形成一个巨大的连通块。深层原因是筛选条件只有面积和长宽比，没有位置约束。一块横幅广告牌的宽高比也可能落在 2 到 4 之间。

解决从两个方向下手。阈值换成graythresh的自适应版本，切断极值依赖；筛选环节加位置先验——车牌在图像中通常位于下半部中央，给包围盒中心加一个软约束。经验参数是：候选框中心距图像中心水平方向不超过图宽的 0.3 倍，垂直方向不超过图高的 0.4 倍。

5.2 现象：算出来的旋转角是 60 度甚至 90 度，图转成了竖的

原因是拟合点集被污染。取上边框点的逻辑如果只是“扫描每一列，找第一个白像素”，那么字符笔画的顶端、车牌外的干扰线都会被当成边框点收进来。这些点在上边框线附近上下跳动，最小二乘拟合出来的斜率完全失真，atan一下就跑到大角度去了。

解决分两步。先给角度加硬约束：if abs(angle) > 15, angle = 0; end——现实中车牌倾斜极少超过 15 度，超了就是算错了，不矫正比乱矫正好。再做残差剔除：拟合一遍，算每个点到直线的距离，把距离超过 2 倍标准差的点丢掉，用剩下的点重新拟合。

5.3 现象：七个字符切出六个或者八个

字符粘连和断裂是同一个参数的两面。阈值取低了，字符之间的浅谷被填平，两个字符连成一个峰，切出来少一个；阈值取高了，笔画细的字符（数字 1、字母 I）投影峰值不够，整条峰消失，切出来个数对不上。

还有一种更隐蔽的情况：车牌左右边框没去干净。边框在垂直投影两端形成两个又高又窄的峰，如果阈值恰好卡在它们和字符峰之间，边框会被当成一个字符切出来，总数变成八个。

解决思路是先保证骨架再补细节。用“最大中心距 + 最大字符宽度”这对参数强制生成七个切分窗口，而不是完全依赖投影峰的数量。窗口生成后，再根据每个窗口内白像素的分布做微调。这样即使某个字符投影很弱，也能被强制分配到一个位置，不会连锁塌陷。

5.4 现象：0 识别成 8，G 识别成 B，K 识别成 A

原报告里明确记录了这个案例，而且这三个错误高度一致——全是形近字。

根源在 22×14 这个分辨率。在这么小的格子里，0 和 8 的差异只有中间那一横，占不到 10 个像素；G 和 B 的差异只在右侧开口的弧度，模糊之后几乎重合。模板匹配没有任何结构性判断，只比像素差，差异被归一化误差和 jpg 压缩噪声一稀释，选错是必然的。

解决不能只靠调参数，得加信息量。三条路径：一是扩充模板库，同一个字符收集多种字体、多种来源的样本，用多模板取最小距离，而不是单模板；二是换距离度量，从 L1 换成归一化互相关（去均值后算相关系数），对整体亮度偏移更鲁棒；三是引入结构特征，比如字符的横向穿线数、纵向穿线数、笔画端点数量，用这些离散特征做二次校验，把 0/8、G/B 这类靠“有没有那一横”“右边开不开口”就能区分的对子单独处理。

5.5 现象：老代码在新版 MATLAB 上直接报“未定义函数 imfeature”

这是一个纯版本问题，但卡住过很多人。imfeature在较早版本就已废弃，被regionprops取代。bwlabel的第二个参数含义也变过——老代码里写bwlabel(bg2, 8)表示 8 连通，新版本虽然兼容，但推荐用bwconncomp。im2bw也已被imbinarize替代。

对照替换关系如下：

替换之后还要注意类型差异。regionprops返回的BoundingBox是 double 型，而老代码里可能默认它是整型，直接拿去索引会报“下标必须为正整数”。加个round或者floor就好，但这一步不加，报错信息会指向完全无关的行号。

6. 设计取舍：这条教科书流水线值不值得学

这套代码里的每个数字都在做承诺。圆盘半径 13 承诺“字符笔画比 13 细、光照变化比 13 粗”；结构元素[5,19]承诺“字符间距小于 19 像素”；阈值三分之一承诺“字符是最亮的那批、且占比不到三分之一”；长宽比 3.14 承诺“车牌是正的、没被遮挡”。全部成立时，识别率很高；任何一条被打破，整条链条从对应环节开始崩。

这正是它作为教学案例的价值所在。每一步都有明确的数学解释，每一个中间结果都能imshow出来看，出错时能精确定位到某一环节，而不是面对一个 loss 曲线猜。相比之下，端到端检测模型把定位和识别压进一个黑匣子，准确率更高、泛化更好，但中间过程不可检查——模型给了一个错误答案，你没法说清是定位错了还是分类错了。

模板匹配和神经网络的选择也是同一个逻辑。模板法的可解释性极强，误差值、第二名差距、模板来源全都透明，代价是对归一化误差和压缩噪声极度敏感；神经网络能自动学出对形变和噪声鲁棒的特征，代价是需要标注数据、训练成本，以及一个“为什么这么判”说不清楚的黑箱。

真要往工程上用，我会做三处改动：阈值从极值法换 Otsu，切断对单个坏点的依赖；倾斜矫正后强制重新二值化，消除双线性插值带进来的灰度污染；识别环节保留模板匹配做快速初筛，对误差值接近的候选（比如前两名差距小于 15%）再用结构特征做一次校验。

从那以后我每次搭这类多级流水线，都强制自己把每一级的中间输出单独存一张图、单独看一眼，而不是等最后识别错了再回头猜是哪一步的问题。这条习惯救过我好几次——有一次定位框看着完全正常，把中间的二值图放大才发现右边缘被裁掉了两列，字符 7 一直缺个角。

希望帮到你。

本文还有配套的精品资源，点击获取