基于opencv的检测卡T线检测：如何提升淡T线的检出准确率

参考图特征：C位置为清晰实心线，T位置为淡弱浅线，所有符合特征的淡T线都需判定为阳性，不能漏判。

现有流程的核心痛点 #

目前采用Green与Blue通道差值沿Y轴扫线的方案，受卡体膜材不均、环境光照偏差、背景噪点影响较大，淡弱T线和背景的通道差值过小，很容易被背景波动掩盖，造成漏判。

具体优化落地步骤 #

1. 前置区域约束减少无效干扰 #

• 完成QR码定位、姿态校正、C/T位粗坐标计算后，仅截取T位预期坐标上下浮动5%卡体高度的窄条ROI作为检测范围，排除卡边框、QR码、加样残留区等无关区域，从源头减少噪点来源
• 对ROI做光照梯度校准：逐列计算窄条区域的背景像素均值，用原始像素值减去对应位置的背景渐变值，抹平检测膜本身的颜色不均、环境斜光造成的背景起伏，避免淡线被背景差覆盖

2. 优化特征提取方式拉高淡线对比度 #

• 替换原有的G/B单通道差值方案：检测线为红棕色调，在Red通道本身具备更高的信号差，对Red通道做反向增强处理，让原本淡的红棕色T线和背景形成比原G/B差值高2-3倍的明暗对比
• 对ROI区域做局部自适应直方图均衡（CLAHE），针对性拉大淡弱线条和背景的灰度差，不要使用全局直方图均衡，避免把背景随机噪点也同步放大
• 加形状特征过滤：最终识别的线条必须满足「横跨检测通道宽度80%以上、厚度在3-10像素区间、水平走向无明显倾斜」的连续特征，排除零散杂质斑点、噪点的干扰

3. 优化判定逻辑避免依赖固定绝对阈值 #

• 采用相对判定逻辑替代固定阈值：C线是固定位置的实心高对比度线，以C线的对比度值为基准做相对阈值判定，只要T线的对比度值达到C线对比度的5%以上，就判定为存在有效T线。该逻辑不受环境光照、设备参数波动影响，哪怕T线非常淡，只要存在可测量的信号差就不会漏判
• 滑动窗口行扫描替代逐像素硬找：沿Y轴方向逐行计算行内的平均像素差值，匹配线条厚度的峰值特征，不需要要求线条是锐利实心状态，哪怕是模糊的淡线也能被捕捉到

4. 加漏判兜底校验机制 #

• 对处于初判阈值±20%区间的疑似淡线区域做二次校验：先对小区域做3x3高斯模糊过滤随机噪点，再重新计算区域对比度，避免随机噪点把真实淡线的信号盖住
• 提前做方向掩膜过滤：把ROI内垂直走向的划痕、竖状杂质提前标记排除，因为真实检测线是水平走向的，竖状特征不会被误判成T线

内容的提问来源于stack exchange，提问作者Patrick Chan