1.一种基于图像处理的集装箱锁孔轮廓提取方法，包括如下步骤：步骤1：用安装在吊具上的摄像头采集下方集装箱的图像；

步骤2：利用基于HOG+SVM的集装箱锁孔粗定位方法获得上下锁孔的粗定位范围，该锁孔粗定位区域的宽度为width，高度为height，单位为像素，记为锁孔粗定位图像F1，图像大小为Akeyhole：

Akeyhole＝width×height                (1)；

步骤3：通过区域分割方法Graph‑Based Segmentation对图像F1进行超像素分割，将图像分割为n1个超像素区域，记超像素区域集合S＝{Ri(xi,yi)|i＝1,2,3,…,n1}，其中Ri是由mi个像素组成的超像素区域，xi和yi分别表示区域Ri中心点的横坐标和纵坐标，Ri＝{pj|j＝

1,2,3,…,mi}，pj表示区域Ri中的像素；

步骤4：利用直方图对比度显著性计算方法HC计算集合S中所有超像素区域的显著性值，得到超像素的显著值集合Ssal＝{vi|i＝1,2,3,…,n1}，vi为超像素区域Ri的显著值；将Ssal中显著值最高的超像素区域，记为Rsal＝{pj|j＝1,2,3,…,nsal}，其中nsal表示Rsal中的像素数量；

步骤5：计算集合S中所有超像素中心点到超像素Rsal中心点的曼哈顿距离，并根据距离从小到大排序，得超像素集合S1＝{Rw|w＝1,2,3,…,n1}；

步骤6：进行锁孔区域拼凑，锁孔区域集合 区域填充度cold＝0；

步骤7：计算得锁孔区域集合S2＝{pu|u＝1,2,3,…,n2}，区域集合S2的外接矩形为Rbox(xbox,ybox,wbox,hbox)，其中pu表示集合S2中的像素，n2表示S2中的像素数量，xbox和ybox分别表示区域集合S2外接矩形左上角的横坐标和纵坐标，wbox和hbox分别表示区域集合S2外接矩形的宽度和高度；

步骤8：采用式(8)或(9)计算锁孔外接矩形Rhole(xhole,yhole,whole,hhole)，xhole和yhole分别表示锁孔外接矩形左上角的横坐标和纵坐标，whole和hhole分别表示锁孔外接矩形的宽度和高度；

步骤9：利用GrubCut图割算法对图像F1进行处理，设置图像的前景和背景区域；将外接矩形内区域设置为可能的前景区域，矩形外区域设置为背景区域，须满足条件n2≥λ2，其中λ2为事先给定的锁孔大小阈值；若不满足条件n2≥λ2，设置集合S2中像素为可能的前景区域，区域Rsal中像素为前景区域，图像F1中的其余部分为背景区域；

步骤10：将GrubCut图割算法迭代λ3次，可得锁孔轮廓图像F2，λ3为事先给定的图割迭代次数；

步骤6具体如下：

步骤6.1：从超像素集合S1中取出元素R1，加入到集合S2中，在S2中记为Rn；并将元素R1从S1中删除，对集合S1根据距离长度从小到大重新排序；

步骤6.2：计算集合S2中的像素数量N：其中n为集合S2中超像素的数量，mn为S2中超像素的像素数量；

步骤6.3：提取集合S2中像素横坐标的最小值和最大值分别记为x1和x2，集合S2中像素纵坐标的最小值和最大值分别记为y1和y2；计算得集合S2中像素组成图像的最小外接矩形R(w,h)，其中w表示矩形R的宽度，h表示矩形R的高度，矩形面积为A：w＝x2‑x1                   (4)h＝y2‑y1         (5)A＝w×h              (6)步骤6.4：计算区域合并后的区域填充度cnew：步骤6.5：若满足条件cnew≥cold，则将cnew的值赋予cold；反之，将元素Rn从S2中删除；重复步骤6.1到6.5，直至 或迭代次数大于λ1，其中λ1表示事先给定的最大迭代次数。