好吧，关于条形码/二维码，您首先需要考虑的是它们通常是黑色的，背景是白色的。

如果使用 T 恤或独特标签，则应遵循此模式（或任何一种）。您应该能够轻松检测到这些。以这个图像处理类为例，最后有一个条形码示例，我在这里复制：

0 - 给定图像：

1 - 您可以通过转换为灰度然后执行自适应阈值进行二值化，这基本上是像素的聚类算法：

2 - 然后你可以通过离心率过滤斑点

3 - 然后按主轴：

4 - 最后是方向

这是在硬表面上分割条形码的基本算法。T 恤会呈现扭曲的条形码，但如果您可以通过检测二进制图像中可能的条形码来缩小搜索区域，那么您可能会获得很大的加速，然后使用更复杂的算法，例如您的算法提出。

建议：

1 - 在前面算法的步骤（3）之前添加一个FCN来重新生成被T-Shirt表面扭曲的图像

2 - 训练 CNN 以检测二进制图像上的条形码斑点（替换步骤 2,3 和 4）

更新

我将添加另一个答案，因为您通过举例改变了问题。您的唯一标识符被视为由具有 3 个不同半径的同心圆弧的固定中心（等于所有标识符）组成$r_1 < r_2 < r_3$和半径的弧$r_2$和$r_3$用孔刺破，这些孔应该使它们与每个标识符中的不同。

您可以使用阈值和霍夫变换来识别圆，您可以使用中心作为参考来计算孔之间的角距离。然后，您可以通过以下方式将标识符与另一个标识符不同：

• 数孔然后
• 分析它们的角距离

您还可以使用弧线来预测/计算标识符因图像失真（旋转、移位、非线性变换）而遭受的变换并对其进行校正。