C++ 如何使用纹理阈值图像？用tesseract进行识别

源图像：

目的地图像：

代码：

cv:：Mat锐化Lena；
cv:：Mat kernel=（cv:：Mat_（3，3）您可以尝试使用或算法，例如

这些将执行得更好，特别是MSER及其变体CSER被设计用于检测文本状结构。
您可以尝试使用具有开放形态学操作的二进制阈值。
以下是我的结果和代码片段：



您可以使用轮廓区域或形态学处理来消除噪声，即小点。希望这对您有所帮助！
我现在使用的是adaptiveThreshold（），我不知道如何开始，实现第三张图片的效果。你正在使用的图像分辨率是什么？建议使用更高分辨率的图像以获得最佳OCR效果。我知道，但使用手机摄像头，环境因素很大。比你大！确实有了很大改进。cv:：Mat kernel2（3，3，cv_8UC1，0）；cv:：morphologyEx（matBinary，matBinary，cv:：MORPH_CLOSE，kernel2，cv:：Point（1，1），1）；
cv::Mat sharpenedLena;
cv::Mat kernel = (cv::Mat_<float>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
cv::filter2D(matGrey, sharpenedLena, matGrey.depth(), kernel);
cv::adaptiveThreshold(sharpenedLena, matBinary, 255,    cv::ADAPTIVE_THRESH_GAUSSIAN_C, CV_THRESH_BINARY, 55, 30);
cv::Mat dst_img1;
//cv::GaussianBlur(matBinary, dst_img1, cv::Size(3,3), 0, 0);
cv::medianBlur(matBinary, dst_img1, 3);

UIImage *addrUIImage = [ImageUtil UIImageFromCVMat:dst_img1];
[self recognizeImageWithTesseract:addrUIImage withLauange:1];

Mat mSource_Bgr,mSource_Gray,mSource_Hsv,mThreshold;
mSource_Bgr= imread(FileName_S.c_str(),1);

namedWindow("Source Image",WINDOW_AUTOSIZE);
imshow("Source Image",mSource_Bgr);

cvtColor(mSource_Bgr,mSource_Hsv,COLOR_BGR2HSV);

mSource_Hsv = mSource_Hsv + Scalar(0,0,-25); //Subtracting 25 from all the Pixel Values
cvtColor(mSource_Hsv,mSource_Bgr,COLOR_HSV2BGR);// Back to BGR Just for Debug purpose

imshow("Improved Darkness",mSource_Bgr);
imwrite(FileName_S+"_Res.bmp",mSource_Bgr);

cvtColor(mSource_Bgr,mSource_Gray,COLOR_BGR2GRAY); // for Adaptive Thresholding the input Image

adaptiveThreshold(mSource_Gray,mThreshold,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY,59,10);

imshow("Adaptive Thres",mThreshold);
imwrite(FileName_S+"_Thres.bmp",mThreshold);