Java 如何删除OpenCV中不需要的线条/噪波？

我正在为android开发一个OCR应用程序（构建为java应用程序）。我想从相机拍摄的图像中检测文本，为了进行预处理，我使用OpenCV，但我得到了一些额外的行，这些行被读取为文本，我采用了以下方法：

1-RGB到灰度 双阈值 3-高斯模糊 4-中值模糊 5-扩张 6-侵蚀

结果至少比以前好，但仍然没有得到正确的结果。 我怎样才能消除这种噪声，像这样的过滤器的一般序列是什么，可以应用于任何图像以改善OCR的结果。 我是OpenCV的新手，请指导我。 谢谢

---

---

从上面的图像中，我可以找到3号的结果，但只有当所有的轮廓都画出来时，这是我不想要的，因为还有噪音。我在这里遗漏了什么。不知道接下来该怎么做。 修订守则：

package simple_contours;

import java.util.ArrayList;
import java.util.List;

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.MatOfPoint;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.core.Size;
import org.opencv.highgui.Highgui;
import org.opencv.imgproc.Imgproc;

public class Main {

    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        Mat src_img,src_grey,src_blur,src_thresh,src_dilate,dest_img; 
        src_img=Highgui.imread("n_num.jpg",Imgproc.COLOR_BGR2GRAY);


        src_grey=new Mat(src_img.size(), Core.DEPTH_MASK_8U);
        src_blur=new Mat(src_img.size(), Core.DEPTH_MASK_8U);
        src_thresh=new Mat(src_img.size(), Core.DEPTH_MASK_8U);
        src_dilate=new Mat(src_img.size(), Core.DEPTH_MASK_8U);
        dest_img=Mat.zeros(640,480, CvType.CV_8UC3);
        Core.bitwise_not(dest_img, dest_img);
        Highgui.imwrite("dest.jpg", dest_img);

        Imgproc.cvtColor(src_img, src_grey, Imgproc.COLOR_BGR2GRAY);
        Imgproc.GaussianBlur(src_grey, src_blur, new Size(3, 3), 0);
        Imgproc.threshold(src_blur, src_thresh, 80, 255, Imgproc.THRESH_BINARY_INV);
        Imgproc.dilate(src_thresh, src_dilate, Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(2, 2)));

        Highgui.imwrite("Threshold.jpg", src_thresh);
        Highgui.imwrite("Dilate.jpg", src_dilate);




          List<MatOfPoint> contours = new ArrayList<MatOfPoint>();  
          Mat heirarchy= new Mat();
          Point shift=new Point(150,0);
          Imgproc.findContours(src_dilate, contours,heirarchy, Imgproc.RETR_TREE,Imgproc.CHAIN_APPROX_SIMPLE,shift);
          double[] cont_area =new double[contours.size()]; 

             for(int i=0; i< contours.size();i++)
             { 
                Rect rect = Imgproc.boundingRect(contours.get(i));
                cont_area[i]=Imgproc.contourArea(contours.get(i));

                System.out.println("Hight: "+rect.height);
                System.out.println("WIDTH: "+rect.width);
                System.out.println("AREA: "+cont_area[i]);
              //System.out.println(rect.x +","+rect.y+","+rect.height+","+rect.width);

                  Core.rectangle(src_img, new Point(rect.x,rect.y), new Point(rect.x+rect.width,rect.y+rect.height),new Scalar(0,0,255));
                  Imgproc.drawContours(dest_img, contours, i, new Scalar(0,0,0),-1,8,heirarchy,2,shift);
                  Core.rectangle(dest_img, new Point(rect.x,rect.y), new Point(rect.x+rect.width,rect.y+rect.height),new Scalar(0,255,0));
         }

             Highgui.imwrite("Final.jpg", dest_img);
             Highgui.imwrite("Original.jpg", src_img);
    }

}

简单包装；
导入java.util.ArrayList；
导入java.util.List；
导入org.opencv.core.core；
导入org.opencv.core.CvType；
导入org.opencv.core.Mat；
导入org.opencv.core.MatOfPoint；
导入org.opencv.core.Point；
导入org.opencv.core.Rect；
导入org.opencv.core.Scalar；
导入org.opencv.core.Size；
导入org.opencv.highgui.highgui；
导入org.opencv.imgproc.imgproc；
公共班机{
公共静态void main（字符串[]args）{
System.loadLibrary（Core.NATIVE\u LIBRARY\u NAME）；
Mat src_img、src_grey、src_blur、src_thresh、src_deplate、dest_img；
src_img=Highgui.imread（“n_num.jpg”，Imgproc.COLOR_bgr2 gray）；
src_grey=新垫（src_img.size（），Core.DEPTH_MASK_8U）；
src_blur=新垫（src_img.size（），Core.DEPTH_MASK_8U）；
src_thresh=new Mat（src_img.size（），Core.DEPTH_MASK_8U）；
src_deplate=新垫（src_img.size（），Core.DEPTH_MASK_8U）；
dest_img=材料零点（640480，CvType.CV_8UC3）；
Core.bitwise_not（dest_img，dest_img）；
Highgui.imwrite（“dest.jpg”，dest_img）；
Imgproc.cvt颜色（src_img，src_grey，Imgproc.COLOR_bgr2 gray）；
高斯模糊（src_灰，src_模糊，新尺寸（3,3），0）；
Imgproc.threshold（src_blur，src_thresh，80255，Imgproc.thresh_BINARY_INV）；
Imgproc.diplate（src_thresh，src_diplate，Imgproc.getStructuringElement（Imgproc.morp_RECT，新大小（2,2））；
imwrite（“Threshold.jpg”，src_thresh）；
imwrite（“displate.jpg”，src_displate）；
列表等高线=新的ArrayList（）；
Mat继承权=新Mat（）；
点位移=新点（150,0）；
Imgproc.findContours（src_扩张、等高线、继承权、Imgproc.RETR_树、Imgproc.CHAIN_近似、移位）；
double[]cont_area=新的double[courts.size（）]；
对于（int i=0；i

尝试腐蚀图像（测试内核大小），然后放大恢复

如果线条/像素噪声（剩余噪声或原始噪声）非常小，请尝试对其进行中值模糊。

---

它应该可以工作，如果不行，请分享您的结果以进一步工作。

我认为您只能使用腐蚀/扩张选项。问题在于，噪音不仅仅是噪音，它还包含一些人工制品，这些人工制品不一定与您试图检测的某些字符有什么不同

我建议解决方案需要检测图像中的轮廓。首先，您应该准备图像，使其更易于管理的轮廓过程

我过去使用过以下顺序：

• 高斯模糊
• 自适应阈值
• 负图像
• 扩张

现在你可以找到恐龙了。这应该能识别出字母和不受欢迎的人工制品。然后，您需要消除人工制品，这可能需要一些策略，例如：

• 计算出边界框的面积，并消除那些面积太小而无法成为字母的区域
• 检查边界框的宽度与高度：排除高度过小的边界框

可能会有更复杂的方法，例如试图找到穿过较大轮廓中间的轴，这将为您提供角色的位置和方向（例如旋转矩形）；您可以使用该信息忽略该区域以外的所有其他像素

---

很抱歉，这不是一个简单的解决方案，但它是一个复杂的问题，因此您可能需要进行一些试验，并建立多种策略来删除不需要的文物。

我使用继承人的信息解决了这个问题，第四个索引值包含有关父轮廓的信息，因此，应绘制具有-1值的轮廓。这解决了填充轮廓问题。：）

尝试腐蚀图像（尝试内核大小），然后拨打Ate谢谢回复，我将按照您提到的内容进行操作，并会返回任何进度。我已找到轮廓，但似乎无法正确绘制轮廓。请您查看更新后的图像，以了解详情