Python 提高图像中字母的质量

我正在处理包含文本的图像。问题是这些图像是收据，经过大量转换后，文本质量下降。 我正在使用python和opencv。 我尝试了很多来自doc的形态学转换组合，但没有得到令人满意的结果

我现在正在做这件事（我将对我尝试过的内容进行评论，并让未注释的人对我正在使用的内容进行注释）：

使用此选项，从原始图像：

我明白了：

正如你所看到的，它稍微好一点。但还是太糟糕了。OCR（tesseract）不能很好地识别此处的字符。我受过训练，但正如你所注意到的，每个“e”都是不同的，等等

我得到了很好的结果，但我认为，如果我解决了这个问题，他们会更好

也许我可以做另一件事，或者使用更好的形态学变换组合。如果我可以使用另一个工具（PIL、imagemagick等），我可以使用它

这是整个图像，您可以看到它的外观：

---

正如我所说，这并没有那么糟糕，但稍微“优化”一下这些字母就完美了

> P>你考虑相邻像素并加上它们的总和。< /P> 例如：

n = numpy.zeros((3,3))
s = numpy.zeros((3,3))
w = numpy.zeros((3,3))
e = numpy.zeros((3,3))

n[0][1] = 1
s[2][1] = 1
w[1][0] = 1
e[1][2] = 1

img_n = cv2.erode(img, n, iterations=1)
img_s = cv2.erode(img, s, iterations=1)
img_w = cv2.erode(img, w, iterations=1)
img_e = cv2.erode(img, e, iterations=1)

result = img_n + img_s + img_w + img_e + img

---

此外，还可以使用numpy或cv2添加阵列

根据我的经验，腐蚀会降低OCR质量。如果你有灰度图像（不是二值图像），你可以使用更好的二值化算法。我使用SAUVOLA算法进行二值化。如果你只有二值图像，你能做的最好的事情就是去除噪声（去除所有的小点）

我在Haskell中找到了我正在尝试为闭合多边形实现的方法。也许它能解决一些问题

在这个主题上工作了多年后，我现在可以说，我想做的事情需要付出很大的努力，它非常缓慢，而且从来没有像我预期的那样奏效。字符中像素的不规则性总是不可预测的，这就是为什么“简单算法”不起作用

问：那就不可能有一个像样的OCR，它可以读取损坏的字符

回答：不，这不是不可能的。但它需要的不仅仅是侵蚀、形态闭合或类似的东西

那怎么办？神经网络：）

以下是两篇非常有帮助的论文：

对于那些不熟悉RNN的人，我可以建议：

还有一个python库，它运行得非常好（不幸的是，对于C++，它甚至更好）：

---

我真的希望这能帮助别人

尝试使用形态闭合代替侵蚀。至于字母，它们似乎与开始时不同，所以我认为仅仅使用简单的算法并不能做很多事情。有些扫描仪用完全相同的位图替换相似的字母，所以也许您可以复制这种行为。但是要小心：施乐电脑中有一个非常丑陋的错误，它让图书馆员的生活非常不舒服。谢谢你，我会寻找一种邻近像素的算法。但是在你向我提出的答案中，我认为

n[4]

你的意思是

n[1][0]

还是？因为n是一个3行3列的矩阵。但是，它不起作用。结果与img完全相同。也许应该做些改变。用修改过的面具更新答案。基本上，“n”在北方向的权重更大，“s”在南方向的权重更大，依此类推。你能增加卷积掩模的尺寸并尝试一下吗？谢谢你的回答。你如何使用Sauvola？和Leptonica？我使用OpenCV提出的Otsu二值化，但是如果我发现如何在Python上实现（或使用），也可以用Sauvola来测试它。C++的SoulVa算法实现。也可以尝试使用MEAN的adaptiveThreshold（）。这种二值化显示了与SAUVOLA类似的结果。

n = numpy.zeros((3,3))
s = numpy.zeros((3,3))
w = numpy.zeros((3,3))
e = numpy.zeros((3,3))

n[0][1] = 1
s[2][1] = 1
w[1][0] = 1
e[1][2] = 1

img_n = cv2.erode(img, n, iterations=1)
img_s = cv2.erode(img, s, iterations=1)
img_w = cv2.erode(img, w, iterations=1)
img_e = cv2.erode(img, e, iterations=1)

result = img_n + img_s + img_w + img_e + img