Python OpenCV:OCR前阴影图像的轮廓检测
我正在尝试OCR文档图片,我目前的方法是Python OpenCV:OCR前阴影图像的轮廓检测,python,image,opencv,ocr,Python,Image,Opencv,Ocr,我正在尝试OCR文档图片,我目前的方法是 将图像读取为灰度 对其进行二值化阈值化 沿从cv2.findContours()获得的轮廓包裹透视图 如果图像没有阴影,上述方法效果很好。现在我想得到阴影图片的轮廓。我的第一次尝试是在步骤2中使用cv2.adaptiveThreshold。自适应阈值成功地削弱了阴影,但生成的图像失去了纸张和背景之间的对比度。这使得cv2无法找到纸张的轮廓。所以我需要使用其他方法来移除阴影 有没有办法去除阴影以保持背景色? 这里是我用各种方法处理的示例图片,以供参考。从左
cv2.findContours()获得的轮廓包裹透视图
cv2.adaptiveThreshold
。自适应阈值成功地削弱了阴影,但生成的图像失去了纸张和背景之间的对比度。这使得cv2无法找到纸张的轮廓。所以我需要使用其他方法来移除阴影
有没有办法去除阴影以保持背景色?
这里是我用各种方法处理的示例图片,以供参考。从左开始,我做到了
在Python/OpenCV中,有一种方法使用除法规范化,然后可选地进行锐化和/或阈值化 输入:
分部: 锐化: 阈值:
如何使用hough(找到定义边界的类)分割收据,然后通过交叉点找到角点?您可以发布原始图像吗
import cv2
import numpy as np
import skimage.filters as filters
# read the image
img = cv2.imread('receipt.jpg')
# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# blur
smooth = cv2.GaussianBlur(gray, (95,95), 0)
# divide gray by morphology image
division = cv2.divide(gray, smooth, scale=255)
# sharpen using unsharp masking
sharp = filters.unsharp_mask(division, radius=1.5, amount=1.5, multichannel=False, preserve_range=False)
sharp = (255*sharp).clip(0,255).astype(np.uint8)
# threshold
thresh = cv2.threshold(sharp, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
# save results
cv2.imwrite('receipt_division.png',division)
cv2.imwrite('receipt_division_sharp.png',sharp)
cv2.imwrite('receipt_division_thresh.png',thresh)
# show results
cv2.imshow('smooth', smooth)
cv2.imshow('division', division)
cv2.imshow('sharp', sharp)
cv2.imshow('thresh', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()