Python cv2/pytesseract数字识别的局部对比度增强

我想使用pytesseract从图像中读取数字。图片如下所示：

# Set kernel (structuring element) size:
kernelSize = 3

# Set operation iterations:
opIterations = 3

# Get the structuring element:
maxKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (kernelSize, kernelSize))

# Perform closing:
closingImage = cv2.morphologyEx(filteredImage, cv2.MORPH_CLOSE, maxKernel, None, None, opIterations, cv2.BORDER_REFLECT101)

# Invert image to obtain black numbers on white background:
closingImage = 255 - closingImage

数字是虚线的，为了能够使用PyteSeract，我需要白色背景上的黑色连接数字。为此，我考虑使用腐蚀和扩展作为预处理技术。正如您所看到的，这些图像是相似的，但在某些方面有很大的不同。例如，第一幅图像中的点比背景暗，而第二幅图像中的点更白。这意味着，在第一幅图像中，我可以使用腐蚀获得黑色连接线，在第二幅图像中，我可以使用放大获得白色连接线，然后反转颜色。这将导致以下结果：

使用适当的阈值，第一个图像可以很容易地用pytesseract读取。不管是谁，第二张图片更狡猾。问题是，例如，“4”的部分比三个周围的背景暗。因此，一个简单的阈值是行不通的。我需要像局部阈值或局部对比度增强这样的东西。这里有人有主意吗

编辑：

OTSU、平均阈值和高斯阈值导致以下结果：

---

您的图像分辨率很低，但您可以尝试一种称为增益分割的方法。其思想是，您尝试构建一个背景模型，然后根据该模型对每个输入像素进行加权。在图像的大部分时间内，输出增益应相对恒定

执行增益分割后，您可以尝试通过应用区域过滤器和形态学来改善图像。我只试过你的第一张照片，因为它是“最差的”

以下是获得增益分割图像的步骤：

应用软中值模糊滤波器以去除高频噪声

通过局部最大值获取背景模型。应用一个非常强大的

close

操作，使用一个大的

结构元素（我使用的是一个大小为
15
的矩形内核）

通过在每个局部最大像素之间除以

255

，执行增益调整。将此值与每个输入图像像素加权

你应该得到一个很好的图像，背景照明非常标准化，

threshold

这个图像可以得到字符的二进制掩码

现在，您可以通过以下附加步骤提高图像质量：

阈值

通过大津，但添加一点偏差。（不幸的是，这是一个手动步骤，取决于输入）

应用区域过滤器过滤掉较小的噪声点

让我们看看代码：

import numpy as np
import cv2

# image path
path = "C:/opencvImages/"
fileName = "iA904.png"

# Reading an image in default mode:
inputImage = cv2.imread(path+fileName)

# Remove small noise via median:
filterSize = 5
imageMedian = cv2.medianBlur(inputImage, filterSize)

# Get local maximum:
kernelSize = 15
maxKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (kernelSize, kernelSize))
localMax = cv2.morphologyEx(imageMedian, cv2.MORPH_CLOSE, maxKernel, None, None, 1, cv2.BORDER_REFLECT101)

# Perform gain division
gainDivision = np.where(localMax == 0, 0, (inputImage/localMax))

# Clip the values to [0,255]
gainDivision = np.clip((255 * gainDivision), 0, 255)

# Convert the mat type from float to uint8:
gainDivision = gainDivision.astype("uint8") 

# Convert RGB to grayscale:
grayscaleImage = cv2.cvtColor(gainDivision, cv2.COLOR_BGR2GRAY)

这就是增益分割带给您的：

请注意，照明更加平衡。现在，让我们应用一点对比度增强：

# Contrast Enhancement:
grayscaleImage = np.uint8(cv2.normalize(grayscaleImage, grayscaleImage, 0, 255, cv2.NORM_MINMAX))

这样，前景和背景之间的对比度会增加一点：

现在，让我们尝试对该图像设置阈值，以获得一个漂亮的二进制掩码。正如我所建议的，尝试Otsu的阈值化，但在结果上增加（或减少）一点偏差。如前所述，此步骤取决于输入的质量：

# Threshold via Otsu + bias adjustment:
threshValue, binaryImage = cv2.threshold(grayscaleImage, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

threshValue = 0.9 * threshValue
_, binaryImage = cv2.threshold(grayscaleImage, threshValue, 255, cv2.THRESH_BINARY)

您将得到以下二进制掩码：

将其倒置，过滤掉小斑点。我将

区域设置为
10
像素的
阈值：

# Invert image:
binaryImage = 255 - binaryImage

# Perform an area filter on the binary blobs:
componentsNumber, labeledImage, componentStats, componentCentroids = \
cv2.connectedComponentsWithStats(binaryImage, connectivity=4)

# Set the minimum pixels for the area filter:
minArea = 10

# Get the indices/labels of the remaining components based on the area stat
# (skip the background component at index 0)
remainingComponentLabels = [i for i in range(1, componentsNumber) if componentStats[i][4] >= minArea]

# Filter the labeled pixels based on the remaining labels,
# assign pixel intensity to 255 (uint8) for the remaining pixels
filteredImage = np.where(np.isin(labeledImage, remainingComponentLabels) == True, 255, 0).astype("uint8")

这是最后一个二进制掩码：

如果您计划将此图像发送到
OCR
，可能需要先应用一些形态学。也许是一个
结束

来尝试连接组成字符的点。另外，一定要训练你的

OCR

分类器，使其字体接近你实际想要识别的字体。这是尺寸

3

矩形

关闭

操作后的（反转）遮罩，使用

3

迭代：

编辑：

要获取最后一幅图像，请按如下方式处理过滤后的输出：

# Set kernel (structuring element) size:
kernelSize = 3

# Set operation iterations:
opIterations = 3

# Get the structuring element:
maxKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (kernelSize, kernelSize))

# Perform closing:
closingImage = cv2.morphologyEx(filteredImage, cv2.MORPH_CLOSE, maxKernel, None, None, opIterations, cv2.BORDER_REFLECT101)

# Invert image to obtain black numbers on white background:
closingImage = 255 - closingImage

---

你试过大津阈值了吗？谢谢你的主意，我刚刚试过，但似乎不起作用。我也试过高斯阈值和平均阈值，但它们并没有达到预期的效果！非常感谢，我一定会尝试你建议的所有东西：）@spadel很高兴我能帮忙，我的朋友！不知何故，我无法再现最后一步（关闭操作）。我尝试了以下方法：

kernel=cv2.getStructuringElement（cv2.MORPH\u RECT，（3,3））closing=cv2.morphologyEx（filteredImage，cv2.MORPH\u CLOSE，kernel）

，但没有效果。我试着对过滤后的二值图像及其逆图像进行应用。@spadel检查我的编辑，我添加了代码以获得最后一幅图像。