OCR：用Python对原始图像进行降噪处理后，提取图像的关键部分

为了提高OCR，我正在尝试去噪图像（拍摄的文本）。我正在使用Python-skimage完成这项任务，但我对其他库建议持开放态度（PIL、cv2，…）

示例图像（应为“i5”）：

我非常成功地使用了

skiliage.morphotology.侵蚀

和

skiliage.morphology.remove_小对象

，结果是：

噪音消失了，但i上的5和点的某些部分也消失了

现在的问题是：我想到了如何修复5。我将原始图像添加到去噪图像中，结果部分为黑色，部分为灰色：

然后我将所有连接到黑色部分的灰色部分设置为黑色（在结构上传播）。最后，通过删除所有仍然是灰色的部分，我得到了一个干净的图像

但是我不知道如何使用上面的一个库来完成传播部分。有算法吗

---

附加问题：我怎样才能保留I上的点？

我会用另一种方法：如果你的“噪音”（不需要的信息）与你显示的类似，最简单的去除方法是在你的图像中标记“斑点”，然后只保留最大的斑点。为了保持圆点，你也可以计算每条线的“with”，例如计算所有斑点的形态骨架，并删除宽度变化很小的斑点。谢谢你的建议。识别所有斑点是我考虑过的，但你给了我一个好主意。像素总数（大小）不是噪声的好指标，因为对角线可能很长（x轴）。然而，我可以定义最大高度（y轴），在所有x坐标上循环。最大高度低于x像素的所有斑点都是噪声线，会被消除。我试着把它作为一个额外的步骤，但是我仍然想为我最初的问题找到一个解决方案。