如何增强噪声图像的颜色和对比度

Question

我之前曾提出这个问题：“如何从图像中提取数字”链接，最终我采取了这一步骤，但在尝试识别数字时，有些测试用例会导致糟糕的输出。 以此图片为例：

我认为这张图片对比度较低，我尝试了调整它的对比度，但结果仍然不可接受。我还尝试了锐化和伽马校正，但结果仍然不理想，因此分类器无法很好地识别提取的数字。

以下是经过锐化和伽马校正后的图片：

分离后的数字4：

请问有人可以告诉我解决此类问题的最佳方法吗？

- Ibrahim Amer

---

你是如何进行分类的？ - Zaw Lin

@ZawLin 我正在使用手写数字的MINST数据库 http://yann.lecun.com/exdb/mnist/。分类是通过使用KNN算法完成的。 - Ibrahim Amer

在印刷文本上使用手写分类器就像在动物（非人类）的图片上使用行人分类器一样。 - rold2007

我认为MINST不太适合。我建议你只是收集更多的真实世界数据并对它们进行训练。如果这很困难，你可以从干净字体生成嘈杂的图像。例如，你可以生成大约几百个具有不同对比度、模糊度、小旋转（-5,5）、小位移、颗粒噪声的图像，并重新训练。我认为锐度方面你无能为力，你只能改进分类器。 - Zaw Lin

Answer 1

磨刀并不总是解决这种问题的最佳工具。与其名字所暗示的相反，磨刀并不会“恢复”图像中的信息以添加细节和边缘。相反，磨刀是一类操作，可以增加沿边缘的局部对比度。

由于您的原始图像已经严重受损，这种磨刀操作似乎会产生很多噪声，并且通常情况下并没有改善任何东西。

还有另一类算法称为“去模糊”算法，试图通过（更复杂的）数学模型来实际重建图像细节。其中一些版本包括盲目反卷积、正则化反卷积和维纳反卷积。

但是，需要注意的是所有这些方法都是近似值 - 一旦通过模糊等操作丢失了图像内容，它就（几乎）无法完全恢复。此外，这些方法通常要复杂得多。

处理这些情况的最佳方法是确保它们永远不会发生。在图像捕获期间确保良好的对焦，使用分辨率非常适合您的任务的系统，控制照明环境。但是，当这些方法不起作用或无法使用时，需要使用图像重建技术。

- Glenn

---

你是否偏好特定的算法来尝试？最好提供链接。 - Ibrahim Amer

Answer 2

你的图像模糊了，我建议你尝试使用维纳去卷积。你可以假设点扩散函数是一个高斯函数，并观察去卷积过程中发生了什么。由于你事先不知道模糊核，盲去卷积是另一种选择。

- user3153970