使用OpenCV OCR进行图像锐化

Question

使用OpenCV OCR进行图像锐化

6

我一直在尝试编写一个图像处理脚本/OCR，它可以让我从下面图片中的方框中提取字母（使用tesseract）。经过大量处理，我能够使图片看起来像这样。为了去除噪声，我反转了图片，接着进行了泛洪和高斯模糊处理以去除噪声。接下来通过一些阈值和腐蚀处理来去除噪声（腐蚀是扭曲文本的步骤），最终得到了下面这张图片。这个结果非常好，可以通过tesseract获得相当准确的结果，但有时会因为将#读作H或W而失败。我的问题是：有没有一种方法可以使用opencv、skimage、PIL（最好是opencv）来锐化这个图像，以增加tesseract正确读取图像的机会？或者有没有一种方法可以从第三张图片到最后一张图片，而不必使用扭曲图像的腐蚀处理？任何帮助都将不胜感激！

- JamesLLee

我添加了一些导致我所指的失真的关键步骤：) - JamesLLee

1

可能是图像处理和字符提取的重复问题。 - karlphillip

我已经逐步演示了如何在这个答案中实现此操作。 - karlphillip

谢谢Karl，这看起来非常有用，尽管我在C++方面几乎是文盲（我使用Python）：） - JamesLLee

@karlphillip，你之前发布的矩形检测有没有Python示例？如果有任何线索，我会非常感激。谢谢。 - JamesLLee

显示剩余2条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，

- Michael Burdinov · Accepted Answer

OpenCV有像filter2D这样的函数，可以将任意卷积核与给定图像卷积。特别是您可以使用用于图像锐化的卷积核。主要问题是这是否会改善OCR库的结果。图像已经非常清晰，图像中的噪声不是模糊的结果。我从未自己使用过teseract，但我相当确定它已经完成了所有可能的降噪工作。在这个过程中“帮助”他实际上可能会产生相反的效果。例如，任何锐化过程都倾向于放大噪声（与通常模糊图像的降噪过程相反）。大多数计算机视觉库在提供原始（未经处理的）图像时会产生更好的结果。

编辑（问题更新后）：有多种方法可以实现。我首先要测试的是这个：你的第一个二进制图像非常干净和清晰。不要使用降低字母质量的形态学操作，而是切换到过滤轮廓。使用 findContours 函数在图像中找到所有轮廓并存储它们的层次结构（即哪个轮廓位于哪个轮廓之内）。实际上，您只需要找到第一级和第二级的轮廓，即每个字母的外部和内部轮廓（零级轮廓是最外层的轮廓）。其他轮廓可以被丢弃。在属于第一级的轮廓中，您可以丢弃那些边界框太小而无法成为真正字母的轮廓。经过这两个丢弃过程，我预计剩下的大多数轮廓都是字母的一部分。在白色图像上绘制它们并运行 OCR。（如果您想要黑色背景上的白色字母，则需要反转轮廓中顶点的顺序）。