使用OpenCV在Python中进行适当的图像阈值处理以准备进行OCR。

Question

我是一位初学者，对opencv和python都很陌生。 我有这张图片：

我希望能够适当使用阈值处理来保留仅有的6个数字。 更大的问题是，我打算尝试分别对每个数字执行手动OCR，使用k最近邻算法在每个数字级别上进行（kNearest.findNearest）。 问题在于我无法清理数字，特别是“7”数字，其上有这种蓝色水印通过。 到目前为止我尝试过以下步骤： 我正在从磁盘读取图像。

# IMREAD_UNCHANGED is -1
image = cv2.imread(sys.argv[1], cv2.IMREAD_UNCHANGED)

然后我只保留蓝色通道，以消除数字“7”周围的蓝色水印，从而有效地将其转换为单通道图像。

image = image[:,:,0] 
# openned with -1 which means as is, 
# so the blue channel is the first in BGR

然后我将其乘以一定倍数，以增加数字和背景之间的对比度：

image = cv2.multiply(image, 1.5)

最后我执行二值加Otsu阈值处理：

_,thressed1 = cv2.threshold(image,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

正如您所看到的，最终结果相当不错，除了数字“7”保留了很多噪音。

如何改善最终结果？如果可能，请提供图像示例结果，这比仅有代码片段更易理解。

- Nikolas Kazepis

---

因此，红色通道是RGB中的第一个。OpenCV的imread默认使用BGR顺序，因此实际上你使用的是蓝色通道，而不是红色。 - Dan Mašek

你是对的，只使用蓝色通道似乎更有效地消除蓝色水印。我已经在代码中更正了注释。谢谢。 - Nikolas Kazepis

Answer 1

你可以尝试对灰度（模糊）图像使用不同的内核（如3、51）进行medianBlur，将得到的模糊结果相除，然后进行阈值处理。类似这样的操作：

---

#!/usr/bin/python3
# 2018/09/23 17:29 (CST) 
# (中秋节快乐)
# (Happy Mid-Autumn Festival)

import cv2 
import numpy as np 

fname = "color.png"
bgray = cv2.imread(fname)[...,0]

blured1 = cv2.medianBlur(bgray,3)
blured2 = cv2.medianBlur(bgray,51)
divided = np.ma.divide(blured1, blured2).data
normed = np.uint8(255*divided/divided.max())
th, threshed = cv2.threshold(normed, 100, 255, cv2.THRESH_OTSU)

dst = np.vstack((bgray, blured1, blured2, normed, threshed)) 
cv2.imwrite("dst.png", dst)

结果：

（注：此内容为HTML代码，已翻译为中文）

- Kinght 金

---

优秀的结果和简单的方法。+1 - alkasm

@Silencer，您能否详细解释一下“分割模糊结果”的含义？可以提供一段代码片段吗？我对opencv的概念还不是很熟悉。您是将模糊结果与原始图像相除吗？您会同时分割多于两个图像吗？如何操作？非常抱歉问这些愚蠢的问题。先谢谢您了！ - Nikolas Kazepis

消音器确实解决了一些更难的情况。非常感谢！我已经尝试了很多不同的方法（断断续续地几个月），例如Bradley Roth阈值处理，但都没有成功或者结果比你的更糟糕，远远不如你的好。因此，这是真诚的感谢，你是MVP！也要感谢@Yves，因为从我看到的来看，他建议了相同的方法，但是Silencer先生，您花时间提供了更好的结果和代码片段。对于所有这些，我感激不尽！+1！ - Nikolas Kazepis

Answer 2

为什么不直接将图像中高于某个阈值的值保留下来呢？

例如这样：

import cv2
import numpy as np

img = cv2.imread("./a.png")[:,:,0]  # the last readable image

new_img = []
for line in img:
    new_img.append(np.array(list(map(lambda x: 0 if x < 100 else 255, line))))

new_img = np.array(list(map(lambda x: np.array(x), new_img)))

cv2.imwrite("./b.png", new_img) 

看起来很棒：

你可以调整阈值并获得更好的结果。

- Plutoberth

---

如果解决方案需要自动化（通常情况下），这种方法就无法使用。而且有很多情况全局阈值并不适用。 - user1196549

那是一个很好的观点。然而，我检查了一下，即使将图像再次放大2倍，也会产生相当有利的结果：https://toast-for.life/iEm9O.png - Plutoberth

如果解决方案需要自动化（通常情况下），这种方法就不能使用。而且有很多情况下，全局阈值并不适用。 - user1196549

那么，你认为有什么更好的想法呢？ - Plutoberth

@Yves Daoust，没错，你的确提供了更好的解决方案。我可能只应该坚持自己百分之百自信的线程。 - Plutoberth

@Plutoberth，不幸的是，这需要一个自动化的过程，而且在调整阈值时，虽然它可以改善一些图像，但对于其他一些图像来说，情况会变得更糟。也许我今晚可以发布更多的例子，以便你了解我的意思。无论如何，谢谢！ - Nikolas Kazepis

Answer 3

完全消除烦人的印章似乎并不容易。

您可以通过以下方式使背景强度变平：

• 计算低通图像（高斯滤波器，形态学闭运算）；滤波器大小应稍大于字符大小；

• 将原始图像除以低通图像。

然后您可以使用Otsu。

如您所见，结果并不完美。

- user1196549

---

请问您能否提供一个代码片段来生成低通图像，然后再演示如何进行除法操作？这个答案与@Silencer的回答有关吗？ - Nikolas Kazepis

Answer 4

我在蓝色通道上尝试了与Yves略有不同的方法：

• 应用中值滤波器（r=2）：

• 使用边缘检测（例如Sobel算子）：

• 自动阈值化（Otsu）

• 图片的关闭

这种方法似乎可以使输出结果更加清晰。然而，我们需要解决数字中的空洞问题。可以通过检测被白色像素完全包围的黑色轮廓，并将其填充为白色来解决这个问题。

- SilverMonkey

---

这个方法可能可行，但似乎比上面的解决方案更复杂，所以也许我会最后尝试这个。如果有代码片段就更好了。谢谢！ - Nikolas Kazepis

Sobel 算子和 Otsu 阈值可能被 Canny 边缘检测所替代。 - Slawomir Orlowski