我正在处理轮胎文本识别方面的工作。 为了使用OCR，我必须先获取清晰的二进制地图。
我已经处理了图像，但文本出现了断裂和不连续的边缘。 我尝试过在MATLAB中使用圆形盘和线元素进行标准腐蚀/膨胀，但并没有真正帮助。
Pr1- 有什么想法可以重建这些字符并填补字符之间的空隙吗？
Pr2- 上面的图片分辨率更高，照明条件也很好。 但是，如果像下面的图像一样，照明条件很差，分辨率相对较低，处理的可行选项是什么？
S1：这是对Spektre共享的处理过的图像应用中值滤波器的结果。为了去除噪声，我应用了一个中值滤波器（5x5），随后使用线元素（5,11）进行图像膨胀。即使现在OCR（Matlab 2014b）只能识别一些字符。
无论如何，非常感谢迄今为止的建议。我仍然会等待看看是否有人可以提供不同的想法，也许可以打破常规 :)
以下是 Spektre 代码的 Matlab 实现结果（未包括笔画膨胀（使用角落进行归一化，顺序为1、2、3、4）：
使用阈值tr0=400和tr1=180以及归一化的角点顺序1,3,2,4
最好的问候
Wajahat
我稍微调整了一下你的输入
通过光照归一化和动态范围归一化，可以在一定程度上获得更好的结果，但仍然远离所需的效果。我想尝试锐化部分导数以增强字母与背景的对比，并在集成回来并重新着色掩码图像之前阈值处理小颗粒。如果有时间（不确定是何时，或许是明天），我会进行编辑（并评论/通知您）。
光照归一化
计算平均角落强度，并双线性地重新缩放强度以匹配平均颜色。
如果您需要更复杂的内容，请参见：
边缘检测
通过x和y的强度的部分导数 i...
i=|i(x,y)/dx|+|i(x,y)/dy|然后通过treshold=13进行阈值处理。
[注]
为了消除大部分噪点，在边缘检测之前我应用了平滑滤波。
[编辑1] 经过一些分析，我发现您的图像对于锐化集成来说边缘很差
这是图像中间线经过x方向第一次导数后的强度图示例
如您所见，黑色区域很好，但白色区域几乎无法从背景噪声中识别出来。因此，您唯一的希望是像@Daniel的答案建议的那样使用最小最大滤波，并在黑色边缘区域上取更多权重（白色不可靠）。
最小最大滤波强调黑色（蓝色掩码）和白色（红色掩码）区域。如果两个区域都可靠，则只需填充它们之间的空间，但在您的情况下这不是一个选项，相反，我会扩大这些区域（更多地加权蓝色掩码），并使用为此类三色输入定制的OCR对结果进行OCR。
您还可以拍摄2张具有不同光照位置和固定相机的图像，并将它们合并以覆盖所有可识别的黑色区域。
[编辑2] 上述方法的C++源代码
//---------------------------------------------------------------------------
typedef union { int dd; short int dw[2]; byte db[4]; } color;
picture pic0,pic1,pic2; // pic0 source image,pic1 normalized+min/max,pic2 enlarge filter
//---------------------------------------------------------------------------
void filter()
{
int sz=16; // [pixels] square size for corner avg color computation (c00..c11)
int fs0=5; // blue [pixels] font thickness
int fs1=2; // red [pixels] font thickness
int tr0=320; // blue min treshold
int tr1=125; // red max treshold
int x,y,c,cavg,cmin,cmax;
pic1=pic0; // copy source image
pic1.rgb2i(); // convert to grayscale intensity
for (x=0;x<5;x++) pic1.ui_smooth();
cavg=pic1.ui_normalize();
// min max filter
cmin=pic1.p[0][0].dd; cmax=cmin;
for (y=0;y<pic1.ys;y++)
for (x=0;x<pic1.xs;x++)
{
c=pic1.p[y][x].dd;
if (cmin>c) cmin=c;
if (cmax<c) cmax=c;
}
// treshold min/max
for (y=0;y<pic1.ys;y++)
for (x=0;x<pic1.xs;x++)
{
c=pic1.p[y][x].dd;
if (cmax-c<tr1) c=0x00FF0000; // red
else if (c-cmin<tr0) c=0x000000FF; // blue
else c=0x00000000; // black
pic1.p[y][x].dd=c;
}
pic1.rgb_smooth(); // remove single dots
// recolor image
pic2=pic1; pic2.clear(0);
pic2.bmp->Canvas->Pen ->Color=clWhite;
pic2.bmp->Canvas->Brush->Color=clWhite;
for (y=0;y<pic1.ys;y++)
for (x=0;x<pic1.xs;x++)
{
c=pic1.p[y][x].dd;
if (c==0x00FF0000)
{
pic2.bmp->Canvas->Pen ->Color=clRed;
pic2.bmp->Canvas->Brush->Color=clRed;
pic2.bmp->Canvas->Ellipse(x-fs1,y-fs1,x+fs1,y+fs1); // red
}
if (c==0x000000FF)
{
pic2.bmp->Canvas->Pen ->Color=clBlue;
pic2.bmp->Canvas->Brush->Color=clBlue;
pic2.bmp->Canvas->Ellipse(x-fs0,y-fs0,x+fs0,y+fs0); // blue
}
}
}
//---------------------------------------------------------------------------
int picture::ui_normalize(int sz=32)
{
if (xs<sz) return 0;
if (ys<sz) return 0;
int x,y,c,c0,c1,c00,c01,c10,c11,cavg;
// compute average intensity in corners
for (c00=0,y= 0;y< sz;y++) for (x= 0;x< sz;x++) c00+=p[y][x].dd; c00/=sz*sz;
for (c01=0,y= 0;y< sz;y++) for (x=xs-sz;x<xs;x++) c01+=p[y][x].dd; c01/=sz*sz;
for (c10=0,y=ys-sz;y<ys;y++) for (x= 0;x< sz;x++) c10+=p[y][x].dd; c10/=sz*sz;
for (c11=0,y=ys-sz;y<ys;y++) for (x=xs-sz;x<xs;x++) c11+=p[y][x].dd; c11/=sz*sz;
cavg=(c00+c01+c10+c11)/4;
// normalize lighting conditions
for (y=0;y<ys;y++)
for (x=0;x<xs;x++)
{
// avg color = bilinear interpolation of corners colors
c0=c00+(((c01-c00)*x)/xs);
c1=c10+(((c11-c10)*x)/xs);
c =c0 +(((c1 -c0 )*y)/ys);
// scale to avg color
if (c) p[y][x].dd=(p[y][x].dd*cavg)/c;
}
// compute min max intensities
for (c0=0,c1=0,y=0;y<ys;y++)
for (x=0;x<xs;x++)
{
c=p[y][x].dd;
if (c0>c) c0=c;
if (c1<c) c1=c;
}
// maximize dynamic range <0,765>
for (y=0;y<ys;y++)
for (x=0;x<xs;x++)
c=((p[y][x].dd-c0)*765)/(c1-c0);
return cavg;
}
//---------------------------------------------------------------------------
void picture::rgb_smooth()
{
color *q0,*q1;
int x,y,i;
color c0,c1,c2;
if ((xs<2)||(ys<2)) return;
for (y=0;y<ys-1;y++)
{
q0=p[y ];
q1=p[y+1];
for (x=0;x<xs-1;x++)
{
c0=q0[x];
c1=q0[x+1];
c2=q1[x];
for (i=0;i<4;i++) q0[x].db[i]=WORD((WORD(c0.db[i])+WORD(c0.db[i])+WORD(c1.db[i])+WORD(c2.db[i]))>>2);
}
}
}
//---------------------------------------------------------------------------
xs,ys：图片的尺寸（以像素为单位）p[y][x].dd：表示在(x,y)位置上的像素，类型为32位整数clear(color)：清除整个图片resize(xs,ys)：将图片调整为新的分辨率bmp：VCL封装的GDI位图，可访问画布我只添加了2个相关成员函数的源代码（不需要复制整个类）。
[编辑3] LQ 图片
我找到了最佳设置（代码相同）：
int sz=32; // [pixels] square size for corner avg color computation (c00..c11)
int fs0=2; // blue [pixels] font thickness
int fs1=2; // red [pixels] font thickness
int tr0=52; // blue min treshold
int tr1=0; // red max treshold
由于光线条件，红色区域无法使用（已关闭）。