如何解决使用 cv2 / pytesseract 进行数字识别的局部对比度增强
我想使用 pytesseract 从图像中读取数字。图片如下:
数字是虚线,为了能够使用 pytesseract,我需要白色背景上的黑色连接数字。为此,我考虑使用 erode 和 dilate 作为预处理技术。如您所见,图像相似,但在某些方面却大不相同。例如,第一个图像中的点比背景更暗,而第二个图像中的点更白。这意味着,在第一张图像中,我可以使用 erode 来获得黑色连接线,而在第二张图像中,我可以使用 dilate 来获得白色连接线,然后反转颜色。这导致以下结果:
使用适当的阈值,可以使用 pytesseract 轻松读取第一张图像。第二张图,不管是谁,都比较棘手。问题是,例如“4”的部分比三个周围的背景更暗。所以一个简单的阈值是行不通的。我需要诸如局部阈值或局部对比度增强之类的东西。这里有人有想法吗?
编辑:
OTSU、均值阈值和高斯阈值导致以下结果:
解决方法
您的图像分辨率很低,但您可以尝试一种称为增益划分的方法。这个想法是您尝试构建背景模型,然后通过该模型对每个输入像素进行加权。在大部分图像中,输出增益应该是相对恒定的。
进行增益分割后,您可以尝试通过应用区域过滤器和形态学来改善图像。我只试过你的第一张图片,因为它是“最差的”。
这些是获取增益分割图像的步骤:
- 应用柔和的中值模糊过滤器以去除高频噪声。
- 通过局部最大值获取背景模型。应用一个非常强大的
close
操作,带有一个大structuring element
(我使用的是大小为15
的矩形核)。 - 通过在每个局部最大像素之间划分
255
来执行增益调整。用每个输入图像像素加权这个值。 - 您应该得到一张漂亮的图像,其中背景照明几乎归一化,
threshold
此图像以获得字符的二进制掩码。
现在,您可以通过以下附加步骤提高图像质量:
-
Threshold
通过 Otsu,但添加一点偏见。 (不幸的是,这是一个手动步骤,具体取决于输入)。 -
应用区域过滤器来过滤掉较小的噪声斑点。
让我们看看代码:
import numpy as np
import cv2
# image path
path = "C:/opencvImages/"
fileName = "iA904.png"
# Reading an image in default mode:
inputImage = cv2.imread(path+fileName)
# Remove small noise via median:
filterSize = 5
imageMedian = cv2.medianBlur(inputImage,filterSize)
# Get local maximum:
kernelSize = 15
maxKernel = cv2.getStructuringElement(cv2.MORPH_RECT,(kernelSize,kernelSize))
localMax = cv2.morphologyEx(imageMedian,cv2.MORPH_CLOSE,maxKernel,None,1,cv2.BORDER_REFLECT101)
# Perform gain division
gainDivision = np.where(localMax == 0,(inputImage/localMax))
# Clip the values to [0,255]
gainDivision = np.clip((255 * gainDivision),255)
# Convert the mat type from float to uint8:
gainDivision = gainDivision.astype("uint8")
# Convert RGB to grayscale:
grayscaleImage = cv2.cvtColor(gainDivision,cv2.COLOR_BGR2GRAY)
这就是增益划分为您带来的好处:
请注意,照明更加平衡。现在,让我们应用一点对比度增强:
# Contrast Enhancement:
grayscaleImage = np.uint8(cv2.normalize(grayscaleImage,grayscaleImage,255,cv2.NORM_MINMAX))
你明白了,这会在前景和背景之间产生更多的对比:
现在,让我们尝试对这个图像设置阈值以获得一个漂亮的二进制掩码。正如我所建议的,尝试 Otsu 的阈值,但对结果添加(或减去)一点偏差。如前所述,此步骤取决于您输入的质量:
# Threshold via Otsu + bias adjustment:
threshValue,binaryImage = cv2.threshold(grayscaleImage,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
threshValue = 0.9 * threshValue
_,threshValue,cv2.THRESH_BINARY)
你最终得到这个二进制掩码:
反转它并过滤掉小斑点。我设置了 area
像素的 10
阈值:
# Invert image:
binaryImage = 255 - binaryImage
# Perform an area filter on the binary blobs:
componentsNumber,labeledImage,componentStats,componentCentroids = \
cv2.connectedComponentsWithStats(binaryImage,connectivity=4)
# Set the minimum pixels for the area filter:
minArea = 10
# Get the indices/labels of the remaining components based on the area stat
# (skip the background component at index 0)
remainingComponentLabels = [i for i in range(1,componentsNumber) if componentStats[i][4] >= minArea]
# Filter the labeled pixels based on the remaining labels,# assign pixel intensity to 255 (uint8) for the remaining pixels
filteredImage = np.where(np.isin(labeledImage,remainingComponentLabels) == True,0).astype("uint8")
这是最终的二进制掩码:
如果您打算将此图像发送到 OCR
,您可能需要先应用一些形态。也许 closing
尝试加入组成字符的点。还要确保使用与您实际尝试识别的字体接近的字体来训练您的 OCR
分类器。这是大小 3
rectangular
closing
操作和 3
次迭代后的(反转)掩码:
编辑:
要获得最后一张图片,请按如下方式处理过滤后的输出:
# Set kernel (structuring element) size:
kernelSize = 3
# Set operation iterations:
opIterations = 3
# Get the structuring element:
maxKernel = cv2.getStructuringElement(cv2.MORPH_RECT,kernelSize))
# Perform closing:
closingImage = cv2.morphologyEx(filteredImage,opIterations,cv2.BORDER_REFLECT101)
# Invert image to obtain black numbers on white background:
closingImage = 255 - closingImage
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。