用于 OCR 的清洁图像

Question

我一直在尝试清除 OCR 图像：（线条）

我需要删除这些行以有时进一步处理图像并且我已经非常接近但很多时间阈值从文本中带走了太多：

    copy = img.copy()
    blur = cv2.GaussianBlur(copy, (9,9), 0)
    thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,11,30)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9))
    dilate = cv2.dilate(thresh, kernel, iterations=2)

    cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnts = cnts[0] if len(cnts) == 2 else cnts[1]

    for c in cnts:
        area = cv2.contourArea(c)
        if area > 300:
            x,y,w,h = cv2.boundingRect(c)
            cv2.rectangle(copy, (x, y), (x + w, y + h), (36,255,12), 3)

编辑：此外，如果字体发生变化，使用常量数字将不起作用。 有没有通用的方法来做到这一点？

Answer 1

这是一个想法。 我们将这个问题分解为几个步骤：

1. 确定平均矩形轮廓面积。 然后我们阈值查找轮廓并使用轮廓的边界矩形区域进行过滤。 我们这样做的原因是因为观察到任何典型的字符都只会如此之大，而大噪声将跨越更大的矩形区域。 然后我们确定平均面积。

2. 删除大的离群值轮廓。 我们再次遍历轮廓，如果大轮廓比平均轮廓区域大5x ，则通过填充轮廓来删除它们。 我们没有使用固定的阈值区域，而是使用这个动态阈值来提高鲁棒性。

3. 用垂直内核扩张以连接字符。 这个想法是利用字符在列中对齐的观察结果。 通过使用垂直内核进行扩张，我们将文本连接在一起，因此该组合轮廓中不会包含噪声。

4. 去除小噪音。 现在要保留的文本已连接，我们找到轮廓并删除任何小于平均轮廓面积4x的轮廓。

5. 按位与重建图像。 由于我们只有想要的轮廓来保留在我们的掩码上，我们按位保留文本并得到我们的结果。

---

这是该过程的可视化：

我们用大津的阈值来获得二值图像，然后找到轮廓来确定平均矩形轮廓区域。 从这里我们通过填充轮廓去除以绿色突出显示的大的离群值轮廓

接下来我们构建一个垂直内核并膨胀以连接字符。 此步骤连接所有所需的文本以保留并将噪声隔离为单个 blob。

现在我们找到轮廓并使用轮廓区域过滤以去除小噪声

以下是以绿色突出显示的所有移除的噪声粒子

结果

代码

import cv2

# Load image, grayscale, and Otsu's threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Determine average contour area
average_area = [] 
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    area = w * h
    average_area.append(area)

average = sum(average_area) / len(average_area)

# Remove large lines if contour area is 5x bigger then average contour area
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    area = w * h
    if area > average * 5:  
        cv2.drawContours(thresh, [c], -1, (0,0,0), -1)

# Dilate with vertical kernel to connect characters
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,5))
dilate = cv2.dilate(thresh, kernel, iterations=3)

# Remove small noise if contour area is smaller than 4x average
cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    if area < average * 4:
        cv2.drawContours(dilate, [c], -1, (0,0,0), -1)

# Bitwise mask with input image
result = cv2.bitwise_and(image, image, mask=dilate)
result[dilate==0] = (255,255,255)

cv2.imshow('result', result)
cv2.imshow('dilate', dilate)
cv2.imshow('thresh', thresh)
cv2.waitKey()

注意：传统的图像处理仅限于阈值、形态学操作和轮廓过滤（轮廓近似、面积、纵横比或斑点检测）。 由于输入图像可能因字符文本大小而异，因此很难找到单一的解决方案。 您可能需要考虑使用机器/深度学习来训练自己的分类器以获得动态解决方案。