使用openCV Python对坏背景图像进行二值化

Question

我尝试使用以下步骤对 OCR 的护照图像进行二值化：

img = cv2.medianBlur(nid_aligned_image,3)
img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1] 

此方法适用于更好的背景图像，但不适用于给定类型的图像。

这是输出，OCR 无法读取此内容

谁能给我推荐一个更好的方法？

Answer 1

我解决这个问题的方法是：

---

1-应用自适应阈值

2-应用形态变换

3-应用位运算

第 1 步：自适应阈值

---

• 来自documentation：

  • 如果图像在不同区域具有不同的照明条件。在这种情况下，自适应阈值可以提供帮助。在这里，该算法根据像素周围的小区域确定像素的阈值。因此，我们为同一图像的不同区域获得不同的阈值，从而为具有不同光照的图像提供更好的结果。

  • 总结：当用作阈值的全局值表现不佳时，您将使用自适应阈值。

  • img2 = cv2.imread("BESFs.png")
    gry2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
    
    flt = cv2.adaptiveThreshold(gry2,
                                 100, cv2.ADAPTIVE_THRESH_MEAN_C,
                                 cv2.THRESH_BINARY, 13, 16)
    

  • 结果：

第 2 步：形态转换

---

• 来自documentation：

  • 它需要两个输入，一个是我们的原始图像，第二个称为结构元素或决定操作性质的内核

• 我们需要定义一个内核（过滤器）来处理图像。

  • krn = np.ones((3, 3), np.uint8)
    

• 我们将使用opening 和closing：

  • 开运算只是腐蚀后膨胀的另一个名称。它有助于消除噪音

  • 关闭与打开相反，先膨胀后腐蚀。它对于关闭前景物体内部的小洞或物体上的小黑点很有用。

• opn = cv2.morphologyEx(flt, cv2.MORPH_OPEN, krn)
  cls = cv2.morphologyEx(opn, cv2.MORPH_CLOSE, krn)
  

第 3 步：按位运算

---

• 来自documentation

  • 它们在提取图像的任何部分时非常有用

  • gry2 = cv2.bitwise_or(gry2, cls)
    

  • 结果：

• 现在如果我们使用pytesseract 来提取文本

  • txt = pytesseract.image_to_string(gry2)
    txt = txt.rstrip().split('\n\n')[1].split(' ')[1]
    print("Passport number: {}".format(txt))
    

  • 结果：

    • Passport number: BC0874168
      

可选

---

对于您未来的 OCR 问题，您可以尝试提高图像分辨率。例如：

from PIL import Image

img = Image.open("BESFs.png")
h, w = img.size
fct = min(1, int(1024.0/h))
sz = int(fct * h), int(fct * w)
im_rsz = img.resize(sz, Image.ANTIALIAS)
im_rsz.save("out_dpi_300.png", dpi=(300, 300))

对于这个问题，它没有任何效果，但也许它可以在未来帮助你。

问题代码：

import cv2
import pytesseract
import numpy as np

img2 = cv2.imread("BESFs.png")
gry2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

flt = cv2.adaptiveThreshold(gry2,
                            100, cv2.ADAPTIVE_THRESH_MEAN_C,
                            cv2.THRESH_BINARY, 13, 16)
krn = np.ones((3, 3), np.uint8)
opn = cv2.morphologyEx(flt, cv2.MORPH_OPEN, krn)
cls = cv2.morphologyEx(opn, cv2.MORPH_CLOSE, krn)
gry2 = cv2.bitwise_or(gry2, cls)
txt = pytesseract.image_to_string(gry2)
txt = txt.rstrip().split('\n\n')[1].split(' ')[1]
print("Passport number: {}".format(txt))