OpenCV灰度忽略红色

Question

我正在制作识别数字 (OCR) 的应用程序，因此我需要为它准备 imamge。当我把照片拍成蓝色、绿色、黄色或其他颜色时没有问题，但红色数字在 OpenCV 中灰度后变得很灰，这些数字变得无法识别。

原图：

灰度后的图像（黄色和红色数字）：

阈值后的图像：

如您所见，之后红色数字消失了。

这是我使用的代码片段：

mat.ConvertTo(mat, CvType.Cv8uc1);
Imgproc.CvtColor(mat, mat, Imgproc.ColorBgr2gray);
Imgproc.Threshold(mat, mat, 127, 255, Imgproc.ThreshBinary);

有什么解决办法吗？

Answer 1

@Jeru Luke 的解决方案对于广泛的输入图像应该是相当健壮的。但如果您需要原始速度，您可能会考虑一个简单的亮度/对比度操作，然后是全局阈值。

如果您使用计算成本较低的亮度和对比度，您可以使背景变为全黑，然后使用全局阈值来获得漂亮的二值化图像。

照片编辑器（Photoshop、Gimp 等）通常使用 ±127 的亮度/对比度比例。同时增加亮度（b）和对比度（c）的数学形式是

img = (1 + c/127)*img + (b-c)

如果您可以从 C# 访问 mat，那么您可以使用 cv.mat.convertTo 函数：

cv.Mat.convertTo( OutputArray, cv.CV_8U, 1+c/127, b-c)

对于您的图像，我使用了 b = -45 和 c = +45

然后转换为灰度并二值化（我在您的图像上使用了 50 的阈值）

更新

OP 被标记为 C#。但是我们中的许多人都使用 Python。在 Python 中，我们无法访问 Mat。但是，我们可以使用 cv2.addWeighted 函数：

dst = src1*alpha + src2*beta + gamma

如果我们设置 beta = 0，那么这等效于 cv.Mat.convertTo 缩放。这似乎比在 Numpy 中进行矩阵运算要快。 Numpy 有点慢，因为我们必须做一些额外的事情来处理溢出。

Answer 2

正如我在 cmets 中提到的，您可以对每个颜色通道 R、G、B 执行 Otsu 阈值。

蓝色通道的大津阈值：

绿色通道的大津阈值：

红色通道的大津阈值：

最后我添加了以上所有内容，得到以下结果：

我只使用了以下功能：

1. cv2.threshold()

2. cv2.add()

更新

代码

import os
import cv2
import numpy as np

#--- performs Otsu threshold ---
def threshold(img, st):
    ret, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
    cv2.imwrite(os.path.join(path, 'res_' + str(st) + '.jpg'), thresh) 
    return  thresh

path = r'C:\Users\Desktop'
filename = 'digits.jpg'

img = cv2.imread(os.path.join(path, filename))
img = cv2.resize(img, (0, 0), fx = 0.5, fy = 0.5)   #--- resized the image because it was to big 
cv2.imshow('Original', img)

#--- see each of the channels individually ---
cv2.imshow('b', img[:,:,0])
cv2.imshow('g', img[:,:,1])
cv2.imshow('r', img[:,:,2])

m1 = threshold(img[:,:,0], 1)   #--- threshold on blue channel
m2 = threshold(img[:,:,1], 2)   #--- threshold on green channel
m3 = threshold(img[:,:,2], 3)   #--- threshold on red channel

#--- adding up all the results above ---
res = cv2.add(m1, cv2.add(m2, m3))

cv2.imshow('res', res)
cv2.imwrite(os.path.join(path, 'res.jpg'), res)

cv2.waitKey()
cv2.destroyAllWindows()