如何从 python 中的印刷教科书中删除突出显示？答案

【问题标题】：How do i remove highlight from a printed text book in python?如何从 python 中的印刷教科书中删除突出显示？
【发布时间】：2019-12-26 09:54:54
【问题描述】：

我正在从教科书中提取突出显示的文本。我已经找到了突出显示并提取了里面的文本。为了处理高光，我将图像转换为灰度，并使用 OTSU 阈值去除背景高亮颜色。当高光是黄色或绿色等浅色时，这非常有用，但当高光是深色时，阈值处理失败，我得到黑色背景覆盖了大部分文本，这阻碍了 ocr 阅读。

我已尝试将亮度标准化，但似乎不起作用。

我需要一些方法来确定前景色和背景色，然后去除背景色。或者我需要一些方法来动态阈值图像以获得黑色文本和白色背景。

        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        normalized_gray = cv2.equalizeHist(gray)
        (thresh, processed_image) = cv2.threshold(normalized_gray, 127, 255, cv2.THRESH_OTSU)

测试图片： https://ibb.co/856YtMx

一些测试结果：

当我在阈值之前运行 equalizeHist 时。 https://ibb.co/HT0jpKW

当我在阈值化后运行 equalizeHist 时。 https://ibb.co/ZXSz97J

当我使用二进制阈值时，文本被吹走： https://ibb.co/DLXywXz

【问题讨论】：

标签： python ocr tesseract

【解决方案1】：

例如像这样的东西应该可以工作：

import cv2
import numpy as np

image = cv2.imread('photo-2019-08-12-12-44-59.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# adjust contrast
gray_contract = cv2.multiply(gray, 1.5)

# create a kernel for the erode
kernel = np.ones((2, 2), np.uint8)
img_eroded = cv2.erode(gray_contract, kernel, iterations=1)

# binarize with otsu
(thresh, otsu) = cv2.threshold(img_eroded, 127, 255,
                               cv2.THRESH_BINARY+cv2.THRESH_OTSU)

你也可以看看How to remove shadow from scanned images using OpenCV的帖子

【讨论】：

如果要包含后图像，则应包含前图像。
@DanD.：我不明白你想用你的评论说什么。
#adjust contrast gray_contract = cv2.multiply(gray, 1.5) 这只是因为 1.5 是静态值，所以可以摆脱单张图像的背景，有没有办法动态设置这个值？例如：这张图片我需要大约 2.2 ibb.co/Tbx78B3
如果可以同时看到输入和输出，就更容易判断转换是否正确。
@DanD.：我使用了有问题的输入（测试图像）。我看不出再把它放在这里的结果。

【解决方案2】：

这里需要自适应阈值。

我的代码输出。可以微调。

import cv2
import numpy as np

img = cv2.imread("high.jpg")

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

gaus = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31, 20)

cv2.imshow("Gaussian", gaus)
cv2.waitKey(0)

cv2.imwrite('output.png', gaus)

更新

将参数更改为adaptiveThreshold 函数，即您发布的第二张图片。

gaus = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31, 8)

【讨论】：