从图像中删除字母伪影

Question

我有包含数字的图像子集。 Tesseract 为 OCR 读取每个子集。不幸的是，对于某些图像，原始图像的裁剪不是最佳的。

因此，图像顶部和底部存在一些伪影/残留物，并妨碍 Tesseract 识别图像上的字符。然后我想摆脱这些工件并得到类似的结果：

首先我考虑了一种简单的方法：我将第一行像素设置为参考：如果沿 x 轴发现伪影（即，如果图像被二值化，则为白色像素），我沿 y 将其移除-轴直到下一个黑色像素。这种方法的代码如下：

import cv2
inp = cv2.imread("testing_file.tif")
inp = cv2.cvtColor(inp, cv2.COLOR_BGR2GRAY)
_,inp = cv2.threshold(inp, 150, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

ax = inp.shape[1]
ay = inp.shape[0]

out = inp.copy()
for i in range(ax):
    j = 0
    while j in range(ay):
        if out[j,i] == 255:
            out[j,i] = 0
        else:
            break
        j+=1

out = cv2.bitwise_not(out)    
cv2.imwrite('output.png',out)

但结果一点都不好：

然后我偶然发现了 scipy (here) 的 flood_fill 函数，但发现它太耗时而且效率不高。在 SO here 上提出了类似的问题，但没有太大帮助。也许可以考虑k-最近邻方法？我还发现在某些条件下合并相邻像素的方法称为增长方法，其中单链接是最常见的（here）。

你会推荐什么来移除上下伪影？

Answer 1

这是一个简单的方法：

• 将图像转换为灰度
• Otsu 获取二值图像的阈值
• Cerate 特殊水平内核和扩张
• 检测水平线，排序最大轮廓，然后在蒙版上绘制
• 按位与

---

转换成灰度后，我们用Otsu的阈值得到二值图像

# Read in image, convert to 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]

接下来我们创建一个长的水平核并膨胀以将数字连接在一起

# Create special horizontal kernel and dilate 
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (70,1))
dilate = cv2.dilate(thresh, horizontal_kernel, iterations=1)

从这里我们检测水平线并排序最大的轮廓。这个想法是最大的轮廓将是数字的中间部分，其中数字都是“完整的”。任何较小的轮廓都将是部分或截断的数字，因此我们在这里将它们过滤掉。我们将这个最大的轮廓画到一个蒙版上

# Detect horizontal lines, sort for largest contour, and draw on mask
mask = np.zeros(image.shape, dtype=np.uint8)
detected_lines = cv2.morphologyEx(dilate, cv2.MORPH_OPEN, horizontal_kernel, iterations=1)
cnts = cv2.findContours(detected_lines, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for c in cnts:
    cv2.drawContours(mask, [c], -1, (255,255,255), -1)
    break

现在我们有了所需数字的轮廓，我们只需按位 - 并使用我们的原始图像并将背景着色为白色以获得我们的结果

# Bitwise-and to get result and color background white
mask = cv2.cvtColor(mask,cv2.COLOR_BGR2GRAY)
result = cv2.bitwise_and(image,image,mask=mask)
result[mask==0] = (255,255,255)

完整的代码

import cv2
import numpy as np

# Read in image, convert to 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]

# Create special horizontal kernel and dilate 
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (70,1))
dilate = cv2.dilate(thresh, horizontal_kernel, iterations=1)

# Detect horizontal lines, sort for largest contour, and draw on mask
mask = np.zeros(image.shape, dtype=np.uint8)
detected_lines = cv2.morphologyEx(dilate, cv2.MORPH_OPEN, horizontal_kernel, iterations=1)
cnts = cv2.findContours(detected_lines, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for c in cnts:
    cv2.drawContours(mask, [c], -1, (255,255,255), -1)
    break

# Bitwise-and to get result and color background white
mask = cv2.cvtColor(mask,cv2.COLOR_BGR2GRAY)
result = cv2.bitwise_and(image,image,mask=mask)
result[mask==0] = (255,255,255)

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