用于文本识别的图像预处理

Question

在EmguCV中应用于图像进行文本识别的最佳图像预处理操作是什么？

我收录了两张示例图片here。

应用低通或高通滤波器将不合适，因为文本可以是任何大小。我尝试过中位数和双边滤波器，但它们似乎对图像影响不大。

理想的结果是二进制图像，所有文本都是白色的，其余大部分是黑色的。然后将该图像发送到OCR引擎。

由于

Answer 1

没有最好的设置。请记住，数字图像可以通过不同的捕获设备获取，每个设备都可以嵌入自己的预处理系统（过滤器）和其他可以彻底改变图像甚至为它们添加噪声的特性。所以每个案例都必须以不同方式处理（预处理）。

然而，可以用来改善检测的常用操作，例如，一个非常基本的操作是将图像转换为灰度并应用threshold进行二值化图片。我之前使用的另一种技术是the bounding box，它允许您检测文本区域。要从图像中去除噪声，您可能会对侵蚀/扩张操作感兴趣。我在this post上演示了其中的一些操作。

此外，还有其他有关OCR和OpenCV的有趣帖子，你应该看看：

• Simple Digit Recognition OCR in OpenCV-Python
• Basic OCR in OpenCV

现在，只是为了向您展示可以与样本图像一起使用的简单方法，这是反转颜色并应用阈值的结果：

cv::Mat new_img = cv::imread(argv[1]);
cv::bitwise_not(new_img, new_img);

double thres = 100;
double color = 255;
cv::threshold(new_img, new_img, thres, color, CV_THRESH_BINARY);

cv::imwrite("inv_thres.png", new_img);

Answer 2

尝试形态图像处理。看看this。但是，它仅适用于二进制图像 - 因此您必须对图像进行二值化（阈值？）。虽然很简单，但它依赖于字体大小，因此一个结构元素不适用于所有字体大小。如果你想要一个通用的解决方案，有很多论文用于图像中的文本检测 - 在谷歌学者中搜索这个术语应该会为你提供一些有用的出版物。