如何去噪图像

Question

我正在构建一个识别某些图片的应用程序。下面是示例：

下面是我用来转换图片的代码：

img = cv2.imread('9jxs.png', 0)
ret1, th1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret2, th2 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
plt.figure()
plt.subplot(221), plt.imshow(img, 'gray')
plt.show()

很明显，图片的结果是“ 9JXS”，我的问题是如何删除噪点像素，清理图片，然后可以使用OCR组件进行识别

Answer 1

对于这种特定类型的图片，与其余图片相比，线条看起来要暗得多。我会找到图片的min()，并用平均值或更好的邻居中间值替换所有落在最小值最小值10％之内的像素。

Answer 2

恐怕没有简单的解决方案可以解决这个问题，否则capchas就没用了。 您可以尝试手动调整范围选择的参数并结合一些侵蚀，但是对于一般情况，我想这很难实现自动化。

import cv2 as cv
import numpy as np

def on_lb_trackbar(val):
    global lb
    lb = val
    cv.imshow(title, cv.erode(cv.inRange(img,lb,ub),erosion_kernel))

def on_ub_trackbar(val):
    global ub
    ub = val
    cv.imshow(title, cv.erode(cv.inRange(img,lb,ub),erosion_kernel))

img = cv.imread(r'udilN.png',cv.IMREAD_GRAYSCALE)

lb = 0
ub = 255
title = 'Range selection'
erosion_kernel = np.ones((5,3), np.uint8)

cv.namedWindow(title)
cv.createTrackbar('from', title , lb, 255, on_lb_trackbar)
cv.createTrackbar('to', title , ub, 255, on_ub_trackbar)

on_lb_trackbar(0)