Question

我有一部分包含数字的图像。 Tesseract读取OCR的每个子集。不幸的是，对于某些图像，从原始图像进行裁剪并不是最佳选择。

在图像的顶部和底部保留一些伪像/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：我将像素的第一行设置为参考：如果在x轴上找到了伪像（即，如果图像被二值化，则为白色像素），则沿y删除了它。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)

但是结果一点也不好：

然后，我偶然发现了scipy（here）的Flood_fill函数，但发现它既浪费时间又效率不高。在SO here上提出了类似的问题，但并没有太大帮助。也许可以考虑采用k最近邻方法？我还发现，将在某些条件下合并相邻像素的方法称为增长方法，其中最常见的是单链接（here）。

您建议删除上下工件的什么？

Answer 1

这是一种简单的方法：

将图像转换为灰度
大津获取二进制图像的阈值
创建特殊的水平内核并扩张
检测水平线，按最大轮廓排序，然后绘制到蒙版上
按位与和

转换为灰度后，我们以Otsu的阈值获取二进制图像

# 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，我们创建一个较长的水平核并进行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)

从这里我们检测到水平线并分类为最大轮廓。这个想法是最大的轮廓将是数字的中间部分，其中的数字都是“完整的”。任何较小的轮廓将是部分或截断的数字，因此我们在此处将其过滤掉。我们将最大的轮廓绘制到蒙版上

# 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，我们仅需按位操作，并使用原始图像并将背景涂成白色即可得到结果

# 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)

完整代码完整

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()

从图像中删除字母伪像

1 个答案: