去除图像中的噪声，以便使用 OCR 处理文本

Question

我需要处理一系列图像，然后使用 OCR 对其进行处理，以获得这些图像中出现的文本。

彩色图像中的文本不够清晰，OCR 无法清楚地检测图像中的文本，因此我需要获得更清晰或更锐利的文本。

在应用不同的技术将文本与图像的其余部分隔离后，我得到了具有足够对比度/清晰度的图像，可以开始下一步：消除噪声并增强图像中形成文本的像素。第一部分的结果如下所示：

我应用了不同的技术，但没有一个给出正确的结果。我应用的主要方法如下：

def posterize(img = None, image_path = None, level = 3):

    if image_path:
        image = cv2.imread(image_path)
    else:
        image = img

    result = image.copy()

    indices = np.arange(0,256)
    divider = np.linspace(0, 255, level + 1)[1]
    quantiz = np.intp(np.linspace(0, 255, level))
    color_levels = np.clip(np.intp(indices/divider), 0, level - 1)
    palette = quantiz[color_levels]

    im2 = palette[image]

    result = cv2.convertScaleAbs(im2)

    return result


img = cv2.imread(image_path,cv2.IMREAD_GRAYSCALE)
blur = cv2.medianBlur(img,3)
post = posterize(blur, image_path = None, level = 5)
image = cv2.adaptiveThreshold(post,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,2)

kernel = np.ones((2, 2), np.uint8)
final = cv2.dilate(image, kernel, iterations=1)

我尝试过其他技术，但结果相似或更差，例如：

轮廓搜索和绘制：

edged = cv2.Canny(blur, 50, 100) 
contours, hierarchy = cv2.findContours(edged, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0,255,0), 1)

不同的阈值技术与腐蚀和膨胀相结合：

ret,th = cv2.threshold(blur,90,255,cv2.THRESH_BINARY).
kernel = np.ones((2, 2), np.uint8)
image = cv2.erode(image, kernel, iterations=1)

kernel = np.ones((1, 1), np.uint8)
image = cv2.dilate(image, kernel, iterations=1)

降噪：

image = cv2.fastNlMeansDenoising(img,None,20,7,21)

但是我使用过的任何方法总是给我带来同样的问题：降噪伴随着字母中像素的损失，使得最终的文本难以阅读。

我需要找到一种技术或方法来充分清理图像，同时保持文本足够清晰以便 OCR 识别它。

我将不胜感激在这方面的任何帮助。 非常感谢。

Answer 1

答案：

看起来您的方向是正确的，但您可以进行一些调整来减少噪音，同时保持 OCR 文本的清晰度。这里有一些提示：

1. 去噪而不模糊文本

• 双边滤波器：有利于降噪而不丢失文本细节：

  img = cv2.bilateralFilter(img, d=9, sigmaColor=75, sigmaSpace=75)

• Non-Local Means Denoising：调整h参数以平衡降噪和边缘保留：

  img = cv2.fastNlMeansDenoising(img, None, h=15, templateWindowSize=7, searchWindowSize=21)

2. 文本增强阈值

• 自适应阈值：使用 blockSize 和 C 进行实验以微调文本可见性：

  img_threshold = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, blockSize=15, C=3)

• Otsu 的阈值：如果自适应不起作用，请尝试Otsu 的方法进行自动二值化：

  ret, th1 = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

3. 形态学运算

• 腐蚀和膨胀：使用小内核进行腐蚀以去除噪声，然后膨胀以增强文本：

  kernel = np.ones((2, 2), np.uint8)

  img_eroded = cv2.erode(img_threshold, kernel, iterations=1)

  img_dilated = cv2.dilate(img_eroded, kernel, iterations=2)

4. 增强对比度 CLAHE（对比度有限自适应直方图均衡）非常适合 改善局部对比度：

   clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))

   img_clahe = clahe.apply(img)

5. 使用 Tesseract 进行 OCR 清理图像后，对其运行 OCR：

   import pytesseract

   text = pytesseract.image_to_string(img_clahe, config='--psm 6')

   print(text)

最后提示：

• 使用 双边过滤 或 fastNlMeansDenoising 进行降噪，而不会使文本模糊。
• 使用自适应阈值化或大津方法进行二值化实验。
• 侵蚀和膨胀有助于清理文本。
• 使用 CLAHE 增强对比度。
• 最后，将清理后的图像传递给Tesseract OCR以获得更好的效果。

希望这有帮助！