opencv图像处理 模糊去噪后清晰化 opencv 图像预处理

如果你的图像有随机噪声，不均匀的光照，前面的物体上的洞，等等。在将图片发布到计算机视觉 API 之前，有几件事情是你可以做的。在本文中，我们将介绍几种使用 OpenCV 提高 OCR 处理效果的技术。

安装 OpenCV

使用首选的包管理器安装 OpenCV

conda install -c conda-forge opencv
pip install opencv-python

读取图片

我将以我最喜欢的一本书的第一版的封面为例。让我们首先读取图像，指定要读取图像的颜色类型，这将读取图像的默认颜色格式为 OpenCV 中的 BGR (即蓝绿红)。然后我们将颜色空间转换为更常见的 RGB 顺序(为了可视化) ，最后，编写一个小函数来显示图像：

import cv2
import matplotlib.pyplot as plt


img = cv2.imread(
  filename='hands-on-machine-learning.jpg',
  flags=cv2.IMREAD_COLOR,
)


h, w, c = img.shape
print(f'Image shape: {h}H x {w}W x {c}C')


img = cv2.cvtColor(
  src=img,    
  code=cv2.COLOR_BGR2RGB,
)




def show_image(img, **kwargs):
    """
    Show an RGB numpy array of an image without any interpolation
    """
    plt.subplot()
    plt.axis('off')
    plt.imshow(
        X=img,
        interpolation='none',
        **kwargs
    )
    
    
show_image(img)

裁剪图像

大多数情况下，您要么在文本周围有一个框坐标(来自标签工具) ，要么您只对图像的一部分感兴趣。我们的图像是一个 3D numpy 数组。要裁剪它，我们可以简单地沿着高度和宽度切片：

ymin, ymax = 200, 780
xmin, xmax = 100, 1000


img = img[
    int(ymin): int(ymax),
    int(xmin): int(xmax),
]


h, w, c = img.shape
print(f'Image shape: {h}H x {w}W x {c}C')


show_image(img)

扩充边界

这对于使用针对文档进行 OCR 模型训练的 API (文档通常有白色边框)可能很有用

img_border = cv2.copyMakeBorder(
    src=img,
    top=10,
    bottom=10,
    left=10,
    right=10,
    borderType=cv2.BORDER_CONSTANT,
    value=(255, 255, 255),
)


h, w, c = img_border.shape
print(f'Image shape: {h}H x {w}W x {c}C')


show_image(img_border)

调整图像大小

API 将为输入图像设置一个最大尺寸。如果图像需要调整大小，应该保留长宽比

MAX_PIX = 800




def resize_image(img, flag):
    """
    Resize an RGB numpy array of an image, either along the height or the width, and keep its aspect ratio. Show restult.
    """
    h, w, c = img.shape


    if flag == 'h':
        dsize = (int((MAX_PIX * w) / h), int(MAX_PIX))
    else:
        dsize = (int(MAX_PIX), int((MAX_PIX * h) / w))


    img_resized = cv2.resize(
        src=img,
        dsize=dsize,
        interpolation=cv2.INTER_CUBIC,
    )


    h, w, c = img_resized.shape
    print(f'Image shape: {h}H x {w}W x {c}C')
    
    show_image(img_resized)


    return img_resized




if h > MAX_PIX:
    img_resized = resize_image(img, 'h')    


if w > MAX_PIX:
    img_resized = resize_image(img, 'w')

图像形态学操作

• Opening：腐蚀后使用 5×5 的内核膨胀操作，有助于消除噪声
• Closing：膨胀后使用 5×5 的内核腐蚀操作，以用来堵住小洞

def apply_morphology(img, method):
    """
    Apply a morphological operation, either opening (i.e. erosion followed by dilation) or closing (i.e. dilation followed by erosion). Show result.
    """
    if method == 'open':
        op = cv2.MORPH_OPEN
    elif method == 'close':
        op = cv2.MORPH_CLOSE


    img_morphology = cv2.morphologyEx(
        src=img,
        op=op,
        kernel=np.ones((5, 5), np.uint8),
    )


    show_image(img_morphology)


    return img_morphology

高斯模糊操作

图像模糊(又名平滑)是有用的消除高频(如噪声)的操作。注意，内核越大，模糊效果越差。

img_gaussian = cv2.GaussianBlur(
    src=img,
    ksize=(5, 5),
    sigmaX=0,
    sigmaY=0,
)

自适应阈值操作

阈值化将灰度图像转换为二值图像。自适应阈值是有用的时候，图像有不同的照明条件在不同的地区，因为它计算不同的阈值不同的区域。

下面的函数使用以下两种方法中的一种来自适应阈值化：

• 高斯：阈值是邻域值的加权和，其中权重是一个高斯窗口
• 平均值：阈值是邻域面积的平均值

def apply_adaptive_threshold(img, method):
    """
    Apply adaptive thresholding, either Gaussian (threshold value is the weighted sum of neighbourhood values where weights are a Gaussian window) or mean (threshold value is the mean of neighbourhood area). Show result.
    """
    img = cv2.cvtColor(
        src=img,
        code=cv2.COLOR_RGB2GRAY,
    )


    if method == 'gaussian':
        adaptive_method = cv2.ADAPTIVE_THRESH_GAUSSIAN_C
    elif method == 'mean':
        adaptive_method = cv2.ADAPTIVE_THRESH_MEAN_C


    img_adaptive = cv2.adaptiveThreshold(
        src=img,
        maxValue=255,
        adaptiveMethod=adaptive_method,
        thresholdType=cv2.THRESH_BINARY,
        blockSize=11,
        C=2,
    )


    show_image(img_adaptive, cmap='gray')


    return img_adaptive

Sobel 滤波器操作

Sobel 算子结合了高斯平滑和微分(图像沿 x 或 y 的一阶导数)。它们有助于检测水平或垂直边缘，并能抵抗噪声。为了检测水平和垂直边缘，我们可以沿着 x 和 y 分别使用 Sobel 滤波器操作，然后查看结果。

def apply_sobel(img, direction):


    img = cv2.cvtColor(
        src=img,
        code=cv2.COLOR_RGB2GRAY,
    )


    if direction == 'h':
        dx, dy = 0, 1


    elif direction == 'v':
        dx, dy = 1, 0


    img_sobel = cv2.Sobel(
        src=img,
        ddepth=cv2.CV_64F,
        dx=dx,
        dy=dy,
        ksize=5,
    )


    return img_sobel

拉普拉斯滤波器操作

与 Sobel 算子类似，拉普拉斯算子使用微分进行处理。但是，他们使用图像沿 x 和 y 的二阶导数(通过内部加上使用 Sobel 算子计算的二阶 x 和 y 导数)。拉普拉斯算子用于检测边缘(以及其他二阶导数为0的可能无意义的位置，所以它们应该只适用于需要的地方)。

def apply_laplacian(img):


    img = cv2.cvtColor(
        src=img,
        code=cv2.COLOR_RGB2GRAY,
    )


    img_laplacian = np.uint8(
        np.absolute(
            cv2.Laplacian(
                src=img,
                ddepth=cv2.CV_64F,
            )
        )
    )


    show_image(img_laplacian, cmap='gray')


    return img_laplacian

其他代码

最后，当你的图像中有一些不同区域的框坐标时(例如，你使用了一个标签工具来标注标题、副标题、作者等) ，你不希望: 裁剪每个区域 > 保存裁剪后的图像本地 > 使用本地图像发布一个 API 请求，因为这会拖慢你的速度。

为了解决这个问题，您可以改为：裁剪每个区域 > 编码裁剪图像到内存缓冲区 > 后请求使用内存缓冲区中的图像，这比第一种方法更快。

下面展示了如何将图像编码到 buffer 中，然后使用 buffer 为 OCR 请求准备好数据(以及如果需要的话如何将图像解码回来) ：

_, buf = cv2.imencode(
    ext=".jpg",
    img=img,
)


data = buf.tostring()


img = cv2.imdecode(
    buf=buf,
    flags=cv2.IMREAD_UNCHANGED,
)

·  END  ·

HAPPY LIFE