python使用cv2识别图片中的文本 opencv识别图片中的文字

图像修复，指对受到损坏的图像进行修复重建或者去除图像中的多余物体。 
去除文字，是图像修复的一种应用。

提出一个问题： 
给定一张自然图像，该图像上已经写了一些文字（模拟图像遭到了破坏），则如何去掉文字，使得图像恢复原来的面目？

针对上述问题，本文提供两种思路： 
方法一：先用阈值法提取图像中文字，然后用图像减法。即： 
修复图 = 原图像 – 提取的文字图 
可能碰到的问题： 
（1）阈值法的处理结果可能会导致一些误检点或者误检区域，需要再用形态学方法对阈值法提取的结果后处理。 
（2）阈值法提取文字后，提取的文字图的RGB值已经不等于原来图像中文字RGB值。而彩色图像颜色种类太多，一共有pow(2.0, 8) * pow(2.0, 8) * pow(2.0, 8) 种颜色，所以，原图像 – 提取的文字图，可能会得到一种新的颜色，并没有起到去掉文字的效果。

方法二：先用阈值法提取图像中文字，然后用OPENCV中inpaint()函数对图像修复。 

对于本文给出的图像，用方法一处理得到3张结果图。形态学处理结果图中去掉了阈值法提取结果图的一些细小误检测点。在图像减法结果图中，最外层边缘仍有红色边缘存在，而在字体中间已经变成了另外一种颜色。也就是上述描述的碰到的一些问题。这些问题都会在方法二中解决。效果图如下：

该方法具体实现代码如下，且在vs2010测试通过。

#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/photo/photo.hpp"

#include <iostream>
using namespace std;
using namespace cv;

//由于在提取红色分量时，做了一个阈值处理，所以原图减去提取的文字，其结果比较差
void ImageSubtract(Mat oriImg, Mat objImg)
{
    imshow("阈值法提取结果图", objImg);
    Mat element = getStructuringElement(MORPH_RECT, Size(2, 2));
    morphologyEx(objImg, objImg, MORPH_ERODE, element);//腐蚀操作
    element = getStructuringElement(MORPH_RECT, Size(3, 3));
    morphologyEx(objImg, objImg, MORPH_DILATE, element);//膨胀操作
    imshow("形态学处理结果图", objImg);
    Mat dstImg = oriImg - objImg;//矩阵可以直接运算
    imshow("图像减法结果图", dstImg);
    waitKey(0);
}

int main(int argc, char* argv[])
{
    Mat srcImg;
    srcImg = imread("D:/openCV/data/naturalImage/data/opencv.jpg", 1);
    Mat imgComponet = GetRedComponet(srcImg);
    ImageSubtract(srcImg, imgComponet);

    return 0;
}