如何用OpenCV Python提取模糊点状浮雕序列号？

针对点状浮雕这类低辨识度的序列号，原方案的边缘检测+过度膨胀会破坏字符的点状结构，导致EasyOCR无法准确识别。以下是针对性的优化方案：

核心调整思路 #

1. 放弃边缘检测，改用自适应阈值保留点状字符的完整轮廓
2. 使用贴合点状结构的形态学核，避免过度膨胀导致字符粘连
3. 限制OCR识别的字符集，减少干扰匹配

修改后的完整代码 #

import numpy as np
import cv2
from easyocr import Reader
from typing import List

reader = Reader(["en"], model_storage_directory="./model")

def process(image: bytes) -> List[str]:
    buff = np.frombuffer(image, np.uint8)
    # 读取彩色图后转灰度
    img = cv2.imdecode(buff, cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 自适应阈值处理：更适合光照不均的点状字符，保留细节
    thresh = cv2.adaptiveThreshold(
        gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2
    )
    
    # 使用十字形核做膨胀：贴合点状字符的连接结构，避免方形核过度模糊轮廓
    kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
    dilated = cv2.dilate(thresh, kernel, iterations=2)
    
    # 限制OCR识别字符集为数字+大写字母，过滤无关结果
    result = reader.readtext(
        dilated,
        allowlist='0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ',
        paragraph=False,
        detail=0
    )
    
    # 合并结果（如果识别为多个片段）
    return [' '.join(result).replace(' ', '')] if result else []

关键改动说明 #

• 自适应阈值：替代Canny边缘检测，能在局部区域内自动调整阈值，更好保留点状字符的灰度差异，避免边缘丢失。
• 十字形膨胀核：相比方形核，十字形更贴合点状字符的笔画延伸方向，膨胀后不会过度模糊字符的边界，减少字符粘连。
• 字符集限制：通过allowlist指定仅识别数字和大写字母，排除EasyOCR可能误识别的特殊符号或小写字母，提升匹配精度。
• 结果合并：如果OCR将序列号拆分为多个片段，自动合并为完整字符串，减少后续处理成本。

额外建议 #

如果仍有识别误差，可以尝试：

• 对输入图像先做高斯模糊（cv2.GaussianBlur(gray, (3,3), 0)），减少背景噪点干扰
• 调整自适应阈值的blockSize（奇数，如13、15）和C值（如3、4），适配不同的浮雕深浅
• 尝试EasyOCR的adjust_contrast=True参数，增强图像对比度

内容的提问来源于stack exchange，提问作者Ikhwanul Labib