如何优化低对比度图像预处理方案，提升OCR识别质量并避免信息丢失？

原始图像 #

当前预处理代码 #

img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
img_yuv[:,:,0] = cv2.equalizeHist(img_yuv[:,:,0])
img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)
img = img.filter(ImageFilter.GaussianBlur) 
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh, im_bw = cv2.threshold(img, 210, 230, cv2.THRESH_BINARY)
data = Image.fromarray(im_bw)

预处理后结果 #

优化方案 #

1. 替换全局直方图均衡化为自适应均衡化 #

全局均衡化易过度增强噪声，改用CLAHE（自适应直方图均衡化），针对局部区域调整对比度，保留文本细节同时抑制噪声：

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
img_yuv[:,:,0] = clahe.apply(img_yuv[:,:,0])

2. 调整预处理流程顺序 #

先转灰度再做高斯模糊，减少计算量且避免色彩通道干扰，同时明确高斯模糊的核参数：

img_gray = cv2.cvtColor(img_output, cv2.COLOR_BGR2GRAY)
img_blur = cv2.GaussianBlur(img_gray, (3,3), 0)

3. 改用自适应阈值分割 #

固定阈值无法适配光照不均场景，自适应阈值能根据局部区域自动调整阈值，更适配低对比度文本，同时反转阈值让文本为白色（符合OCR输入习惯）：

im_bw = cv2.adaptiveThreshold(img_blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

4. 添加形态学操作优化二值图 #

二值化后可能存在文本断裂或噪声点，用形态学闭操作填补文本间隙，提升文本完整性：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
im_bw = cv2.morphologyEx(im_bw, cv2.MORPH_CLOSE, kernel)

优化后完整代码 #

import cv2
from PIL import Image

# 读取图像
img = cv2.imread("your_image_path.jpg")

# YUV色彩空间下执行自适应直方图均衡化
img_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
img_yuv[:,:,0] = clahe.apply(img_yuv[:,:,0])
img_output = cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)

# 转灰度+高斯模糊降噪
img_gray = cv2.cvtColor(img_output, cv2.COLOR_BGR2GRAY)
img_blur = cv2.GaussianBlur(img_gray, (3,3), 0)

# 自适应阈值二值化
im_bw = cv2.adaptiveThreshold(img_blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 形态学操作优化文本完整性
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
im_bw = cv2.morphologyEx(im_bw, cv2.MORPH_CLOSE, kernel)

# 转为PIL图像供OCR使用
data = Image.fromarray(im_bw)

内容的提问来源于stack exchange，提问作者user176953