如何通过图像预处理优化模糊图像的EasyOCR文本识别结果

针对模糊图像导致EasyOCR识别不准确的问题，可通过以下图像预处理方法和参数调整来提升识别精度：

一、核心图像预处理方法 #

1. 锐化增强文本边缘 #

通过拉普拉斯算子强化字符边缘，让模糊的文本轮廓更清晰：

def sharpen_image(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    laplacian = cv2.Laplacian(gray, cv2.CV_64F)
    sharpened = gray - 0.3 * laplacian
    # 确保像素值在0-255范围内
    sharpened = np.uint8(np.clip(sharpened, 0, 255))
    return sharpened

2. 自适应阈值二值化 #

针对模糊图像的光照不均问题，自适应阈值能精准分离文本与背景：

def adaptive_threshold(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                  cv2.THRESH_BINARY_INV, 11, 2)
    return thresh

3. 非局部均值去噪 #

去除模糊带来的噪声干扰，同时保留文本细节：

def denoise_image(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    denoised = cv2.fastNlMeansDenoising(gray, h=10)
    return denoised

二、整合后的完整运行代码 #

将预处理步骤串联，并修正原代码中未定义stretch的错误：

import cv2
import numpy as np
import easyocr

# 初始化EasyOCR阅读器（支持英文、韩文）
reader = easyocr.Reader(['en','ko'])

# 组合预处理流程
def preprocess_image(img):
    # 转为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 去噪
    denoised = cv2.fastNlMeansDenoising(gray, h=10)
    # 锐化
    laplacian = cv2.Laplacian(denoised, cv2.CV_64F)
    sharpened = denoised - 0.3 * laplacian
    sharpened = np.uint8(np.clip(sharpened, 0, 255))
    # 自适应二值化
    thresh = cv2.adaptiveThreshold(sharpened, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                  cv2.THRESH_BINARY_INV, 11, 2)
    return thresh

# 读取输入图像
img = cv2.imread('/content/image (2).png')
# 执行预处理
processed_img = preprocess_image(img)
# 文本识别
response = reader.readtext(processed_img)
# 提取并拼接识别结果
text = " ".join([r[1] for r in response])
print(text)

三、额外优化技巧 #

• 调整EasyOCR识别参数：在readtext中加入contrast_ths=0.3（过滤低对比度区域）、adjust_contrast=0.5（自动调整对比度）等参数，进一步适配模糊图像。
• 图像放大：若原图像分辨率偏低，可先用cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)放大图像，再执行预处理和识别。
• 尝试预处理组合：根据实际图像效果调整预处理顺序，比如先锐化再去噪，或替换为双边滤波cv2.bilateralFilter实现更柔和的去噪效果。

内容的提问来源于stack exchange，提问作者Hamad Younis