如何基于OpenCV优化不同亮度/锐度图像实现最优OCR识别效果

你提供的不同状态样例图像如下：

针对这类明暗、清晰度不统一的文本图像，不存在单张调参的“完美固定参数”，但用全自适应的预处理流水线，可以做到零手动调整覆盖绝大多数场景，拿到稳定的高识别率，核心是所有调整步骤都用局部自适应算法，摒弃全局固定阈值/全局亮度调整的思路。

核心处理步骤（按执行顺序） #

• 第一步：分辨率对齐
  先把所有图像统一用双三次插值放大到300DPI，这是绝大多数OCR引擎的最优输入分辨率，原图分辨率不足的情况下，这一步能避免细笔画被后续处理吞掉。
• 第二步：灰度转换+局部亮度归一化
  先把彩色图转单通道灰度图，再用**限制对比度自适应直方图均衡（CLAHE）**做亮度校正，不要用全局直方图均衡或者手动调亮度/对比度值。CLAHE会把图像切分成若干小网格单独做对比度拉伸，同时限制对比度放大上限，既可以把整体偏暗/偏亮的图拉到正常亮度，也不会出现全局调整时暗部过曝、亮部细节丢失的问题，文本场景下推荐固定参数：clipLimit=2.0，tileGridSize=(8,8)。
• 第三步：自适应二值化
  用高斯加权的自适应阈值二值化替换固定阈值、Otsu全局二值化。算法会单独计算每个像素邻域内的加权平均作为阈值，哪怕同一张图存在局部亮斑、暗角、光照不均，也能准确把黑色文字和浅色背景分离开，文本场景通用参数：邻域块大小31，阈值偏移常数10。
• 第四步：轻量去噪+锐化
  先用3x3尺寸的中值滤波去除二值图里的椒盐噪点，不要用大尺寸的高斯滤波/均值滤波，会糊掉文字边缘。之后做一次轻量非锐化掩膜锐化，把模糊的文字边缘拉清晰，锐化强度控制在0.3-0.6即可，过强的锐化会放大噪点反而干扰识别。
• 第五步（可选）：形态学补全
  如果存在文字笔画断裂的情况，用1x2的极小水平核对二值图做一次闭运算，把断开的水平笔画连上即可，不要用更大的核，避免相邻文字粘成块。

可直接复用的OpenCV实现代码 #

import cv2
import numpy as np

def ocr_preprocess(img_path):
    # 读入图像
    img = cv2.imread(img_path)
    # 分辨率对齐到300DPI（按原图默认72DPI比例缩放）
    h, w = img.shape[:2]
    scale = 300 / 72
    img = cv2.resize(img, (int(w*scale), int(h*scale)), interpolation=cv2.INTER_CUBIC)
    # 转灰度
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # CLAHE局部亮度归一化
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    norm_gray = clahe.apply(gray)
    # 自适应二值化
    binary = cv2.adaptiveThreshold(
        norm_gray, 255,
        cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
        cv2.THRESH_BINARY,
        blockSize=31,
        C=10
    )
    # 3x3中值滤波去噪
    denoise = cv2.medianBlur(binary, 3)
    # 轻量锐化
    blur = cv2.GaussianBlur(denoise, (0,0), 1.0)
    sharpened = cv2.addWeighted(denoise, 1.5, blur, -0.5, 0)
    # 可选：水平闭运算补全断笔
    kernel = np.ones((1,2), np.uint8)
    result = cv2.morphologyEx(sharpened, cv2.MORPH_CLOSE, kernel)
    return result

避坑提示 #

• 不要为了“通用”给所有图套固定的亮度、对比度、伽马值，不同图的曝光差极大，固定参数换图就会出现文字糊成块或者背景噪点爆炸的问题，局部自适应是跨图通用的核心
• 所有卷积核尺寸尽量不要超过3x3，文字是高频细节，大核卷积会直接抹掉细笔画，反而降低识别率
• 不要在彩色图上做过多调整，转灰度后处理效率更高，也不会出现彩色噪点干扰阈值判断的问题

内容的提问来源于stack exchange，提问作者Kristián Stroka