OpenCV Python如何去除二值化文档图像中的微小点状噪点

针对你提到的二值化图像存在微小点状噪点、直接腐蚀会损伤文字的问题，可通过以下3种方法解决，优先推荐连通域过滤方案，对文字笔画的损伤最小：

• 方案1：连通域面积过滤（最优）
  原理是微小噪点均为独立的小面积连通块，直接筛除面积低于阈值的连通块即可，不会对正常大小的文字笔画产生影响。你可以根据自己的文字大小调整阈值min_area，推荐取值范围5~20。
  新增去噪函数代码如下：

  def remove_small_noise(thresh, min_area=10):
      # 统计图像中所有连通域
      num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh, connectivity=8)
      clean_img = np.zeros_like(thresh)
      # 仅保留面积大于阈值的连通域
      for i in range(1, num_labels):
          if stats[i, cv2.CC_STAT_AREA] >= min_area:
              clean_img[labels == i] = 255
      return clean_img
  

  调用方式：在二值化得到thresh后，调用clean_thresh = remove_small_noise(thresh)即可得到去噪后的图像。

• 方案2：小核形态学开运算
  你之前直接使用腐蚀效果差是因为仅做了腐蚀操作，会整体收窄文字笔画。开运算为「先腐蚀后膨胀」，微小噪点在腐蚀步骤就被消除，后续膨胀步骤可以把被轻微腐蚀的文字笔画恢复到原有粗细，不会出现文字变细断裂的问题。
  代码如下：

  # 生成2x2的小尺寸卷积核，避免损伤文字
  kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
  clean_thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
  

• 方案3：调整预处理+二值化参数
  可以在二值化前对灰度图做高斯模糊，提前消除部分噪点，同时适当调大自适应阈值的参数，减少二值化阶段产生的噪点：

  1. 灰度转换后增加高斯模糊步骤
  2. 将自适应阈值的块大小从11调整为13或15，偏差值从2调整为3或4
     修改后的二值化函数如下：

  def binarize(img):
      gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
      # 新增高斯模糊预处理
      gray = cv2.GaussianBlur(gray, (3,3), 0)
      # 调整自适应阈值参数
      thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 15, 3)
      return thresh
  

以上三种方案可以组合使用，比如先调整二值化参数，再做连通域过滤，去噪效果会更好。

内容的提问来源于stack exchange，提问作者TTT2