OpenCV如何将扫描文档中的浅灰度文本调暗且不影响周边区域
扫描文档浅灰文本加深处理方案
先明确之前Dilation操作失效的原因
你对Dilation的作用逻辑完全搞反了:OpenCV的Dilation(膨胀)是**优先膨胀高亮度像素(白色)**的形态学操作,本质会反向收缩黑色文本的边界,自然会让字体显示变细,根本不适合用来加深灰度文本。
不影响原有区域的实现方案(基于OpenCV)
方案1:自定义灰度查找表(LUT)映射(优先推荐,保真度最高)
核心逻辑是分段调整灰度值:完全保留原有深黑文本的像素值不动,仅对浅灰文本区间的灰度值做压暗处理,同时锁定纯白背景不发灰,全程不会改动原有正常黑字的粗细和位置。
具体实现代码:
import cv2 import numpy as np # 读取扫描图的灰度通道 gray = cv2.imread("scan_doc.png", 0) # 自定义灰度映射规则(可根据实际扫描的灰值调整阈值) lut = np.zeros(256, dtype=np.uint8) for gray_val in range(256): if gray_val < 60: # 原有正常深黑文本,保持原值不修改 lut[gray_val] = gray_val elif 60 <= gray_val <= 180: # 浅灰文本区间,线性压暗到接近纯黑 lut[gray_val] = int(25 - (gray_val - 60) * 25 / 120) else: # 纯白背景,锁定为255,避免加深后背景发灰 lut[gray_val] = 255 # 应用映射得到处理结果 processed_img = cv2.LUT(gray, lut)
方案2:自适应阈值二值化(适合浅灰文本与背景对比度极低的场景)
如果扫描存在全局/局部光照不均,浅灰文本和白底的差值特别小,可以用局部自适应阈值做分割,能精准识别所有层级的文本并转为纯黑,不会误改动原有黑字的形状。
具体实现代码:
# 分块计算局部阈值,块大小、偏移值可根据实际调整 processed_img = cv2.adaptiveThreshold( gray, maxValue=255, adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C, thresholdType=cv2.THRESH_BINARY, blockSize=21, # 必须为奇数,根据文本字号调整 C=7 # 偏移值,控制浅灰文本的识别灵敏度 )
注意事项
- 不要用形态学的膨胀/腐蚀操作处理灰度加深需求:这类操作是调整文本形状边界的,不是修改像素灰度的,很容易扭曲原有字体的正常显示
- 如果扫描图存在细微噪点或污渍,可以先跑一次
cv2.medianBlur(gray, 3)做3x3核的中值滤波去噪,再执行后续映射/二值化操作,避免污渍被误识别为文本加深
内容的提问来源于stack exchange,提问作者koayst
相关产品推荐
相关产品推荐

