如何清除与文字同色干扰线的验证码图像？OpenCV处理求助

看起来你遇到的是验证码里干扰线和文字颜色完全一致的棘手问题——这种情况普通的颜色阈值或简单滤波根本没用，得从形状特征入手区分文字和干扰线。我给你几个针对性的OpenCV改进思路，附代码示例：

方法1：连通区域面积筛选（最直接） #

干扰线通常是细长的单像素线条，连通区域的面积远小于验证码文字。我们可以先做二值化，然后找出所有连通区域，只保留面积符合文字大小的区域：

import cv2
import numpy as np

# 读取图像，转为灰度图
img = cv2.imread('captcha.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 自适应二值化（比固定阈值更适配不同光照的验证码）
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 获取所有连通区域的统计信息
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(binary, connectivity=8)

# 创建空白画布，只保留符合面积范围的区域
result = np.zeros_like(binary)
# 这里的面积阈值需要你根据实际验证码调整，比如文字面积大概在50-200像素区间
min_text_area = 50
max_text_area = 200
for i in range(1, num_labels):  # 跳过背景标签（索引0）
    area = stats[i, cv2.CC_STAT_AREA]
    if min_text_area < area < max_text_area:
        result[labels == i] = 255

# 查看处理结果
cv2.imshow('Cleaned Captcha', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

方法2：形态学操作+轮廓筛选 #

如果干扰线是横向/纵向的细长线，可以先用形态学开运算（先腐蚀后膨胀）去掉细线，再结合轮廓筛选补漏：

import cv2
import numpy as np

img = cv2.imread('captcha.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 创建结构元素：横向干扰线用水平核，纵向用垂直核，通用场景用十字核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 1))  # 水平核，适配横向干扰线
# 开运算去除细长干扰线
opened_img = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel, iterations=1)

# 再用连通区域筛选保留文字
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(opened_img, connectivity=8)
result = np.zeros_like(opened_img)
min_area = 50
for i in range(1, num_labels):
    area = stats[i, cv2.CC_STAT_AREA]
    if area > min_area:
        result[labels == i] = 255

cv2.imshow('Processed Result', result)
cv2.waitKey(0)

关键调整提示 #

• 阈值适配：如果你的验证码是白底黑字，记得把THRESH_BINARY_INV改成THRESH_BINARY；自适应阈值的blockSize（必须是奇数）和C值要根据图像分辨率微调。
• 面积阈值校准：可以先用cv2.findContours()手动统计几个文字的像素面积，再精准设置min_text_area和max_text_area。
• 结构元素选择：如果干扰线是斜向的，试试椭圆形核cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2,2))。

如果你的原有代码有特定逻辑问题（比如用了错误的滤波方式），可以把代码贴出来，我再帮你针对性修改！

内容的提问来源于stack exchange，提问作者CC L