OCR图像预处理中如何分割噪声和文本

Question

我在用OCR来对抗电视镜头中的字幕。(我正在使用Tesseact 3.xw/ C++)，我试图分割文本和背景部分作为OCR的预处理。

这是最初的图片：

​

​

预处理后的图像：

​

​

OCR的结果是:西西曼克隆。

正如上面的预处理图像所示，字母周围仍然存在一些“迷雾”，这使得OCR模块无法正常工作。

有没有任何方法可以通过编程来识别那些“雾”来去除，或者做一些图像处理来从预处理的图像中删除/减少它？

由于预处理逻辑经过了很大程度的优化以处理不同的图像，所以我更希望找到一种“清理”预处理图像的方法，而不是修改预处理逻辑(因为优化这张图片可能会影响到其他图片)。

任何建议都是非常欢迎的。

更新

很明显，西塞拉的回答很棒，而且大多数情况下都会有效。它不起作用的情况是背景也包括相似的文本颜色。

不起作用的例子：

​

​

结果实例：

​

​

从表面上看，高斯滤波器似乎在这类镜头中造成了问题。这意味着，不同的镜头可能需要不同的方法。

Answer 1

通过使用形态学运算和阈值处理，我成功地获得了一个清晰(不完美)的图像。

以下是如何：

1. 我首先用灰度转换原始图像。
2. 应用高斯模糊(9x9核)对灰度图像进行去噪
3. 顶部帽子形态操作(3x3内核)以获得白色文本
4. Otsu阈值法
5. 扩张
6. 倒置二进制阈值，以获得黑色的白色文本

我终于得到了下面的图像

​

​

作为OCR的结果，本文给出了：“既然vou‘k”

PS:这个结果当然可以通过调整参数(例如内核大小)来改进，但我希望它能指导您。我在Python中使用了OpenCv来快速地尝试这些方法。

import cv2

image = cv2.imread('./inputImg.png', 0)
imgBlur = cv2.GaussianBlur(image, (9, 9), 0)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
imgTH = cv2.morphologyEx(imgBlur, cv2.MORPH_TOPHAT, kernel)
_, imgBin = cv2.threshold(imgTH, 0, 250, cv2.THRESH_OTSU)

imgdil = cv2.dilate(imgBin, kernel)
_, imgBin_Inv = cv2.threshold(imgdil, 0, 250, cv2.THRESH_BINARY_INV)

cv2.imshow('original', image)
cv2.imshow('bin', imgBin)
cv2.imshow('dil', imgdil)
cv2.imshow('inv', imgBin_Inv)

cv2.imwrite('./output.png', imgBin_Inv)
cv2.waitKey(0)

之后，我使用以下命令尝试了Tesseract上的输出映像：

tesseract output.png stdout